- 点选上方“中国统计网”订阅我吧！-
上一篇也有讲到，电商的“人口红利”已经过去了，根据中国电子商务中心提供的公开资料：
商家获得新使用者的成本是维护老使用者的5～10倍；
一个满意的使用者会带来8笔潜在生意，不满意的使用者可能会影响25个人的购买意愿。
根据京东对大量商家对复购率和收益的分析结果显示：
购买一次 使用者占比：93% 收入占比83％
购买两次 使用者占比：5.5％ 收入占比11%
购买三次 使用者占比：1% 收入占比3%
三次以上 使用者占比：0.5% 收入占比3%
这些资料表明，互联网公司要维持业绩的增长，新使用者要抓，更要关注老使用者的存留和复购，上一篇讲了存留相关的分析，本篇单独介绍下复购相关的分析。
复购率衍生与传统使用者关系管理CRM中的使用者价值模型（RFM模型）中的F(frequency)，意思为最近一段时间购买次数，用于说明使用者的忠诚度，反向则说明商品或服务的使用者黏性。
复购率可以分为“使用者复购率”和“订单复购率”，此外，“使用者回购率”意义与复购率相似，也在此范围内。
使用者复购率＝单位时间内：购买两次及以上的使用者数/有购买行为的总使用者数
订单复购率＝单位时间内：第二次及以上购买的订单个数/总订单数
使用者回购率＝单位时间内：有购买行为的老使用者数/有购买行为的总使用者数
分析目标：
通过对复购率的监控分析，发现问题、细化原因，为运营策略调整提供支援，辅助达到稳定、提高复购率的效果。
分析角度：
1.综合指标展示，分析使用者黏性，辅助发现复购率问题，制定运营策略。
2.横向维度(商品、使用者、渠道)对比分析，细化复购率，辅助问题定位。
分析方法：
1.综合指标展示，分析使用者黏性，辅助发现复购率率问题，制定运营策略。
放下问题不谈，公司应该对复购率有一个常规的图表进行监控，通过该表来展示公司复购率的健康度。
上图中将使用者复购率、订单复购率、使用者回购率统一放在一个图中进行展示，下面表格为明细表，将使用者、订单进行更明细的分类。
将这三条曲线与使用者总数叠加在一起可以看出使用者黏性的健康度，最佳的情况是三条曲线都不随着使用者数量的变化而变化，普遍保持着上升的趋势。尤其使用者回购比率是一定要逐步上升的，因为随着公司的发展，为公司长期创造价值的使用者一定是这些老使用者。
上图是对复购率进行一个整体性的展示，可以根据不同情况将周期调整为季度等。通过对复购率整体性的展示，方便定义公司复购率的健康度，及时发现复购率异常后，再进行进一步的分析。
2.横向维度(商品、使用者、渠道)对比分析，细化复购率，辅助问题定位。
将复购率继续拆解，可以分成会员复购率、新使用者复购率。会员复购率低，是会员运营的不够好；新使用者复购率低，是新使用者运营的问题。通过这样的对比，可以实施有针对性的营销策落。
上图所示，新使用者由于对平台或应用的忠诚度不如老客户高，所以其复购率与老使用者的复购率之间有一定差距，但差距也应该是相对稳定的。当然，对于公司的运营来说，也是应该尽量提高新使用者的复购率，例如可以通过进行更精准的拉新，对新使用者的复购优惠政策等等。
通过多维度的对比分析，可以将复购率进一步细化，例如根据下图中各渠道的转化率对比，也可以看出微信端、手机qq端的复购率是最高的，可以看出社群运营对于提高复购率也是一个重要的手段。
关于商品与转化率的关系，可以做一个商品的对比趋势图，也可以从商品的角度出发，看一个商品的综合价值，可以用一个散点图或者气泡图（气泡大小表示利润等）来检视商品价值。这种对对于商品较多的电商类公司比较合适。（从商品的角度来分析商品价值，还需要更多的维度来看，这里仅针对商品与复购率的关系。）
上面针对几个常见的维度进行对比分析，对复购率进行进一步的拆分。为提高转化率提供一定的辅助作用。
影响复购率的因素主要是：商品质量、服务质量、物流体验（效率、服务），对于部分o2o类公司可能只剩下服务。最根本的原因，就是使用者在花钱消费了之后，感受好不好。体验好了才会产生复购，使用者个体差异非常大，对体验的感受也是不同的，所以很多公司都非常重视建立会员体系，建立使用者画像，施行精准营销。针对不同的使用者，提供适合他的服务。
前文中所做的分析，只是为复购资料提供一个视觉化界面，为提升复购率提供资料参考价值。针对资料来制定精准的策略来提高复购率。
具体提高复购率的手段也很多，常规的精准营销、老使用者权益设定、使用者互动活动等等。
End.
作者：王佳东
互联网资料化运营管理-流量追踪
我就知道你“在看”
