基于網(wǎng)站用戶行為的綜合評(píng)價(jià)分析

張如云，許波勇

0 引言

在對(duì)網(wǎng)站用戶行為[1]進(jìn)行分析時(shí)，一般可從用戶忠誠(chéng)度的4個(gè)指標(biāo)進(jìn)行判斷，但看到的僅是各指標(biāo)的表現(xiàn)，無(wú)法對(duì)網(wǎng)站用戶忠誠(chéng)度的總體水平進(jìn)行評(píng)價(jià)，因而需要對(duì)全部相關(guān)指標(biāo)進(jìn)行匯總，得出一個(gè)總評(píng)價(jià)。通常情況下，首先，對(duì)網(wǎng)站用戶忠誠(chéng)度的相關(guān)指標(biāo)標(biāo)準(zhǔn)化，統(tǒng)一度量區(qū)間，然后，對(duì)所有相關(guān)指標(biāo)評(píng)分取平均值，以同等的重要性對(duì)待所有指標(biāo)，計(jì)算出忠誠(chéng)度綜合評(píng)分，但實(shí)際上不同指標(biāo)對(duì)綜合評(píng)分的影響是不同的，有些較重要，有些次之，因此，可選擇AHP層次分析法來(lái)定義不同指標(biāo)的權(quán)重。

1 AHP層次分析法

AHP，其中文名稱是層次分析法，是20世紀(jì)70年代初美國(guó)運(yùn)籌學(xué)家 T.L.Saaty教授于提出的，它是一種對(duì)定性問題進(jìn)行定量化分析的多準(zhǔn)則決策方法。其特點(diǎn)是通過(guò)把復(fù)雜問題中的各種因素劃分為相互聯(lián)系的有序?qū)哟危怪畻l理化，在對(duì)一定客觀現(xiàn)實(shí)的主觀判斷前提下，將每個(gè)層次元素兩兩比較，再進(jìn)行定量描述。然后，利用數(shù)學(xué)方法計(jì)算，從而反映每一層次元素的相對(duì)重要性次序的權(quán)值，計(jì)算所有層次之間的總排序，計(jì)算出所有元素的相對(duì)權(quán)重，最后，進(jìn)行排序。該法主要適用于多目標(biāo)決策，通常用在存在多個(gè)影響指標(biāo)的情況下，對(duì)各方案的優(yōu)劣程度進(jìn)行評(píng)價(jià)。當(dāng)一個(gè)決策受到多個(gè)要素的影響時(shí)，且各要素之間存在層次關(guān)系，或者存在明顯的類別劃分，同時(shí)無(wú)法通過(guò)足夠的數(shù)據(jù)對(duì)各指標(biāo)對(duì)最終評(píng)價(jià)的影響程度進(jìn)行量化計(jì)算時(shí)，考慮該法就是一個(gè)最佳選擇。

2 忠誠(chéng)度評(píng)價(jià)層次模型的研究

2.1 忠誠(chéng)度評(píng)分層次模型的建立

從網(wǎng)站用戶的訪問路徑[2]分析，根據(jù)忠誠(chéng)度的影響指標(biāo)來(lái)設(shè)計(jì)層次模型，將其分為兩層，上層是忠誠(chéng)度，下層是評(píng)價(jià)忠誠(chéng)度的4個(gè)相關(guān)指標(biāo)，如圖1所示：

圖1 忠誠(chéng)度評(píng)分層次模型

2.2 網(wǎng)站用戶忠誠(chéng)度對(duì)比矩陣算法分析

首先，構(gòu)造一個(gè)對(duì)比矩陣，將底層的4個(gè)相關(guān)指標(biāo)對(duì)忠誠(chéng)度的影響權(quán)重計(jì)算出，然后，對(duì)需要賦權(quán)的同層各影響要素運(yùn)用9標(biāo)度進(jìn)行兩兩比較。模型中的要素i相對(duì)于要素j對(duì)上層的重要程度，數(shù)字1表示i與j同等重要，數(shù)字3的含義是i比j略重要，數(shù)字5表示i比j重要，數(shù)字7表示i比j重要很多，數(shù)字9表示i比j極其重要，在此可用WiWj表示該重要程度，經(jīng)過(guò)兩兩比較，就可得到用戶忠誠(chéng)度對(duì)比矩陣，如圖2所示：

