電子商務網站流量評價指標模型及方法論文
隨著科技的發展和時代的進步，人們的生活水平不斷提高、生活節奏逐步加快，越來越多的消費者漸漸習慣網上購物； 越來越多的企業在網絡上開辟市場，建立電子商務網站。電子商務網站在運營過程中，通過提高用戶進入網站的點擊率和購買率，從而提高企業的銷售業績； 用戶點擊率越高，則該企業電子商務網站的流量就越高，則意味著企業銷售業績會相應提高。因此，電子商務網站流量成為企業網站運營健康評價的一個重要指標，因此流量統計和分析對于一個企業的電子商務網站來說尤為重要。
本文運用模糊綜合評價方法分析電子商務網站流量，從流量的大小、來源、質量等幾個維度，利用網站流量數據，對網站運營健康度進行較為精準地進行評價。模糊綜合評價法 （fuzzy comprehensiveevaluation method） 是模糊數學中最基本的數學方法之一，是一種以隸屬度來描述模糊界限的方法。
該方法建立在模糊集合基礎上，從多個指標綜合性評判被評價事物的隸屬等級狀況，使評價結果更客觀，符合實際情況。模糊綜合評判將定性和定量因素相結合，擴大信息量，并結合變異系數法使評價指標的權重更加可靠，使評價結論可信。
1 電子商務網站流量評價指標
電子商務網站流量健康程度是由流量的數量、流量的質量、流量來源和流量轉化比例四個因素共同作用產生的結果。本文從這四個方面分別闡述影響電子商務網站流量健康程度的因素。
1.1流量數量
流量數量，即訪問網站的流量的數量。網站推廣是否有效可以直接從流量數量大小看出，也是分析該網站客戶行為習慣的重要手段。流量多意味著瀏覽量大、顧客多。頁面訪問量大最直接地增加了網站流量。一般來說企業通過自身產品、售后服務、促銷等形式得到用戶的認知與認可，從而產生持續的關注； 同時企業也可以借助外部的資源合作，推廣網站，得到用戶的關注。
通過此類方式提高網站的流量，從而提高網站的相關流量指標數據，如獨立訪客量、頁面訪問量、獨立IP、日均流量等。
其中獨立訪客 （UV） 是指網站被多少臺電腦訪問過，以用戶電腦的Cookie作為統計依據 （ 某段時間內訪問網站的唯一訪問者） ,用來衡量網站的流量大小。頁面瀏覽量 （PV） 指某站點總共有被瀏覽多少個頁面，它是重復累計的，同一個頁面被重復瀏覽也被計入PV.獨立IP指的是用戶自身擁有獨立使用權，無需與其他用戶共同使用的IP地址。日均流量指一段時間內總流量/天數。
1.2流量質量
流量質量，即對流量數量在質量上進行把關。為了提升流量的質量，網站設計人員需要減少網站各種問題以及網站BUG,優化客戶在網站的體驗，使用戶產生良好的感覺。一個設計合理的網站會使用戶長時間停留并長時間、高次數瀏覽商品，一定程度上提高下單率。因此，衡量一個網站的流量質量好壞程度，需要參考該網站的平均訪問頁數、平均停留時間、新訪問占比、跳出率、到達商品頁面的訪問占比等指標。
用戶訪問網站可以通過導航或者搜索最終到的商品的頁面，商品頁面瀏覽量 （PV） 數就加1; 商品頁面PV數是個比較重要的指標，用戶只有進入商品頁面才能進行后續的購買行為。跳出率也叫SPV_ UV占比，等于SPV_ UV數/整站獨立訪客 （UV）數，指在只訪問了入口頁面就離開的瀏覽量與所產生總瀏覽量的百分比。
1.3流量來源
一個電子商務網站，其網站流量來源有品牌流量、直接流量、SEO流量 （ 搜索引擎的流量）、導航流量等。而作為大型電子商務網站，品牌流量如果沒有占絕大數百分比，那么這個網站的推廣是不健康的。各渠道流量轉化至網站流量的比例也十分重要，網站的商品質量、服務等很大程度地影響了該比例，這也直接判定了該電子商務網站的推廣方式的好壞。因此，網站流量來源比例和推廣流量轉化比決定了該網站流量來源的健康程度。
1.4流量轉化比例
網站流量轉化比例在網站流量指標中至關重要。在用戶的購物過程中，部分用戶會流失； 經過首頁、中間頁、產品頁、購物車以及結算等幾個步驟，流量到成交的概率逐漸變小。如下圖所示，假設有1000名新訪客，愿意繼續查看中間頁的訪客變為750名，繼續查看產品的訪客減少至450人，100人將產品加入購物車，只有30人進行結算，形成了流量漏斗，如圖1所示。
從圖1中可知網站流量轉化比例具體由會員注冊轉化率、購物車轉化率、訂單提交轉化率、訂單支付轉化率四個方面決定。有競爭力的價格將直接影響用戶的注冊、購買； 產品的質量、描述、庫存量影響著網站流量轉化； 購物流程簡便程度、人性化設置等影響網站流量轉化。
2 電子商務網站流量評價模型
2. 1建立評價指標集
由n個影響評價對象的指標組成的集合稱為指標集。當存在多層指標時：
一級評價指標集U由若干二級指標 （ 第一層指標） 構成：U ={u1,u2,…，ui}.
