今天，系统解释了即使计算了回购率指标，除了高，还能做什么，事实上，通常人们会称新注册用户的第一次购物行为，称为第一次购买。
第一次购买后的第二次购买行为统称为回购。
01.回购分析的概念 这样，在数据中，第一次购买只有一次，可能会有很多次。
因此，人们会习惯性地将第一次购买后的回购称为：第二次购买率，并使用该指标来评估新用户的质量。
二次后的其他回购行为属于常规操作类别（如下图所示）。
三种常规方法 常规操作中有几种常见的做法。
一是每月追逐指标。
例如，许多公司将每月消费用户作为运营部门的评估指标。
每月消费用户=当月购买的新用户 老用户上个月在这个月消费。
因此，运营部门将每月跟踪上个月有多少老用户回购。
相应的操作方法是每月进行主题活动，以促进消费。
如果指标在月底不符合标准，请发送一些优惠券。
二是定期追逐指标。
如果用户不花太长时间，他们可能会失去消费。
没有必要分析这个事实。
每个人都知道。
因此，衍生出一种方法：计算用户最近的消费时间。
如果发现用户已经7天/30天/60天/90天没有回购，则直接进行唤醒动作并发行优惠券！ 三是找魔法数字。
忠诚用户的回购频率会高于普通用户，这个道理不需要分析，大家都知道。
因此，一些数据分析师/运营商会找到这个神奇的数字:用户回购X次后，累计消费和回购率明显高于其他用户(如下图所示)。
例如，在发现用户回购4次后，回购的概率和累计消费明显高于其他用户。
操作有动力围绕这个四次做文章，鼓励用户通过会员奖励/连续优惠券推广/积分等方式实现这个四次回购。
这些都是常见的操作手段。
但这往往会导致一个问题：奖励投资和成本爆炸。
持续的优惠券很容易导致用户对羊毛上瘾。
有些人甚至注册了几个微信ID，然后等到每个号码进入醒来状态才买优惠券（是的，我自己也这么做了，推荐中国移动和多号业务哦，非常容易使用）。
那么，复购分析有没有更好的做法呢？ 03.深入审查购买逻辑 如果你想让用户付出更多，收集更少的羊毛，你必须找到其他吸引力，除了折扣，结束无节制的操作和无底线的优惠券。
事实上， ，除了便宜这一点，促进用户回购的常见原因还有: 1.一站式服务:不需要跑很多地方，一个地方都买了 2.品牌忠诚:忠于某个品牌，一直买 3.品类吸引力:很容易被某个品类的商品吸引，看到就想买。
4.路径依赖:习惯了点击某个点APP戳一下，不差几块钱， 5.刚性需求:马上就要买了，尽快拿到折腾。
这些都可以抵消小恩小惠对用户的吸引力，促进回购。
因此，找到用户真正感兴趣的东西是一个很好的分析线索。
幸运的是，当我们分析用户的回购行为时，我们不是白纸。
用户至少有一个消费记录，可以从这里开始探索后续方向。
04.深入分析三大思路 思路一:锁定需求。
所谓的一站式服务本质上来自于用户的复杂需求。
例如，如果你买了一把椅子，如果你租了一所有两把椅子的房子。
如果你给你的新房子买了一把椅子，隐藏在椅子后面的需求是整个房子的家具。
类似地，给孩子们买玩具可能与书籍、衣服、鞋子和补充食物相对应…… 因此，对于这些需求复杂的用户，他们可以通过拉动社区、推送内容、打开现场直播来提前收集用户互动数据，并筛选出潜在的忠实用户。
在决定激活回购时，重点关注这些潜在群体。
（如下图所示） 思路二:发现偏好。
在统计用户消费频率/金额时，不仅要粗略看总量，还要根据品牌/类别的比例进行区分，尽量找到集中在某一品牌/类别的忠实用户。
如果发现有这种相对专一的用户，结合他们的消费金额/参与活动，判断用户是被折扣价格还是商品吸引，从而找出运营策略(如下图所示)。
思路三:记录场景。
低频消费用户并不意味着他们一定没有回购，但他们很可能只是没有触发需求场景，比如典型的: 1.喜欢参与促销活动的用户2。
节假日/礼品消费的用户3。
当季节变化/新时，这些用户的回购周期必然远低于传统用户，但在特定场景下的消费非常需要。
因此，与其浪费资源，乱发优惠券，不如通过消费记录/搜索记录标志关键场景用户，专注于赢得用户消费。
05.实现深入分析的必要要素 基础数据积累对于实现上述分析至关重要。
1.商品标签体系建设。
商品等级分类(高中低档)商品类别分类(家具、母婴、零食)商品使用周期(预计一件用多久)商品内部关联(围绕单身青年/宝妈/儿童等商品组合)，尤其是自有品牌的企业。
它的商品一般只有几百个SKU，区分类型不仅容易，而且可以对同行竞争产品进行更深入的产品力分析。
2.内容标签体系建设。
用户关注主题、咨询问题、社区问题和游戏互动。
每个内容都应该有标签。
特别是，一些判断用户属性的关键内容（如咨询新房装修、咨询新生儿信息、加入特定品牌粉丝群）应注重建设。
在内容/社区运营中，忠实用户已经可以筛选出来。
3.用户标签系统建设。
大多数企业不是垄断的互联网公司，他们能掌握的用户数据非常有限。
因此，简单地纠结于拉新、回购等用户指标，不能得出任何有价值的结论，必须首先打好商品标签、内容标签，然后反馈用户标签将更合适。
有了这些基本的支持，在设计回购活动和探索回购数据时，可以有更多的线索进行深入的分析。
由于一些公司的组织结构问题，运营本身的工作非常分离。
将商品标签、内容输出、社区运营和销售运营划分为不同的小组。
这导致了本文开头提到的不受控制的优惠券发行问题。
它还导致基础设施滞后，没有相应的商品标签、内容标签、用户行为标签积累，数据分析可以放屁。
看到这里，一定有同学会问:如果新用户第一次消费，都是靠超低价的标准产品拉回来的(米、面、油、鸡蛋、纸巾、口罩)……），每个人的数据都是一样的，回购该怎么办？ 如果负责拉新的部门真的这么做了，其实用户的薅羊毛行动已经提前到了拉新的阶段。
有超低价的标准产品，傻子不来拉。
这样客户获取质量自然更差，后续操作更难开展。
然而，这已经是如何使新产品更有质量的话题了。
如果你感兴趣，我们将分享下一篇文章。
请期待。
-END- 特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。
本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。
如有侵权行为，请联系网站管理员删除，。