圖2 網(wǎng)站用戶忠誠(chéng)度對(duì)比矩陣

接著計(jì)算出該矩陣對(duì)角線上方的各個(gè)比值，而該矩陣中對(duì)角線兩邊的對(duì)稱元素互為倒數(shù)，并且對(duì)角線中所有元素的值都為1，因此，得到對(duì)角線一側(cè)的數(shù)值就可計(jì)算出整個(gè)矩陣。矩陣的數(shù)值是兩兩比較所得結(jié)果，也許存在A元素比B元素重要，B元素比C元素重要，但C元素比A元素重要的情況，這就是所謂的矩陣的不一致性。因此，必須對(duì)比矩陣的一致性進(jìn)行驗(yàn)證。通常情況下評(píng)價(jià)該矩陣的一致性可通過(guò)計(jì)算矩陣的最大特征值的方法實(shí)現(xiàn)，相關(guān)的指標(biāo)有一致性指標(biāo)CI、隨機(jī)一致性指標(biāo)RI和一致性比率CR（CR=CI/RI），當(dāng)CR<0.1時(shí)，可認(rèn)為該對(duì)比矩陣的一致性是可被接受的。如果矩陣的一致性滿足其要求，則可以根據(jù)矩陣的最大特征值來(lái)進(jìn)一步計(jì)算出對(duì)應(yīng)的特征向量，并將特征向量標(biāo)準(zhǔn)化，使特征向量中各分量的和為1，再將其轉(zhuǎn)化為權(quán)向量.這正是所期望的結(jié)果。

從圖2中可以看出，對(duì)該忠誠(chéng)度評(píng)分體系使用AHP層次分析法，計(jì)算出底層4個(gè)指標(biāo)對(duì)忠誠(chéng)度的影響權(quán)重：忠誠(chéng)度評(píng)分=訪問頻率評(píng)分×0.4+最近訪問間隔評(píng)分×0.25+平均停留時(shí)長(zhǎng)評(píng)分×0.2+平均瀏覽頁(yè)面數(shù)評(píng)分×0.15，得到影響指標(biāo)的權(quán)重后，再通過(guò)加權(quán)求和的方式計(jì)算出最終的忠誠(chéng)度評(píng)價(jià)，如表1所示：

表1 用戶忠誠(chéng)度加權(quán)評(píng)分

從表1可看出，通過(guò)加權(quán)的方式計(jì)算出用戶忠誠(chéng)度評(píng)分后，就可通過(guò)比較忠誠(chéng)度評(píng)分來(lái)進(jìn)行評(píng)價(jià)，哪個(gè)用戶的忠誠(chéng)度綜合值較高、哪個(gè)較低，這樣，電子商務(wù)網(wǎng)站就有了直接對(duì)用戶進(jìn)行取舍的依據(jù)。

以上雖然對(duì)用戶的忠誠(chéng)度做了評(píng)價(jià)，但仍無(wú)法體現(xiàn)用戶創(chuàng)造的價(jià)值，而電子商務(wù)網(wǎng)站最想知道的就是對(duì)用戶的綜合價(jià)值的評(píng)價(jià)，例如，電子商務(wù)網(wǎng)站的用戶也許具備一定的忠誠(chéng)度，但如果只看不買，仍然不會(huì)給網(wǎng)站創(chuàng)造經(jīng)濟(jì)效益，因此需要對(duì)用戶的價(jià)值輸出做進(jìn)一步評(píng)價(jià)，作為電子商務(wù)網(wǎng)站尤其應(yīng)關(guān)注這一點(diǎn)。為了進(jìn)一步將用戶的價(jià)值輸出[3]體現(xiàn)出來(lái)，在選擇指標(biāo)時(shí)需考慮與用戶購(gòu)買相關(guān)的指標(biāo)，以下選擇了5個(gè)指標(biāo)供參考：（1）最近購(gòu)買間隔：可取用戶最近一次購(gòu)買距當(dāng)前的天數(shù)，該指標(biāo)反映用戶是否繼續(xù)保持在網(wǎng)站消費(fèi)；（2）購(gòu)買頻率：用戶在一段時(shí)間內(nèi)購(gòu)買的次數(shù)，該指標(biāo)重點(diǎn)反映用戶的消費(fèi)黏度；（3）購(gòu)買商品種類：用戶在一段時(shí)間內(nèi)購(gòu)買的商品種類或大類，該指標(biāo)反映用戶需求的廣度；（4）平均每次消費(fèi)額：用戶在一段時(shí)間內(nèi)的消費(fèi)總額÷消費(fèi)的次數(shù)，即客單價(jià)，該指標(biāo)反映用戶的平均消費(fèi)能力；（5）單次最高消費(fèi)額：用戶在一段時(shí)間內(nèi)購(gòu)買的單次最高支付金額，該指標(biāo)反映用戶的支付承受能力和對(duì)網(wǎng)站的信任度。