二級評價指標集U1由若干三級指標 （ 第二層指標） 構成：U1={u11,u12,…，u1i}.
2.2建立評語集
將評價對象的指標分為若干級，評語集是指劃分評價對象指標的等級的集合，其數學表達形式為：V ={v1,v2,v3,…，vj}.
2.3確定各級指標權重分配集合
二級指標 （ 第一層指標） 權重是指某一級指標集中，將各個二級指標對一級指標的影響程度利用Delphi Method、層次分析法、變異系數法的等進行數值化、歸一化，保證一個指標集中各個指標權重值的和為1.同理，三級指標 （ 第二層指標） 權重是指某二級指標集中，將各個三級指標對二級指標的影響程度利用各種方法進行數值化、歸一化，保證一個指標集中各個指標權重值的和為1。
2.4建立評判矩陣
評價指標集U到評語集V的模糊映射R的向量R（Ui）={ri1,ri2,ri3,…，rim} 為單因素評價。當存在多個因素時，從指標Ui考慮該網站被評為Vj的隸屬度是rij（0≤rij≤1;i = 1,2,3,…，n;j = 1,2,3,…，n）。
模糊映射R可以確定一個評價矩陣：
2.5綜合評價模型
當已知權重分配集和評價矩陣時，可運用運算進行綜合評價，并得到綜合評價模型：B = A* R.若存在三級指標，需要依次對第二層指標進行評價，求出對應的第一層指標綜合評價，最終測出一級指標-網站流量健康度。
針對本 文 情況，我 們 選 擇 的 運 算 方 法 為：M（·，+）-加權平均模型，即：bj= ∑（ai· rij） （j =1,2,…，m）。模型M（·，+） 對所有因素依權重大小均衡兼顧，適用于考慮各因素起作用的情況。
3 電子商務網站流量評價方法和評價分析方法
3. 1影響電子商務網站流量評價的因素
根據上文所述，影響電子商務網站流量評價的因素如圖2所示：
其中一級指標為： 流量指標；
二級指標 （ 即第一層指標） 為：U ={ 流量數量，流量質量，流量來源，流量轉化} ;
三級指標 （ 即第二層指標） 為：
U1 ={ 獨立訪客，頁面訪問量，獨立IP,日均訪客}
U2 ={ 平均訪問頁面，平均滯留時間，新訪問占比，跳出率，到達商品頁面訪問比}
U3 ={ 流量來源比例，流量來源轉化比}
U4 ={ 會員注冊比例，加入購物車比例，訂單提交比例，訂單支付比例}.
3.2影響電子商務網站流量指標的評語集
設定影響電子商務網站流量指標的評語集分為五級，將評價電子商務網站流量指標的等級分為優，良，中，差，劣，即：V ={v1,v2,v3,v4,v5}={ 優，良，中，差，劣}.
3.3評價電子商務網站的指標權重的確定
使用變異系數法來確定電子商務網站的流量指標權重，用流量相應指標的標準差除以平均數得出變異系數，并對變異系數進行歸一化處理，即可求出電子商務網站的指標權重。
根據某電子商務網站一段時間內關于網站流量數據的統計，可以計算出如下數據： 包括平均數、標準差、變異系數，最終計算出權重，如表1所示。
因此，流量數據的權重計算結果為：A1={0. 3,0. 2,0. 3,0. 2}.同理，可求出影響電子商務網站流量的各個指標的相應權重值：
流量指標權重：A ={0. 3,0. 2,0. 1,0. 4}
流量數據權重：A1={0. 3,0. 2,0. 3,0. 2}
流量質量權重：A2={0. 2,0. 2,0. 2,0. 1,0. 3}
流量來源權重：A3={0. 4,0. 6}
流量轉化權重：A4={0. 2,0. 2,0. 3,0. 3}.
