【作者】华仔、张毅

【来源】互联运营观察

【编辑】善小倩

 

很多产品吸引用户首次下单购买的策略都是通过让利促销的方式，发现用户好久没来了，为了激活用户会再次推送优惠券或促销活动，可能又会产生第二次购买，但这种方式的促进作用是在呈漏斗式下降的，而且促销也有成本。那么我们该如何来促进和提升复购率呢?

 

 一、重复购买率考验的是用户对产品的信任度 

 

我们先来看下重复购买率的计算方式。重复购买率有两种计算方法：

 

第一种是所有购买过产品的顾客，以每个人为独立单位重复购买产品的次数，比如有10个客户购买了产品，5个产生了重复购买，则重复购买率为50%;

 

第二种是按交易次数计算，即单位时间内重复购买交易次数与总交易次数的比值，如某月内，一共产生了100笔交易，其中有20个人有了二次购买，这20人中的10个人又有了三次购买，则重复购买次数为30次，重复购买率为30%。

 

一般我们都采用第一种计算方式。从计算方式里面也可以看出，如果复购率高，单个用户对产品的贡献度也就高，这也说明复购率指标对产品发展的健康度来说是很重要的。我们再从其他方面来看下复购率的重要性：

 

随着互联网发展的推移，获取新客的成本越来越高，所有获取到的流量转化成有效注册会员会缩减很多，会员转化为有效的第一次下单用户又会缩减很多，若产品持续以单次成交为运营重点，拉新成本就会居高不下，这种烧钱的方式不是所有的产品都能承受的。

 

新用户很多都是贪小便宜进来的，就是所谓的“褥羊毛”，这些用户的购买行为都是由优惠券或者补贴驱动的，持续的补贴可能会产生多次购买行为，但补贴停止后，可能就不会再产生购买行为了。这种纯补贴驱动的用户购买转化是不可持续的，本身补贴的刺激作用会随着时间的推移而减弱，其次这种方式带来的销售额增长更多的是虚假繁荣，背后的成本也是非常可观的。

 

从上面的分析来看，如果只是考量单次购买，或者新用户转化是利益驱动的，成本会持续上升，效果却是持续减弱的。想要让用户产生持续的购买行为，那么用户对产品的使用粘性，用户对产品的信任度就很关键。所以电商APP要想提升用户的重复购买率，在产品设计和产品运营就需要花点心思。

 

 

 二、提升重复购买率的策略和方法 

 

从产品设计的角度，现在越来越讲究“大产品”的概念，大产品=内容+产品+服务，这里的“内容”是指售卖或提供服务的对象，如电商产品里的商品、教育类产品里面的课程等都算作是内容;“产品”是指功能+体验，这个大家都好理解;“服务”是指售前、售中、售后所提供的各种服务，比如退换货就是一种售后服务。从大产品的角度去考虑提升重复购买率，如下两点比较关键：

 

内容品质是口碑产生的关键

 

任何形式的商品售卖，到了售后环节都是要考验内容品质的。在这一点上，用户角度上看很简单，你买的东西好，我下次可能还会继续来买;你买的东西不好，我不但可能要把这次购买的东西退掉，下次也不会再来了。很多主打让利去吸引新用户的产品，为了降低成本，拿出一些残次品、临期商品或尾货商品来处理，其实反而在最初的时候就打消了用户对平台的信任。

 

另外要增加复购率，并不是指同一款商品的重复购买，而是基于品牌、平台的。所以商品品类的丰富度也是很重要的一个方面，单一品类售卖做复购率是很难的，特别是低频次消费的商品。

 

产品功能体验是基本

 

线上下单购买流程经过几年的发展和优化，已经基本上达到比较顺畅的地步，不求创新性的操作和极致的体验，但求不出bug和中断，别的不说，至少同行业的产品里面不能落于下风吧。很多时候我们讲极致，其实没有对比就没有伤害，产品功能比同行市面上的都好了，某种程度上也算是极致。

 

比如电商产品正常的商品检索、商品详情、下单购买流程、支付流程、配送过程等等，每个业务模块都会影响用户的消费体验，只有各个环节都做好了，才能从根本上保障产品的使用体验。

 

 

从产品运营的角度，越来越多的产品意识到复购率的重要性，也就会不断的去探索新的用户运营模式，以近期比较流行的运营方式为例，可以提升重复购买率的运营手段如下：

 

会员体系的打造仍是不二法宝

 

