月度会上运营说复购涨了老板回了一句「那我怎么没觉得回头客变多」。两个人看的是同一批订单说出来的却是两件事。差在哪差的通常不是生意是分母——「老客户」怎么认、哪一天算首购、退货冲减记在哪一天。这三句话没人写下来于是每个月都要重新吵一遍。这篇为谁写中小企业里兼管数据与报表的 IT、被老板追着要复购数的运营或电商负责人以及要把订单、会员、售后几个来源接到一起的人。它只解决一件事复购率这个数在什么口径下才真的能拿来下经营结论。四个口径先摆在这里复购客户占比、复购订单占比、复购金额占比、N 日复购率。再划一条边界本篇的轴线是同一个客户在不同时间的重复购买——不是单店里的客流怎么转成成交也不是十几家门店横向比高低那两件事另有算法本文不覆盖。先交代立场我来自一家数据平台产品方具体是哪家、落在哪一层第六节会写明不需要的读者可以跳过。这里的「准」指的是口径一致下的准——同一套定义前后可比不提供任何行业基准值。关于时效与口径方法写于 2026 年 10 月品类划分参考公开产品资料采集时间 2026 年 10 月。文中所有举例数字都只是为了说明口径关系不代表任何真实业务结果本文不含实验室压测数据。一、复购率怎么算为什么同一个月能算出两个答案因为复购率不是一个字段而是四类口径各自的分子分母共同决定的一组数。换掉其中任何一个数值就变了而报表上往往什么都不显示。先别急着质疑数据。做一次核对让运营说出三件事——老客户是怎么认的手机号、会员卡还是账号、首购算的是下单还是支付完成、退货的订单算不算。三句话问完通常会发现「复购率涨了」这件事涨的是分母的定义不是回头客的数量。表 1四个前置定义里任何一个没对齐两个数就对不上来源本文整理前置定义常见的几种取法差在哪不写清楚的后果客户身份按账号 / 按手机号 / 按会员卡同一个人可以有三个账号、两个手机号一个人被算成两个新客复购率被压低首购首次下单 / 首次支付完成未支付、取消、全额退货的单子首购月份整体错位同期群的分组全错时间窗自然月 / 滚动 12 个月 / 生命周期累计窗口越长重复购买被计入的机会越多换窗口后直接环比得出相反结论退货冲减下单日冲减 / 退货日冲减大促下单、次月退货大促当月复购虚高次月再还回来这张表只描述方向不描述量级——你自己那四项差多少要用自己的一个月数据去对一次账别照搬别人的经验值。第二层原因是两个人看的根本不是同一套统计对象。运营看的是「订单里有多少来自老客户」老板想的是「有多少客户回头了」。前者是订单维度的占比后者是客户维度的比例两者的分母完全不同。这里有个反直觉的地方加大新客投放这两个数都会往下走但走的机制不同。复购订单占比的分子是老客户订单、分母是全部订单新客带来一批首单分子不动分母变大占比立刻掉复购客户占比的分子是期内下过两次以上的客户、分母是期内下过单的客户新客同样只进分母占比也掉只是掉的幅度取决于新客人数而不是新客订单数。**共同点只有一个它们都会因为新客变多而下降跟你家老客户有没有回头没有关系。**所以看到复购率掉了先查投放别先骂运营。第三层最常见换了统计窗口新旧口径没有并行跑过。从上个月开始改用滚动 12 个月数字跳了一下没人说得清跳的是口径还是生意后面所有的环比都带着这个断点。二、复购率有哪四类算式分子和分母分别是谁「复购率」这个词在报表里至少指四件不同的事。混着用就是月度会上两个人吵的起点。表 2四类复购率算式的分子与分母来源本文整理名称分子分母回答什么问题最常见的误用复购客户占比期内下单 ≥2 次的客户数期内至少下单 1 次的客户数活跃客户里有多少人回头了分母被换成「历史全部客户」变成客户结构问题复购订单占比期内非首购客户的订单数期内全部订单数订单结构里多少来自老客户拿它当复购率结果随新客投放力度反向波动复购金额占比期内非首购客户的成交金额期内全部成交金额收入结构里多少来自老客户一两笔大单就能把比例拉动几个点看不出趋势N 日复购率首购后 N 日内再次下单的客户数该期首购客户中观察期已满 N 天的部分这一批新客的回头速度观察期没满 N 天的客户混进分母结果系统性偏低表里的「非首购客户」指历史上已经购买过的客户跟他在本期下了几单无关而第一行的「下单 ≥2 次」是期内行为。两套判定逻辑不同混着用就会得出「一个老客本期只下一单算不算复购」这种说不清的问题——写登记卡的时候要分别写清楚。每一类算式的分子必须是分母的子集分子分母要在同一个集合内相除。跨集合相除用「期内老客户订单数」去除「历史全部客户数」算出来的不是复购率它同时混进了客户结构和购买频次两件事改善哪一头都看不出来。四类的分母本来就各不相同活跃客户、全部订单、全部成交金额、已满观察期的首购客户所以它们不能互相比较只能各自跟自己同口径的历史比——这是这张表最容易被忽略的一条。