【作者】華仔、張毅

【來源】互聯運營觀察

【編輯】善小倩

 

很多產品吸引用戶首次下單購買的策略都是通過讓利促銷的方式，發現用戶好久沒來了，為了激活用戶會再次推送優惠券或促銷活動，可能又會產生第二次購買，但這種方式的促進作用是在呈漏斗式下降的，而且促銷也有成本。那么我們該如何來促進和提升復購率呢?

 

 一、重復購買率考驗的是用戶對產品的信任度 

 

我們先來看下重復購買率的計算方式。重復購買率有兩種計算方法：

 

第一種是所有購買過產品的顧客，以每個人為獨立單位重復購買產品的次數，比如有10個客戶購買了產品，5個產生了重復購買，則重復購買率為50%;

 

第二種是按交易次數計算，即單位時間內重復購買交易次數與總交易次數的比值，如某月內，一共產生了100筆交易，其中有20個人有了二次購買，這20人中的10個人又有了三次購買，則重復購買次數為30次，重復購買率為30%。

 

一般我們都采用第一種計算方式。從計算方式里面也可以看出，如果復購率高，單個用戶對產品的貢獻度也就高，這也說明復購率指標對產品發展的健康度來說是很重要的。我們再從其他方面來看下復購率的重要性：

 

隨著互聯網發展的推移，獲取新客的成本越來越高，所有獲取到的流量轉化成有效注冊會員會縮減很多，會員轉化為有效的第一次下單用戶又會縮減很多，若產品持續以單次成交為運營重點，拉新成本就會居高不下，這種燒錢的方式不是所有的產品都能承受的。

 

新用戶很多都是貪小便宜進來的，就是所謂的“褥羊毛”，這些用戶的購買行為都是由優惠券或者補貼驅動的，持續的補貼可能會產生多次購買行為，但補貼停止后，可能就不會再產生購買行為了。這種純補貼驅動的用戶購買轉化是不可持續的，本身補貼的刺激作用會隨著時間的推移而減弱，其次這種方式帶來的銷售額增長更多的是虛假繁榮，背后的成本也是非常可觀的。

 

從上面的分析來看，如果只是考量單次購買，或者新用戶轉化是利益驅動的，成本會持續上升，效果卻是持續減弱的。想要讓用戶產生持續的購買行為，那么用戶對產品的使用粘性，用戶對產品的信任度就很關鍵。所以電商APP要想提升用戶的重復購買率，在產品設計和產品運營就需要花點心思。

 

 

 二、提升重復購買率的策略和方法 

 

從產品設計的角度，現在越來越講究“大產品”的概念，大產品=內容+產品+服務，這里的“內容”是指售賣或提供服務的對象，如電商產品里的商品、教育類產品里面的課程等都算作是內容;“產品”是指功能+體驗，這個大家都好理解;“服務”是指售前、售中、售后所提供的各種服務，比如退換貨就是一種售后服務。從大產品的角度去考慮提升重復購買率，如下兩點比較關鍵：

 

內容品質是口碑產生的關鍵

 

任何形式的商品售賣，到了售后環節都是要考驗內容品質的。在這一點上，用戶角度上看很簡單，你買的東西好，我下次可能還會繼續來買;你買的東西不好，我不但可能要把這次購買的東西退掉，下次也不會再來了。很多主打讓利去吸引新用戶的產品，為了降低成本，拿出一些殘次品、臨期商品或尾貨商品來處理，其實反而在最初的時候就打消了用戶對平臺的信任。

 

另外要增加復購率，并不是指同一款商品的重復購買，而是基于品牌、平臺的。所以商品品類的豐富度也是很重要的一個方面，單一品類售賣做復購率是很難的，特別是低頻次消費的商品。

 

產品功能體驗是基本

 

線上下單購買流程經過幾年的發展和優化，已經基本上達到比較順暢的地步，不求創新性的操作和極致的體驗，但求不出bug和中斷，別的不說，至少同行業的產品里面不能落于下風吧。很多時候我們講極致，其實沒有對比就沒有傷害，產品功能比同行市面上的都好了，某種程度上也算是極致。

 

比如電商產品正常的商品檢索、商品詳情、下單購買流程、支付流程、配送過程等等，每個業務模塊都會影響用戶的消費體驗，只有各個環節都做好了，才能從根本上保障產品的使用體驗。

 

 

從產品運營的角度，越來越多的產品意識到復購率的重要性，也就會不斷的去探索新的用戶運營模式，以近期比較流行的運營方式為例，可以提升重復購買率的運營手段如下：

 

會員體系的打造仍是不二法寶

 

