通过层次分析法（AHP），建立电商用户综合评分模型
文章主要介绍了如何利用层次分析法建立电商用户综合评分模型，希望能够对你有所帮助。
层次分析法（Analytic Hierarchy Process，简称AHP）定义：是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。关于层次分析法的具体解释大家可以使用搜索引擎搜索，篇幅有限，我们暂不展开。
“你喜欢咔嚓一声的快照，还是一段小视频？”
一. 用户综合评分模型建立
1.从短期和中长期两个角度考虑用户综合评分模型
现实场景：一个用户经常光顾你的网站，有时只是来看看，有时候顺便买点东西，在计算这个用户的价值的时候，应该怎么做？是看TA最近一次购买行为，还是考虑用户在整个时间段内的表现？老祖宗早就告诉我们了，“日久见人心”。显然，用户行为错综复杂，一次网站会话行为可能只是管中窥豹，观察期留的长一些，才能建立更合理的评分模型。
本文的目旨在电商网站的用户建立起一个评分模型，动态计算出每个User的价值得分。我们从目标-用户评分出发，综合短期和中长期两个角度抽象出影响用户得分的因素作为准则层，然后选择准则层相应的指标层数据，建立一套科学的评分模型。
从短期来看，我们会关注用户活跃在在网站/APP上发生的一系列细致动作，浏览重点页面，点击预购等。因此，我们将影响目标层用户得分的第一个因素称之为“活跃度”。从中长期角度来看，用户的“忠诚度”和“购买能力”对用户得分影响至关重要。 至此，我们确定了目标层为“用户价值得分”，影响目标层的准则层包含“活跃度”，“忠诚度”和“购买能力” 。
2.用户综合评分指标选择
准则层确定后，就涉及到选择衡量“活跃度”，“忠诚度”和“购买能力”关键指标。有几个重要的原则可以参考：
- 可量化 ： 能被衡量的，才能被改进，目前电商网站大多通过JS，SDK埋点或者服务器日志分析，所以基本的量化数据能够拿到；
- 有效性 ： 要覆盖重要的数据维度，且在合理可以调控的范围内；
- 相互独立 ： 指标间尽量保持不相关。
笔者和团队小伙伴共同讨论了一下，选定的适合我司电商用户的指标内容如下：
- 浏览页面数
- 停留时间
- 浏览商品数
- 主动下单数
- 最近访问时间
- 用户访问频率
- 主动评价数
- 单次最高购买金额
- 平均每次购买金额
- 购买次数
3.适合于电商网站的用户综合评分模型
时间选择上，我们选择先选取近3个月的用户行为数据进行研究，因此“活跃度”对应的时间是“近三个月最后一次活跃的时候，即最近1天”，“忠诚度”和“购买能力”看的是“最近3个月”这个中长期时间段。实际业务中，按照已有的规则建立好数据表，每一天的数据自动入库，用户的评分是呈现随日期滑窗积累的效果，因此我们前面提到的是动态计算用户得分。至此，我们的用户综合评分模型如下：
二. 层次分析法（AHP）确定权重
目前，市面上可以搜到很多解决层次分析问题的软件，但是笔主认为思维比工具更重要，因此本文采用大家电脑里都有的Excel来解决这个问题，这样我们能把主要精力集中在实现方法上，而不是工具操作上。在用Excel实实现AHP方法的时候，有两个重要问题需要解决：
构造判断矩阵： 常见方法是小组投票，给出两两因素（例如A和B）间的比较值，1表示：A和B一样重要；3表示：A比B重要一些；5表示：A比B重要；7表示：A比B重要的多；9表示：A比B极其重要。这样，通过两两比较给出比较值，判断矩阵就出来了。如下图：可以看到“活跃度”，“忠诚度”和“购买能力”的判断矩阵
一致性检验：
三. 指标数据标准化
四. 数据验证和结果
五. 应用场景和意义
意义：
- 发现网站的高价值客户（VIP），为客户关系管理（CRM）及保持有价值客户提供支持；
- 发掘网站的可发展用户，对于一些新客户或潜力客户进行针对性营销；
- 及时发现可能流失的客户，及时采取有效措施；
- 根据用户交易行为细分客户群，实施有针对性的营销策略。
有一次我去做Speech的时候问了现场观众这样一个问题，听众的回答一半一半。相信，这个开头有点让大家难以取舍，以及……云里雾里。我们用电影胶片和快照进行类比，在时间维度上，从历史的一个时间点到现在，是一段时间胶片（中长期），如果用一个时间点去截这段时间胶片，得到的就是一个快照（短期）。
文/ sharon
关键字：产品经理, 评分
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