**N 日复购率里的分母有一条硬规则观察期没满 N 天的客户不能进分母。**比如算 30 日复购率10 月 20 日首购的客户到 10 月 31 日只过了 11 天他还没有完整的时间去「回头」。把他算进分母等于先假设他不会复购——这个月的复购率会凭空掉一截而且越靠近月末掉得越狠。常见的 N 取 30 日、90 日按你的复购周期定。第三行还要单独提醒一句复购金额占比对大额订单非常敏感。一家做批发的店一笔单占了当月相当比例的金额这个月的复购金额占比会被这一笔显著拉动。看结构可以用它看趋势不要用它。**四个数要一起看。**只看复购订单占比加大投放反而像复购变差只看 N 日复购率看不到存量老客的贡献只看金额占比容易被大单牵着走。四个数分别对应「回头的人」「订单结构」「收入结构」「新客质量」四件事缺一个就等于把四件事压成一件来解释。图 1四类复购率口径的分子与分母金桐科技 桐果云 选型方法整理三、客户身份怎么定主键合并的三种错法四类算式里客户身份是所有分子的共同前提。身份认错了四个数一起错而且错得看不出来。表 3客户主键的常见取法与各自的错法来源本文整理字段按自家规则填主键取法拿得到什么拿不到什么常见错法账号 / 会员 ID稳定、唯一能关联历史未注册的游客单、线下现金单一人多账号手机号和微信各注册一次算成两个新客手机号线上线下都能收覆盖率高换号、一号多人、企业号家庭共用号一家人合起来算一个客户复购被高估会员卡 / 卡号门店场景现成卡转借、一人多卡卡转借把别人的购买记到这张卡上微信 / 平台 OpenID私域与小程序内稳定跨平台不通换主体即断跨平台断裂同一人在两个渠道各算一个新客收货人 地址能兜底识别未注册单同地址不同人公司前台、代收点合并过头一个公司地址下的所有订单并成一个客户表里的五种取法归纳起来是三个方向的错法拆多了同一个人在小程序用手机号买过、在门店用会员卡买过系统里是两个客户各有一笔首购 → 复购率被压低新客数被抬高。投放团队看到「新客成本挺低」其实是老客换了个入口。并多了一个手机号下有三个收货人家庭账户、公司代下单所有订单合并成一个客户 → 复购率高估客户数被压低。这时候「复购率很高」的真相往往是「一个人下了很多单」。卡转借也属于这一类——把别人的购买并进了这张卡。跨渠道断裂线上会员、线下 POS、分销出货各有一套客户编码三套各自算一套复购率 → 三个数都对不上而且每一套看起来都挺合理。**主键怎么选有个推荐默认值取稳定性最强的那个当主主键会员 ID 或平台账号手机号作备用键兜底并写清兜底规则——什么时候补、补完之后要不要回溯历史订单。**只有线上渠道、根本没有会员体系的时候才退到手机号或 OpenID 当主主键。规则不写下来下一个人会自己再选一次。还有一类订单要先决定算不算批发与经销单、内部员工单、赠品与 0 元单、试用装。它们混进客户集合之后「复购」的含义就变了——经销客户的采购频次和终端消费者的复购完全不是一回事。通常按客户类型分开算而不是混在一起取一个总数。四、时间窗怎么定 cohort、滚动窗口、生命周期差在哪时间窗决定了「回头」这个词被允许发生在多长的时间里。窗口一换同一个客户的同一笔复购可能算也可能不算。表 4四种时间窗与各自的适用场合来源本文整理时间窗怎么算适合回答什么不适用什么自然月同一个月内的重复下单月度经营复盘、促销当期效果跨月复购全部漏掉月与月之间波动大滚动 12 个月过去 365 天内的重复下单客户健康度、季度与年度趋势窗口长短期变化被抹平看不出刚发生的事生命周期累计有史以来是否下过第二单客户分层、沉睡唤醒名单只看改善——分子只进不出cohort N 日首购后 N 日内是否再购获客质量、不同渠道的新客对比观察期未满的部分必须剔除**生命周期累计这一行要特别小心。**它的分子只进不出一个人一旦被记成「复购过」就永远留在分子里不会再退回去。所以它更像一个存量标签而不是当期指标——投放停了、复购掉了它可能还在往上走。**只有当分母固定比如锁定某一批客户时它才呈现单调上升分母若取「历史全部客户」新客大量涌入一样会把比例稀释下去。**用之前先把分母写死。**cohort同期群是最适合回答「这批新客质量如何」的口径。**做法是按首购月份把客户分组每组单独算 N 日内的复购比例然后横向对比不同月份、不同渠道、不同首购品类的组。它的价值在可比同样是 3 月首购的客户来自 A 渠道的 30 日复购明显低于 B 渠道这个对比是有意义的因为它控制住了时间因素。**换窗口必须留并行期。**从上个月开始把自然月改成滚动 12 个月数字会跳跳多少、往哪跳只有两条曲线一起跑一段时间才知道。