领取赠品顾客复购率达52%——用数据验证赠品策略
“送赠品到底有助于复购，还是只是一笔成本？”
“送赠品到底有助于复购，还是只是一笔成本？”
很多品牌都在做赠品策略：“满3万韩元赠送迷你收纳包”“首单随箱附赠小样套装”。但几乎没有品牌会用数据去验证这些赠品是否真的带动了复购。“反正都要送，效果也说不清，送就是了”——这是大多数品牌的真实状况。
问题在于，赠品是每一单都要付出成本的固定支出。每月1万单、每单放一个成本2,000韩元的赠品，就是每月2,000万韩元。在不清楚效果的情况下就这样花出去，可不是一笔小钱。本文将梳理：①用哪些指标衡量赠品效果；②如何避开陷阱、准确测量；③如何以ROI为标准进行优化。
赠品带来的3种效果
1. 含赠品订单的客单价（AOV）提升
含赠品订单的AOV是1.5倍。“满N万韩元赠送”的条件，起到了促使顾客把购物车凑到门槛金额的追加销售触发器作用。👉 在Laplace中查看：按是否含赠品（is_gift / gift_item_set）拆分订单，比较AOV和购物车件数。
2. 领取赠品顾客的复购率
“白得了一样东西”的互惠心理（reciprocity）在发挥作用。👉 在Laplace中查看：用lifetime_num_of_purchases（累计购买次数）和customer_order_type（首购/复购）比较领取与未领取两个同期群的复购转化。
⚠️ 为什么不能直接相信这个数字（最重要的洞察） 赠品通常是在“购买满一定金额”时才发放的。也就是说，领到赠品的顾客，本来就很可能是消费更多的重度用户。这样一来，就无法区分复购率高究竟是赠品的功劳，还是因为他们原本就是忠实顾客——两者可能相关，但未必是因果关系。 要看清真实效果，就必须控制条件： • 在相同消费金额区间内比较领取 vs 未领取（消除金额偏差） • 只拿首购顾客单独比较（消除重度用户偏差） • 条件允许时，分时段做A/B测试（赠品On/Off）进行验证。只有在这样控制之后差距依然存在，才能称之为“赠品效果”。
3. 不同赠品的效果差异——关键在于“送什么”
小样套装效果最好——它让顾客体验到其他商品，而这种体验会带来下一次购买（交叉购买）。相反，像贴纸这样与品牌体验无关的赠品，成本虽低，对复购的贡献也低。从“单位成本带来的复购贡献”来看，B实际上只是一笔消耗性开支。👉 在Laplace中查看：提取发放量最多的赠品TOP 5 × 各自的复购率，把“便宜又有效的”和“贵却无效的”区分开来。
赠品ROI这样算（示例）
简单粗暴的算法（容易出错）：“领取52% vs 未领取31% → 高出21个百分点，稳赚不赔！”→ 这里面完整地带入了上面提到的重度用户偏差，效果会被高估。
控制条件后的算法（准确）：假设按相同金额区间、仅首购顾客重新计算后，净增幅为8个百分点——
简单算法下会被夸大到3~4倍的效果，控制条件后只有1.2倍（勉强盈利）。这种情况下的对策很明确 → 要么降低成本（换成更便宜的A或小样套装C），要么提高门槛金额，放大AOV效果。只有用数字说话，才能做出这样的决策。
用数据设计赠品策略的4个步骤
-
先把对照组定准：在相同金额区间、相同客群的条件下，比较含/不含赠品订单的AOV和复购率
-
各赠品的ROI：（净增复购 × 复购利润）÷ 赠品总成本——以利润而非复购率为标准
-
最佳门槛金额：把赠送门槛设为当前平均AOV的1.2~1.5倍，以引导追加销售（太高会导致流失，太低等于白送）
-
品类替换循环：每季度检查发放量TOP 5赠品的复购率，把“无效赠品 → 体验型赠品（小样/迷你装）”替换掉
总结
赠品不是“白白送出的成本”，而是可衡量的投资。核心有三点。
-
AOV靠门槛设计来撬动，复购靠赠品选择来撬动
-
复购率差距要剔除偏差（相同金额区间、首购、A/B）后再看，才是真实效果
-
决策依据不是复购率，而是基于利润的ROI
用数据把这三点跑起来，就能用同样的赠品预算换来更多复购。
赠品效果——从含赠品订单的AOV、领取顾客的复购率到各赠品的ROI，都可以用Laplace的数据亲自验证。