基于消費行為的用戶(hù)特征分析在網(wǎng)絡(luò )營(yíng)銷(xiāo)領(lǐng)域得到廣泛關(guān)注。大數據環(huán)境背景下，將傳統領(lǐng)域的成熟方法提煉改進(jìn)后應用于新場(chǎng)景，能夠更好地滿(mǎn)足網(wǎng)絡(luò )營(yíng)銷(xiāo)領(lǐng)域應用的需求。

本文基于數據分析對用戶(hù)特征進(jìn)行量化，采用分批迭代的方法并在此基礎上對該方法進(jìn)行拓展，通過(guò)各種指標進(jìn)行獨立和組合研究，實(shí)現用戶(hù)價(jià)值度量，使其結果能夠有效地適用于多種網(wǎng)絡(luò )營(yíng)銷(xiāo)領(lǐng)域的應用。  

用戶(hù)價(jià)值度量指標概述 

對用戶(hù)特征進(jìn)行分析，是為了深入了解用戶(hù)，可以從用戶(hù)的人口統計特征、消費行為特征等多個(gè)角度完成。而基于消費行為的用戶(hù)特征分析廣泛應用于網(wǎng)絡(luò )營(yíng)銷(xiāo)領(lǐng)域，其主流分析思路和技術(shù)是基于數據分析的用戶(hù)特征分析?；跀祿治龅姆椒梢詫τ脩?hù)特征進(jìn)行量化，量化結果可以準確有效地指導營(yíng)銷(xiāo)領(lǐng)域的應用，這個(gè)過(guò)程可以通過(guò)度量用戶(hù)價(jià)值來(lái)實(shí)現。首先需要選取和確定衡量用戶(hù)價(jià)值的指標，常用的指標包括： 

第一，用戶(hù)最近消費時(shí)間：用戶(hù)在某個(gè)周期內最近一次消費的時(shí)間。

第二，用戶(hù)消費頻率：用戶(hù)在某個(gè)周期內所消費的次數。

第三，用戶(hù)消費總金額：用戶(hù)在某個(gè)周期內消費的金額。

第四，用戶(hù)消費最高單價(jià)：用戶(hù)在某個(gè)周期內消費的商品最高價(jià)格。

第五，特價(jià)商品消費比重：用戶(hù)在某個(gè)周期內消費的特價(jià)商品的金額在其消費總金額中的比重。

第六，高單價(jià)商品消費比重：用戶(hù)在某個(gè)周期內高單價(jià)商品消費數量占其消費商品總數量的比重。 

用戶(hù)價(jià)值可以通過(guò)上述指標進(jìn)行單項分析，也可以組合在一起進(jìn)行綜合分析，盡可能多角度全面地度量用戶(hù)價(jià)值。本文結合應用場(chǎng)景和數據基礎，選取前三個(gè)指標進(jìn)行單項和組合研究。 

用戶(hù)價(jià)值度量方法分析 

（一）用戶(hù)價(jià)值度量基礎 

以用戶(hù)的最近消費時(shí)間（R）、消費頻率（F）、消費總金額（M）為例，若考察單項指標，用戶(hù)的最近消費時(shí)間最短、消費頻率最高、消費總金額最大代表用戶(hù)的價(jià)值越大；若考察指標組合，需要通過(guò)確定各指標權重計算綜合值，來(lái)度量用戶(hù)的價(jià)值。對于權重的確定，以往研究多采用層次分析法，但此方法受到專(zhuān)業(yè)主觀(guān)因素的影響。吉林大學(xué)段書(shū)勇從數據出發(fā)，提出通過(guò)數據分批迭代計算指標權重的方法，客觀(guān)合理度量了用戶(hù)價(jià)值。

該方法的核心思想是： 

1.以消費總金額為參考標準確定最有價(jià)值用戶(hù)。將某年度第六個(gè)月的消費用戶(hù)按照消費總金額劃分為3個(gè)等級，處于最高等級的用戶(hù)為最有價(jià)值用戶(hù)。 

