指标如何衡量网站用户的忠诚度？

忠诚用户不仅可以为网站创造持续的价值，而且是网站品牌声誉推广的重要渠道，因此网站越来越重视忠诚用户。许多网站或网站分析工具可能会划分用户的“新用户”和“回访用户”，但仅仅区分新老用户是不够的。我们需要一个更完美的指标来衡量网站用户的忠诚度。用户忠诚度（Loyalty），指用户出于对企业或品牌的偏好而经常重复购买的程度。对于网站来说，用户忠诚度是用户出于网站的功能或偏好而经常访问网站的行为。根据客户忠诚理论，忠诚度可以通过以下四个指标来衡量：重复购买意向（RepurchaseIntention）：愿意购买以前购买过的产品类型；交叉购买意向（Cross-buyingIntention）：购买以前购买的产品类型或扩展服务的意愿；客户推荐意向（CustomerReferenceIntention）：推荐给其他潜在客户，传达品牌声誉的意愿；价格耐力（PriceTolerance）：客户愿意支付的最高价格。量化网站用户忠诚度以上四个指标可能适用于电子商务网站，但不适合大多数网站，所以为了使分析具有一般适用性，同时满足所有指标可以量化（以上客户推荐意图难以量化），以便进行定量分析要求，GoogleAnalytics中对用户忠诚度的四个测量指标可以在这里选择：RepeatedTimes、Recency、LengthofVisit、DepthofVisit，即用户访问频率、最近访问时间、平均停留时间、平均访问页面数，可直接从网站点击流数据中计算，适用于所有网站，让我们来看看这些指标的定义以及如何计算它们（请参考网站分析的基本测量）：访问频率：用户在一段时间内访问网站的次数，即每个用户的Visits次数；最近的访问时间：用户最近访问网站的时间，因为该指标是一个时间点的概念，所以为了方便测量，用户最近的访问时间通常是当前的天数。平均停留时间：用户一段时间内每次访问的平均停留时间，即每个用户TimeonSite和/Visits的数量；平均访问页数：用户一段时间内每次访问的平均浏览页数，即每个用户PageViews和/Visits的数量。统计数据的时间间隔也根据网站的特点确定。如果网站信息更新快，用户访问频繁，可以适当选择较短的时间段，使数据变化灵敏度较高；相反，选择较长的时间段，使用户数据更丰富，指标分析结果更准确有效。用户忠诚度的显示和比较以上四个指标可以量化统计，单一指标毫无意义，我们需要找出哪些是忠诚用户，哪些是丢失用户，可以首先处理指标，使其更可比，可以参考前一篇文章-数据标准化），这里我采用了min-max标准化方法，首先将所有指标的数值转换为[0,1]范围，然后放大倍数。例如，如果使用10分系统进行评分，则可乘以10，数据将分布在[0,10]范围内，如下图：  访问频率最近访问时间平均停留时间平均访问页面用户1数据2次15天前150秒3页标准化0.100.500.300.38分1533.8用户2数据8次2天前120秒5页标准化0.400.930.240.63分49.36.3-表中的数据只是一个简单的例子，实际情况需要根据上表的数据计算每个指标的最大值和最小值。如果我们将所有指标统一到相同的评分范围，我们可以使用雷达图来显示用户的忠诚度。雷达图显示具有以下优点：所有评价指标均可完全显示；显示用户在各指标评分中的偏差；用户忠诚度的综合评分可以简单分析，即图形周围的面积（假设四个指标的权重相等，如果重要性有明显差异，则不能用面积来衡量）；可用于比较用户之间的忠诚度。以下是基于上表绘制的雷达图示例：用户忠诚度分析的意义，那么基于此显示结果我们能做些什么呢？以下是上表中绘制的雷达图示例：用户忠诚度分析的意义。基于此显示结果我们能做些什么？事实上，对于任何网站来说，有两个方向是一致的：保留忠诚用户，减少用户流失。基于以上用户忠诚度评价体系的扩展，分析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；从最近访问时间的指标数据机用户忠诚度变化趋势中，我们发现了一些可能丢失的用户，分析了他们丢失的可能原因，并试图留住丢失的用户；在指标值上比较忠诚用户和丢失用户之间的差异，寻找哪些指标导致用户忠诚度下降，网站在这些方面的表现得到优化。因此，我使用基于用户访问频率、最近访问时间、平均停留时间、平均访问页面数四个指标来评估网站用户的忠诚度，并使用雷达图显示和比较，也许你可以根据网站的特点找到更合适的指标和显示方法，最终需要做的是更准确地找到网站的忠实用户，并努力留住他们。