用户复购间隔天数透视表

一、计算器简介

用户复购间隔天数透视表是一款专门用于按注册月份分组、分析注册日有订单用户的复购间隔节奏的工具。本工具通过统计不同注册时期用户在第1-2次、2-3次、…、6-7次消费之间的间隔天数中位数，形成透视表，帮助您了解不同时期新客的复购节奏，为制定新客激活与复购策略提供数据支持。

核心功能

• 复购间隔透视表：按注册月份分组，展示各注册时期用户在不同复购次数区间（1-2次、2-3次、…、6-7次）的间隔天数中位数
• 总人数统计：统计每个注册月份中，注册当天有订单的用户总数
• 复购人数统计：统计每个注册月份中，至少有2次消费的用户总数（去重）
• 中位数计算：使用中位数（median）而非平均值，避免极端值影响，更准确反映复购间隔的典型水平

应用场景

• 评估不同注册时期新客的复购节奏差异，识别高质量获客渠道
• 识别复购间隔的变化规律（如第几次复购间隔明显拉长），制定针对性运营策略
• 对比运营活动或产品改版前后，新注册用户的复购节奏变化
• 观察用户复购间隔随消费次数增加的变化趋势，为复购激活策略提供数据依据

适用客户

本计算器适用于所有需要分析用户复购间隔、且具备用户注册日期与订单日期的行业和场景，特别适合餐饮、电商、零售、生活服务、订阅服务及其他B2C业务。

适用前提：您的业务能够提供用户ID、订单日期和注册日期的数据；且业务上能区分用户是否在注册当天有订单（本工具仅统计注册当天有订单的用户）。

---

二、算法介绍

2.1 核心概念

分组标签：注册月份

• Cohort 分组标签：注册月份（YYYY-MM）。用户归属到其注册日所在的月份，形成同期群。
• 仅统计注册当天有订单的用户：若某用户注册当天没有任何订单记录，该用户不参与本次分析。

复购间隔

• 第1-2次消费间隔：用户第1次消费日期与第2次消费日期之间的天数差；以此类推至第6-7次。
• 去重处理：同一用户在同一天的多笔订单只计为一次消费，使用订单日期的去重集合计算间隔。

中位数与用户范围

• 中位数：将间隔天数排序后取中间值，不受极端值影响。
• 总人数：注册当天有订单的用户总数（按注册月份统计）。
• 复购人数：至少有2次消费的用户总数（按注册月份统计，去重）。

2.2 计算逻辑

系统会识别注册当天有订单的用户，去重订单日期后按日期排序，计算相邻两次消费的天数差（1-2次、2-3次、…、6-7次），按注册月份分组后对每个 cohort×间隔类型 求中位数；并统计总人数、复购人数。

2.3 数据过滤规则

• 缺失用户ID、注册日期、订单日期的记录会被排除；订单日期早于注册日期的记录会被排除。
• 仅统计注册当天有订单的用户；同一用户同一天多笔订单只计一次消费。

---

三、使用说明和注意事项

3.1 数据准备

必需字段：用户ID（user_id）、订单日期（order_date）、注册日期（register_date）。支持 CSV、Excel；建议 UTF-8 编码。

3.2 结果解读

透视表行=注册月份，列=总人数、复购人数、1-2次(天)～6-7次(天)；单元格=该 cohort×间隔 的间隔天数中位数。复购人数 ≤ 总人数。随消费次数增加，间隔天数一般递增；可跨 cohort 对比同一间隔类型评估复购节奏差异。

3.3 注意事项

• 仅统计注册当天有订单的用户；订单日期去重后计算间隔。
• 使用中位数而非平均值；若某 cohort 无某间隔类型数据，对应单元格为空（—）。

3.4 常见问题

Q：为什么必须「注册当天有订单」？ 便于定义清晰的 cohort 起点，确保各 cohort 在同一起点上对比复购节奏。

Q：总人数与复购人数的区别？ 总人数=注册当天有订单的用户数（含仅1次消费）；复购人数=至少有2次消费的用户数，故总人数 ≥ 复购人数。

Q：为何用中位数？ 中位数不受极端值影响，更能反映典型用户的复购间隔水平。

---

四、总结

用户复购间隔天数透视表通过按注册月份分组的复购间隔中位数，帮助您分析不同时期新客的复购节奏。正确使用可快速识别复购间隔差异、发现变化规律、优化拉新与复购策略。如有疑问请联系系统管理员。