2.計算過(guò)去某段時(shí)間內不同等級消費用戶(hù)占最有價(jià)值用戶(hù)的比例。將某年度前五個(gè)月的消費用戶(hù)按照消費金額分為7個(gè)等級，對每個(gè)等級用戶(hù)再按消費頻率分為7個(gè)等級，這樣前五個(gè)月消費用戶(hù)被分為49個(gè)等級。計算最有價(jià)值用戶(hù)在49個(gè)等級中的比例。按照此方法確定最近消費時(shí)間、消費頻率和消費總金額對最有價(jià)值用戶(hù)的影響程度。 

3.依據最近消費時(shí)間、消費頻率和消費總金額對最有價(jià)值用戶(hù)的影響程度。采用數據分批迭代方法計算指標權重a、b、c，再根據公式計算用戶(hù)價(jià)值：RFM_SCORE=a×R_SCORE+b×F_SCORE+c×M_SCORE。其中，RFM_SCORE為用戶(hù)價(jià)值；R_SCORE、F_SCORE、M_SCORE為用戶(hù)在最近消費時(shí)間、消費頻率和消費總金額指標上的等級；a、b、c為指標權重。 

本文關(guān)于用戶(hù)價(jià)值的度量需要結合實(shí)際場(chǎng)景和應用，才能有效和準確的對用戶(hù)價(jià)值度量，需要在借鑒該方法的基礎上進(jìn)行拓展，包括：第一，定義多個(gè)角度的最有價(jià)值用戶(hù)的標準，除消費總金額外，也分別選擇消費頻率、最近消費時(shí)間以及三者組合作為標準，從不同的角度對用戶(hù)價(jià)值進(jìn)行度量。第二，面對不同類(lèi)型的商品，用戶(hù)的消費特征不同，由此產(chǎn)生的用戶(hù)價(jià)值可能不同。因此，需要針對不同類(lèi)型、不同層次商品的消費，對用戶(hù)價(jià)值進(jìn)行深入評價(jià)和度量。 

（二）用戶(hù)價(jià)值度量路徑 

1.定義最有價(jià)值用戶(hù)標準，確定最有價(jià)值用戶(hù)群。

確定最有價(jià)值用戶(hù)群，要對指標數據進(jìn)行離散化，有兩種方式： 

第一，獨立式離散化。按照最近消費時(shí)間（R_14） 對用戶(hù)進(jìn)行降序排列并按數量進(jìn)行等分，比如等分為3份。對于消費頻率（F_14）和消費總金額（M_14）兩個(gè)指標也分別采用降序排列和等分的方法將用戶(hù)等分，這樣可以得到在最近消費時(shí)間（R_14）、消費頻率（F_14）和消費總金額（M_14）指標下的用戶(hù)等級。 

第二，嵌套式離散化。先按照最近消費時(shí)間（R_14）將用戶(hù)等分為3份；在此基礎上，對3份用戶(hù)中的每1份用戶(hù)按照消費頻率（F_14）再劃分為3份，得到9份用戶(hù)集合；在此基礎上，對9份用戶(hù)中的每1份用戶(hù)再按消費總金額（M_14）劃分為3份，最終得到27份用戶(hù)集合。 

在本文中采用獨立式離散化方法，選取2014年1月某網(wǎng)站用戶(hù)群A的消費數據，按照最近消費時(shí)間（R_14）、消費頻率（F_14）和消費總金額（M_14）指標對用戶(hù)群A數據分別進(jìn)行離散化（得分分別用R_14_SCORE、F_14_SCORE、M_14_SCORE表示），將用戶(hù)劃分為“高”、“中”、“低”三個(gè)級別，用“3”、 “2”、 “1”標注。 

數據離散化完成后，針對用戶(hù)群A，分別選擇最近消費時(shí)間（R_14）、消費頻率（F_14）和消費總金額（M_14）作為參考標準，定義最有價(jià)值用戶(hù)群*_MVU_A（依據參考標準不同，*代表R_14、F_14、M_14、RFM_14），如表1所示。 

當以R_14作為參考標準，最有價(jià)值用戶(hù)群R_14_MVU_A為R_14_SCORE取值為“3”對應的用戶(hù)集合，即用戶(hù)群A中最近消費時(shí)間等級為3的用戶(hù)集合。 