很多产品做到一定规模之后，都会开始搭建自己的会员体系，一是为了丰富会员的服务;二是为了提升会员的粘性。常见的做法如会员等级体系、会员尊享活动、积分换购、会员成长体系等等。

 

最近出现的一种模式是“会员卡”模式，这种方式在传统线下业务场景中很常见，是一种很好的现金流获取手段。现在有很多电商平台开始将其应用到线上，如京东的PLUS会员机制，支付一定的会员费就可以享受到固定周期内的购买优惠，而且这种优惠是立减的，对于用户的吸引力还是比较强的。而且办了这种线上会员后，基本上等同于做了一个消费绑定，只要京东有的东西，可能就不会选择去天猫购买了，除非价差很大。

 

大数据分析正扮演重要角色

 

精准化推荐是大家都知道的一种大数据应用方式，根据用户的消费习惯和浏览行为，去预测用户可能要购买的商品，从而在用户浏览的过程中，或者定期向用户推送的内容中，加入类似商品的推荐营销。那些最近7天在搜索结果列表页、商品分类列表页、商品收藏页、购物车都有看过、添加过、收藏过衣服的用户，系统就猜测其一定是有了购买鞋子的需求。

 

还有一种是预测洞察式的营销，基于用户过往购买的周期性行为，去预测差不多周期后同样的消费行为，如女生姨妈巾购买的月度特性，婴儿奶粉购买的周期性、洗衣粉/洗衣液购买使用的周期性等等，有了这样的购买契机，加上一张定向的优惠券，一点用户关怀，或许购买转化就提升了。

 

智能硬件的整合营销或许是个趋势

 

随着智能硬件技术的发展，现在冰箱都可以购买商品了。很多智能硬件可以和对应的商城系统做绑定营销，最普遍的如电子书，虽然现在各家都推出自己的硬件+书城的模式，但资源是有限的，硬件提供商是多样的，可选择余地就变多了。现在智能冰箱购买商品很多也是和京东、天猫这样的商城合作的，从某种意义上来说，这种场景为用户提供了便利，只是现在用户使用习惯的培养还有待时间的检验，个人保守预测它或许是个趋势。

 

 三、什么时候开始关注复购率 

 

提升复购是很多电商团队问到最多的，确实，复购要关注，但可能你需要有深刻的认识和计划：

 

一是品类本身，影响用户购买的最大的因素就是业务本身，用户是否需要，用户是否需要今天买了明天还买，需要先从自身品类特性思考。比如对于一个眼镜店，关注月复购、季度复购、甚至年度复购率都是没必要的，这是眼镜这一品类本身决定的；对于快消品，比如牛奶、零食，用户会长期需要，半月一月就会有一次购买需求，那你需要最小成本的留下这些人；所以，品类扩充一度被认为是电商平台想要存活和增长的重要手段，同一个人本身有多种购买需求，通过扩充品类提升平台满足用户需求的能力，从而提升单个用户的终身价值。

 

除了从品类本身思考，你可能还需要通过数据看用户的重复购买需求，你可以筛选3个月内有首次购买行为的用户，然后看这群人在首次购买后的3个月内有复购行为的用户有多少，占比多少。以此评估用户的复购需求和猜想影响因素。

 

二是经营阶段，除了品类本身，当企业发展到一定阶段，复购可能就成为重中之重，比如京东、淘宝等，现在你体验到的来自他们的很多营销策略其实都是为了提升复购。那到底什么时候该关注复购，凯文·希尔斯特罗姆在《精益数据分析》一书中给了参考：

 

90天内重复购买率达到1%~15%；说明你处于用户获取模式；把更多的精力和资源投入到新用户获取和转化；

90天内重复购买率达到15~30%；说明你处于混合模式；平衡用在新用户转化和老用户留存、复购上的精力和资源；

90天内重复购买率达到30%以上；说明你处于忠诚度模式；把更多的精力和资源投入到用户复购上；

 

是否到了该重点关注复购的阶段，具体还需要结合产品本身、所处经营阶段、团队资源甚至创始团队对项目增长的预期来决定，当然，如果你有一个低成本的策略支持你做这件事，那复购率的提升一定也会给你带来其他指标的提升。

 

 

 四、考量重复购买率的注意点 

 

重复购买率的考量有两点很关键：

 

一是购买周期，复购率的统计分析和统计周期关系很大，要结合所售卖商品的特性来综合考量，以约定是月度复购率、季度复购率还是周复购率，比如零食的购买周期是比较短的，就可以用月度复购率来看;