3 基于用戶價(jià)值雷達(dá)圖的用戶價(jià)值數(shù)據(jù)分析

以上 5個(gè)指標(biāo)從不同的角度反映了用戶的價(jià)值輸出能力，并且是通過(guò)可量化統(tǒng)計(jì)得到的，但同樣有時(shí)間區(qū)間的限制，因而需注意選擇合適的時(shí)間段長(zhǎng)度。為了能統(tǒng)一衡量標(biāo)準(zhǔn)，需對(duì)以上5個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，在此使用10分制的方式進(jìn)行評(píng)價(jià)，然后再使用雷達(dá)圖，如圖3所示：

圖3 用戶價(jià)值雷達(dá)圖

圖3中的雷達(dá)圖展現(xiàn)了3個(gè)用戶各指標(biāo)的數(shù)據(jù)，反映了用戶的價(jià)值特征，根據(jù)每項(xiàng)指標(biāo)的屬性，可將用戶的價(jià)值分為兩塊：1.用戶的購(gòu)買忠誠(chéng)度：最近購(gòu)買間隔、購(gòu)買頻率和購(gòu)買商品種類用來(lái)表現(xiàn)；2.用戶的消費(fèi)能力：平均每次消費(fèi)額和單次最高消費(fèi)額，圖3中框起來(lái)的兩塊區(qū)域，上半部分用于表示用戶的購(gòu)買忠誠(chéng)度，下半部分用于表示用戶的消費(fèi)能力，從圖3中3個(gè)用戶的數(shù)據(jù)可以看出，用戶3的整體價(jià)值較低，用戶1和2的整體價(jià)值較高，而用戶1的整體價(jià)值集中體現(xiàn)了較高的消費(fèi)能力，用戶2的整體價(jià)值則更多地體現(xiàn)了較高的購(gòu)買忠誠(chéng)度。

雷達(dá)圖很好地展現(xiàn)了用戶價(jià)值在不同指標(biāo)中的體現(xiàn)，如果再結(jié)合層次分析法[4]，就可對(duì)用戶的價(jià)值進(jìn)行綜合評(píng)價(jià)，基礎(chǔ)的數(shù)據(jù)源于以上5個(gè)指標(biāo)的評(píng)價(jià)結(jié)果，因此，使用AHP不僅可得到最終的用戶價(jià)值評(píng)價(jià)，還可得到上面的購(gòu)買忠誠(chéng)度和消費(fèi)能力這兩方面的評(píng)價(jià)。

用AHP層次分析法構(gòu)建了用戶價(jià)值評(píng)價(jià)層次模型如圖4所示：

圖4 用戶價(jià)值評(píng)價(jià)層次模型

底層有5項(xiàng)基礎(chǔ)指標(biāo)，中間層是用戶價(jià)值的兩個(gè)方面，分別對(duì)應(yīng)各自的指標(biāo)，最上層是用戶的綜合價(jià)值。在此使用3次AHP層次分析法來(lái)計(jì)算，主要考慮3種權(quán)重：1.購(gòu)買忠誠(chéng)度和消費(fèi)能力兩項(xiàng)指標(biāo)對(duì)用戶價(jià)值的影響權(quán)重；2.最近購(gòu)買間隔、購(gòu)買頻率和購(gòu)買產(chǎn)品種類3項(xiàng)指標(biāo)對(duì)購(gòu)買忠誠(chéng)度的影響權(quán)重；3.平均每次消費(fèi)額和單次最高消費(fèi)額兩項(xiàng)指標(biāo)對(duì)消費(fèi)能力的影響權(quán)重。

4 網(wǎng)站用戶行為綜合評(píng)價(jià)

經(jīng)過(guò)3次兩兩比較后，就可計(jì)算出圖4中的每一層指標(biāo)對(duì)上次的影響向權(quán)重，如圖4中連接線上標(biāo)注的數(shù)值所示，將其轉(zhuǎn)化為具體的公式，其結(jié)果如下：

用戶價(jià)值=購(gòu)買忠誠(chéng)度×0.67+消費(fèi)能力×0.33

忠誠(chéng)度=最近購(gòu)買時(shí)間×0.12+購(gòu)買頻率×0.64+購(gòu)買產(chǎn)品種類×0.24

消費(fèi)能力=平均每次消費(fèi)額×0.67+單次最高消費(fèi)額×0.33

經(jīng)過(guò)推導(dǎo)，可以用底層5個(gè)指標(biāo)的評(píng)分直接計(jì)算得到用戶的綜合價(jià)值評(píng)分：

用戶綜合價(jià)值評(píng)分=(最近購(gòu)買間隔評(píng)分×0.12+購(gòu)買頻率評(píng)分×0.64+購(gòu)買產(chǎn)品種類評(píng)分×0.24)×0.67+(平均每次消費(fèi)額評(píng)分×0.67+單次最高消費(fèi)額評(píng)分×0.33)×0.33

