1，2002年注册，2002年~2003年曾经购买过27次，但是2004年之后就再也没有来过了；
2，2002年注册，直到2005年才买过一次东西，但是从此人间蒸发了；
3，2008年4月22号注册，4月23号（昨天）买过东西，不知道他以后还来不来；
4，2007年1月注册，2007年1月~2008年4月间，平均每3个月就来买一次。
其实上面的都可以俗称为老用户，但是他的注册时间，购买次数，购买金额，购买频率，最后一次购买时间等数值，对我们都有重要的参考和分析意义，只有细致分析，才能精准营销。
我们来用数字分析一家比较知名的b2c网站的发展历程，名字就不直接说了，我们就用a公司来代替。只是从这些分析中，我觉得可以看出很多隐形的（hidden）有趣现象来。这不属于泄露公司业务，名字和产品都没有写。事实上，我还掌握了好几家的内部数据。我只是想，能够拿出来和大家一起商酌，无伤大雅，可以一起探讨学习。现在，我们从2002年1月1号开始分析，action！~
1，a公司的注册会员发展轨迹
某电子商务公司2002-2007注册用户发展变化
年度年度注册每日注册注册占比累计占比
20027792212.22%2.22%
200327835767.92%10.14%
20043973810911.31%21.45%
20057233219820.59%42.04%
20069831626927.99%70.03%
200710529928829.97%100.00%
总计351311/100.00%/
截止2007年12月31号，a公司累计注册用户35万。淘宝网截止2008年q1有6200万注册用户，也就
意味着a公司的注册用户只是淘宝的0.56%而已。每天的注册人数从2002年的21个（天）到目前大概300个（天），可以说，a公司的注册用户一直在稳步增长。
中国互联网网民的规模，足以支撑所有的统计规律的圆满实现。我在baidu的index里输入某个关键字的查询次数，比如我输入“电子商务”，发现每天在baidu查询“电子商务”的人数一直稳定在300~500的范围内飘飘荡荡的。昨天查询的人和今天查询的人是不一样的，而且也互相不认识，但是庞大的baidu用户群体造就了美丽平滑的统计大数定律。所以，如果有人问我，今天大概多少网民过生日？我告诉他，大概27万左右，因为网民总计1亿，365天每天都有人可能过生日，所以这个27万的正确率绝对80%以上。
2，a公司的年度交易量发展变化图
年度每日交易额（万）年度交易额（亿）每日订单量平均每单金额(元）
20023.130.11454583
20037.310.267118620
200411.020.402172640
200515.660.572240652
200631.341.144462679
200741.831.527614681
总计/4.026//
恩，不错，2002年每天只有3.13万的交易量，到了2007年，每天有41.83万了。年度交易额来看，2006年就冲过1亿的关口了。每个订单的金额大概就是650元左右。每天的订单量目前维持在600多一点的规模。除掉每天8小时的睡觉时间，其他时间顾客都可以下单的话，大概1~2分钟就来一个600多元的订单。
3，注册用户的购买情况
如上的2个表格没有意思，这个表格却可以说明很多问题：
购买次数人数百分比人均贡献（元）总计贡献金额(亿）累计贡献
0次18577352.88%00.0000.00%
1次7185920.45%548.490.394100.00%
2次280607.99%1094.030.30790.21%
3次154964.41%1584.460.24682.58%
4次103042.93%1990.090.20576.48%
5次74252.11%2551.320.18971.39%
6次52731.50%3235.610.17166.69%
7次45201.29%3655.120.16562.45%
8次32550.93%4318.950.14158.34%
9次27170.77%4597.850.12554.85%
10次21520.61%5182.040.11251.75%
10次以上144744.12%13622.081.97248.98%
总计351311100%/4.026/
1）?所有的注册用户中，52.88%的注册用户到目前为之还没有产生过购买；所以注册到购买转化率大概47%；
2）?产生了3次或以上购买的顾客占总体注册用户的18.68%，但是他们产生的总体购买金额却占了a公司有史以来总体交易金额的82.58%，看来2:8定律真的是无处不在！
所以，根据这个结果，我们可以把购买了3次或者以上的顾客定义为公司的核心用户，他们是确保公司基石的重量级客户。
3）?购买10次或以上的有14474人，占注册用户4.12%，但是这小小的4.12%的用户为公司贡献了48.98%的交易额！而且人均贡献1.36万！当然不排除企业客户，但是我们发现，购买频率越高，对公司越是至关重要！
我们这里做个假设：如果不考虑重复购买，所有的顾客只要购物，都只买1次，那么会发生什么情况？
结果是：a公司的交易额将变成目前总体交易额的25%而已！公司总体交易额将缩减75%！可见：
1）?对于一个购物网站来说，忠诚度的培养和顾客的重复购买，是多么关键。
2）?长期进行老用户的优惠措施（积分优惠、折扣优惠等）是公司发展的根本！
4，有过购买的用户，都是注册之后多久会购买？
如下是以有购买记录的顾客为研究对象的，从没购物的不考虑其中。
注册到首次购买的时间
人数占比
13537781.78%注册后1个月以内购买的
