复购留存与生命周期分析

1. 为什么推荐

复购率是任务书明确要求的指标，但只给一个总复购率不够。更好的做法是把用户分为首购、复购和高频购买用户，并观察他们在 9 天内的行为变化。

2. 可做的复购分析

分析	口径	价值
复购率	购买次数 >= 2 的用户 / 购买用户	判断用户粘性
购买频次分布	用户购买次数分桶	找出高频购买用户占比
首购日期分布	用户第一次购买日期	看哪天新增购买用户多
复购间隔	相邻两次购买之间的时间差	判断复购周期

3. 简化留存分析

由于数据只有 9 天，可以做轻量留存：

• 以用户首次出现日期作为 cohort。
• 观察后续日期是否继续有行为。
• 分别计算 PV 留存和 buy 留存。

注意：9 天周期较短，留存结论只能作为样本观察，不要过度推断长期趋势。

4. 生命周期分层

用户类型	规则示例	建议
新访客	首次行为在观察期内且未购买	引导收藏或加购
首购用户	购买 1 次	推二次购买券
复购用户	购买 2 次及以上	会员权益、组合推荐
沉默用户	早期活跃后后期无行为	召回提醒

5. 推荐图表

• 购买频次分布柱状图。
• 首购用户趋势。
• 复购用户占比。
• 简化 cohort 留存热力图。

6. 报告写法

报告中不要只写“复购率较低”。建议写：

现象：复购用户占购买用户比例为 X。
拆解：单次购买用户占比高，复购用户主要集中在 Y 类目。
假设：复购不足与购买后缺少二次触达有关。
验证：高频用户在加购和收藏行为上明显更多。
建议：对首购用户发放二次购买券，预计提升复购率 N 个百分点。