3种复购分析方法，快速get最受欢迎的产品！
复购分析是一种用来分析用户忠诚度的分析模型。通过复购分析考察用户在一段时间内的购买次数，可以说明商品或服务的用户粘性。
企业可以通过复购分析衡量产品的用户欢迎度，找出增加用户粘性的解决方案。
复购率是复购分析的核心指标。复购率的常见定义有以下3种，其中第1种定义“某段时间内的复购人数占比”是最常见的，本文也将着重分享第1种定义的复购率计算。
观远BI平台落地复购分析
分析步骤
1、通过月度复购率图表，监控复购率指标的健康度
2、拆解分析，在用户、商品、渠道等维度对比分析复购率，细化定位问题
数据源
包含会员代码、日期字段，并做去重处理（在ETL中做好数据预处理）
月度复购率趋势
• 下图是对复购率进行一个周期性(月度)的展示，可以根据情况将周期调整为周、季度等。理想状态是总消费人数持续上升，复购率在一个较高的水平上基本保持稳定。
• 通过对复购率的监控，公司可以及时掌握复购率的健康度，发现复购率异常后，及时做进一步分析并采取业务行动。
步骤
• 使用数据源新建卡片，选择可视化类型为 簇状+折线图；
• 将日期(月)拖入卡片绘制区的维度栏；
• 将会员代码拖入卡片绘制区的数值栏，并选择聚合方式为去重计数，设置别名为总消费人数；
• 将会员代码拖入卡片绘制区的叠加图形数值栏，选择聚合方式为去重计数，设置别名为复购率，设置高级计算 > 重复率；
○ 数值设置：重复率
○ 计算方式：按条件
○ 重复条件：大于等于2
新老客复购率分析
• 下图从新老客的角度分析复购率。新客是首单消费在当月的用户，老客是首单在当月之前的用户。
• 根据新老客不同的复购率表现，可以实施有针对性的营销策略。例如新用户复购率低，则说明拉新运营活动有问题，公司可以通过进行更精准的拉新，对新用户的复购优惠政策等策略来提高新用户复购率。
步骤
• 使用数据源新建卡片，选择可视化类型为 多线图；
• 将日期(月)拖入卡片绘制区的维度栏；
• 新建计算字段：用户标签，拖入卡片绘制区的对比区；
○ 月份：DATE_TRUNC('month',[日期])
○ 首单月份：DATE_TRUNC('month',MIN([日期]) OVER(PARTITION BY [会员代码]))
○ 用户标签：IF([首单月份]=[月份],'新客','老客')
•将会员代码拖入卡片绘制区的数值栏，选择聚合方式为去重计数，设置别名为复购率，设置高级计算 > 重复率；
○ 数值设置：重复率
○ 计算方式：按条件
○ 重复条件：大于等于2
商品复购率分析
• 下图从商品维度分析复购率，哪些商品复购率低，哪些商品复购率高。
• 例如针对新品上市活动，分析商品的复购率。对于复购率低的商品，分析它有什么问题，包括设计问题、质量问题等；对于复购率高的商品，它的销量高不高，是否可以做推广提升其销量。
步骤
• ETL中对数据做预处理，增加商品维度字段，包含会员代码、日期、商品ID、商品名称、商品类别、销量字段，并做去重；
• 使用数据源新建卡片，选择可视化类型为 散点图；
• 将商品名称拖入卡片绘制区的维度栏；
• 将销量拖入卡片绘制区的数值栏，选择聚合方式为求和；
• 将会员代码拖入卡片绘制区的数值栏，选择聚合方式为去重计数，设置别名为复购率，设置高级计算 > 重复率：
○ 配置日期字段：日期
○ 数值设置：重复率
○ 计算方式：按条件
○ 重复条件：大于等于2
○ 计算周期：日期筛选
