B2C网店是以B2C电子商务模式运行的网络商店，有直销模式、中间商模式和平台式三种。网店商家控制商品展示、顾客管理等后台程序的运行，顾客则通过前台浏览商品、下订单、在线支付（或其他方式），并与商家达成交易。当前，B2C发展迅速，且网民规模渐趋稳定，顾客忠诚培育问题对B2C网店来说至关重要。许多文献从顾客的角度研究顾客忠诚度的驱动因素，取得了一定的成果，但是也有很多不足。一方面，没有将忠诚度的测量与忠诚度的驱动因素很好地区分开来；另一方面，泛泛地研究忠诚度的影响因素对网店进行顾客忠诚培育意义不大，且没有从网站的角度考虑忠诚度测量的可操作性。网络顾客忠诚包含行为忠诚和态度忠诚两个方面，行为忠诚主要体现在重复购买、向他人推荐方面；态度忠诚是顾客对卖家的情感依赖和偏好，主要体现在推荐意向、价格敏感度、服务故障容忍度、满意度、与商家维持关系的意愿、顾客感知价值等方面。顾客的行为忠诚与顾客的态度忠诚共同定义了顾客的忠诚度，只有行为忠诚而没有态度忠诚是虚假忠诚；只有态度忠诚而没行为忠诚可能是潜在忠诚；两者都没有则是非忠诚顾客；两者都很高则说明是真正忠诚的顾客。网店顾客忠诚度的测量需要先构建出科学的指标体系。我们将行为和态度作为一级指标，由此出发，构建二级与三级指标体系来评价e忠诚。指标的权重确定方法是层次分析法，因为它主观性较强，便于不同的B2C网店根据自己的实际情况确定指标权重。权重确定后，开始进行顾客忠诚度的测量与分类。B2C网店某一群体的整体顾客忠诚度采用模糊综合评价法获得，模糊综合评价的主要步骤是：首先确定评语集，然后计算单因素隶属度，得到评判矩阵，按照指标层次，由下往上计算权重集与评判矩阵的乘积，最终得到评价目标的模糊评价向量，根据最大隶属度原则，确定评价目标的测评结果。对于顾客忠诚度的分类，我们以Dick&Basu的忠诚分类模型为基础，通过对行为和态度忠诚分别测量获得。顾客的行为忠诚测度采用RFM方法进行定量测评；顾客的态度忠诚采用灰色聚类分析法将定性指标定量化。之后按照严格的抽样程序和标准，模拟了A网店的大学生群体抽样数据，并对测度模型进行了实证分析。首先采用层次分析法对指标体系的各项指标赋权重，然后，应用模糊综合评价法得到该样本群体的顾客忠诚度较高，从而估计A网店大学生群体的网购顾客忠诚度较高；其次，运用RFM法和灰色聚类分析法分别对样本的行为忠诚度和态度忠诚度进行测量并分类：数据标准化处理后，我们采用RFM法对行为忠诚度进行定量测评，根据最终计算的行为忠诚值排序，将群体平均分成四组，即得到行为忠诚度由高到低的四个细分群体，然后进行群体特征提取。态度忠诚多定性描述，故通过设置评分级别得到定量数据，再运用灰色聚类分析法，将顾客一一归到四个不同的灰类，最终得到四组态度忠诚由高到低的细分群体，然后进行群体特征提取；再次，根据上一步骤的顾客细分结果，组合行为和态度忠诚，得到最终的A网店大学生群体样本的e忠诚分类图，至此，我们得到了样本按照忠诚度不同进行分类的结果。得到群体的细分结果后，针对不同忠诚度类型的顾客，我们提出了相应的培育策略，以期为B2C网店提高顾客忠诚度提供借鉴。