4.代价忍耐力（Price Tolerance）：客户愿意支付的最高代价。
量化网站的用户忠诚度
以上的4个指标对电子商务网站而言，可能还有适用性，但对年夜大都网站是不适合的，所以为了让阐发具有普遍的适用性，同时为了满足所有的指标都可以量化（上面的客户推荐意向比较难以量化），以便进行定量阐发的要求，这里可以选取谷歌 Analytics中对用户忠诚度的4个怀抱指标：Repeated Times、Recency、Length of Visit、Depth of Visit，即用户拜候频率、最近拜候时间、平均停留时间、平均拜候页面数，这些指标可以直接从网站的点击流数据中计较取得，对所有的网站都适用，下面看一下这些指标的定义及如何计较取得
1.拜候频率：用户在一段时间内拜候网站的次数，即每个用户Visits的个数；
2.最近拜候时间：用户最近拜候网站的时间，因为这个指标是个时间点的概念，所以为了便于怀抱，一般取用户最近拜候时间距当前的天数。
3.平均停留时间：用户一段时间内每次拜候的平均停留时间，即每个用户Time on Site的和/Visits的个数；
4.平均拜候页面数：用户一段时间内每次拜候的平均阅读页面数，即每个用户Page Views的和/ Visits的个数。
统计数据的时间区间也是按照网站的特征来定的，如果网站的信息更新较快，用户拜候较为频繁，那么可以适被选取较短的时间段，这样数据转变上的活络度会高些；反之，则选择稍长的时间段，这样用户的数据更加丰富，指标的阐发成果也会加倍准确有效。
用户忠诚度的展示和比较
上面的4个指标都可以被量化统计取得，单一的指标也是没有意义的，我们需要通过比较来找出哪些是忠诚用户，哪些是流失用户，可以先对指标进行一些措置，以便使它们之间更具可比性，可以参考之前的文章——数据的标准化），这里我采取的是min-max标准化的体例，首先将所有指标的数值全部转换到［0，1］区间，再进行倍数放年夜，比如使用10分制进行评分，则可以乘10，数据就全部散布在［0，10］区间内了，如下图：
——表中的数据只是简单的举例，实际情况需要按照每个指标的最年夜最小值进行计较
按照上表的数据，我们已经将所有指标统一到了同一个评分区间，那么便可使用雷达图对用户的忠诚度进行展示。用雷达图展示有以下几个优点：
1.可以完整地显示所有评价指标；
2.显示用户在各指标评分中的偏向性；
3.可以简单阐发用户忠诚度的综合评分，即图形围成的面积（假定四个指标的权重相等，若重要水平存在明显差别，则不克不及用的面积来权衡）；
4.可以用于用户间忠诚度的比较。
下面是按照上表绘制的雷达图示例：
用户忠诚度阐发的意义
那么基于这个展示的成果我们能做些什么呢？其实对任何网站而言，有两个标的目的是一致的：保存忠诚用户，削减流失用户。基于上面的用户忠诚度评价体系扩大开来就是：
1. 阐发忠诚用户的行为特征，努力满足他们的需求，提高他们的满意度；
2. 从最近拜候时间的指标数据机用户忠诚度转变趋势中发现一些可能正在流失的用户，阐发他们流失的可能原因，并试图挽留流失用户；
3. 比较忠诚用户和流失用户在指标数值上的差别，寻找哪些指标的差距致使了用户忠诚度的下降，优化网站在这些方面的表示。
所以，我这里使用的是基于用户拜候频率、最近拜候时间、平均停留时间、平均拜候页面数这4个指标来评价网站用户的忠诚度，并用雷达图进行展示和比较，也许你可以按照自己网站的特征找到加倍适合的指标和展示体例，而最终需要做的是能够加倍切确地找到网站的忠实用户，并努力留住他们。
本文链接：中国统计网itongji/mr/0S16022011.html