本文主要是介绍思维之回购率下降分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
文章目录
- 1. 回购率与复购率
- 2. 2020年双11活动用户回购率下降,找到下降的原因,并分析
1. 回购率与复购率
- 复购率是指复购用户的占比,衡量的是较长时间段,能反映用户的忠诚度
- 回购率是分析短期促销(618,双11等)对用户吸引力的指标
2. 2020年双11活动用户回购率下降,找到下降的原因,并分析
分析思路:
- 用多维度拆解分析法拆解用户
- 用对比分析法对比不同层次用户的回购率变化,缩小目标范围后继续拆解对比
- 使用假设检验分析方法确认原因
查找原因:
- 回购率=回购人数/基数,但近两年回购人数和基数都在增长,只不过回购人数的增长速度要比基数的增长速度慢,因此考虑有可能是新增的基数人群中,部分人回购表现不佳,拖累了整体,所以要找出这部分人
- 使用多维度拆解法来拆解用户,选择的第一个维度是RFM模型中的R,即最后一次购买间隔(R越小的用户,活跃度越高,越有可能回购)。可将人群分为 R ≤ 半 年 R\le半年 R≤半年和 R > 半 年 R\gt半年 R>半年两大类,分别看这两大类人群的回购率。若没有显著区别,则转下一步
- 可进一步拆解 F F F,即最近一段时间内的购买频次。可先粗略的拆解为 F = 1 F=1 F=1和 F > 1 F\gt1 F>1两大类,理论上来说,购买次数多的用户越活跃,越有可能回购。结果显示 F = 1 F=1 F=1的用户回购率显著降低。接下来可以对 F = 1 F=1 F=1的用户进行更细致的分析
- 将 F = 1 F=1 F=1的用户按 R R R进行更细致的分析。得到 60 < R ≤ 90 60\lt R\le90 60<R≤90组的回购率同比下降最大,再结合 F = 1 F=1 F=1,可知这部分用户是往前推 60 − 90 60-90 60−90天内首次购买的新用户。再结合当时的活动A,可以提出假设是A活动引进的新用户质量出现了问题。再通过会员占比、收藏数、加购数等指标的同比变化,即可验证A活动引进的新用户留存率低。
提出建议:
设计专门针对新用户的活动首页,具体包含:
- 首次下单有优惠
- 30天内复购赠送礼品
- 推出积分卡、兑换卡等一次充值、多次返惠的权益
这篇关于思维之回购率下降分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!