三、案例解析——电子商务在客户分析中的应用
（一）电商客户分析的主要数据指标
1. 有价值的客户数
网店客户包括潜在客户、忠诚客户和流失客户。对于网店来说，忠诚客户才是最有价值
的客户，这是客户分析的重点。
2. 活跃客户数
活跃客户是相对于“流失客户”的一个概念，是指那些会时不时光顾网店，并为网店带来一定价值的客户。客户的活跃度是非常重要的，一旦客户的活跃度下降，就意味着客户的离开或流失。
3. 客户活跃率
通过活跃客户数可以了解客户的整体活跃率，一般随着时间周期的加长，客户活跃率会出现逐渐下降的现象。如果经过一个长生命周期（3 个月或半年），客户的活跃率还能稳定保持在 5%～10%，则是较好的客户活跃的表现。
4. 客户回购率和复购率
两个指标均体现的是消费者对该品牌产品或者服务的重复购买次数。重复购买率越高，反映出的消费者对品牌的忠诚度越高，反之越低。因此客户回购率是衡量客户忠诚度的一个
重要指标。
5. 客户留存率
客户留存率是指某一时间节点的全体客户在特定的时间周期内消费过的客户比率，其中
时间周期可以是天、周、月、季、年等。店铺通过分析客户留存率，可以得到网店的服务效
果是否能留住客户的信息。客户留存率反映的是一种转化率，即由初期的不稳定客户转化为
活跃客户、稳定客户、忠诚客户的过程。随着留存率统计的不断延展，就能看到不同时期客
户的变化情况。
6. 平均购买次数
平均购买次数是指在某个时期内每个客户平均购买的次数，主要体现店铺的老客户忠诚度。
7. 客户流失率
流失客户是指那些曾经访问过网店，但由于对网店渐渐失去兴趣后逐渐远离网店，进而
彻底脱离网店的那批客户。当新客户比例>客户流失率时，说明店铺处于发展阶段；当新客
户比例=客户流失率时，说明店铺处于成熟稳定阶段；当新客户比例<客户流失率时，说明店
铺处于下滑衰退阶段。
（二）基于分类算法的客户特征模型
1. 决策树算法
ID3 算法用信息增益（Information Gain）作为属性选择度量。信息增益值越大，不确定
性越小。因此，ID3 算法总是选择具有最高信息增益的属性作为当前节点的测试属性。信息
增益越大，信息的不确定性下降的速度也就越快。这种信息理论方法使得对一个对象分类所
需的期望测试数目达到最小，并尽量确保找到一棵简单的（但不必是最简单的）树来刻画相
关的信息。ID3 算法以自顶向下递归的分而治之方式构造决策树。ID3 算法就是根据“信息增益越大的属性对训练集的分类越有利”的原则来选取信息增益最大的属性作为“最佳”分裂点。
2.“5W”“1H”和“6O”客户行为分析的基本框架
市场营销学中把消费者的购买动机和购买行为概括为“5W”“1H”和“6O”，从而形成消费者购买行为研究的基本框架。
市场需要什么（What）——有关产品（Objects）是什么。通过分析消费者希望购买什么，为什么需要这种商品而不是需要其他商品，研究企业应如何提供适销对路的产品去满足消费者的需求。
为何购买（Why）——购买目的（Objectives）是什么。通过分析购买动机的形成（生理的、自然的、经济的、社会的、心理因素的共同作用），了解消费者的购买目的，并采取相应的市场策略。
购买者是谁（Who）——购买组织（Organizations）是什么。分析购买者是个人、家庭还是集团，购买的产品供谁使用，谁是购买的决策者、执行者、影响者。根据分析结果组合相应的产品、渠道、定价和促销。
何时购买（When）——购买时机（Occasions）是什么。分析购买者对特定产品购买时间的要求，把握时机，适时推出产品，如分析自然季节和传统节假日对市场购买的影响程度。
何处购买（Where）——购买场合（Outlets）是什么。分析购买者对不同产品购买地点的要求。顾客一般会在电子商务平台上网络购买哪些商品？而哪些商品会在商业中心或者专业商店购买？
如何购买（How）——购买组织的作业行为（Operations）是什么。分析购买者对购买方式的不同要求，有针对性地提供不同的营销服务。分析不同类型的消费者的特点，如经济型购买者对性能和廉价的追求，冲动型购买者对情趣和外观的喜好，手头拮据的购买者要求分期付款，工作繁忙的购买者重视购买方便和送货上门等。
3. 客户忠诚度指标权重的计算方法
层次分析法（Analytic Hierarchy Process，AHP）是解决非数学模型决策问题的方法。该方法从系统观点出发，把复杂的问题分解为若干层次和若干要素，并将这些因素按一定的关系分组，以形成有序的递阶层次结构，通过两两比较判断的方式，确定每一层次中因素的
相对重要性，然后在递阶层次结构内进行合成，以得到决策因素相对于目标的重要性排序。层次分析法是一种定性与定量分析相结合的评价决策法，要求评价者对评价问题的本质、包含要素及相互间的逻辑关系掌握比较清楚，比较适合于多目标、多准则、多时期的系统评价。
层次分析法的计算步骤如下：
（1）明确问题，建立层次结构。
（2）构建判断矩阵。
（3）层次单排序。
（4）层次单排序的一致性检验。
（5）层次总排序——自上而下的综合权重。
（6）层次总排序的一致性检验。
（7）结果分析。