很多產品做到一定規模之后，都會開始搭建自己的會員體系，一是為了豐富會員的服務;二是為了提升會員的粘性。常見的做法如會員等級體系、會員尊享活動、積分換購、會員成長體系等等。

 

最近出現的一種模式是“會員卡”模式，這種方式在傳統線下業務場景中很常見，是一種很好的現金流獲取手段。現在有很多電商平臺開始將其應用到線上，如京東的PLUS會員機制，支付一定的會員費就可以享受到固定周期內的購買優惠，而且這種優惠是立減的，對于用戶的吸引力還是比較強的。而且辦了這種線上會員后，基本上等同于做了一個消費綁定，只要京東有的東西，可能就不會選擇去天貓購買了，除非價差很大。

 

大數據分析正扮演重要角色

 

精準化推薦是大家都知道的一種大數據應用方式，根據用戶的消費習慣和瀏覽行為，去預測用戶可能要購買的商品，從而在用戶瀏覽的過程中，或者定期向用戶推送的內容中，加入類似商品的推薦營銷。那些最近7天在搜索結果列表頁、商品分類列表頁、商品收藏頁、購物車都有看過、添加過、收藏過衣服的用戶，系統就猜測其一定是有了購買鞋子的需求。

 

還有一種是預測洞察式的營銷，基于用戶過往購買的周期性行為，去預測差不多周期后同樣的消費行為，如女生姨媽巾購買的月度特性，嬰兒奶粉購買的周期性、洗衣粉/洗衣液購買使用的周期性等等，有了這樣的購買契機，加上一張定向的優惠券，一點用戶關懷，或許購買轉化就提升了。

 

智能硬件的整合營銷或許是個趨勢

 

隨著智能硬件技術的發展，現在冰箱都可以購買商品了。很多智能硬件可以和對應的商城系統做綁定營銷，最普遍的如電子書，雖然現在各家都推出自己的硬件+書城的模式，但資源是有限的，硬件提供商是多樣的，可選擇余地就變多了。現在智能冰箱購買商品很多也是和京東、天貓這樣的商城合作的，從某種意義上來說，這種場景為用戶提供了便利，只是現在用戶使用習慣的培養還有待時間的檢驗，個人保守預測它或許是個趨勢。

 

 三、什么時候開始關注復購率 

 

提升復購是很多電商團隊問到最多的，確實，復購要關注，但可能你需要有深刻的認識和計劃：

 

一是品類本身，影響用戶購買的最大的因素就是業務本身，用戶是否需要，用戶是否需要今天買了明天還買，需要先從自身品類特性思考。比如對于一個眼鏡店，關注月復購、季度復購、甚至年度復購率都是沒必要的，這是眼鏡這一品類本身決定的；對于快消品，比如牛奶、零食，用戶會長期需要，半月一月就會有一次購買需求，那你需要最小成本的留下這些人；所以，品類擴充一度被認為是電商平臺想要存活和增長的重要手段，同一個人本身有多種購買需求，通過擴充品類提升平臺滿足用戶需求的能力，從而提升單個用戶的終身價值。

 

除了從品類本身思考，你可能還需要通過數據看用戶的重復購買需求，你可以篩選3個月內有首次購買行為的用戶，然后看這群人在首次購買后的3個月內有復購行為的用戶有多少，占比多少。以此評估用戶的復購需求和猜想影響因素。

 

二是經營階段，除了品類本身，當企業發展到一定階段，復購可能就成為重中之重，比如京東、淘寶等，現在你體驗到的來自他們的很多營銷策略其實都是為了提升復購。那到底什么時候該關注復購，凱文·希爾斯特羅姆在《精益數據分析》一書中給了參考：

 

90天內重復購買率達到1%~15%；說明你處于用戶獲取模式；把更多的精力和資源投入到新用戶獲取和轉化；

90天內重復購買率達到15~30%；說明你處于混合模式；平衡用在新用戶轉化和老用戶留存、復購上的精力和資源；

90天內重復購買率達到30%以上；說明你處于忠誠度模式；把更多的精力和資源投入到用戶復購上；

 

是否到了該重點關注復購的階段，具體還需要結合產品本身、所處經營階段、團隊資源甚至創始團隊對項目增長的預期來決定，當然，如果你有一個低成本的策略支持你做這件事，那復購率的提升一定也會給你帶來其他指標的提升。

 

 

 四、考量重復購買率的注意點 

 

重復購買率的考量有兩點很關鍵：

 

一是購買周期，復購率的統計分析和統計周期關系很大，要結合所售賣商品的特性來綜合考量，以約定是月度復購率、季度復購率還是周復購率，比如零食的購買周期是比較短的，就可以用月度復購率來看;

 

