零售电商人一定要懂的分析方法——用复购分析抓住回头客

文 | 商业智能BI相关文章 阅读次数:5,667 次浏览
2022-09-19 14:59:04

对于零售电商人来说,复购率有多重要?

这么说吧,一家店要想活得长久,靠的就是回头客。稳定的客源是销量的保证,复购率差则像蓄水池蓄不住水,所有用户流一遍就走掉,无论获客拉新做得再好,业务上也很难挣着钱。

有调查数据表明,一个满意的客户会带来8笔潜在的生意,不满意的用户可能会影响25个人的购买意愿。可见,1个老用户比10个新用户有更大的价值。复购率的提升都是所有店铺能够存续的下去的根本所在。

借助复购率分析,可以帮助我们看到老用户的复购情况如何?哪个推广渠道对产生复购影响更大?复购率高的商品有哪些?哪些商品复购率不佳?接下来,我们将由浅入深,教你一次学明白复购分析。

一、什么是复购率分析?

复购率:指用户最近一段时间的购买次数,可以说明用户的忠诚度,反向则说明商品或服务的用户黏性。

复购更关注的是消费行为,对复购的影响一般是商品或服务的质量、售后体验、用户消费满意度等,对复购的分析也会落地到商品或服务上。

复购率可分为:用户复购率、订单复购率、用户回购率

用户复购率=单位时间内:购买两次及以上的用户数/有购买行为的总用户数

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

用户回购率=单位时间内:有购买行为的老用户数/有购买行为的总用户数

二、复购分析有什么用?

分析复购率的目的:

综合指标展示,分析用户黏性,辅助发现复购率问题,制定运营策略。

横向维度(商品、用户、渠道)对比分析,细化复购率,辅助问题定位。

具体问题:

每月的老用户复购率情况如何?

不同推广渠道对复购产生怎样的影响?

哪些商品的复购率较高,哪些商品需要着重关注提升复购率?

三、怎么做复购分析?

下面我们开始实操教程,以某家零售商的销售数据为数据源,针对它的用户复购率进行简单分析(已脱敏)。

分析工具:FineBI,步骤如下

1、明确计算公式

我们选择分析用户复购率,则选择这个公式:

  • 用户复购率=单位时间内:购买两次及以上的用户数/有购买行为的总用户数

(可见,需要计算出两点,一是有复购行为的用户数,二是有购买行为的总用户数,基于二者计算用户复购率。)

2、计算购买两次及以上用户数(即产生复购行为的用户)

找到购买产品两次及以上的用户是计算复购率的关键,我们需要将不同购买时间点对应的同一用户筛选出来,这部分用户即产生复购行为的用户。这时主要看的指标是「客户ID」和「购买日期」,把这两个字段拖入分组栏中即可。

复购分析,用户回购率,商品价值分析

新增一列记录数,用来记录所有客户在不同时间的购买次数,然后进行分组汇总,利用条件设置功能筛选出购买次数大于 1 客户。可以看到,购买次数大于1次的客户后面都标记了他们购买的次数,这部分客户即为进行了复购的客户。

复购分析,用户回购率,商品价值分析

3、数据合并

计算复购率的指标,一是产生复购行为用户数,二是有购买行为的总用户数。上一步我们得到了「复购客户记录」,原始数据则代表有「有购买行为的总用户数」。

需要把二者合并在一个表中,创建新的自助数据集,进行「复购分析」。选中两个数据表下的所有字段,以「客户ID」字段为依据进行合并即可。

复购分析,用户回购率,商品价值分析

4、计算复购率

新建仪表板,添加组件,选择刚刚我们创建好的「复购分析表」计算复购率。维度字段对应横轴展示月份数,指标字段对应纵轴展示有购买记录的客户数和复购率。复制一个「客户ID」字段然后把它转化为指标,命名为「复购率」。

输入公式:COUNTD_AGG(IF(计数!=null,客户ID,null))/COUNTD_AGG(客户ID)。

(注意:公式框中的函数、字段都需要点击左侧的选择区域选择,不能手动输入。

复购分析,用户回购率,商品价值分析

5、可视化

最后一步,就是把得到的结果进行可视化呈现。我们选择用「柱形图」展示的是有购买记录的客户数,「折线图」展示了当月的复购率。将「购买日期」字段拖入横轴,呈现年月,将「客户ID」和「复购率」指标拖入纵轴即可。

复购分析,用户回购率,商品价值分析

最终结论:

将复购率与用户总数叠加在一起可以看出用户黏性的健康度,最佳状态是复购率不随着用户数量的变化而变化,普遍保持着上升的趋势。因为随着公司的发展,为公司长期创造价值的用户一定是这些老用户。

四、其他类型复购分析

1、横向对比——渠道复购率

将复购率继续拆解,可以分成渠道复购率、新老用户复购率等等。通过对比,可以实施有针对性的营销策略。

复购分析,用户回购率,商品价值分析

上图是各渠道的转化率对比,可以看出基础线上工作和微信推广的每月复购率普遍较高的。

因此品牌推广运营对于提高复购率也是一个重要的手段。

2、商品价值分析

从商品的角度出发,看一个商品的综合价值,可以使用四象限图(波士顿矩阵)来查看商品价值分析。

销量和复购率分别作为横纵轴,以平均值为分割线,将所有商品类型划分到四个象限内

复购分析,用户回购率,商品价值分析

对于新兴产品:需要着重拓展市场

对于低回购产品:需要检查是否产品有质量问题,导致用户单次购买多但不会回购

对于问题产品:着重关注

很显然在目前的信息时代,借助类似于FineBI的这些工具,可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多,选择时必须要结合实际的情况。一般的情况下,都建议选择市面上较主流的产品,比较容易达到好的效果,目前企业数据分析BI软件市场占有率前列的,就是帆软BI软件——FineBI。

复购分析,用户回购率,商品价值分析

零售行业解决方案介绍: https://www.fanruan.com/solutions/retail

相关内容

立即咨询 立即咨询

返回顶部