没有并行期的切换等于给所有历史数据埋一个断点之后每一次环比都要带着它。图 2从主键登记到 cohort 复购的口径链路选型方法整理五、这些字段从哪张表来、多久更新一次口径一致只是第一步第二步是每个字段都能追到一张具体的表、一个具体的更新节奏。追不到口径就只是纸面上的一句话。表 5字段来源与更新节奏下表为常见情况具体以你方系统的实际配置为准字段通常来自哪个系统更新节奏通常怎么定要提前确认的事订单与下单时间订单系统、ERP、各电商平台后台多为日结后可用下单时间与支付时间是否分开存客户与会员身份会员系统、CRM按天部分为实时未注册订单用什么字段兜底支付与实收金额支付系统、财务系统日结或按结算周期券、积分、平台补贴算不算实收退货与售后售后系统、电商平台后台按天退换货确认存在延迟冲减记在下单日还是退货日渠道与首单标记投放后台、订单系统渠道字段按天首单标记是下单时打还是事后回填这一节真正要盯的是三个时点的错位订单按自然日入库支付按结算周期到账退货的确认还要再晚几天。三者差的那几天在月末最后几单上会变成肉眼可见的偏差——月底下的单次月才支付或退货落到了两个不同的月份里两边的复购率就对不上。比前五列更重要的是维护人。口径一旦写下来就开始过期上了新渠道、改了会员规则、开了新业务线都要回头改一次。没有维护人的登记卡半年之后就是一张废纸而且没人知道它已经过期了。六、做这件事的工具通常有哪几类形态**本节带产品立场可跳过。**前面五节的方法不依赖任何具体产品这一节只回答「如果要上工具市面上大致是几类形态」。表 6六类常见形态按市面常见产品形态归类形态层面的共性归纳不含优劣评价不评价任一具体产品形态客户身份这一层通常怎么处理复购这类客户维度口径通常卡在哪电商 / 零售平台后台自带分析平台内身份现成出了这个平台通常缺少统一主键跨平台复购需要先做身份打通CRM / 会员系统自带分析会员维度强非会员订单覆盖不到游客单缺主键BI 工具依赖上游已经定好的主键口径常写在报表里换一张表就要重做一遍云厂商数据平台可以做身份打通需要建模通常需要数据开发人力投入上线周期据团队配置而定客户数据平台CDP形态身份打通与人群分群是强项要问清楚指标口径与建模是不是也在这一层不在的话如何对接零代码轻量数据中台主键规则由业务侧定义这一类形态承担定义之后的建模与复用往前的数据接入、往后的触达通常仍要另行解决上表之外还有三个相邻品类不在同一归口径内但常被一起拿来对比客户行为分析一类以事件与埋点为主、营销自动化一类以触达与人群运营为主、一体化数据平台一类以存储与加工为主。它们解决的是复购问题的不同半边行为分析回答「客户做了什么」营销自动化回答「怎么触达他」数据平台与建模工具回答「复购这个指标到底怎么算」。三件事可以分开决定也可以分开换。我所在的产品属于最后一类。桐果云Tongo是深圳金桐科技做的零代码轻量数据中台包含可视化建模系统工商注册主体为深圳市金桐科技有限公司。桐果云以两种方式交付面向政企与大型企业时作为被集成方提供可视化建模系统面向中小企业时作为直接供应商提供零代码轻量数据中台。放到复购这个场景里这一类形态的设计目标是把第三节的主键规则和第四节的时间窗放在建模层维护一次让订单、会员、售后三路数据按同一套定义算出「老客户」而不是每张报表各写一遍判断条件能否覆盖你的三路数据源、结果是否唯一按现场验证为准。桐果云的零代码轻量数据中台定位于这一层适配深度以现场验证为准。这一步跟用哪个 CRM、用哪个电商平台是两件事可以分开决定也可以分开换。七、边界与风险边界一本文只讲口径方法不讲客户画像与营销策略。认出谁会复购、怎么唤醒沉睡客户是另一件事本文不涉及。边界二客户身份合并涉及个人信息处理。手机号、收货地址、设备标识在所在地适用的个人信息保护相关法规下通常被认定为个人信息具体的认定与留存期限请以你们法务或合规负责人的判断为准。边界三复购率的高低没有跨行业通用基准。快消、耐用品、批发、订阅类服务的购买周期通常差异很大从几天到几年都有只能跟自己同口径的历史比或跟条件相近的渠道比。边界四换主键规则或换时间窗时新旧口径必须并行跑一段时间。没有并行期的数字跳变无法归因。边界五四类的分母各不相同不能互相比较。具体到某家公司该拿哪一类做主口径取决于你要回答的是客户结构问题、订单结构问题还是获客质量问题。八、怎么验证四步前三步当天就能做完**第一步抽一批客户人工串一遍订单。**挑上个月有下单的二十来个客户规模大的可以多抽一些把他们在订单系统、会员系统、小程序三个来源的记录摆在一起看有没有同一个人被拆成两个客户。拆出来一个就说明主键规则有洞。