 

二是品牌维度，对于平台来讲会有三类维度：一类是商品自身的品牌;二类是店铺品牌;三类是平台品牌，比如1号店的商家“堇生活”售卖三只松鼠坚果，那我们分析复购率的时候，可以看三只松鼠这个品牌的月度复购率，以分析这个品牌商品的用户喜好度，还可以分析堇生活商家的月度复购率，以分析商家的经营状况;也可以分析1号店的月度复购率，以分析1号店的运营效果。

 

认识到上面两点以后，我们去考量重复购买率就会有一些约束。

 

业务上用户购买频次的影响很大。不同品类的消费频次差异很大，比如零食类用户可能一个月要消费好几次，但比如蛋糕这种很有可能用户一年只消费一次，因为只过一次生日，当然也可以给别人过生日时购买哈，只是打个比方。所以蛋糕去看年度复购率可能都没有必要。

 

前面也提到过，提升复购率的手段里提升品类丰富度也是很好的一种手段。其实电商类产品已经验证品类扩充是有效的，可以提升平台对用户购买需求的满足能力，从而影响复购率。

 

另外就是运营阶段对复购率影响很大。在拉新阶段，最重要的是获取新用户，此时复购率必然是比较低的;在留存阶段，重要的是新老用户的转化，复购率会有所增长;在活跃和转化阶段，重要的是用户向粉丝的转化，复购率必然会提升。

 

所以是否该重点考量复购率和产品的运营阶段有关系，公司的决策或者团队在运营上的取舍会决定考量的阶段，也见过一些产品的用户基数刚上去，考核指标就变成销售额，虽然可能不利于产品发展，但此时就需要考量复购率了。

 

 

 五、如何利用旺季提高复购率 

 

   建立复购率监控机制

 

讨论复购提升策略以前，卖家需要先理清以下两个问题：

 

第一，根据不同性质的商品采取相应的策略。

 

商品被哪一个群体需要？被需要的周期是多长？这些都需要卖家先通过品类特性和店铺本身的复购数据进行分析。举个例子，如果商品是标类比如净水器的滤芯或者打印纸，可以根据滤芯/打印纸的损耗周期定期给用户推送解决方案，这是与其非标类商品不同的地方。

 

第二，数据分析，大数据时代下卖家需要建立复购率的监控机制。

 

从复购率的计算方式来看，可以有以下几种：

 

用户复购率＝单位时间内购买二次及以上次数的用户数/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

 

这里有个图片，可以更直观的展示

 

有些卖家还会计算用户回购率（计算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），因为也属于用户复购率的范畴这里不做单独的分析。

 

首先你要找到自己的复购用户，拥有自己的复购用户清单加以维护。

 

 

还要能够对用户进行分类，为买家增加不同的标签便于筛选

 

 

其次需要定期检测店铺复购的数据，通过观察每个时间段数据的变化调整策略。

 

 

复购率的曲线与用户总数叠加在一起可以看出用户黏性的健康度，最佳的情况是复购率曲线普遍保持着稳定上升的趋势。用户复购率和订单复购率增长曲线异常/下降时，需要关注现有复购策略的有效性和市场竞争情况。因此实现数据化监控是提高市场反应速度的前提。

 

    从产品、服务、品牌、营销四个方面着手提高复购率

 

产品的层面，最重要的当然就是品质。相信大家都理解，品质的好坏不仅决定了复购率，还决定了店铺的生死存亡。即便当前复购率还不错也不能掉以轻心，互联网用户对于品牌的粘性比你想象的要低，因为他们有许多选择，如果因为商品品质丢失老用户，之后的挽回成本非常高。随着互联网的发展，运营手段肯定会越来越丰富，但发展的根本还是要依托于产品本身。

 

根据瑞典耶夫勒大学University of Gävle曾做过一个市场调查数据，可参考下图，关于用户对于品质/商品耐用性的看法。

 

 

其次需要建立用户与商品的连接。建立连接首先要重视用户反馈customer feedback，包含客户投诉和商品评论。客户投诉和差评可以收集商品品质问题点，然后在产品更新或换代中不断迭代优化。另外通过好评则可以收集打动用户的方面，可以通过保持产品的优势或者加大宣传来达到吸引用户的目的。

 

服务层面，相信大家都有自己的服务标准。但是很多卖家局限了客服的作用，客服仅是处理客诉或者解决客人答疑，其实客服除了不怠慢用户，更需要从用户的角度提前去思考产品使用过程中可能发生的问题并提前准备解决方案，然后通过操作指引来引导用户的使用。

