首次复购的经济学 ——“我们想提高复购率。”可到底该从哪里提高？

如果第1次→第2次的转化率是45%，第2次→第3次是72%，那么问题不在于“整体复购率”，而在于“首次复购”。第3次及以后已经运转良好，因此应把资源集中在降低第1→2次的门槛上。

公开研究数据 + 电商品牌示例数据 · 以12个月为基准 · 订单约24万笔 / 购买者约9.4万人。每个部分都同时写明了在 Laplace 中查看该数字的界面与设置。/

本报告中的数值并非真实交易数据，而是依据 Laplace 基准指标的分布生成的示例值。它们不是任何特定客户的真实数据，请将其用于把握趋势，而非作为绝对值参考。

---

PART 01 · 首先——打开哪个界面

无需浏览所有菜单。我们只挑选了能得出本报告数字的界面。

几乎不需要新建仪表板

---

PART 02 · 首次复购最难——研究证实的数字

在看自己的数据之前，先确定基准线。以下是 Smile.io 分析1.1亿购物者、25万个电商品牌数据得出的结果。

来源：Smile.io —— 110M shoppers / 250K brands 分析

首购客户中，每4人就有3人不会再回来。但跨过第2次购买的客户中有一半会进行第3次购买，此后概率持续上升。大规模数据一致证实：最陡峭的门槛在第1→2次。

跨过这道门槛的价值也已有测算。

• 复购客户的AOV比新客户高约67%——$98.4 vs$58.9（Adobe）

• 获取新客户的成本是维系老客户的5–25倍（Harvard Business Review）

• 还有一项经典研究表明，留存率提高5个百分点，利润可增长25–95%（Bain & Company）

再看时机：约60%的第2次购买发生在首购后90–100天内，超过100天后概率会降到10%以下（Metrilo·Bluecore）。首次复购不是“总有一天”会发生的事，而是有有效期的机会。

以上都是别人的数字

---

PART 03 · 分阶段转化率——最先打开的界面

品牌A是一个韩国本土护肤品牌，同时经营自营商城和大型线上平台，主营精华、面霜、洁面和防晒产品。作为消耗型、重复购买的品类，复购是其营收的根基。

阅读数字之前

在 Laplace 中查看的位置——用户分析 › 首购 / 复购

设置方法

1. 将查询期间设为12个月。复购周期为1–2个月的品类，如果只查询1个月，复购会比实际少。至少3个月，尽量12个月。

2. 将用户细分从“首购 / 复购”切换为“购买次数”。数据会按1次·2次·3次…拆分。

3. 在指标中同时开启支付金额和支付客户数。转化率必须按客户数计算——按金额计算的话，无法排除“一个人买得多”造成的错觉。

4. 用各次数的客户数除以上一次数的客户数。2次 ÷ 1次 = 1→2转化率。

5. 在筛选 › 销售渠道中只选择一个渠道，重新导出同一张表。原因见PART 05的陷阱③。

转化率 = 到达该阶段的人数 ÷ 到达上一阶段的人数。已排除退款、取消订单。

如何解读这些数字

• 最陡峭的节点是第1→2次。42.5% → 57.8% → 63.2% → 66.4% → 68.1%。阶段越高，转化率单调上升，第4次以后几乎趋于平缓。形态与基准一致。

• 水平是基准的1.6倍。这个品牌在促成首次复购方面算是做得不错的。即便如此，1→2仍然是损失最大的环节。

• 几乎没有理由把资源投到第3次以后。把3→4从63.2%提升到68%，受影响的人群也只有17,559人。而把1→2从42.5%提升到48%，作用于71,480人的人群，可多带来约3,900人跨过门槛。

图2. 流失总量66,462人中，有41,101人（62%）发生在1→2这一个环节。

所以，第一个问题不是“复购率是多少”