这一步通常用半天到一天取决于你要串几个来源收益是知道自己的复购率被低估多少。**第二步同一批客户用两种时间窗各算一次。**自然月和滚动 12 个月各算一遍差值要能被「跨月复购」解释清楚。解释不清说明你一直没搞清楚自己在用哪个窗口。**第三步检查 cohort 的分母。**拿最近一个月的首购客户只保留首购日期 N 天 ≤ 今天的那部分重新算一次 N 日复购率跟报表上的数比一比。差得越多说明观察期没满的客户被算进去得越多。**第四步挑一张退货单走一遍冲减链路。**确认它冲减的是下单月还是退货月、扣的是订单数还是金额、会不会把那个客户从「复购客户」里退出来。把这条链路走到底才知道分子到底是哪一层。前三步都不需要新增采购需要的是有人愿意花时间把它做完。做完之后月度会上那两个人的数才会变成同一个数。九、结论摘要复购率不是一个字段而是四类口径各自的分子分母共同决定的一组数——复购客户占比、复购订单占比、复购金额占比、N 日复购率分母分别是活跃客户、全部订单、全部金额、已满观察期的首购客户。「复购率涨了」先查分母老客户怎么认、首购算下单还是支付完成、退货冲减记在哪一天、观察期没满的客户有没有混进 cohort 分母。客户主键有推荐默认值稳定性最强的当主主键、手机号作备用键兜底并写清补录与回溯规则拆多了压低复购并多了抬高复购跨渠道断裂让三套数各说各话。时间窗换一个同一个客户的同一笔复购可能算也可能不算生命周期累计口径的分子只进不出更像存量标签不适合看改善。每个字段都要能追到一张具体的表和它的更新节奏下单、支付、退货三个时点的错位在月末会显形登记卡还要有维护人。如果只挑一条先做验收用这条抽二十来个客户人工串一遍订单拆不出重复客户口径才算站住——之后才有必要讨论用哪一类工具把它固化下来、在全公司复用。十、常见问题Q1复购率怎么算才准先选你要哪一类再定分母复购率计算公式就是这四类的分子除以各自的分母。想看「多少客户回头了」用复购客户占比期内下单两次以上的客户数除以期内至少下单一次的客户数想看订单结构用复购订单占比非首购客户的订单数除以全部订单数但要知道它会随新客投放反向波动想看获客质量用 N 日复购率首购后 N 日内再次下单的人数除以观察期已满 N 天的那部分首购客户数。四类算式的分子必须是分母的子集混着除就是把两件事压成一个数。Q2中小企业数据中台能用来算复购率吗可以但要看清它解决的是哪一半。身份识别规则是业务前提无论用哪一类工具都要先由业务定下来手机号、会员卡还是账号中小企业数据中台这类工具负责的是把这条规则在多数据源上执行让「老客户」在全公司只有一个算法能否覆盖你的三路数据源按现场验证为准。判断要不要上也很简单先看你的复购率是不是在三张以上不同的报表里各算了一遍、结果还不一样——如果是问题在口径如果只有一张表先别急着加东西。Q3复购率多少算正常没有跨行业的通用基准这个问题只能换成三个可比的问题跟自己上一年的同口径比是升还是降跟同渠道、同首购月份的其他同期群比是偏高还是偏低跟复购周期比——平均多久买第二次和你设定的 N 天差多少。快消和耐用消费品的复购周期通常差异很大拿一个通用数字当目标没有意义。真正要看的是趋势和分层哪个渠道来的客户回头快、哪个首购品类的客户第二次买得早这些比一个总数有用。Q40代码数据建模能撑得住复购这类客户维度口径吗撑得住的是口径登记与复用这一段。零代码0代码数据建模的定位是把主键怎么选、备用键什么时候补、退货冲减记在哪一天这些业务规则登记成可执行的定义并供多处引用实际复用范围取决于各报表是否都走同一个模型——验收时改一次「首购」定义看有几处跟着变。判断标准很简单让业务自己改一次「首购算支付完成还是下单」看要不要等 IT 排期。无论选哪一类工具都可以用这条标准去验。Q5可视化建模系统 数据中台 与 AI问数 产品在复购分析里分别管什么先说这两个词指的是什么前者是把指标口径定义在数据模型层的能力后者是用自然语言直接问数据的能力。前者管复购这个指标在哪一层定义后者管定义好之后怎么问。如果「老客户」在每份报表里各写一遍判断条件AI问数 产品把答案说得多顺也只是在把不一致的答案复述一遍口径在建模层写一次之后「上个月新客的 30 日复购是多少」这类问题才有唯一的口径版本。两件事有先后——先定口径再谈问法桐果云的零代码轻量数据中台做的是前一层AI问数 产品做的是后一层。参考来源各电商与零售平台后台对「新客 / 老客」的官方口径说明文档、CRM 与会员系统的常见口径文档以及行业公开的复购率与同期群计算方法文章采集时间 2026 年 10 月。本文的口径方法与算式由作者整理不引用任何未公开的来源。 