當以F_14作為參考標準，最有價(jià)值用戶(hù)群F_14_MVU_A為F_14_SCORE取值為“3”對應的用戶(hù)集合，即用戶(hù)群A中消費頻率等級為3的用戶(hù)集合。 

當以M _14作為參考標準，最有價(jià)值用戶(hù)群M _14_MVU_A為M _14_SCORE取值為“3”對應的用戶(hù)集合，即用戶(hù)群A中消費總金額等級為3的用戶(hù)集合。

當以RFM_14作為參考標準，最有價(jià)值用戶(hù)群RFM_14_MVU_A為R_14_SCORE、 F_14_SCORE、 M_14_SCORE至少兩項取值為“3”對應的用戶(hù)集合，指的是： 

{R_14_SCORE=3，F_14_SCORE=1，M_14_SCORE=3}{R_14_SCORE=3，F_14_SCORE=2，M_14_SCORE=3}、{R_14_SCORE=3，F_14_SCORE=3，M_14_SCORE=3}、{R_14_SCORE=2，F_14_SCORE=3，M_14_SCORE=3}、{R_14_SCORE=1，F_14_SCORE=3，M_14_SCORE=3}、{R_14_SCORE=3，F_14_SCORE=3，M_14_SCORE=1}、{R_14_SCORE=3，F_14_SCORE=3，M_14_SCORE=2}對應的用戶(hù)集合。

即用戶(hù)群A中滿(mǎn)足消費時(shí)間、消費頻率、消費總金額中有兩項等級為3的用戶(hù)集合；或用戶(hù)群A中消費時(shí)間、消費頻率、消費總金額中等級均為3的用戶(hù)集合。 

2.確定用戶(hù)在最有價(jià)值用戶(hù)群中的比例。選取2013年1月-12月某網(wǎng)站用戶(hù)群B的消費數據，按照最近消費時(shí)間（R_13）、消費頻率（F_13）和消費總金額（M_13）指標分別對用戶(hù)群B進(jìn)行離散化（得分分別用R_13_SCORE、F_13_SCORE、M_13_SCORE表示），將用戶(hù)劃分為“高”、“中”、“低”三個(gè)級別，分別用“3”、“2”、“1”標注。對用戶(hù)群B，分別按照最近消費時(shí)間（R_13）、消費頻率（F_13）、消費金額（M_13）劃分的3個(gè)等級，計算處于不同等級的用戶(hù)群B中的用戶(hù)在最有價(jià)值用戶(hù)群*_MVU_A中出現的人數（#_Ct_BMA）占用戶(hù)群B人數（#_Ct_B）的比例（#_Res_Rate）。以最近消費時(shí)間（R_14）作為標準劃分的最佳用戶(hù)群R_14_MVU_A進(jìn)行#_Res_Rate計算為例（依據劃分標準不同，#_代表R、F、M），計算要素如表2所示（其他參考標準的最有價(jià)值用戶(hù)群的#_Res_Rate計算，同理）。 

3.確定各指標對最有價(jià)值用戶(hù)的影響程度。在表2中，對各等級的R_Res_Rate、F_Res_Rate、M_Res_Rate進(jìn)行降序排列，等級為3的R_Res_Rate、F_Res_Rate、M_Res_Rate排列結果反映了R、F、M對最有價(jià)值用戶(hù)的影響程度。 

4.確定指標權重，按照公式RFM_SCORE=a×R_SCORE+b×F_SCORE+c×M_SCORE計算用戶(hù)綜合價(jià)值。假定由（3）得到F_Res_Rate>R_Res_Rate>M_Res_Rate，按照RFM_SCORE=a×R_SCORE+b×F_SCORE+c×M_SCORE計算用戶(hù)綜合價(jià)值的方法步驟如下： 

