對於零售電商人來說，復購率有多重要？
一家店要想活得長久，靠的就是回頭客。穩定的客源是銷量的保證，復購率差則像蓄水池蓄不住水，所有使用者流一遍就走掉，無論獲客拉新做得再好，業務上也很難掙著錢。
有調查資料表明，一個滿意的客戶會帶來8筆潛在的生意，不滿意的使用者可能會影響25個人的購買意願。可見，1個老使用者比10個新使用者有更大的價值。復購率的提升都是所有店鋪能夠存續的下去的根本所在。
藉助復購率分析，可以幫助我們看到老使用者的復購情況如何？哪個推廣渠道對產生復購影響更大？復購率高的商品有哪些？哪些商品復購率不佳？接下來，我們將由淺入深，教你一次學明白復購分析。
一、什麼是復購率分析？
復購率：指使用者最近一段時間的購買次數，可以說明使用者的忠誠度，反向則說明商品或服務的使用者黏性。
復購更關注的是消費行為，對復購的影響一般是商品或服務的質量、售後體驗、使用者消費滿意度等，對復購的分析也會落地到商品或服務上。
復購率可分為：使用者復購率、訂單復購率、使用者回購率
🔺使用者復購率=單位時間內:購買兩次及以上的使用者數/有購買行為的總使用者數
🔺訂單復購率=單位時間內:第二次及以上購買的訂單個數/總訂單數
🔺使用者回購率=單位時間內:有購買行為的老使用者數/有購買行為的總使用者數
二、復購分析有什麼用？
分析復購率的目的:
🔺綜合指標展示，分析使用者黏性，輔助發現復購率問題，制定運營策略。
🔺橫向維度(商品、使用者、渠道)對比分析，細化復購率，輔助問題定位。
具體問題：
🔺每月的老使用者復購率情況如何？
🔺不同推廣渠道對復購產生怎樣的影響？
🔺哪些商品的復購率較高，哪些商品需要著重關注提升復購率？
三、怎麼做復購分析？
下面我們開始實操教程，以某家零售商的銷售資料為資料來源，針對它的使用者復購率進行簡單分析。
分析工具：FineBI，步驟如下
1、明確計算公式
我們選擇分析使用者復購率，則選擇這個公式：
💡使用者復購率=單位時間內:購買兩次及以上的使用者數/有購買行為的總使用者數
（可見，需要計算出兩點，一是有復購行為的使用者數，二是有購買行為的總使用者數，基於二者計算使用者復購率。）
2、計算購買兩次及以上使用者數（即產生復購行為的使用者）
找到購買產品兩次及以上的使用者是計算復購率的關鍵，我們需要將不同購買時間點對應的同一使用者篩選出來，這部分使用者即產生復購行為的使用者。這時主要看的指標是「客戶ID」和「購買日期」，把這兩個欄位拖入分組欄中即可。
新增一列記錄數，用來記錄所有客戶在不同時間的購買次數，然後進行分組彙總，利用條件設定功能篩選出購買次數大於 1 客戶。可以看到，購買次數大於1次的客戶後面都標記了他們購買的次數，這部分客戶即為進行了復購的客戶。
3、資料合併
計算復購率的指標，一是產生復購行為使用者數，二是有購買行為的總使用者數。上一步我們得到了「復購客戶記錄」，原始資料則代表有「有購買行為的總使用者數」。
需要把二者合併在一個表中，建立新的自助資料集，進行「復購分析」。選中兩個資料表下的所有欄位，以「客戶ID」欄位為依據進行合併即可。
4、計算復購率
新建儀表板，新增元件，選擇剛剛我們建立好的「復購分析表」計算復購率。維度欄位對應橫軸展示月份數，指標欄位對應縱軸展示有購買記錄的客戶數和復購率。複製一個「客戶ID」欄位然後把它轉化為指標，命名為「復購率」。
輸入公式：COUNTD_AGG(IF(計數!=null,客戶ID,null))/COUNTD_AGG(客戶ID)。
（注意：公式框中的函式、欄位都需要點選左側的選擇區域選擇，不能手動輸入。
5、視覺化
最後一步，就是把得到的結果進行視覺化呈現。我們選擇用「柱形圖」展示的是有購買記錄的客戶數，「折線圖」展示了當月的復購率。將「購買日期」欄位拖入橫軸，呈現年月，將「客戶ID」和「復購率」指標拖入縱軸即可。
最終結論：
將復購率與使用者總數疊加在一起可以看出使用者黏性的健康度，最佳狀態是復購率不隨著使用者數量的變化而變化，普遍保持著上升的趨勢。因為隨著公司的發展，為公司長期創造價值的使用者一定是這些老使用者。
四、其他型別復購分析
1、橫向對比 — — 渠道復購率
將復購率繼續拆解，可以分成渠道復購率、新老使用者復購率等等。透過對比，可以實施有針對性的營銷策略。
上圖是各渠道的轉化率對比，可以看出基礎線上工作和微信推廣的每月復購率普遍較高的。
因此品牌推廣運營對於提高復購率也是一個重要的手段。
2、商品價值分析
從商品的角度出發，看一個商品的綜合價值，可以使用四象限圖（波士頓矩陣）來檢視商品價值。
銷量和復購率分別作為橫縱軸，以平均值為分割線，將所有商品型別劃分到四個象限內
對於新興產品：需要著重拓展市場
對於低迴購產品：需要檢查是否產品有質量問題，導致使用者單次購買多但不會回購
對於問題產品：著重關注
文章來源：李啟方
文章連結：https://zhuanlan.zhihu.com/p/506387309
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
文章推薦
◆跟資料打交道的人都得會的這8種資料模型，滿足工作中95%的需求
回顧十週入門數據分析系列文：
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