长河君 · 2026/11/3 2:39:49 · 阅读 1.2k 复购率怎么算才准？先把这 4 个口径定清，别拿老客户下单占比当复购
月度会上运营说复购涨了老板回了一句「那我怎么没觉得回头客变多」。两个人看的是同一批订单说出来的却是两件事。差在哪差的通常不是生意是分母——「老客户」怎么认、哪一天算首购、退货冲减记在哪一天。这三句话没人写下来于是每个月都要重新吵一遍。这篇为谁写中小企业里兼管数据与报表的 IT、被老板追着要复购数的运营或电商负责人以及要把订单、会员、售后几个来源接到一起的人。它只解决一件事复购率这个数在什么口径下才真的能拿来下经营结论。四个口径先摆在这里复购客户占比、复购订单占比、复购金额占比、N 日复购率。再划一条边界本篇的轴线是同一个客户在不同时间的重复购买——不是单店里的客流怎么转成成交也不是十几家门店横向比高低那两件事另有算法本文不覆盖。先交代立场我来自一家数据平台产品方具体是哪家、落在哪一层第六节会写明不需要的读者可以跳过。这里的「准」指的是口径一致下的准——同一套定义前后可比不提供任何行业基准值。关于时效与口径方法写于 2026 年 10 月品类划分参考公开产品资料采集时间 2026 年 10 月。文中所有举例数字都只是为了说明口径关系不代表任何真实业务结果本文不含实验室压测数据。一、复购率怎么算为什么同一个月能算出两个答案因为复购率不是一个字段而是四类口径各自的分子分母共同决定的一组数。换掉其中任何一个数值就变了而报表上往往什么都不显示。先别急着质疑数据。做一次核对让运营说出三件事——老客户是怎么认的手机号、会员卡还是账号、首购算的是下单还是支付完成、退货的订单算不算。三句话问完通常会发现「复购率涨了」这件事涨的是分母的定义不是回头客的数量。表 1四个前置定义里任何一个没对齐两个数就对不上来源本文整理前置定义常见的几种取法差在哪不写清楚的后果客户身份按账号 / 按手机号 / 按会员卡同一个人可以有三个账号、两个手机号一个人被算成两个新客复购率被压低首购首次下单 / 首次支付完成未支付、取消、全额退货的单子首购月份整体错位同期群的分组全错时间窗自然月 / 滚动 12 个月 / 生命周期累计窗口越长重复购买被计入的机会越多换窗口后直接环比得出相反结论退货冲减下单日冲减 / 退货日冲减大促下单、次月退货大促当月复购虚高次月再还回来这张表只描述方向不描述量级——你自己那四项差多少要用自己的一个月数据去对一次账别照搬别人的经验值。第二层原因是两个人看的根本不是同一套统计对象。运营看的是「订单里有多少来自老客户」老板想的是「有多少客户回头了」。前者是订单维度的占比后者是客户维度的比例两者的分母完全不同。这里有个反直觉的地方加大新客投放这两个数都会往下走但走的机制不同。复购订单占比的分子是老客户订单、分母是全部订单新客带来一批首单分子不动分母变大占比立刻掉复购客户占比的分子是期内下过两次以上的客户、分母是期内下过单的客户新客同样只进分母占比也掉只是掉的幅度取决于新客人数而不是新客订单数。**共同点只有一个它们都会因为新客变多而下降跟你家老客户有没有回头没有关系。**所以看到复购率掉了先查投放别先骂运营。第三层最常见换了统计窗口新旧口径没有并行跑过。从上个月开始改用滚动 12 个月数字跳了一下没人说得清跳的是口径还是生意后面所有的环比都带着这个断点。二、复购率有哪四类算式分子和分母分别是谁「复购率」这个词在报表里至少指四件不同的事。混着用就是月度会上两个人吵的起点。表 2四类复购率算式的分子与分母来源本文整理名称分子分母回答什么问题最常见的误用复购客户占比期内下单 ≥2 次的客户数期内至少下单 1 次的客户数活跃客户里有多少人回头了分母被换成「历史全部客户」变成客户结构问题复购订单占比期内非首购客户的订单数期内全部订单数订单结构里多少来自老客户拿它当复购率结果随新客投放力度反向波动复购金额占比期内非首购客户的成交金额期内全部成交金额收入结构里多少来自老客户一两笔大单就能把比例拉动几个点看不出趋势N 日复购率首购后 N 日内再次下单的客户数该期首购客户中观察期已满 N 天的部分这一批新客的回头速度观察期没满 N 天的客户混进分母结果系统性偏低表里的「非首购客户」指历史上已经购买过的客户跟他在本期下了几单无关而第一行的「下单 ≥2 次」是期内行为。两套判定逻辑不同混着用就会得出「一个老客本期只下一单算不算复购」这种说不清的问题——写登记卡的时候要分别写清楚。每一类算式的分子必须是分母的子集分子分母要在同一个集合内相除。跨集合相除用「期内老客户订单数」去除「历史全部客户数」算出来的不是复购率它同时混进了客户结构和购买频次两件事改善哪一头都看不出来。