電子商務網站關于網站流量各個指標有如表2數據：
其中表2中的ai表示第一層指標的權重值，例如：a1表示流量指標中的流量數量的權重值，同理可得到其他數據；aij表示第二層指標的權重值，例如：a11表示“流量數量”中的“獨立訪客”的權重值是0. 3,同理可得到其他的數據。
3.4電子商務網站流量各指標關于評語集的隸屬度，
由表2,可得出電子商務網站流量第一層指標a1第二層指標關于評語集的隸屬度矩陣如下：
3.5電子商務網站流量指標的綜合評價模型
使用綜合評價模型將三級評價指標（ 第二層指標） 中獨立訪客，頁面訪問量，獨立IP,日均訪客的權重矩陣與對應的三級評價指標的隸屬度矩陣相乘，可得出關于電子商務網站流量指標第一級綜合評價關于第一層指標流量數量的結果：
同理，可求出電子商務網站流量指標第一級綜合評價的其它結果：
流量質量：B2= A2* R2=[0. 51 0. 36 0. 13 0 0]
流量來源：B3= A3* R3=[0. 64 0. 2 0. 16 0 0]
流量轉化：B4= A4* R4=[0. 51 0. 26 0. 16 0. 07 0]
根據多層次模糊評價理論，利用電子商務網站流量第一級綜合評價結果可得出電子商務網站流量第二級綜合評價關于電子商務網站整體流量指標的結果：
3.6模糊綜合評價結果分析
我們使用最大隸屬度原則來分析模糊綜合評價結果： 設B ={b1,b2,b3,…，bn} ,最大隸屬度原則是指選擇明確的電子商務網站流量指標評價等級，即當符合Bk= max Bi時，Bk對應的評語集中的電子商務網站流量指標評價等級Vk就作為整個電子商務網站流量模型的綜合評價結果。當各項指標中最大指標占明確優勢時，可直接使用最大隸屬度原則。
根據模糊綜合評價準則中的最大隸屬原則，則：Bk= max Bi= B1= 0. 559.k = 1,即B1對應的評語集中的電子商務網站流量指標評價等級V1就作為整個電子商務網站流量模型的綜合評價結果綜合評價結果為v1（ 優）。
可得出結論： 該網站流量健康指標評價等級為優級。我們可以看出，該網站整體運營是健康的。從細節來看，在網站流量轉化這方面，會員注冊轉化率、購物車轉化率、訂單提交轉化率仍有小比例時間情況不佳，相關方面有待提高。
4 結論
一個電子商務網站健康運營是離不開網站流量指標的提升，優級的網站離不開優級的相關指標。電子商務網站運營需要對上文4個大指標進行整體把控。用戶訪問網站的數量直接影響著流量的數量，該方面也需要企業有效推廣，如搜索引擎等； 從流量質量及轉化指標來考慮，用戶更長時間瀏覽，更多的購買，是影響整體指標的核心因素； 對網站進行有效推廣，將極大地影響網站流量來源指標，讓越來越多的用戶在電子商務網站上進行購物，養成網上購物習慣，同時增加電子商務網站在用戶心中的品牌價值。
參考文獻：
[1] 焦蓉梅。淺談網站流量統計分析法 [J].科技信息 （ 科學教研） ,2007（16） :518 - 512
[2] 卞保武。企業電子商務網站轉化率問題的研究 [J].中國管理信息化，2010（02） :97 - 99
[3] 張曉慧，馮英浚。一種非線性模糊綜合評價模型 [J].系統工程理論與實踐，2005（10） :54 - 59
【電子商務網站流量評價指標模型及方法論文】相關文章：
評價指標選取方法研究06-28
中介模型論文的寫作方法09-28
ＧＩＳ在旅游網站中的功能評價指標09-23
虛擬試穿模型在電子商務網站中的應用10-22
標準模型指標體系的建立09-19
電子商務中商家誠信評判的模型和方法08-20
淺談電子商務網站設計論文10-03
淺談現金流量表的指標分析07-21