电商行业中让用户持续地产生复购是一个非常核心的目标，大部分电商平台80%以上的销售都是由老客的持续复购产生的，因此提升用户的复购行为是电商平台中的重要事情。作为一名数据师，如何帮助电商平台搭建复购数据指标体系，帮助平台提升用户的复购率呢？本文作者对此进行了分析，一起来看一下吧。
电商行业中让用户持续地产生复购是一个非常核心的目标，大部分电商平台80%以上的销售都是由老客的持续复购产生的，因此提升用户的复购行为是电商平台中的重要事情，公司也会花费大量的精力在提升复购行为的运营策略和产品迭代上。那作为一名数据分析师可以如何帮助电商平台搭建复购数据指标体系，帮助平台提升用户的复购率呢？
电商的复购可以由单品复购和类目复购组成，单品复购是指有复购属性的商品，用户持续地对其购买，一般都是快消品居多，比如纸巾、纸尿裤等在日常生活当中持续需要使用的商品，当用户对你的产品满意的时候就会持续不断的对其进行购买。
另外类目复购的话包括一些非复购属性的商品但是用户也会一次性的需求，当用户对平台的产品满意时，就会持续的在该平台购买一次性使用的产品，因为这种一次性产品的使用需求也会源源不断的产生，那么也就是平台来说会有持续的复购行为，这种一般发生在类目复购甚至是跨类目复购。
单品复购首先要先去定义什么是单品。spu和sku是电商平台对商品的2种最常用的定义，那么对于单品复购来说基本上是spu维度上的，但是也不绝对，需要基于业务的实际情况而定，可以是部分sku的集合。
举个例子：苹果手机把iPhone14、iPhone14 Pro、iPhone14 Pro max三个型号的各个不同内存和不同颜色的手机都定为同一个spu，但是iPhone 5C这种mini款的手机却定义为不同的spu。这时候我们需要思考苹果公司为啥这么定义，苹果公司可能认为买14和14 pro 和14 pro max是同一群人，只是基于预算不同就选择了不同的型号，但是选择苹果5c的人群是完全不同的用户画像，差不多是下层市场的人群，是跟Android中低端竞争的机型，因此设置了另外的spu。
可能更多的是基于人群的区别以及商业的思考，去考虑设置spu的规则。我们也可以基于业务的实际情况去考虑哪些sku需要归在一起去看单品复购的情况。
每个商品都有他的使用周期，如果一个商品是复购类的商品，那么当他使用完之后就需要继续买新的商品来使用。因此我们需要尽可能在使用完之前就让其复购。到单品维度的话，复购周期跟一次购买的件数有很大的关系，因此购买件数是一个非常重要的维度，用于判断用户多久该复购了，以便观察正确的时间内的复购指标。
常规复购的追踪周期有30天、60天、90天、180天，350天，超过半年其实就有比较大的流失风险了，除非囤的特别多。我们就需要在这些不同周期内去追踪复购率等复购指标。
复购分析重要的一点就是要找到用户不复购的原因然后去不断优化提升。我们可以从用户的购买链路分析，比如说买完后是App有再来访问，是否曝光了对应的商品、是否点击了对应的商品、是否加购了对应的商品，是否最终购买了对应的商品，每一个步骤的流失都对应不同的原因，需要用不同的方法策略去优化。
比如说App没有访问需要用push、短信、邮箱等站外的手段去触发用户，那来了App却没有曝光对应的商品，那需要推动算法的曝光策略去精准触达用户、如果是没有点击需要优化文案和图片、如果点击了没有加购、需要优化详情页的设置以及促销力度等。当然这些是运营层面的优化点。
还有产品本身的质量和效果也是用户会产生持续复购的重要原因。我们就可以通过分析用户的评价情况，去详细了解用户对于商品的真实评价。找到一些不好的点去优化、找打一些用户认为好的点持续升级。
数据模型我们在前面的文章中提到过，可以OSM模型来搭建我们的数据指标体系模型。那么在文章的前面部分我们已经知道了复购的目标以及可以优化的策略点。这样就可以来搭建的我们单品复购数据模型了。
首先有一个整体的看板帮助我们了解每个单品的复购现状，要结合购买件数才可以更加清晰的了解复购的情况。
然后需要再了解一下复购的间隔天数分布，帮助我们了解已经复购的用户是不是按照我们预期内的周期在进行复购，帮助我们去了解我们的用户。再接下来就是去分析用户不复购是在哪一个环节流失的，以帮我们针对性的优化对应的内容。
最后就是了解用户对应于产品的评价情况，帮助我们去发现产品本身的问题。因为毕竟打铁还需自身硬，产品本身的品质才是用户复购的最重要的原因。营销只是起到了锦上添花的作用。
用户评价词云图
本次文章我们主要介绍了电商复购中的单品复购数据模型的搭建，下次文章我们将介绍类目复购应该如何进行。敬请期待哦！
本文由 @一个数据人的自留地 授权发布于人人都是产品经理，未经作者许可，禁止转载
题图来自 unsplash，基于 CC0 协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。