复购率计算器

复购率 = 周期内购买 ≥ 2 次的客户数 ÷ 总成交客户数，度量客户「用脚投票」的忠诚度。它是零售与电商最被低估的利润指标：老客的获客成本为零，复购客户的毛利率天然高于新客（不用再付一次流量费）。

复购率的行业锚点：快消与食品 30%-50%（消耗品天然高复购）、服饰 20%-30%、耐用品（家电家具）10%-15%（低频长周期，复购意义弱，更应看转介绍）。提升复购的杠杆按见效排序：会员体系与积分（给回购一个理由）、周期性触达（消耗周期提醒、订阅制）、产品矩阵延伸（买 A 的人还需要 B）、服务体验（售后决定下次）。统计窗口必须与品类消耗周期匹配——牛奶按 30 天算、洗发水按 90 天、手机按 24 个月，窗口错配会让数字毫无意义。

复购率的深层意义是「客户终身价值的复利效应」。一个复购率 25% 的店铺，平均每个客户的终身订单数 = 1 ÷ (1 - 0.25) = 1.33 次；如果复购率提升到 35%，终身订单数 = 1 ÷ (1 - 0.35) = 1.54 次——客单价不变的情况下，客户终身价值提升了 16%。这种提升是零获客成本的纯利润增长。更关键的是复购的「信任复利」效应：买过 3 次的客户对品牌的信任度远高于首购客户，他们更愿意尝试新品类、接受提价、推荐给朋友——复购客户的价值不只是多买了 N 次，而是每次购买的「转化摩擦」都在降低，客单价和转化率同步提升。

复购率分析必须用队列方法而非整体均值。整体复购率 28% 可能掩盖了「1 月获客的复购率 35%（运营改进效果好）+ 6 月获客的复购率 20%（大促引流质量差）」的巨大差异。队列分析的做法：按首次购买月份分组，追踪每组的 N 日复购率（30 天/60 天/90 天/180 天），形成一张队列复购矩阵。这张矩阵能告诉你：①哪个月份的获客质量最好（复购率高）；②运营改进措施在哪个队列生效（同期对比历史队列）；③复购的时间分布特征（快消 30 天内复购为主，耐用品 180 天后才有复购信号）。没有队列分析，复购率只是一个不能指导行动的数字。