第一，將R_SCORE、F_SCORE、M_SCORE標準化。第二，計算a、b、c權重值。根據假定F_Res_Rate>R_Res_Rate>M_Res_Rate，得到b>a>c，并且a+b+c=1。那么，滿(mǎn)足這兩個(gè)條件的權重組合有：{a=0.2，b=0.7，c=0.1}{a=0.3，b=0.6，c=0.1}{a=0.4，b=0.5，c=0.1}{a=0.3，b=0.5，c=0.2}。第三，假定選擇最近消費時(shí)間（R_14）作為參考標準，找到同時(shí)出現在最有價(jià)值用戶(hù)群R_14_MVU_A和用戶(hù)群B中的用戶(hù)，應用第二步中的四組權重，計算RFM_SCORE，其結果按照[0，0.25）、[0.25，0.5）、[0.5，0.75）、[0.75，1]分成4組。其中，[0.75，1]對應的用戶(hù)群人數記為Ct_RFM_MVU_A。第四，應用第二步中的四組權重計算用戶(hù)群B的RFM_SCORE，按照[0，0.25）、[0.25，0.5）、[0.5，0.75）、 [0.75，1]分成4組。其中，[0.75，1]對應的用戶(hù)群人數記為Ct_RFM_MVU_B。第五，計算W_Rate=Ct_RFM_MVU_A/ Ct_RFM_MVU_B，最高值對應的權重組合為最佳權重。第六，按照公式RFM_SCORE=a×R_SCORE+b×F_SCORE+c×M_SCORE計算用戶(hù)綜合價(jià)值。 

5.針對不同類(lèi)型和層次的商品進(jìn)行用戶(hù)價(jià)值計算。將商品分類(lèi)，針對不同類(lèi)型和層次商品對應的用戶(hù)集重復上述步驟，計算參考商品類(lèi)別劃分的用戶(hù)價(jià)值。 

用戶(hù)價(jià)值度量實(shí)驗 

（一）實(shí)驗數據說(shuō)明 

根據用戶(hù)價(jià)值度量思路，選取某網(wǎng)站2014年1月用戶(hù)數據作為用戶(hù)群A，選取2013年1月-12月用戶(hù)數據作為用戶(hù)群B。結合商品分類(lèi)，其對應的用戶(hù)群記錄數如表3所示。 

（二）實(shí)驗結果與分析 

1.基于不同最有價(jià)值用戶(hù)群針對單一類(lèi)型商品的指標權重定義分析。本實(shí)驗選擇“日用百貨”類(lèi)商品消費對應的用戶(hù)進(jìn)行價(jià)值度量分析。依據度量思路，呈現其中兩個(gè)重要的結果： 

一是計算Res_Rate。參照最有價(jià)值用戶(hù)群，計算Res_Rate，根據其結果判斷權重值a、b、c的大小關(guān)系。針對用戶(hù)群A，在商品分類(lèi)情況下，以最近消費時(shí)間（R_14）做參考標準為例，確定最有價(jià)值用戶(hù)群R_14_MVU_A。針對用戶(hù)群B，按最近消費時(shí)間（R_13）、消費頻率（F_13）、消費總金額（M_13）計算R_Res_Rate、F_Res_Rate、M_Res_Rate。 

從表4中得到： 

等級3：F_Res_Rate（0.029）>R_Res_Rate（0.028）>M_Res_Rate（0.024） 

等級2：F_Res_Rate（0.013）>R_Res_Rate（0.012）=M_Res_Rate（0.012） 

等級1：M_Res_Rate（0.010）>F_Res_Rate（0.009）>R_Res_Rate（0.006）

選擇等級為3的結果作為判斷權重大小的標準，進(jìn)而得到權重b>a>c，并且a+b+c=1，a、b、c取值步長(cháng)定義為0.1。滿(mǎn)足上述條件的組合有{a=0.2，b=0.7，c=0.1}、{a=0.3，b=0.6，c=0.1}、{a=0.4，b=0.5，c=0.1}、{a=0.3，b=0.5，c=0.2}。 

二是計算a、b、c權重值。以最近消費時(shí)間（R_14）作為參考標準，找到同時(shí)出現在最有價(jià)值用戶(hù)群R_14_MVU_A和用戶(hù)群B中的用戶(hù)，分別應用四組權重組合{a=0.2，b=0.7，c=0.1}、{a=0.3，b=0.6，c=0.1}、{a=0.4，b=0.5，c=0.1}、{a=0.3，b=0.5，c=0.2}，計算RFM_SCORE，其結果按照[0，0.25）、[0.25，0.5）、[0.5，0.75）、[0.75，1]分成4組。其中，[0.75，1]對應的用戶(hù)群人數記為Ct_RFM_MVU_A。 