接下来要看的界面——我们已经知道“问题在1→2”。但还不知道应该在多少天后挽留客户。接下来看PART 04的购买旅程图表。

---

PART 04 · 黄金期——多少天后发送提醒

改变转化判定期间并重复同样的分析，首次复购集中在何时就会以曲线的形式呈现出来。

在 Laplace 中查看的位置——自定义仪表板 › 添加图表 › 购买旅程（Sankey）

设置方法——顺序很重要

1. 将数据源设为订单。设为商品（基础商品订单）会使数字虚高——见PART 05陷阱①。

2. 将分析单位（维度）设为销售渠道·支付方式·设备等每笔订单只对应一个值的属性。默认值是“商品名称”，不能保持不变。仅这一项就会让转化率从42.5%变成51.8%。

3. 将同期群设为“第N次购买” = 1。如果留空，就会以“查询期间内的第一笔订单”为基准，导致转化率被高估。

4. 将最大阶段设为6，并开启排除退款/取消。

5. 先把转化判定期间留空跑一次——这就是最终转化率。然后依次改为30天 · 60天 · 90天 · 180天重新导出，制作累计曲线。下方的图3就是这样做出来的。

图3. 以最终的第2次购买者（全部30,379人 / 自营商城5,760人）为100%的累计占比。横轴为对数刻度。

如何解读这些数字

• 累计超过50%的时间点约为第52天。一半的首次复购在7–8周内完成。

• 发生密度最高的区间是15–45天。在这31天里，发生了全部首次复购的30.5个百分点——日均0.98个百分点，是60–90天区间（每天0.38个百分点）的2.6倍。

• 66%在90天内完成。与基准的“90–100天内约60%”方向一致。但“超过100天后低于10%”并不成立——120天以后仍有27%。

• 黄金期不随渠道变化。自营商城的最终转化率远低于整体（PART 05），但其30·60·90天的累计占比与整体几乎相同。时机由商品的消耗速度决定，转化率则由渠道和CRM决定。

图4. 各区间日均发生量（个百分点/天）。0–1天的柱子超出了坐标轴——这是疑似拆单的区间，将在PART 05陷阱②中单独讨论。

“52天”与后文的“品类周期76–155天”是不同的值

阶段升高，周期并不会缩短

以各阶段最终转化者为100%的累计占比。在购买旅程图表中把“第N次购买”分别设为1和2，导出两次。

两者几乎重合。随着阶段升高而变化的是转化率（42.5% → 57.8%），周期并不变。从实操角度看这是好消息——无需按购买次数分别设计提醒的发送时机。需要按次数区分的不是时机，而是信息和优惠。

接下来要看的界面——时机已经明确。但这些数字一开始得出的结果都不一样。我们先来梳理修正了哪些地方。

---

PART 05 · 毁掉数字的4个陷阱

前面的表格最初得出的是别的数字。只有在理清下面四个问题之后，才得到了现在的值。全部使用相同的数据、相同的期间、相同的同期群。

陷阱① 以商品为分析单位，转化率会虚高

图5. 仅更改购买旅程图表的“分析单位”时的1→2转化率。

原因一句话就能说清：一笔订单里有3件商品，按商品计数的那一刻，它就变成了“3次购买”。套装、组合装、买1送1活动越多的品牌，虚高越严重。在本例中虚高了9.3个百分点，也就是看起来比实际好22%。

默认值就是陷阱

陷阱② 周期中位数为0天，就不是复购

如果不了解①而按商品单位查看，就会得到这样的值。

对一个护肤品牌来说，28%的首次复购发生在一天之内是不可能的。实际上，这些是同一购物车被拆分的订单，或者一笔订单中的多件商品被分别计数。按商品单位看，“精华 → 面霜”转化的周期中位数显示为0.0天——这是一起买的，而不是又回来买的。