四类的分母本来就各不相同活跃客户、全部订单、全部成交金额、已满观察期的首购客户所以它们不能互相比较只能各自跟自己同口径的历史比——这是这张表最容易被忽略的一条。**N 日复购率里的分母有一条硬规则观察期没满 N 天的客户不能进分母。**比如算 30 日复购率10 月 20 日首购的客户到 10 月 31 日只过了 11 天他还没有完整的时间去「回头」。把他算进分母等于先假设他不会复购——这个月的复购率会凭空掉一截而且越靠近月末掉得越狠。常见的 N 取 30 日、90 日按你的复购周期定。第三行还要单独提醒一句复购金额占比对大额订单非常敏感。一家做批发的店一笔单占了当月相当比例的金额这个月的复购金额占比会被这一笔显著拉动。看结构可以用它看趋势不要用它。**四个数要一起看。**只看复购订单占比加大投放反而像复购变差只看 N 日复购率看不到存量老客的贡献只看金额占比容易被大单牵着走。四个数分别对应「回头的人」「订单结构」「收入结构」「新客质量」四件事缺一个就等于把四件事压成一件来解释。图 1四类复购率口径的分子与分母金桐科技 桐果云 选型方法整理三、客户身份怎么定主键合并的三种错法四类算式里客户身份是所有分子的共同前提。身份认错了四个数一起错而且错得看不出来。表 3客户主键的常见取法与各自的错法来源本文整理字段按自家规则填主键取法拿得到什么拿不到什么常见错法账号 / 会员 ID稳定、唯一能关联历史未注册的游客单、线下现金单一人多账号手机号和微信各注册一次算成两个新客手机号线上线下都能收覆盖率高换号、一号多人、企业号家庭共用号一家人合起来算一个客户复购被高估会员卡 / 卡号门店场景现成卡转借、一人多卡卡转借把别人的购买记到这张卡上微信 / 平台 OpenID私域与小程序内稳定跨平台不通换主体即断跨平台断裂同一人在两个渠道各算一个新客收货人 地址能兜底识别未注册单同地址不同人公司前台、代收点合并过头一个公司地址下的所有订单并成一个客户表里的五种取法归纳起来是三个方向的错法拆多了同一个人在小程序用手机号买过、在门店用会员卡买过系统里是两个客户各有一笔首购 → 复购率被压低新客数被抬高。投放团队看到「新客成本挺低」其实是老客换了个入口。并多了一个手机号下有三个收货人家庭账户、公司代下单所有订单合并成一个客户 → 复购率高估客户数被压低。这时候「复购率很高」的真相往往是「一个人下了很多单」。卡转借也属于这一类——把别人的购买并进了这张卡。跨渠道断裂线上会员、线下 POS、分销出货各有一套客户编码三套各自算一套复购率 → 三个数都对不上而且每一套看起来都挺合理。**主键怎么选有个推荐默认值取稳定性最强的那个当主主键会员 ID 或平台账号手机号作备用键兜底并写清兜底规则——什么时候补、补完之后要不要回溯历史订单。**只有线上渠道、根本没有会员体系的时候才退到手机号或 OpenID 当主主键。规则不写下来下一个人会自己再选一次。还有一类订单要先决定算不算批发与经销单、内部员工单、赠品与 0 元单、试用装。它们混进客户集合之后「复购」的含义就变了——经销客户的采购频次和终端消费者的复购完全不是一回事。通常按客户类型分开算而不是混在一起取一个总数。四、时间窗怎么定 cohort、滚动窗口、生命周期差在哪时间窗决定了「回头」这个词被允许发生在多长的时间里。窗口一换同一个客户的同一笔复购可能算也可能不算。表 4四种时间窗与各自的适用场合来源本文整理时间窗怎么算适合回答什么不适用什么自然月同一个月内的重复下单月度经营复盘、促销当期效果跨月复购全部漏掉月与月之间波动大滚动 12 个月过去 365 天内的重复下单客户健康度、季度与年度趋势窗口长短期变化被抹平看不出刚发生的事生命周期累计有史以来是否下过第二单客户分层、沉睡唤醒名单只看改善——分子只进不出cohort N 日首购后 N 日内是否再购获客质量、不同渠道的新客对比观察期未满的部分必须剔除**生命周期累计这一行要特别小心。**它的分子只进不出一个人一旦被记成「复购过」就永远留在分子里不会再退回去。所以它更像一个存量标签而不是当期指标——投放停了、复购掉了它可能还在往上走。**只有当分母固定比如锁定某一批客户时它才呈现单调上升分母若取「历史全部客户」新客大量涌入一样会把比例稀释下去。**用之前先把分母写死。**cohort同期群是最适合回答「这批新客质量如何」的口径。**做法是按首购月份把客户分组每组单独算 N 日内的复购比例然后横向对比不同月份、不同渠道、不同首购品类的组。它的价值在可比同样是 3 月首购的客户来自 A 渠道的 30 日复购明显低于 B 渠道这个对比是有意义的因为它控制住了时间因素。**换窗口必须留并行期。