电商分析：网站运营不得不做的用户分析

当电子商务网站成功地把一个访客转化成一个客户之后，如何提高这个客户对于网站的忠诚度，继而增加客户对于网站的整体贡献值就变得非常重要了， 因为带来一个新客户的成本是维护好一个老客户的3 ～5 倍 。只有有效地提高每个客户的消费，才能快速提升电子商务网站的整体收入。

最有价值客户的特征

在我们的客户库中，有些客户是我们必须要保留的，而有些客户的价值是相对有限的。这里虽然说得有些现实，不过我们必须意识到，为最有价值的客户提供最优质的服务、提高他们的忠诚度，是我们电子商务企业能够长足发展的基础。

1.建立CRM（客户关系管理） ：建立CRM的最主要原因是为了帮助我们了解客户，那么客户的信息越详细、越准确越好。建立了CRM之后，客户管理就会便捷而且系统化和流程化。

2. 构建客户综合价值模型 ：我们可以通过客户综合价值模型来评估并选出我们最想要保留的客户。客户价值评估模型的搭建，综合衡量了客户五个方面的表现： 客户当前贡献度、客户未来贡献度、客户信用度、客户忠诚度、客户成长潜力。

3.用客户生命周期模型提升收入 ：通过决策树算法我们能 调整适合我们的客户生命周期，最后制定针对不同生命周期的营销策略 。通过划分生命周期，我们能解决基本客户细分的问题。

如何把客户黏在我们的网站

通过 数据分析 ，我们可以提高客户的黏性。也就是 提升客户的平均停留时间，提升客户的活跃度，降低流失率。

提升客户平均停留时间 ：访客在我们的网站上停留的时间越长，越有可能发现网站上其可以购买的商品和感兴趣的内容，从而成为重复消费客户。 我们可以根据客户的浏览历史记录、购买记录做商品的选择分析，以及根据客户的喜好分析来找出推荐商品。

客户活跃度分析 ： 平均访问次数、平均停留时间、平均访问深度是 客户活跃的关键数据点，当我们能够成功提升访问次数、停留时间和访问深度这三个数据点之后，客户的活跃度自然就提升了。

做客户流失分析 ：对于通过 数据挖掘 提供的潜在流失客户名单，运营经理或者总监可以设定一 个“挽留体系” ，尽可能留住我们需要的客户。

客户需要什么商品

留住客户，我们需要更懂客户。个性化推荐系统的最大优点在于系统能够收集客户特征资料并根据客户特征，如兴趣偏好，为客户主动做出个性化的推荐。当我们还没有一个完善的定制化系统之前，我们可以从局部出发。比如，我们可以在运营中回答以下这些问题：

如何找出热门商品 ：我们找出热门商品的一个重要目标是为了让这件商品带动整个网站的销售，这可以从每天、每周和每月的销售记录中很容易找出来。

如何提高客单价 ：客单价是平均每一个顾客购买商品的金额，也就是平均交易金额。提高客单价能够有效提升电子商务网站的整体销售额。这里可用的是数据挖掘中的推荐算法。

如何找出潜在的热销商品 ：我们需要对商品进行分类，而这里商品的分类不是指商品类别上的分类，而是指对于商品在销售上产生价值的深度分类，可以采用数据挖掘中的决策树分类算法。

如何找出匹配的商品 ：商品推荐是和商品相关的，所以对于每一件商品，系统都会尽量选择它的关联商品。当客户选取了某一个商品后，在网页的下方会出现根据关联算法做出的商品推荐。这里用到的是数据挖掘中的关联算法。

不得不谈的KPI

KPI是关键绩效指数的英文首字母缩写，是用来衡量运营质量的专用数据。KPI的制定和执行可以说是电子商务企业管理最重要的步骤。KPI制定不合理，对整体的系统运营没有帮助，甚至过于强调一个不该属于关键指标的指标，会使得我们在运营中舍本求末。而如果忽略了一个关键指标，那么这样的KPI可能不会有太多的效果。

设定KPI的一个要素就是关键指标的数据点选择，KPI不可能关注所有的数据。一般来说，KPI的指标个数应当是三到五个，再多就会丧失“KPI”中的“K”（Key，关键的意思）的含义，成为“PI”了。

我们从运营指标开始，设立包括用户行为指标，用户价值指标和营销活动指标在内的一系列指标，把大的运营目标分解成阶段性和局部性可以实现的目标。从上到下把KPI指标分解成各个可以实现的子指标。

对用户行为指标而言，运营部门可以设定对于每一个子指标的具体数值。例如：到12月31日，平均访问深度要在1.6以上，平均停留时间要在27.1秒以上，跳出率要在70%以下，平均访问次数在1.2以上，而转化率需要在2.8%以上。