检查标准

陷阱③ 混合渠道来看，会误判自身实力

图6. 在购买旅程图表上分别加上销售渠道筛选后导出。

整体的42.5%是被平台流量拉高的数值，因为71%的首购者来自平台。单独看自营商城则只有27.6%——比整体低14.9个百分点，反而处于基准（27%）水平。

这个差距改变了CRM对象所在的位置。掌握联系方式和发送权限的是自营商城，而自营商城恰恰是最薄弱的环节。相反，平台运转良好，但我们几乎没有直接干预的手段。只看合计数字，这一结构会被完全掩盖。

销售方与销售渠道不同

陷阱④ 元数据为空，该维度就无法分析

在这个示例品牌中，自营商城首购订单的76.4%（20,870笔中的15,945笔）类目名称都是默认值（未分类），原因是自营商城的商品没有填写类目。相反，平台订单的类目信息都很完整。

结果是，“在自营商城中，从哪个类目进来的客户复购表现好”这个问题无法得出答案。这不是分析工具的局限，而是源数据的空缺。此类项目应在开始分析前确认，如果为空，要么以商品单位绕行，要么补全数据。

分析前3分钟检查表

接下来要看的界面——数字已经可信了。接下来按商品单位决定“用什么促成首购、何时推荐补购”。

---

PART 06 · 哪些商品带来复购

要降低1→2的门槛，需要明确“用什么吸引首次进入”和“何时提醒”。按品类同时查看复购率和周期，这两个问题就能一次确定。

在 Laplace 中查看的位置——商品分析 › 商品复购周期 · 商品分析 › 按商品首购 / 复购

设置方法

1. 将分析单位设为基础商品。如果设为“商品”，各渠道登记名称不同的商品会被分别计数，数据就会碎片化。基础商品是即使渠道不同也能归为同一产品的单位。

2. 查询期间为12个月。如果有周期较长的商品（本例最长155天），期间太短就捕捉不到复购。

3. 在商品复购周期界面获取各品类的周期中位数。要用中位数而不是平均值——平均值会被一年后才回来的少数客户拉高（本例：中位数41天 vs 平均79天）。

4. 在按商品首购 / 复购界面获取各品类的复购占比，放在纵轴上。

5. 用这两个值画出4象限图。右上和右下会分化出完全不同的行动。

图7. 圆的大小代表购买者数。

复购率 = 购买该品类的客户中再次购买同一品类的比例（订单单位）。AOV指数以维C精华订单的支付金额为100。

如何解读这些数字——4象限决定行动方向

不同品类的复购率从7.2%到27.4%，相差3.8倍。分界线非常清晰——功效型活性成分精华类为24–27%，洁面·防晒·基础面霜为7–11%。这是只看品牌整体复购率时绝对看不到的结构。

“按首购商品的复购率”会掉进陷阱①

接下来要看的界面——发什么、何时发已经确定。接下来确认这能不能赚钱。

---

PART 07 · 第2次购买客单更高——但没有基准说的那么高

在 Laplace 中查看的位置——用户分析 › 首购 / 复购 → 在指标中添加客单价

图8. 第1次 = 100。Adobe基准（+67%）在坐标轴之外。

购买次数越多，客单价越高。但与Adobe给出的+67%相差甚远——本例中第2次购买为+5.8%（自营商城+10.4%）。即使到第5次也只有+14.3%（自营商城+27.6%）。

与基准拉开差距的原因可以归结为两点。Adobe的数据是“新客 vs 复购客户”的平均对比，混入了多次购买者；而这个品牌首购中套装、活动商品较多，第1次的客单价本来就高。重要的不是向基准看齐，而是确认我们自己的曲线是否在上升。如果在上升，促进复购就能同时推高营收和利润。

关键在于自营商城的曲线更陡

---

PART 08 · 与同期群界面有何不同

查看复购的界面有两个。它们沿不同的轴切分同一份数据，回答不同的问题。

在 Laplace 中查看的位置——同期群分析 › 复购率 / 流失率 / LTV

图9. 行 = 首购月份，列 = 经过月数。颜色越深，数值越高。

在这里，不能把同期群的值相加当作“复购率”来解读。一个人在多个月份复购会被重复计数，所以合计会超过100%。同期群回答的是“本月有百分之几处于活跃状态”，而“有百分之几走到了生命周期第2次购买”（=42.5%）只能从阶段维度得出。