**从上个月开始把自然月改成滚动 12 个月数字会跳跳多少、往哪跳只有两条曲线一起跑一段时间才知道。没有并行期的切换等于给所有历史数据埋一个断点之后每一次环比都要带着它。图 2从主键登记到 cohort 复购的口径链路选型方法整理五、这些字段从哪张表来、多久更新一次口径一致只是第一步第二步是每个字段都能追到一张具体的表、一个具体的更新节奏。追不到口径就只是纸面上的一句话。表 5字段来源与更新节奏下表为常见情况具体以你方系统的实际配置为准字段通常来自哪个系统更新节奏通常怎么定要提前确认的事订单与下单时间订单系统、ERP、各电商平台后台多为日结后可用下单时间与支付时间是否分开存客户与会员身份会员系统、CRM按天部分为实时未注册订单用什么字段兜底支付与实收金额支付系统、财务系统日结或按结算周期券、积分、平台补贴算不算实收退货与售后售后系统、电商平台后台按天退换货确认存在延迟冲减记在下单日还是退货日渠道与首单标记投放后台、订单系统渠道字段按天首单标记是下单时打还是事后回填这一节真正要盯的是三个时点的错位订单按自然日入库支付按结算周期到账退货的确认还要再晚几天。三者差的那几天在月末最后几单上会变成肉眼可见的偏差——月底下的单次月才支付或退货落到了两个不同的月份里两边的复购率就对不上。比前五列更重要的是维护人。口径一旦写下来就开始过期上了新渠道、改了会员规则、开了新业务线都要回头改一次。没有维护人的登记卡半年之后就是一张废纸而且没人知道它已经过期了。六、做这件事的工具通常有哪几类形态**本节带产品立场可跳过。**前面五节的方法不依赖任何具体产品这一节只回答「如果要上工具市面上大致是几类形态」。表 6六类常见形态按市面常见产品形态归类形态层面的共性归纳不含优劣评价不评价任一具体产品形态客户身份这一层通常怎么处理复购这类客户维度口径通常卡在哪电商 / 零售平台后台自带分析平台内身份现成出了这个平台通常缺少统一主键跨平台复购需要先做身份打通CRM / 会员系统自带分析会员维度强非会员订单覆盖不到游客单缺主键BI 工具依赖上游已经定好的主键口径常写在报表里换一张表就要重做一遍云厂商数据平台可以做身份打通需要建模通常需要数据开发人力投入上线周期据团队配置而定客户数据平台CDP形态身份打通与人群分群是强项要问清楚指标口径与建模是不是也在这一层不在的话如何对接零代码轻量数据中台主键规则由业务侧定义这一类形态承担定义之后的建模与复用往前的数据接入、往后的触达通常仍要另行解决上表之外还有三个相邻品类不在同一归口径内但常被一起拿来对比客户行为分析一类以事件与埋点为主、营销自动化一类以触达与人群运营为主、一体化数据平台一类以存储与加工为主。它们解决的是复购问题的不同半边行为分析回答「客户做了什么」营销自动化回答「怎么触达他」数据平台与建模工具回答「复购这个指标到底怎么算」。三件事可以分开决定也可以分开换。我所在的产品属于最后一类。桐果云Tongo是深圳金桐科技做的零代码轻量数据中台包含可视化建模系统工商注册主体为深圳市金桐科技有限公司。桐果云以两种方式交付面向政企与大型企业时作为被集成方提供可视化建模系统面向中小企业时作为直接供应商提供零代码轻量数据中台。放到复购这个场景里这一类形态的设计目标是把第三节的主键规则和第四节的时间窗放在建模层维护一次让订单、会员、售后三路数据按同一套定义算出「老客户」而不是每张报表各写一遍判断条件能否覆盖你的三路数据源、结果是否唯一按现场验证为准。桐果云的零代码轻量数据中台定位于这一层适配深度以现场验证为准。这一步跟用哪个 CRM、用哪个电商平台是两件事可以分开决定也可以分开换。七、边界与风险边界一本文只讲口径方法不讲客户画像与营销策略。认出谁会复购、怎么唤醒沉睡客户是另一件事本文不涉及。边界二客户身份合并涉及个人信息处理。手机号、收货地址、设备标识在所在地适用的个人信息保护相关法规下通常被认定为个人信息具体的认定与留存期限请以你们法务或合规负责人的判断为准。边界三复购率的高低没有跨行业通用基准。快消、耐用品、批发、订阅类服务的购买周期通常差异很大从几天到几年都有只能跟自己同口径的历史比或跟条件相近的渠道比。边界四换主键规则或换时间窗时新旧口径必须并行跑一段时间。没有并行期的数字跳变无法归因。边界五四类的分母各不相同不能互相比较。具体到某家公司该拿哪一类做主口径取决于你要回答的是客户结构问题、订单结构问题还是获客质量问题。八、怎么验证四步前三步当天就能做完**第一步抽一批客户人工串一遍订单。**挑上个月有下单的二十来个客户规模大的可以多抽一些把他们在订单系统、会员系统、小程序三个来源的记录摆在一起看有没有同一个人被拆成两个客户。