14017784.68%注册后2个月以内购买的
14289286.32%注册后3个月以内购买的
14517787.70%注册后4个月以内购买的
14709788.86%注册后5个月以内购买的
14875289.86%注册后6个月以内购买的
15040890.86%注册后7个月以内购买的
15135191.43%注册后8个月以内购买的
15226291.98%注册后9个月以内购买的
15313992.51%注册后10个月以内购买的
这个图表说明了几个很重要的规律：
1）顾客注册之后如果要购物，那么81.78%的顾客都会在注册后的1个月之内下单；
2）如果顾客注册之后的1个月之内没有购买，那么他81.78%的可能性永远不会来买了；
3）如果顾客注册之后的半年之内么有购买，那么他90.86%的可能性永远不会来买了；
4）如果顾客注册之后1年以内还没有购买，我们就不用追讨了，他很有可能就蒸发了；
4）所以，要顾客转化，有必要在顾客注册之后的1个月之内通过各种方式引诱他购物；
技巧：顾客注册之后，通过email和短信通知其购买，甜美mm电话告知，甚至不惜给予丰厚的优惠让顾客来购买。根据统计分析，顾客注册之后产生第一次购买的概率是47%左右，但是一旦产生了第一次购物，那么他购买第二次的概率是60%以上；所以，让顾客产生第一笔交易永远是值得投入的，一旦变成你的老用户，那么他的价值是很大的。
5，顾客的购物频率是怎么样的？
如下的顾客全部是购买了2次或者以上的顾客，因为只购买了1次的顾客，讨论购物频率是没意义的。
购买频率人数百分比累计百分比
0-1个月来买1次1797719.19%19.19%
1-2个月来买1次1818319.41%38.60%
2-3个月来买1次1547616.52%55.12%
3-4个月来买1次1098811.73%66.85%
4-5个月来买1次80008.54%75.39%
5-6个月来买1次56586.04%81.43%
6-7个月来买1次42444.53%85.96%
7-8个月来买1次30353.24%89.20%
8-9个月来买1次21452.29%91.49%
9-10个月来买1次17051.82%93.31%
10个月以上购买1次62676.69%100.00%
总计93678100%/
这个表格也有意思：
1）81.96%的顾客都会在半年之内来购买1次，所以，对我们公司来说：
2个月给没有继续购物的顾客发送优惠的产品信息，必要性：38.60%；
3个月给没有继续购物的顾客发送优惠的产品信息，必要性：55.12%；
6个月给没有继续购物的顾客发送优惠的产品信息，必要性：81.43%；
6）新老用户交替的科学计算矩阵图
如下这个图是有意义的，是动态跟踪顾客购买记录的矩阵。这个图有点绕口，它观察的是：顾客最后一次下单的情况。
比如，我们拿2002年来说明：2002年注册的那帮家伙，最后一次下单都是什么时候呢？如下的百分比说明：
1）2002年注册的人如果购买了，21.49%的人最后一次购买是在2002年；
2）2002年注册的人如果购买了，8.16%的人最后一次购买是在2003年；
3）......
4）2002年注册的人如果购买了，38.16%的人最后一次购买是在2007年！
这个表格说明：
不管顾客是哪一年注册的，平均来说40%的顾客还是会在目前保持活跃度的，顾客的生命期比我们想象的要长；也就是说：2002年注册的那帮家伙如果产生了购物，他们40%左右现在还在活跃着！2003年注册的那帮家伙如果产生了购物，他们40%左右现在还在活跃着！
2002年2003年2004年2005年2006年2007年总计
2002年注册21.49%8.16%6.44%8.85%16.90%38.16%100.00%
2003年注册28.08%8.47%9.63%14.88%38.94%100.01%
2004年注册27.04%10.90%17.99%44.08%100.00%
2005年注册35.00%21.59%43.41%100.00%
2006年注册55.27%44.73%100.00%
2007年注册100.00%
我个人是很重视数字的，其实不管是价格策略、产品策略、促销策略等，数字都可以在很大程度上助我们一臂之力，特别是目前技术允许我们这样做，我们有cookies记录顾客的行踪，我们有crm系统对顾客信息进行整理分析，我们也可以用统计学模型来分析顾客浏览产品的关联度指数等。
1，我们不应该只是关心增长率，而是应该关心边际增长率。比如过去4天注册人数是：100，150，180，200，貌似是在增长，但是边际增长是50个，30个和20个，那么边际增长出了问题，注册虽然在涨，但边际在衰减；
2，文中我没有分析产品。但是顾客第一次购买和以后购买的产品是不一样的。我们如果发现50%以上的顾客第一次购买都倾向于购买某类产品，那么针对新用户，我们就应该推广这类产品。在其他网站做广告，我们也只是推广顾客第一次最容易购买的产品广告，而不是全部产品。
3）我们可以巧妙地在网站上调整价格做实验，来测试顾客的价格弹性。比如我故意将某个产品价格下降5%，看看顾客的购买金额增长了多少。如果顾客购买增长超过5%，那么降价有理；如果顾客增长少于5%，那么最好是不要降价。
4）我可以在网站上随意做任何促销，包括降价、送赠品、捆绑销售、抽奖、主题活动、优惠券、积分等，然后我在系统中细致地分析每个促销活动的：1，投入产出比，比如送赠品是1:5，也就是投入赠品成本1元，带来5元交易额增量；2，每个活动带来的交易量增长绝对值。以后我专门选择投入产品比和交易量绝对增长高的促销活动。但是在首页做促销问卷调查是没有太大意义的！
ad:阿猎的seo博客