二是品牌維度，對于平臺來講會有三類維度：一類是商品自身的品牌;二類是店鋪品牌;三類是平臺品牌，比如1號店的商家“堇生活”售賣三只松鼠堅果，那我們分析復購率的時候，可以看三只松鼠這個品牌的月度復購率，以分析這個品牌商品的用戶喜好度，還可以分析堇生活商家的月度復購率，以分析商家的經營狀況;也可以分析1號店的月度復購率，以分析1號店的運營效果。

 

認識到上面兩點以后，我們去考量重復購買率就會有一些約束。

 

業務上用戶購買頻次的影響很大。不同品類的消費頻次差異很大，比如零食類用戶可能一個月要消費好幾次，但比如蛋糕這種很有可能用戶一年只消費一次，因為只過一次生日，當然也可以給別人過生日時購買哈，只是打個比方。所以蛋糕去看年度復購率可能都沒有必要。

 

前面也提到過，提升復購率的手段里提升品類豐富度也是很好的一種手段。其實電商類產品已經驗證品類擴充是有效的，可以提升平臺對用戶購買需求的滿足能力，從而影響復購率。

 

另外就是運營階段對復購率影響很大。在拉新階段，最重要的是獲取新用戶，此時復購率必然是比較低的;在留存階段，重要的是新老用戶的轉化，復購率會有所增長;在活躍和轉化階段，重要的是用戶向粉絲的轉化，復購率必然會提升。

 

所以是否該重點考量復購率和產品的運營階段有關系，公司的決策或者團隊在運營上的取舍會決定考量的階段，也見過一些產品的用戶基數剛上去，考核指標就變成銷售額，雖然可能不利于產品發展，但此時就需要考量復購率了。

 

 

 五、如何利用旺季提高復購率 

 

   建立復購率監控機制

 

討論復購提升策略以前，賣家需要先理清以下兩個問題：

 

第一，根據不同性質的商品采取相應的策略。

 

商品被哪一個群體需要？被需要的周期是多長？這些都需要賣家先通過品類特性和店鋪本身的復購數據進行分析。舉個例子，如果商品是標類比如凈水器的濾芯或者打印紙，可以根據濾芯/打印紙的損耗周期定期給用戶推送解決方案，這是與其非標類商品不同的地方。

 

第二，數據分析，大數據時代下賣家需要建立復購率的監控機制。

 

從復購率的計算方式來看，可以有以下幾種：

 

用戶復購率＝單位時間內購買二次及以上次數的用戶數/有購買行為的總用戶數

訂單復購率＝單位時間內第二次及以上購買的訂單個數/總訂單數

 

這里有個圖片，可以更直觀的展示

 

有些賣家還會計算用戶回購率（計算單位時間內有購買行為的老用戶數/有購買行為的總用戶數），因為也屬于用戶復購率的范疇這里不做單獨的分析。

 

首先你要找到自己的復購用戶，擁有自己的復購用戶清單加以維護。

 

 

還要能夠對用戶進行分類，為買家增加不同的標簽便于篩選

 

 

其次需要定期檢測店鋪復購的數據，通過觀察每個時間段數據的變化調整策略。

 

 

復購率的曲線與用戶總數疊加在一起可以看出用戶黏性的健康度，最佳的情況是復購率曲線普遍保持著穩定上升的趨勢。用戶復購率和訂單復購率增長曲線異常/下降時，需要關注現有復購策略的有效性和市場競爭情況。因此實現數據化監控是提高市場反應速度的前提。

 

    從產品、服務、品牌、營銷四個方面著手提高復購率

 

產品的層面，最重要的當然就是品質。相信大家都理解，品質的好壞不僅決定了復購率，還決定了店鋪的生死存亡。即便當前復購率還不錯也不能掉以輕心，互聯網用戶對于品牌的粘性比你想象的要低，因為他們有許多選擇，如果因為商品品質丟失老用戶，之后的挽回成本非常高。隨著互聯網的發展，運營手段肯定會越來越豐富，但發展的根本還是要依托于產品本身。

 

根據瑞典耶夫勒大學University of Gävle曾做過一個市場調查數據，可參考下圖，關于用戶對于品質/商品耐用性的看法。

 

 

其次需要建立用戶與商品的連接。建立連接首先要重視用戶反饋customer feedback，包含客戶投訴和商品評論。客戶投訴和差評可以收集商品品質問題點，然后在產品更新或換代中不斷迭代優化。另外通過好評則可以收集打動用戶的方面，可以通過保持產品的優勢或者加大宣傳來達到吸引用戶的目的。

 

服務層面，相信大家都有自己的服務標準。但是很多賣家局限了客服的作用，客服僅是處理客訴或者解決客人答疑，其實客服除了不怠慢用戶，更需要從用戶的角度提前去思考產品使用過程中可能發生的問題并提前準備解決方案，然后通過操作指引來引導用戶的使用。