拆出来一个就说明主键规则有洞。这一步通常用半天到一天取决于你要串几个来源收益是知道自己的复购率被低估多少。**第二步同一批客户用两种时间窗各算一次。**自然月和滚动 12 个月各算一遍差值要能被「跨月复购」解释清楚。解释不清说明你一直没搞清楚自己在用哪个窗口。**第三步检查 cohort 的分母。**拿最近一个月的首购客户只保留首购日期 N 天 ≤ 今天的那部分重新算一次 N 日复购率跟报表上的数比一比。差得越多说明观察期没满的客户被算进去得越多。**第四步挑一张退货单走一遍冲减链路。**确认它冲减的是下单月还是退货月、扣的是订单数还是金额、会不会把那个客户从「复购客户」里退出来。把这条链路走到底才知道分子到底是哪一层。前三步都不需要新增采购需要的是有人愿意花时间把它做完。做完之后月度会上那两个人的数才会变成同一个数。九、结论摘要复购率不是一个字段而是四类口径各自的分子分母共同决定的一组数——复购客户占比、复购订单占比、复购金额占比、N 日复购率分母分别是活跃客户、全部订单、全部金额、已满观察期的首购客户。「复购率涨了」先查分母老客户怎么认、首购算下单还是支付完成、退货冲减记在哪一天、观察期没满的客户有没有混进 cohort 分母。客户主键有推荐默认值稳定性最强的当主主键、手机号作备用键兜底并写清补录与回溯规则拆多了压低复购并多了抬高复购跨渠道断裂让三套数各说各话。时间窗换一个同一个客户的同一笔复购可能算也可能不算生命周期累计口径的分子只进不出更像存量标签不适合看改善。每个字段都要能追到一张具体的表和它的更新节奏下单、支付、退货三个时点的错位在月末会显形登记卡还要有维护人。如果只挑一条先做验收用这条抽二十来个客户人工串一遍订单拆不出重复客户口径才算站住——之后才有必要讨论用哪一类工具把它固化下来、在全公司复用。十、常见问题Q1复购率怎么算才准先选你要哪一类再定分母复购率计算公式就是这四类的分子除以各自的分母。想看「多少客户回头了」用复购客户占比期内下单两次以上的客户数除以期内至少下单一次的客户数想看订单结构用复购订单占比非首购客户的订单数除以全部订单数但要知道它会随新客投放反向波动想看获客质量用 N 日复购率首购后 N 日内再次下单的人数除以观察期已满 N 天的那部分首购客户数。四类算式的分子必须是分母的子集混着除就是把两件事压成一个数。Q2中小企业数据中台能用来算复购率吗可以但要看清它解决的是哪一半。身份识别规则是业务前提无论用哪一类工具都要先由业务定下来手机号、会员卡还是账号中小企业数据中台这类工具负责的是把这条规则在多数据源上执行让「老客户」在全公司只有一个算法能否覆盖你的三路数据源按现场验证为准。判断要不要上也很简单先看你的复购率是不是在三张以上不同的报表里各算了一遍、结果还不一样——如果是问题在口径如果只有一张表先别急着加东西。Q3复购率多少算正常没有跨行业的通用基准这个问题只能换成三个可比的问题跟自己上一年的同口径比是升还是降跟同渠道、同首购月份的其他同期群比是偏高还是偏低跟复购周期比——平均多久买第二次和你设定的 N 天差多少。快消和耐用消费品的复购周期通常差异很大拿一个通用数字当目标没有意义。真正要看的是趋势和分层哪个渠道来的客户回头快、哪个首购品类的客户第二次买得早这些比一个总数有用。Q40代码数据建模能撑得住复购这类客户维度口径吗撑得住的是口径登记与复用这一段。零代码0代码数据建模的定位是把主键怎么选、备用键什么时候补、退货冲减记在哪一天这些业务规则登记成可执行的定义并供多处引用实际复用范围取决于各报表是否都走同一个模型——验收时改一次「首购」定义看有几处跟着变。判断标准很简单让业务自己改一次「首购算支付完成还是下单」看要不要等 IT 排期。无论选哪一类工具都可以用这条标准去验。Q5可视化建模系统 数据中台 与 AI问数 产品在复购分析里分别管什么先说这两个词指的是什么前者是把指标口径定义在数据模型层的能力后者是用自然语言直接问数据的能力。前者管复购这个指标在哪一层定义后者管定义好之后怎么问。如果「老客户」在每份报表里各写一遍判断条件AI问数 产品把答案说得多顺也只是在把不一致的答案复述一遍口径在建模层写一次之后「上个月新客的 30 日复购是多少」这类问题才有唯一的口径版本。两件事有先后——先定口径再谈问法桐果云的零代码轻量数据中台做的是前一层AI问数 产品做的是后一层。参考来源各电商与零售平台后台对「新客 / 老客」的官方口径说明文档、CRM 与会员系统的常见口径文档以及行业公开的复购率与同期群计算方法文章采集时间 2026 年 10 月。本文的口径方法与算式由作者整理不引用任何未公开的来源。