两个界面的分工如下。

• 同期群——用于比较月度引流质量。1月同期群在M1~M3保持在24–26%，而4月同期群的M1降到了10.3%。说明这期间广告定向或促销组合发生了变化，需要找到那个时间点并分析原因。

• 阶段——用于决定把资源投向哪里，以及确定CRM的发送时机。

---

PART 09 · 4周执行方案

把上面的示例值直接转化为执行方案，就是下面这样。数字请替换为各自的数据。

第1周——诊断（仅分析）

• 在用户分析 › 首购 / 复购中，用“购买次数”细分导出分阶段转化率。最低的环节就是唯一的目标。

• 将同一张表按销售渠道重新导出。合计值与自营商城值之间的差距，就是“可以通过CRM改善的空间”。

• 过一遍4项陷阱检查表。如果看到周期中位数为0天，就在这里停下，先修正数据。

第2周——确定时机

• 创建自定义仪表板 › 购买旅程图表，把转化判定期间依次改为30·60·90·180天，制作累计曲线。找出累计达到50%的时间点和发生密度最高的区间。本例中分别是52天和15–45天。

• 交叉销售提醒要放在累计50%时间点之前。以本例为准是D+28–38。如果按中位数发送，一半客户已经在别处买过了。

• 同一商品补购提醒放在品类周期中位数之前一点。以本例为准：维C精华D+60–68，保湿面霜D+55，长周期精华类D+105–135，洁面·防晒D+125–150。

• 不按购买次数区分时机（周期与次数无关）。要区分的是优惠。

第3周——发送

• 在策略设计 › 用户细分中设置条件：购买1次 + 距上次购买已过N天 + 尚未复购。这份名单正是1→2门槛的准确人群。

• 通过用户分析 › 转化目标提取下载CSV，上传到Kakao通知消息（AlimTalk）·短信发送工具。

• 从最薄弱的渠道（本例为自营商城，27.6%）开始。改善空间最大，发送手段也在这里。

• 信息要按所购商品区分。对复购率在7–10%区间的品类，发送的不是同一商品提醒，而是精华类的交叉销售。

第4周——验证

• 按相同口径（订单单位、相同期间）比较发送组与未发送组的1→2转化率。

• 重新导出分阶段曲线，确认是否只有1→2上升了。如果2→3以后也一起变动，说明细分人群存在泄漏。

• 在P & L 分析 › 毛利率 / 贡献利润率中查看客单价指数曲线是否保持。如果是靠折扣“买”来的转化，第2次的指数会跌到100以下——等于增加了复购却减少了利润。

---

总结

1. 复购率只有按阶段拆分才有意义。单一平均值无法告诉你该在哪里发力。42.5% → 57.8% → 63.2%，形态与基准一致，门槛在1→2。

2. 资源只投向1→2。这是人群最大、转化率最低的唯一环节。本例中，全部流失的62%都来自这一个环节。

3. 时机由累计曲线决定。累计50%为52天，发生密度最高的区间为15–45天。同一商品的复购周期因品类而异，为68天~155天（相差2.3倍），因此交叉销售提醒与补购提醒的时间点要分开设定。

4. 先确认单位、渠道和元数据。把分析单位设为商品会显得好22%，把渠道合并则会把实力高估14.9个百分点。

5. 基准是方向，不是目标。虽然达到了27%基准的1.6倍，但仍有4.1万人在首次复购前流失。

用自有数据复现本报告的最低设置

本报告中的数值并非真实交易数据，而是依据 Laplace 基准指标的分布生成的示例值。它们不是任何特定客户的真实数据，请将其用于把握趋势，而非作为绝对值参考。公开研究的数值均已在各项中注明出处。界面名称和设置项名称可能因版本更新而略有不同。