指標、計算——復購率

目錄

• 1、指標定義
• 2、計算方法
  • ①按人數計算
  • ②按交易次數計算
• 3、實例操做——按人數計算
  • ①SQL求解
  • ②python求解
• 4、提高策略和方法

1、指標定義

  在單位時間窗口內，屢次（2次及以上）消費的用戶在總消費用戶的佔比。

---

2、計算方法

①按人數計算

  全部購買過產品的顧客，以每一個人爲獨立單位重複購買產品的次數，好比有10個客戶購買了產品，5個產生了重複購買，則重複購買率爲50%。

②按交易次數計算

  某月內，一共產生了100筆交易，其中有20我的有了二次購買，這20人中的10我的又有了三次購買，則重複購買次數爲30次，重複購買率爲30%。
  通常按第1中計算

3、實例操做——按人數計算

訂單信息表order_info相關字段：

• userID：用戶ID
• paidtime：支付時間
• ispaid：支付狀態（非必要字段）

注意：一個用戶可能在同一天消費屢次

---

①SQL求解

解題步驟：
a、先求出【用戶時間窗口內的用戶消費次數表】order_times

CREATE OR REPLACE VIEW order_times AS 
SELECT
	DATE_FORMAT( paidtime, "%Y-%m" ) AS 月份,
	userid,
	COUNT( userid ) AS 消費次數 
FROM
	order_info 
WHERE
	ispaid = '已支付' 
GROUP BY
	DATE_FORMAT( paidtime, "%Y-%m" ),
	userid

  篩選出已支付的訂單記錄，對用戶和時間窗口進行分組，時間窗口須要根據實際需求進行必定轉化處理（這裏時間窗口爲月份）。

b、時間窗口內【消費次數>1的人數】/【總消費人數】

SELECT
	月份,
	COUNT( DISTINCT userid ) AS 消費人數,
	COUNT(CASE WHEN `消費次數` > 1 THEN 1 ELSE NULL END) AS 復購人數,
	COUNT(CASE WHEN `消費次數` > 1 THEN 1 ELSE NULL END)/COUNT( DISTINCT userid ) AS 復購率
FROM
	order_times
GROUP BY
	月份;

  按時間窗口分組，再用case when語句求出【消費次數>1的人數】

②python求解

解題步驟：
a、導入數據

col = ['orderid','userid','ispaid','price','paidtime']
df = pd.read_csv(r'file_path/order_info_utf.csv',encoding='utf-8',names=col)
df.head()

b、新增時間窗口字段

df['month'] = df['paidtime'].str[:7]
df.head()

c、篩選已支付訂單記錄

df = df[df['ispaid']=='已支付']
df.head()

d、數據透視，獲取【時間窗口內的用戶消費次數透視表】

# 用戶ID爲索引，時間窗口爲列名稱，count統計消費次數，無消費記錄用0填充
order_counts = df.pivot_table(index='userid',columns='month',values='price',aggfunc='count').fillna(0)
order_counts.head()

e、計算復購率

month_buy_rate = pd.DataFrame((order_counts>1).sum()/(order_counts>=1).sum(),columns=['復購率'])
month_buy_rate['消費人數'] = (order_counts>=1).sum()
month_buy_rate['復購人數'] = (order_counts>1).sum()
month_buy_rate

4、提高策略和方法

  復購率變高，也就是用戶多消費。想讓用戶多消費，莫非就是自身產品實力過硬，或者產品不咋滴，可是可是套路足，讓用戶以爲本身產品「性價比」高，值得再次購買。