談談網站優化之前的樞紐詞選擇與分析

根據美國數據庫營銷研究所Arthur Hughes的研究，客戶數據庫中有三個神奇的要素，這三個要素構成了數據分析最好的指標：

最近一次消費（Recency）

消費頻率（Frequency）

消費金額（Monetary）

RFM分析原多用于傳統營銷、零售業等領域，合用于擁有多種消費品或快速消費品的行業，美國初裁向中國銅管征高至60%反 推銷稅只要任何有數據記實的消費都可以被用于分析。那么對于電 子商務網站來說，網站數據庫中記實的具體的交易信息，同樣可以運用RFM分析模型進行數據分析，尤其對于那些已經建立起客戶關系治理（CRM）系統的網站 來說，其分析的結果將更具意義。

基本概念解釋

RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。RFM分析模型主要由三個指標組成，下面臨這三個指標的定義和作用做下簡樸解釋：

最近一次消費（Recency）

最近一次消費意指用戶上一次購買的時間，理論上，上一次消費時間越近的顧客應該是比較好的顧客，對提供即時的商品或是服務也最有可能會有反應。 由于最近一次消費指標定義的是一個時間段，并且與當前時間相關，因此是一直在變動的。最近一次消費對營銷來說是一個重要指標，涉及吸引客戶，保持客戶，并 贏得客戶的忠誠度。

消費頻率（Frequency）

消費頻率是顧客在一定時間段內的消費次數。最常購買的消費者，忠誠度也就最高，增加顧客購買的次數意味著從競爭對手處偷取市場據有率，由別人的 手中賺取營業額。

根據這個指標，我們又把客戶分成五等分，這個五等分分析相稱于是一個“忠誠度的蹊徑”（loyalty ladder），其訣竅在于讓消費者一直順著蹊徑往上爬，·原油短期暴跌無礙油價上調預期把 銷售想像成是要將兩次購買的顧客往上推成三次購買的顧客，把一次購買者變成兩次的。

消費金額（Monetary）

消費金額是對電子商務網站產能的最直接的衡量指標，也可以驗證“帕雷托法則”（Pareto’s Law）——公司80％的收入來自20％的顧客。

數據獲取與分析

在從數據庫中提取相關數據之前，首先需要確定數據的時間跨度，根據網站銷售的物品的差異，確定合適的時間跨度。假如經營的是快速消費品，如日用 品，可以確定時間跨度為一個季度或者一個月；假如銷售的產品更替的時間相對久些，如電子產品，可以確定時間跨度為一年、半年或者一個季度。在確定時間跨度 之后就可以提取相應時間區間內的數據，其中：

最近一次消費（Recency），掏出來的數據是一個時間點，需要由 當前時間點-最 近一次消費時間點 來作為該度量的值，留意單位的選擇和同一，不管以小時、天為單位；

消費頻率（Frequency），這個指標可以直接在數據庫中COUNT用戶的消費次數得到；

消費金額（Monetary），可以將每位客戶的所有消費的金額相加（SUM）求得。

獲取三個指標的數據以后，需要計算每個指標數據的均值，分別以AVG（R）、AVG（F）、AVG（M）來表示，最后通過將每位客戶的三個指標 與均值進行比較，可以將客戶細分為8類：

Recency       Frequency       Monetary       客戶類型

↑                 ↑                    ↑                      重要價值客戶

↑                 ↓                     ↑                      重要發展客戶

↓                 ↑                      ↑                      重要保持客戶

↓                 ↓                      ↑                       重要挽留客戶

↑                 ↑                       ↓                     一般價值客戶

↑                 ↓                       ↓                     一般發展客戶

↓                ↑                        ↓                      一般保持客戶

↓                ↓                        ↓                      一般挽留客戶

——“↑”表示大于均值，“↓”表示小于均值

結果的展示

RFM模型包括三個指標，無法用平面坐標圖來展示，所以這里使用三維坐標系進行展示，一種X軸表示Recency，Y 軸表示Frequency，Z軸表示Monetary，坐標系的8個象限分 別表示 8類用戶，根據上表中的分類，可以用如下圖形進行描述：

RFM分析也存在著一定的缺陷，它只能分析有交易行為的用戶，戶主社區而對訪問過網站但未消費的用戶因為指標的限制無法進行分析，這樣就無法發現潛伏的 客戶。所以在分析電子商務網站的用戶時，因為網站數據的豐碩性——不僅擁有交易數據，而且可以收集到用戶的瀏覽訪問數據，可以擴展到更廣闊的角度去觀察用 戶，這方面的定量分析會在之后的網站用戶分析中進行具體敘述。