互联网公司要保持业绩增长，新用户要抓住，更要关注老用户的保留和回购。最后一篇文章介绍了保留相关的分析，本文电子商务平台小编分别介绍了回购相关的分析。
上一篇文章还提到了电子商务。“人口红利”根据中国电子商务中心提供的公开数据：
获得新用户的成本是维护老用户的5~10倍；
满意的用户会带来8笔潜在业务，不满意的用户可能会影响25人的购买意愿。
根据京东对大量商家回购率和收益的分析结果：
用户比例：93%收入占83%
购买两次用户比例：5：.5%收入占11%的11%
购买三次用户占比：1%收入占3%
用户比例超过3次：00：.收入占3%的3%
这些数据表明，互联网公司应该保持业绩的增长，新用户应该掌握，更关注老用户的保留和回购。最后一篇文章讨论了保留相关的分析，本文分别介绍了回购相关的分析。
回购率衍生与传统用户关系管理CRM中的用户价值模型（RFM模型）中的F（frequency），意思是最近购买的次数，用来说明用户的忠诚度，反过来说明商品或服务的用户粘性。
回购率可分为“用户复购率”和“订单复购率”，此外，“用户回购率”意义与回购率相似，也在此范围内。
用户回购率=单位时间内购买两次以上用户数/有购买行为的用户总数
订单复购率=单位时间：第二次及以上订单数/总订单数
用户回购率=单位时间：有购买行为的老用户数/有购买行为的总用户数
分析目标：
通过对转化率的监测分析，发现问题，细化原因，为运营策略的调整提供支持，帮助实现稳定，提高转化率。
分析角度：
1.综合指标显示，分析用户粘性，协助发现回购率问题，制定运营策略。
2.横向维度(商品、用户、渠道)对比分析，细化回购率，辅助问题定位。
分析方法：
1.综合指标展示，分析用户粘性，协助发现回购率问题，制定运营策略
放下问题问题，公司应该有一个常规的图表来监控回购率，以显示公司回购率的健康。
互联网数据运营管理：回购：
上图显示了用户回购率、订单回购率和用户回购率。下表为详细表，对用户和订单进行更详细的分类。
通过将这三条曲线与用户总数叠加，我们可以看到用户粘性的健康。最好的情况是，这三条曲线不会随着用户数量的变化而变化，一般保持上升趋势。特别是用户回购率必须逐步上升，因为随着公司的发展，长期为公司创造价值的用户必须是这些老用户。
上图是对回购率的整体展示，周期可根据不同情况调整为季度。通过展示回购率的完整性，便于定义公司回购率的健康，及时发现异常回购率，然后进一步分析。
2.横向维度(商品、用户、渠道)比较分析，细化回购率，辅助问题定位
继续拆解回购率可分为会员回购率和新用户回购率。会员回购率低是会员操作不够好；新用户回购率低是新用户操作的问题。通过这种比较，可以实施有针对性的营销策略。
互联网数据运营管理：回购：
如上图所示，由于新用户对平台或应用程序的忠诚度不如老客户高，其回购率与老用户之间存在一定的差距，但差距也应相对稳定。当然，对于公司的运营，我们也应该尽最大努力提高新用户的回购率，比如更准确的创新、新用户的优惠政策等等。
通过多维比较分析，可以进一步细化回购率。例如，根据下图中各渠道转化率的比较，我们还可以看到微信终端和手机qq终端回购率最高，可见社区运营也是提高回购率的重要手段。
互联网数据运营管理：回购：
关于商品与转化率的关系，可以制作商品的对比趋势图，也可以从商品的角度看商品的综合价值，可以使用finereport散点图或气泡图（气泡大小表示利润）检查商品价值。这更适合商品较多的电子商务公司。（从商品的角度来分析商品的价值，但也需要更多的维度来分析商品与回购率的关系。
互联网数据运营管理：回购：
以上对几个常见维度进行比较分析，进一步分割回购率。为提高转化率提供一定的辅助作用。
影响回购率的主要因素有：商品质量、服务质量、物流体验（效率、服务）o2o这些公司可能只剩下服务了。最根本的原因是用户在花钱后感觉良好。良好的体验会产生回购，用户个人差异很大，体验感觉也不同，所以许多公司非常重视建立会员制度，建立用户肖像，实施准确的营销。为不同的用户提供适合他的服务。
上述分析仅为回购数据提供可视化界面，为提高回购率提供数据参考价值。制定准确的策略来提高回购率。
提高回购率的具体方法有很多，如常规精准营销、老用户权益设置、用户互动活动等。有兴趣可以进一步沟通。
