中文 | English | 日本語 | 한국어 | Русский | Español | العربية | Français | Bahasa Indonesia | Tiếng Việt | Türkçe
返回首页

新用户的菜品(商品)复购率

根据用户注册日的菜品或商品明细,计算后续复购率表现

请上传Excel或CSV (UTF-8)文件

用户ID列
每一行代表一个订单,请指定能唯一识别用户的列(如会员号、手机号)
订单日期列
订单发生的日期,格式如 2025-01-01 或 2025/1/1
注册日期列
用户注册的日期(用于定义 cohort 起点),格式如 2025-01-01 或 2025/1/1
菜品/商品名称列
指定菜品或商品名称的列(如鱼香肉丝、万宝路香烟)

🔍数据筛选(可选)

设置筛选条件后,将仅对符合条件的数据进行分析
正在分析数据,请稍候...
正在处理数据,可能需要几秒钟时间
工具说明

一、计算器简介

新用户的菜品(商品)复购率计算器用于分析新用户在注册日购买过的菜品或商品,在注册后 30 天、60 天、180 天内的复购表现。本工具按「首日菜品/商品」分组,统计每组的总用户、复购用户与复购率,并以一张合并表、多层表头展示三个时间窗口的结果,便于横向对比不同菜品的复购潜力。

核心功能

应用场景

适用客户

本计算器适用于有「用户 + 订单明细(含菜品/商品名)+ 注册日期」数据的业务,如餐饮、零售、电商等,希望从首日购买品类维度分析新用户复购表现。

适用前提:数据中能提供用户ID、订单日期、注册日期、菜品/商品名称;且新用户在注册当天有至少一笔订单(本工具仅统计注册当日有交易的新用户)。

⚠️ 关于复购率比较只有量级足够的菜品才能进行复购率的比较。总用户数过少的菜品,复购率容易受个别用户行为影响而波动较大,不宜直接与高体量菜品对比复购率高低;解读时请结合「总用户」与「复购用户」一起看。


二、算法介绍

2.1 核心概念

首日菜品/商品

对每个用户,取其注册日当天购买过的菜品或商品名称(去重),称为该用户的「首日菜品/商品」。报表中的每一行对应一个首日菜品/商品,统计的是「在注册日买过该菜品/商品的新用户」的复购表现。

消费天数与复购

在某一时间窗口内(如 30 天),对每个用户统计其不同订单日期的个数,称为该用户在该窗口内的「消费天数」。

时间窗口与「注册满 N 天」

2.2 计算逻辑

  1. 参考日期:取全量数据中订单日期的最大值,作为分析截止日
  2. 筛选用户:对每个窗口(30/60/180 天),仅保留「注册日 + N 天 ≤ 参考日期」且「注册当日有至少一笔订单」的用户
  3. 窗口内订单:对每个用户,只保留订单日期在 [注册日, 注册日+N-1 天] 内的明细
  4. 首日菜品:对每个用户,标记其注册日当天购买过的菜品/商品名称
  5. 按菜品聚合:对每个(首日菜品, 用户),计算该用户在窗口内的消费天数;再按首日菜品汇总总用户数、复购用户数,得到复购率
  6. 合并与排序:将 30 天、60 天、180 天三组结果按菜品/商品名称合并为一张表,按 30 天总用户数倒序排列

2.3 结果展示

报表为一张合并表,表头为两层:

每一行对应一个首日菜品/商品,列为其在 30 天、60 天、180 天三个窗口下的复购用户数、总用户数、复购率(百分比)。


三、使用说明和注意事项

3.1 数据准备

必需字段

请确保数据文件包含以下四列:

  1. 用户ID列:能唯一识别用户的列(如会员号、手机号)
  2. 订单日期列:订单发生日期,格式如 2025-01-01 或 2025/1/1
  3. 注册日期列:该用户注册的日期,用于判断是否为新客及计算复购窗口
  4. 菜品/商品名称列:指定菜品或商品名称的列(如鱼香肉丝、某 SKU 名称)

数据粒度:每一行建议为一条订单明细(一条用户在某日购买某菜品/商品的记录)。

3.2 字段映射

上传文件后,将数据列分别映射到:用户ID列、订单日期列、注册日期列、菜品/商品名称列。

3.3 结果解读

3.4 注意事项

  • 量级与复购率比较:只有量级足够的菜品才适合做复购率比较。总用户数很少的菜品,复购率波动大,不宜与高体量菜品直接对比;建议结合「总用户」「复购用户」综合判断。
  • 注册当日有订单:仅统计在注册当天有至少一笔订单的用户;注册日无订单的用户不参与计算。
  • 时间窗口:30 天 = 注册日到注册日+29 天(含注册日),60 天、180 天同理。

四、总结

本计算器从「首日购买菜品/商品」维度分析新用户复购,输出 30/60/180 天三组指标合并表,便于识别哪些菜品更能带动复购。解读时请关注总用户量级,仅对量级足够的菜品进行复购率比较与决策。