 

很多卖家觉得自己的客服团队已经做得很好，其实根据Amazon FBM的一份客服满意度调查来看54%的用户曾经感受过糟糕的客服。

 

 

客服做得好，需要关注用户投诉的痛点，比如问一个问题，客人为什么对我们的服务满意？你会发现客服处理的时效性、人文关怀、客服窗口单一性是非常重要的。

 

 

品牌层面，其实是建立在产品和服务层面的。在做好产品和服务的同时，将这样的产品和服务同企业的品牌联系起来，让用户形成联想。无论是站内推广还是站外推广，或者是社交媒体投放的广告，品牌广告的建立都需要匹配产品和店铺服务的特性，或者可以树立自有品牌的故事，可以使用有冲击力的LOG，从而形成产品与品牌的强关联。

 

 

营销层面，使用较多的手段是会员体系。会员体系的搭建是客户管理系统化的过程，系统化的管理首先需要建立严谨的用户分层逻辑。

 

   通过RFM模型进行用户管理

 

传统行业在用户管理中经常使用RFM模型。

Recency – How recently did the customer purchase?

Frequency – How often do they purchase?

Monetary Value – How much do they spend?

 

RFM模型是一个很通用，又有一套科学理论的商业模型。相信大家对RFM模型是有一定理解的，但是如何计算RFM则是另外一个数据化的课题。

 

要计算RFM首先你要先养数据，RFM需要足够的数据来支持。数据库包含了能收集的所有用户信息并且可以具备归类分析的价值，比如用户购买金额，购买次数，最近一次的购买日期，性别，行业等等。

 

 

RFM定义标准：

因为RFM是一个立体模型，里面横轴纵轴都需要标准来定义。这个标准需要参考实际业务的具体情况，比如下面案例中R的计算是将30天作为第一个阶梯，如果卖家的商品复购周期短，可以设定7天，15天等等。RFM里面的几个小立方体的大小是可以不一样的。

 

R 最近一次消费

 

卖家A将从2016年1月1日起到2017年10月18日的数据，根据购买周期分出了4个维度，随后可以直接将4个维度不同的客户进行标类，并放到RFM模型当中，每个维度都有可以维护的用户群体。

 

 

F: 消费频率

 

从数据上可以看出这个卖家的商品消费周期是比较长的。EU复购4次以上的用户占比只有不到10%，剩下的用户大多集中在不到2-3次。

 

 

出现这样的情况建议这个卖家再讲消费频率的标准调整，比如第一梯次是购买1次，第二梯次是购买2-3次，第三梯次是4次以上，第四阶梯是5次以上。这样可以将用户分层做得更合理，将不到2-3次的922个用户中再提取一部分有价值的用户群体出来。

 

 

M: 消费金额

 

卖家同样也是划分了5个标准。

 

 

R,F,M都定完标准之后，需要给每个区间的用户打分1,2,3,4,5.

 

 

 

这样基本的RFM模型就做完了，卖家也能够获知用户在店铺中所处的位置。然后根据这些位置来调整市场营销策略。

 

 

如果大家不喜欢立体的图示，还可以参考学习RFM时经常使用的平面图。这里R,F被放入了X,Y轴，M则使用了色彩来标示，其理论是一样的。

 

 

或者也可以把色彩换成大小不一的方块表示：

 

如果你的用户数据很多，还想分得更细，或者R/M/F其中某个的模型要分得更细，可以将RFM模型的每个维度放大。这里就不再阐述了。

 

 

   通过金字塔模型进行用户管理

 

除了RFM模型，还可以使用金字塔模型，其实逻辑也是一样的，只要基于现有的数据，合理的分层，都能达到同样的效果。

 

 

用户的分层不是最终目的。分层之后展开不同的营销策略并带来转化才是我们追求的目标。因此下一步是测试和确认转化率。卖家需要不断的测试和调整，甚至重新梳理用户分层的逻辑，从而通过数据验证来达到复购率提升的最大化。

 

综上，复购率的重要性是不言而喻的，但想要提升复购率，产品自身的建设是关键，产品运营的手段是辅助。随着互联网的发展，运营手段肯定会越来越丰富，但根本还是要依托于产品本身。我们要与时俱进，关注于业务本身，基于用户使用场景出发去考虑，深刻理解复购率的价值，才能在正确的阶段做出复购率应用的正确决策。