在用戶運營領域中，用戶復購大概是讓許多運營人員感到頭疼的難題，有些時候，我們甚至沒有很好的方法去找到用戶復購率低的原因。這篇文章里，作者就做了解讀，或許可以幫助你洞察復購率低的背后原因，并幫助你搭建提升用戶復購的運營策略。

如何提升復購率是用戶運營最核心的命題之一。提升復購率3個核心場景問題：

1. 如何深入洞察復購率低的本質原因；
2. 有什么樣的分析模型能夠快速洞察人群；
3. 如何指導優(yōu)化提升復購的運營策略。

那我們基于實戰(zhàn)的思考來解決這三個核心問題：

一、如何深入洞察復購率低的本質原因

我們來看一個電商大廠常用的復購率分析框架：

這個框架不僅僅是復購率指標的簡單拆解，而是從解決問題的本質出發(fā)，去快速定位真正影響復購率的因子。

首先是場景問題，場景關乎是大家明面都知道的核心問題，比如復購率低，銷售額低，留存率低等，這個層級的問題只要是個運營都會知道。

其次是怎么深入的拆解這個場景。

第一是先定義問題的方向，復購率低可以從人或貨出發(fā)，包含兩個核心指標，人群的復購率和商品的復購率。

第二是定義問題指標，這個層級涉及到指標公式化的拆解，比如用戶人群復購率=已購買人群復訪率*轉化率；商品復購率=購買該商品2次及以上的人群/該商品總購買人群。

第三是定義問題人群，人群復訪率低，可以下鉆新老用戶，繼續(xù)下鉆，可以下鉆到人群基本畫像和購物特征層級；商品復購率低，可以下鉆到品類結構策略、選品策略、活動策略等。

二、用什么樣的分析模型能夠快速洞察人群特征

這里我給大家?guī)硪粋€分析產品，也就是基于SPSS Modeler搭建的復購分析流。

在實際運營過程中，很多運營比較依賴數(shù)據(jù)分析師提數(shù)或者依賴技術產品搭建各類看板，實際上只要能夠拿到訂單底表數(shù)據(jù)，依靠SPSS Modeler工具就能分析任何數(shù)據(jù)洞察任何人群，節(jié)省人力成本。

先虛擬一個案例，看一下如何來洞察復購人群。

假如這是一個生鮮電商平臺的訂單底表數(shù)據(jù)，運營需求如下：

1. 整體人群的復購情況如何？
2. 未復購人群是什么樣特征？
3. 有復購行為用戶，哪些用戶復購頻次偏低，這種人群特征是什么樣的？

作為運營你該如何分析？來看一下我搭建的復購分析洞察數(shù)據(jù)流。

這個洞察分析流使用SPSS Modeler搭建，這款分析工具作為數(shù)據(jù)運營并不陌生，不需要像SQL或者Python去學語法，就能搭建任何場景的分析流以及使用集成算法模型，比如聚類算法k-means或者回歸算法、網(wǎng)絡神經算法等。

作為運營，我們從數(shù)據(jù)倉導出兩個底表數(shù)據(jù)，一個是訂單底表，另一個是用戶的基礎信息底表，比如年齡、地域等；目標是只要導入這兩個底表數(shù)據(jù)，就會自動輸出復購率、復購人群特征、未復購人群特征等，這如何實現(xiàn)呢？

這里我直接來輸出每個步驟的結果。

通過數(shù)據(jù)處理，生成兩個重要節(jié)點，一個是用戶的行為標簽，另一個是復購分析，用戶行為標簽可以輸出各類用戶行為標簽，具體如下：

在這個集合節(jié)點里，生成了用戶ARPU、購頻、活躍度、復購周期和復購時機等重要標簽，運行表格，來看一下最終給用戶的打標結果。

這個分析流的神奇之處就是運營只需要導入原始的訂單底表數(shù)據(jù)，數(shù)據(jù)分析模型就自動輸出每個用戶的消費行為標簽，快捷方便的同時無需走繁瑣的數(shù)據(jù)分析流程以及開發(fā)標簽生產系統(tǒng)，運營直接選擇標簽去觸達人群。

如果想知道大盤的平均ARPU和購頻、復購周期等均值數(shù)據(jù)，如何操作呢，那就用到Statistics這個節(jié)點，帶大家看下界面。

它提供了均值、最小最大值，方差，標準差，中位數(shù)，眾數(shù)等分析指標，非常實用。

然后我們再來看下整體人群的復購情況如何，通過這個數(shù)據(jù)流來實現(xiàn)：

這個數(shù)據(jù)流在輸入訂單底表后，會分析出哪些用戶是首次購買，哪些用戶是復購購買以及來計算復購用戶的人數(shù)、復購的客件量、復購的ARPU和件單價，看下結果：

解決了第一個問題后第二個問題是未復購人群的整體特征是什么，這個如何拿到結果呢？

如圖所示，通過選擇節(jié)點將未復購的用戶群圈選出來，然后使用k-means聚類，將未復購用戶特征聚類出來，同樣第三個問題有復購行為用戶，哪些用戶復購頻次偏低，這種人群特征是什么樣的也是如此實現(xiàn)，來看下結果。

數(shù)據(jù)模型先跑出一個基本的畫像特征，地域北京用戶為主，性別女性為主，渠道來自好友推薦、新人價、付費廣告；消費主要是低ARPU特征，接著繼續(xù)挖掘有復購行為用戶特征：

將用戶聚類為5個層級，分別是低頻的女性復購人群、高頻復購人群、中頻男性復購人群、低頻男性復購人群、中頻女性復購人群。

將低頻男性復購人群和低頻女性復購人群進行比較：

非常直觀的能看到兩個人群的特點，從渠道來看，低頻女性復購人群來自好友推薦，而男性人群來自新人價，兩個人群比較偏好購買蔬菜品類，習慣從APP下單；另外在ARPU、平均購買件數(shù)、平均復購周期等存在一定差異。

三、如何指導提升復購的策略

策略的制定來自于深入洞察，只有洞察出不同人群的特點，才能了解用戶為什么會來購買以及為什么會流失，上邊我們重點解決的是如何去做用戶的洞察，那就是聚類人群，將人群聚成不同的群，針對每個用戶群去制定營銷策略。

從上邊洞察結果，低頻的復購人群，男性女性低頻復購人群存在著差異以及相似之處?；究梢詮膸追矫嫒胧郑?/p>

1）獲客渠道，不同的獲客渠道帶來的人群偏好購買什么，喜歡什么促銷，平均購買件數(shù)如何，通過聚類挖掘出各人群這些特征后就可以針對渠道來做定制化的組合打法，比如剛才分析的低頻女性復購人群喜歡購買蔬菜，客件數(shù)較低，主要是好友推薦而來，針對這些特征可以設計和好友的拼團、砍價及蔬菜水果的捆綁營銷活動。

2）活躍度，從用戶的活躍行為出發(fā)，去發(fā)現(xiàn)用戶的活躍觸點、喜購品類以及平均復購周期，從而在復購周期臨近以及快要流失的時候去做觸達。

3）ARPU成長體系，不同ARPU階段的用戶分層權益，使用權益黏住用戶是各平臺常用的營銷手段。

以上，我們主要闡述了復購分析的思維框架、復購洞察分析工具和如何提升復購的策略框架，作為運營除了思維框架是根基之外，最重要的還是能夠利用數(shù)據(jù)分析工具比如SQL或SPSS來搭建用戶洞察模型，任何營銷都離不開最深入的洞察分析。