meepShop 的「分眾分析」協助您以顧客消費行為（累積消費次數、最近消費距今天數）做顧客分群，幫助您了解近期顧客消費變化趨勢，讓您掌握重要客群樣貌及名單，優化行銷策略與活動設定，將這項工具作為擬定營運策略及提升商店成長的參考依據。

內容目錄 隱藏

一、前置設定 Google Analytic 串接授權

二、顧客分析-分眾消費行為

一、前置設定 Google Analytic 串接授權

顧客分析數據來自GA事件搜集，請先完成相關設定。

Step 1 : 請先登入 Google Analytics

Step2 : 點選左邊選單的「設定」, 點擊「自訂定義」

Step 3 : 點選左邊次選單的「自訂定義」，並點選右上角「建立自訂維度」

Step 4 : 請確認您的自訂定義之前有沒有設定過 Step 4~12 的「維度名稱」及「事件參數」，若無請依照步驟進行設定，若已經設定過，可跳至 Step13 開始

於「維度名稱」及「事件參數」皆輸入 event_category 後點選「儲存」

Step 5 :再次點選右上角「建立自訂維度」於「維度名稱」及「事件參數」皆輸入 event_label 後點選「儲存」

Step 6 : 再次點選右上角「建立自訂維度」於「維度名稱」及「事件參數」皆輸入 event_element 後點選「儲存」

Step 7 : 再次點選右上角「建立自訂維度」於「維度名稱」及「事件參數」皆輸入 event_action 後點選「儲存」

Step 8 : 再次點選右上角「建立自訂維度」於「維度名稱」及「事件參數」皆輸入 page_id 後點選「儲存」

Step 9 : 再次點選右上角「建立自訂維度」於「維度名稱」及「事件參數」皆輸入 snapshot_id 後點選「儲存」

Step 10 : 再次點選右上角「建立自訂維度」於「維度名稱」及「事件參數」皆輸入 page_id 後點選「儲存」

Step 11 : 於「維度名稱」及「事件參數」皆輸入 member_group_id後點選「儲存」

Step 12 :再次點選右上角「建立自訂維度」於「維度名稱」及「事件參數」皆輸入 member_group_name 後點選「儲存」

Step 13 :再次點選右上角「建立自訂維度」於「維度名稱」及「事件參數」皆輸入 segmentation_tag_code 後點選「儲存」

Step 14: 設定完成，會顯示以下9個事件（藍框中的自訂維度event_action、event_category、event_element、event_label、event_page_id為頁面數據分析使用，紅框member_group_id、member_group_name 以及segmentation_tag_code為顧客分析使用。）

Step 15 : 進入meepShop後台左方「設定」-> 點擊進入「 第三方設定 」

於 Google Analytics ，點擊「 登入授權 」

會抓取以您的Google 帳號進行登入授權，請點擊「繼續」（請使用您GA 設定的帳號進行授權）

「meepcloud.com」進行以下操作：查看及下載您的 Google Analytics 資料，請點擊「允許」

授權成功會顯示「已授權」，並顯示授權的Email帳號

Step 16 : 請點選設定 -> 資源詳情

請複製右上方的「資源ID編號」

回到meepShop後台「 第三方設定 」，於 Google Analytics 點擊編輯，再資源ID內貼上您GA帳號的「資源ID編號」並點擊儲存

系統會跳出「確定要變更 Google Analytics 設定嗎？」請點擊「確認」

畫面將會顯示「 資料檢視 ID 驗證成功 」

二、顧客分析-分眾消費行為

由選單顧客管理-顧客分析，切換至「分眾消費行為」，查看系統按近一年商店顧客消費數據進行的分群人數變化以及各分群消費行為的重要指標，幫助您了解商店重要顧客的特徵及消費模式。

最新消費行為分眾

分眾方式說明

系統於每月1號，依據商店中近一年有消費紀錄顧客的「最近消費距今天數」以及「累計消費次數」計算商店分群的基準值，並依基準值區分為四群，「核心顧客」、「潛力顧客」、「成長顧客」以及「流失顧客」。