 

很多賣家覺得自己的客服團隊已經做得很好，其實根據Amazon FBM的一份客服滿意度調查來看54%的用戶曾經感受過糟糕的客服。

 

 

客服做得好，需要關注用戶投訴的痛點，比如問一個問題，客人為什么對我們的服務滿意？你會發現客服處理的時效性、人文關懷、客服窗口單一性是非常重要的。

 

 

品牌層面，其實是建立在產品和服務層面的。在做好產品和服務的同時，將這樣的產品和服務同企業的品牌聯系起來，讓用戶形成聯想。無論是站內推廣還是站外推廣，或者是社交媒體投放的廣告，品牌廣告的建立都需要匹配產品和店鋪服務的特性，或者可以樹立自有品牌的故事，可以使用有沖擊力的LOG，從而形成產品與品牌的強關聯。

 

 

營銷層面，使用較多的手段是會員體系。會員體系的搭建是客戶管理系統化的過程，系統化的管理首先需要建立嚴謹的用戶分層邏輯。

 

   通過RFM模型進行用戶管理

 

傳統行業在用戶管理中經常使用RFM模型。

Recency – How recently did the customer purchase?

Frequency – How often do they purchase?

Monetary Value – How much do they spend?

 

RFM模型是一個很通用，又有一套科學理論的商業模型。相信大家對RFM模型是有一定理解的，但是如何計算RFM則是另外一個數據化的課題。

 

要計算RFM首先你要先養數據，RFM需要足夠的數據來支持。數據庫包含了能收集的所有用戶信息并且可以具備歸類分析的價值，比如用戶購買金額，購買次數，最近一次的購買日期，性別，行業等等。

 

 

RFM定義標準：

因為RFM是一個立體模型，里面橫軸縱軸都需要標準來定義。這個標準需要參考實際業務的具體情況，比如下面案例中R的計算是將30天作為第一個階梯，如果賣家的商品復購周期短，可以設定7天，15天等等。RFM里面的幾個小立方體的大小是可以不一樣的。

 

R 最近一次消費

 

賣家A將從2016年1月1日起到2017年10月18日的數據，根據購買周期分出了4個維度，隨后可以直接將4個維度不同的客戶進行標類，并放到RFM模型當中，每個維度都有可以維護的用戶群體。

 

 

F: 消費頻率

 

從數據上可以看出這個賣家的商品消費周期是比較長的。EU復購4次以上的用戶占比只有不到10%，剩下的用戶大多集中在不到2-3次。

 

 

出現這樣的情況建議這個賣家再講消費頻率的標準調整，比如第一梯次是購買1次，第二梯次是購買2-3次，第三梯次是4次以上，第四階梯是5次以上。這樣可以將用戶分層做得更合理，將不到2-3次的922個用戶中再提取一部分有價值的用戶群體出來。

 

 

M: 消費金額

 

賣家同樣也是劃分了5個標準。

 

 

R,F,M都定完標準之后，需要給每個區間的用戶打分1,2,3,4,5.

 

 

 

這樣基本的RFM模型就做完了，賣家也能夠獲知用戶在店鋪中所處的位置。然后根據這些位置來調整市場營銷策略。

 

 

如果大家不喜歡立體的圖示，還可以參考學習RFM時經常使用的平面圖。這里R,F被放入了X,Y軸，M則使用了色彩來標示，其理論是一樣的。

 

 

或者也可以把色彩換成大小不一的方塊表示：

 

如果你的用戶數據很多，還想分得更細，或者R/M/F其中某個的模型要分得更細，可以將RFM模型的每個維度放大。這里就不再闡述了。

 

 

   通過金字塔模型進行用戶管理

 

除了RFM模型，還可以使用金字塔模型，其實邏輯也是一樣的，只要基于現有的數據，合理的分層，都能達到同樣的效果。

 

 

用戶的分層不是最終目的。分層之后展開不同的營銷策略并帶來轉化才是我們追求的目標。因此下一步是測試和確認轉化率。賣家需要不斷的測試和調整，甚至重新梳理用戶分層的邏輯，從而通過數據驗證來達到復購率提升的最大化。

 

綜上，復購率的重要性是不言而喻的，但想要提升復購率，產品自身的建設是關鍵，產品運營的手段是輔助。隨著互聯網的發展，運營手段肯定會越來越豐富，但根本還是要依托于產品本身。我們要與時俱進，關注于業務本身，基于用戶使用場景出發去考慮，深刻理解復購率的價值，才能在正確的階段做出復購率應用的正確決策。