会员分层：

方法一：

当用户在电子商务网站上有了购买行为之后，就从潜在客户变成了网站的价值客户。电子商务网站一般都会将用户的交易信息，包括购买时间、购买商品、购买数量、支付金额等信息保存在自己的数据库里面，所以对于这些用户，我们可以基于网站的运营数据对他们的交易行为进行分析，以估计每位用户的价值，及针对每位用户的扩展营销（Lead Generation）的可能性。

评价用户价值的指标

对于评价指标的选择这里遵循3个原则：

1.指标可量化：没办法，要做定量分析，这个是最基本的前提；

2.尽可能全面：根据底层数据选择尽可能多的可以获取的指标，这样能够从多角度进行分析和评价；

3.线性独立：即指标间尽量保持不相关。比如如果选择用户的购买次数和总消费额，那么一定是购买次数越多的用户总消费额越高，也就是导致了评价维度上的重合，而选择购买次数和平均每次交易额可以避免这种相关性产生的弊端。

根据以上几个原则选取了以下几个指标（同样根据网站的特征选取合适的统计时间段）：

1.最近购买时间：用户最近一次购买距当前的天数；

2.购买频率：用户在这段时间内购买的次数；

3.平均每次交易额：用户在这段时间内的消费总额/购买的次数；

4.单次最高交易额：用户在这段时间内购买的单词最高支付金额；

5.购买商品种类：用户在这段时间内购买的商品种类或商品大类。

用户评价模型的展示

一样的，也可以用雷达图进行展示，同样也使用离差标准化的方法对每个指标进行消除度量单位的10分制评分。下面是一个雷达图的示例：

通过这个雷达图，我们可以读到比用户忠诚度更多的信息。图中的上面3个指标——最近购买时间、购买频率和购买商品种类可以用来评价用户的忠诚度，而下面的2个指标——平均每次交易额和单词最高交易额可以用来衡量用户的消费能力。如上图，用户1虽然购买频率和购买的广度不高，但其消费的能力较强，而用户2是频繁购买用户，对网站有一定的忠诚度，但其消费能力一般。所以图形的上半部分面积较大的用户拥有较高的忠诚度，而下半部分面积较大的用户具有更高的消费能力。这两类用户都是网站的有价值客户，但由于其类型的不同，在营销策略上可 以分开对待。

用户交易行为分析的意义

1.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；

2.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；

3.及时发现可能流失的客户，及时采取有效措施；

4.根据用户交易行为细分客户群，实施有针对性的营销策略。

实战 这个是我根据我们某业务用户特征做的分类：

方法都很简单，基于业务的指标构建→数据提取→指标标准化离散→聚类→结果分析，分层效果还是很清晰，最后分析后把每一层聚类的标准固化就实现实时分层的应用

方法二：

根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：

1.最近一次消费（Recency）

2.消费频率（Frequency）

3.消费金额（Monetary）

RFM分析原多用于传统营销、零售业等领域，适用于拥有多种消费品或快速消费品的行业，只要任何有数据记录的消费都可以被用于分析。那么对于电子商务网站来说，网站数据库中记录的详细的交易信息，同样可以运用RFM分析模型进行数据分析，尤其对于那些已经建立起客户关系管理（CRM）系统的网站来说， 其分析的结果将更具意义。