影響復購率的因素主要是：商品質量、服務質量、物流體驗（效率、服務），對于部分o2o類公司可能只剩下服務。最根本的原因，就是用戶在花錢消費了之后，感受好不好。體驗好了才會產生復購，用戶個體差異非常大，對體驗的感受也是不同的，所以很多公司都非常重視建立會員體系，建立用戶畫像，施行精準營銷。針對不同的用戶，提供適合他的服務。

電商的“人口紅利”已經過去了，根據中國電子商務中心提供的公開數據：

• 商家獲得新用戶的成本是維護老用戶的5～10倍；
• 一個滿意的用戶會帶來8筆潛在生意，不滿意的用戶可能會影響25個人的購買意愿。

根據京東對大量商家對復購率和收益的分析結果顯示：

• 購買一次 用戶占比：93% 收入占比83％
• 購買兩次 用戶占比：5％ 收入占比11%
• 購買三次 用戶占比：1% 收入占比3%
• 三次以上 用戶占比：5% 收入占比3%

這些數據表明，互聯網公司要維持業績的增長，新用戶要抓，更要關注老用戶的存留和復購，上一篇講了存留相關的分析，本篇單獨介紹下復購相關的分析。

復購率衍生與傳統用戶關系管理CRM中的用戶價值模型（RFM模型）中的F(frequency)，意思為最近一段時間購買次數，用于說明用戶的忠誠度，反向則說明商品或服務的用戶黏性。

復購率可以分為“用戶復購率”和“訂單復購率”，此外，“用戶回購率”意義與復購率相似，也在此范圍內。

• 用戶復購率＝單位時間內：購買兩次及以上的用戶數/有購買行為的總用戶數
• 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
• 用戶回購率＝單位時間內：有購買行為的老用戶數/有購買行為的總用戶數

分析目標：

通過對轉化率的監控分析，發現問題、細化原因，為運營策略調整提供支持，輔助達到穩定、提高轉化率的效果。

分析角度：

1. 綜合指標展示，分析用戶黏性，輔助發現復購率問題，制定運營策略。
2. 橫向維度(商品、用戶、渠道)對比分析，細化復購率，輔助問題定位。

分析方法：

1.綜合指標展示

分析用戶黏性，輔助發現復購率率問題，制定運營策略

放下問題不談，公司應該對復購率有一個常規的圖表進行監控，通過該表來展示公司復購率的健康度。

上圖中將用戶復購率、訂單復購率、用戶回購率統一放在一個圖中進行展示，下面表格為明細表，將用戶、訂單進行更明細的分類。

將這三條曲線與用戶總數疊加在一起可以看出用戶黏性的健康度，最佳的情況是三條曲線都不隨著用戶數量的變化而變化，普遍保持著上升的趨勢。尤其用戶回購比率是一定要逐步上升的，因為隨著公司的發展，為公司長期創造價值的用戶一定是這些老用戶。

上圖是對復購率進行一個整體性的展示，可以根據不同情況將周期調整為季度等。通過對復購率整體性的展示，方便定義公司復購率的健康度，及時發現復購率異常后，再進行進一步的分析。

2.橫向維度(商品、用戶、渠道)對比分析

細化復購率，輔助問題定位。

將復購率繼續拆解，可以分成會員復購率、新用戶復購率。會員復購率低，是會員運營的不夠好；新用戶復購率低，是新用戶運營的問題。通過這樣的對比，可以實施有針對性的營銷策落。

上圖所示，新用戶由于對平臺或應用的忠誠度不如老客戶高，所以其復購率與老用戶的復購率之間有一定差距，但差距也應該是相對穩定的。當然，對于公司的運營來說，也是應該盡量提高新用戶的復購率，例如可以通過進行更精準的拉新，對新用戶的復購優惠政策等等。

通過多維度的對比分析，可以將復購率進一步細化，例如根據下圖中各渠道的轉化率對比，也可以看出微信端、手機qq端的復購率是最高的，可以看出社群運營對于提高復購率也是一個重要的手段。

關于商品與轉化率的關系，可以做一個商品的對比趨勢圖，也可以從商品的角度出發，看一個商品的綜合價值，可以用finereport的散點圖或氣泡圖（氣泡大小表示利潤）來查看商品價值。這種對對于商品較多的電商類公司比較合適。（從商品的角度來分析商品價值，還需要更多的維度來看，這里僅針對商品與復購率的關系。）

上面針對幾個常見的維度進行對比分析，對復購率進行進一步的拆分。為提高轉化率提供一定的輔助作用。

前文中所做的分析，只是為復購數據提供一個可視化界面，為提升復購率提供數據參考價值。針對數據來制定精準的策略來提高復購率。具體提高復購率的手段也很多，常規的精準營銷、老用戶權益設置、用戶互動活動等等。

本文由 @jiago王 原創發布于人人都是產品經理。未經許可，禁止轉載。