本系統參考 RFM 消費模型概念，採用 R（最近消費天數）及 F（累計消費次數）作為歸類分眾類型的指標依據，指標會依據近一年所有訂單資料做計算。

R（Recency，最近消費天數）

衡量顧客活躍度： R 值越小，表示顧客近期有消費，活躍度越高。
計算方式：單一會員計算當月 1 日至近一年內最末次購買日期的天數差，店家平均值則取所有會員此數值的中位數。

F（Frequency，累計消費次數）

衡量顧客忠誠度： F 值越高，表示顧客消費頻率高，忠誠度較強。
計算方式：依百分位數 (Percentile) 統計方法，計算出第 95 百分位數 (F95，數據排名前 5%) 及第 25 百分位數 (F25，數據排名後 25%)，分別作為 F 值的兩個參考級距。

分眾分類規則

每月 1 號系統會自動計算近一年訂單資料，依消費行為指標將符合條件的顧客歸類至對應的分眾類型，以利店家再行銷。每位顧客只會隸屬於其中一種分眾群，且並非所有顧客都會被分類。

分類需同時符合R（最近一次消費距今天數）與F（累積消費次數）的條件：

分眾類型	最近消費距今天數 R	累計消費次數 F
核心顧客	無限制	累計消費次數 ≥ F 95
潛力顧客	最近消費距今天數 ≤ 1.2倍R	F25 < 累計消費次數 < F 95
成長顧客	最近消費距今天數 ≤ 1.2倍R	累計消費次數 ≤ F 25
流失顧客	最近消費距今天數 > 1.2 倍R	累計消費次數 ≤ F 95

若商店F95數值與F25數值相減後小於等於1，則無法分類潛力顧客，顧客人數為0。
若商店F95數值與F25數值皆為1，則無法分類分眾。

其他操作說明

將滑鼠移至分眾區塊，可查看該分眾特徵

點選右上方圖示「⋯」，選取「說明」，可開啟分眾詳細說明

分眾彈窗，點選「∨」圖示，展開說明內容

消費分眾人數趨勢

圖示提供近12個月的分眾人數變化長條圖，可藉此觀察針對客群再行銷、折扣活動是否有成效。

將游標移動至特定月份柱狀圖可查看分眾人數。

分眾消費行為數據與指標說明

透過時間選擇器可選取查看近三個月的分眾表現，觀察特徵相同分眾在不同指標上的表現。

指標說明

分眾：選取區間的分眾名稱
分眾人數：該時間區間的分眾人數
總訂單數：區間內分眾的訂單總數與佔比，取消訂單不納入計算。
營業收入：區間內群組顧客的訂單金額加總與佔比，取消訂單不納入計算。
平均訂單數：區間內群組顧客平均每人下單數量（總訂單數 / 消費人數），取消訂單不納入計算。
平均客單價：區間內分眾平均訂單金額（商營業收入 / 訂單數），取消訂單不納入計算。
回訪率：（回訪人數 / 分眾人數），回訪人數（Returning Users）資料取自 Google Analytics。
購物車轉換率：區間內（加入購物車人數 / 分眾回訪人數），資料取自 Googla Analytics：add_to_cart 事件人數、Returning Users
結帳轉換率：未取消訂單數 / 分眾加入購物車人數，資料取自 Googla Analytics：add_to_cart 事件人數
購買率：（購買人數 / 回訪人數），購買人數為區間內有下單的不重複人數，取消訂單不納入計算。
回購率：區間內（分眾回購人數 / 群組人數） * 100%
回購週期：「單一顧客回購週期」計算 = （區間內最末次消費日期 – 首次消費日期）/ 區間內顧客總訂單數。此指標為分眾整體「平均回購週期」，取分眾顧客回購週期的中位數。
最近消費距今天數：單一分眾顧客最近消費距今天數 =  每月 1 號 – 一年內最後一次消費日期
此指標為商店平均最近消費距今天數，取所有分眾顧客最近消費距今天數的中位數