接下來(lái)，應用四組權重組合{a=0.2，b=0.7，c=0.1}、{a=0.3，b=0.6，c=0.1}、{a=0.4，b=0.5，c=0.1}、{a=0.3，b=0.5，c=0.2}，計算用戶(hù)群B的RFM_SCORE，按照[0，0.25）、[0.25，0.5）、[0.5，0.75）、 [0.75，1]分成4組。其中，[0.75，1]對應的用戶(hù)群人數記為Ct_RFM_MVU_B。 

計算W_Rate=Ct_RFM_MVU_A/ Ct_RFM_MVU_B，最高值對應的權重組合為最佳權重，結果如表5所示。在表5中，從依據四組權重計算W_Rate的結果看到，{a=0.4，b=0.5，c=0.1}和{a=0.3，b=0.5，c=0.2}對應的W_Rate（0.032）相等并且大于{a=0.2，b=0.7，c=0.1}、{a=0.3，b=0.6，c=0.1}對應的W_Rate。因此，以{a=0.4，b=0.5，c=0.1}和{a=0.3，b=0.5，c=0.2}兩組平均值{a=0.35，b=0.5，c=0.15}作為最佳權重進(jìn)行用戶(hù)價(jià)值的度量。 

（三）基于不同最有價(jià)值用戶(hù)群針對不同類(lèi)型商品的權重綜合比較分析 

本實(shí)驗分別按照最近消費時(shí)間、消費頻率、消費金額及三項綜合指標定義最有價(jià)值用戶(hù)群，針對不分類(lèi)商品和分類(lèi)后的4類(lèi)商品按照用戶(hù)價(jià)值度量思路，進(jìn)行a、b、c權重計算，對權重進(jìn)行綜合分析和比較，結果如表6所示。得到如下結論： 

第一，無(wú)論是在商品分類(lèi)還是不分類(lèi)情況下，針對不同類(lèi)型的最有價(jià)值用戶(hù)群，消費金額對最有價(jià)值用戶(hù)群的影響是最弱的。在20組權重比較結果中，有14組最近消費時(shí)間對最有價(jià)值用戶(hù)群的影響最大，消費頻率的影響次之。 

第二，在商品不分類(lèi)的情況下，針對不同類(lèi)型最有價(jià)值用戶(hù)群，各指標的影響程度是一致的，即最近消費時(shí)間影響最大；消費頻率次之；消費金額最弱。 

第三，在商品分類(lèi)的情況下表現出如下特征：

一是針對不同類(lèi)型最有價(jià)值用戶(hù)群，面向“電腦整機”和“家用電器”兩類(lèi)商品的8組權重比較中，影響力排名第一的是最近消費時(shí)間；有7組顯示影響力排名第二的是消費頻率，只有1組消費金額影響力第二；有2組消費頻率和消費金額的影響力相同。

二是針對不同類(lèi)型最有價(jià)值用戶(hù)群，面向“日用百貨”和“手機數碼”兩類(lèi)商品的8組權重比較中，有7組影響力排名第一的是消費頻率；有6組顯示影響力排名第二的是最近消費時(shí)間。 

結論 

用戶(hù)價(jià)值度量滿(mǎn)足了網(wǎng)絡(luò )營(yíng)銷(xiāo)領(lǐng)域對基于消費行為的用戶(hù)特征量化的需求。本文基于數據分析的方法對用戶(hù)特征進(jìn)行量化，先用定性方式確定最近消費時(shí)間、消費頻率和消費總金額對用戶(hù)價(jià)值的影響程度；再用數據分批迭代的定量方式確定三個(gè)指標的權重值。并在此基礎上對其進(jìn)行拓展，選擇不同最有價(jià)值用戶(hù)群作為參考標準，結合商品分類(lèi)，從多個(gè)角度和層次對用戶(hù)價(jià)值進(jìn)行度量，以得到最佳度量結果，使其結果能夠有效的適用于多種網(wǎng)絡(luò )營(yíng)銷(xiāo)領(lǐng)域的應用。

*本文轉載自199IT互聯(lián)網(wǎng)數據中心（ID：i199it）。