對(duì)其進(jìn)行轉(zhuǎn)換得到：

用戶綜合價(jià)值評(píng)分=最近購(gòu)買間隔評(píng)分×0.08+購(gòu)買頻率評(píng)分×0.43+購(gòu)買產(chǎn)品種類評(píng)分×0.16+平均每次消費(fèi)額評(píng)分×0.22+單次最高消費(fèi)額評(píng)分×0.11

通過(guò)以上公式的計(jì)算，就可得出圖 4中所有層次的評(píng)分，然后再根據(jù)雷達(dá)圖中的 3個(gè)用戶的數(shù)據(jù)計(jì)算其綜合評(píng)分，如表2所示：

表2 網(wǎng)站用戶綜合價(jià)值評(píng)分

表2得出了購(gòu)買忠誠(chéng)度、消費(fèi)能力、綜合價(jià)值三種評(píng)分，這樣不僅能夠通過(guò)直接比較用戶的綜合價(jià)值評(píng)價(jià)來(lái)獲取網(wǎng)站的重要用戶，還可為針對(duì)用戶體驗(yàn)[5]的細(xì)分提供一個(gè)有力的量化數(shù)值參考依據(jù)，如圖5所示：

圖5 用戶價(jià)值評(píng)價(jià)細(xì)分圖

圖5中展示了100位用戶的價(jià)值評(píng)分?jǐn)?shù)據(jù)，根據(jù)購(gòu)買忠誠(chéng)度和消費(fèi)能力的評(píng)分情況兩個(gè)方面，將其分成了 4個(gè)區(qū)域，由此可看出電子商務(wù)網(wǎng)站各個(gè)用戶特征的分布狀況：

C區(qū)域的用戶較多地分布在忠誠(chéng)度和消費(fèi)能力評(píng)分為3附近的區(qū)域，這是網(wǎng)站最普遍的客戶群；

B區(qū)域的用戶是網(wǎng)站的最有價(jià)值客戶，但是數(shù)量相當(dāng)稀少，可能低于l0%；

A區(qū)域中有一個(gè)點(diǎn)密集區(qū)域，其忠誠(chéng)度為 1～2、消費(fèi)能力為8～9，這是網(wǎng)站的高級(jí)消費(fèi)用戶群，他們消費(fèi)不多，但消費(fèi)額很高，如果電子商務(wù)網(wǎng)站能提供高價(jià)值消費(fèi)品和批量購(gòu)買等服務(wù)的話，那么他們就可能是高消費(fèi)客戶群；

D區(qū)域的用戶雖然消費(fèi)能力也不強(qiáng)，但他們是網(wǎng)站的忠實(shí)粉絲，要高度重視這些用戶，他們往往是網(wǎng)站線下營(yíng)銷和品牌口碑傳播的有利擁護(hù)者。

5 總結(jié)

通過(guò)以上分析，可以歸納出電子商務(wù)網(wǎng)站用戶的某些特征，能為網(wǎng)站的運(yùn)營(yíng)方向和營(yíng)銷策略提供一定的決策支持。如果需制訂針對(duì)用戶的營(yíng)銷策略，就可考慮 A、B、C、D這4類用戶群體中的某一類。

[1]王利強(qiáng),劉正捷,張麗萍,張海昕,陳軍亮.網(wǎng)站用戶行為數(shù)據(jù)收集和分析方法[J].電腦開發(fā)與應(yīng)用,2004(02):2-4.

[2]張瑩.從商務(wù)網(wǎng)站用戶行為數(shù)據(jù)提取用戶興趣[J].濰坊學(xué)院學(xué)報(bào),2005(04):21-23.

[3]庫(kù)波;晁學(xué)鵬.一種用于網(wǎng)站用戶行為分析數(shù)據(jù)的可擴(kuò)展協(xié)同聚類算法[J].科技通報(bào),2013(12):67-69.

[4]李祖培.政府公共信息服務(wù)網(wǎng)站用戶行為分析及啟示—以廣西農(nóng)業(yè)信息網(wǎng)為例[J].大眾科技,2012(08):44-47+10.

[5]吳江;黃晟青;蔡駿.互聯(lián)網(wǎng)購(gòu)物網(wǎng)站用戶體驗(yàn)設(shè)計(jì)研究[J].包裝工程,.2012(08):68-71.