Shopee选品怎么判断复购潜力：找能重复卖的东西

复购为什么比单次爆单值钱

单次成交的成本结构里，获客支出占了很大一块。每一次触达新买家，都要经历曝光、点击、询单、下单这几个环节，中间任何一步流失都意味着成本沉没。

回购订单的成本结构完全不同。买家已经买过一次，对商品和店铺都有基本信任，再次下单时几乎不需要说服，这一单的获客成本接近于零。

把两款商品的长期贡献放在一起看，差距会更明显。同样花一笔推广费，爆款商品带来一批一次性订单，复购型商品带来一批可能持续下单的买家，后者的累计贡献随时间增长。

复购还能提升运营的确定性。老客的购买行为有规律可循，可以提前预估订单量、准备库存、安排发货节奏，不必总是跟着流量波动被动调整。

评价的积累也会形成正向循环。老客下单后留下的评价更真实、更有细节，这些内容又能帮助新买家建立信任，进一步降低后续的获客难度。

这也是为什么很多店铺在度过起步阶段之后，会把重心从追求爆款转向经营可持续重复购买的商品结构。把估算的周期换成具体的日期，触达安排就能直接排进日程。

买家留下的内容也会带来正向循环。老客下单后留下的评价更具体、更贴近真实使用场景，这些内容又能帮助新买家建立信任，进一步降低后续的获客难度。

库存和资金的压力也会因为复购而变得平缓。买家基数足够大之后，订单会以相对平稳的节奏出现，不必为了赶一波流量一次性压上大量库存。

从客服成本的角度看，复购型买家的咨询量明显低于新买家。他们熟悉商品的用法，遇到问题也更容易沟通，同样一笔人工可以服务更多的订单。

复购型商品还有一个好处是数据的可预测性。知道了每位买家的回购周期，就可以提前算出下个月大概会有多少订单，备货和排期都能做得更从容。

当然复购的价值不会立刻显现，它需要经过一到两个完整的回购周期才能看出来。这也是很多店铺在初期容易放弃这条路的原因，因为看不到即时反馈。

要判断一款商品是否值得为复购投入，可以把它放在两到三个月的周期里看累计贡献，而不是只看第一个月的表现。每一次统计都保留原始数据，后续修正时才有依据。

可以算一笔直观的账来说明两者的差别。假设获取一位新买家的推广支出是十元，一位买家的首单利润是十二元，看起来是赚钱的，但真正到手的只有两元。

如果这位买家在一年内回购了四次，后面四次订单不需要再投入推广费用，每次都有十二元的利润，全年累计利润就变成了五十元，是首单的五倍。

这就是复购的价值来源。它的核心不在于单笔订单赚了多少，而在于同一笔获客支出可以被反复利用，获客效率随着回购次数持续提升。把这一步放到选品阶段做，代价最小、收益最大。

反过来看，如果一款商品只能卖一次，每一次成交都要重新投入推广费用，利润始终被压缩在很薄的一层里，店铺规模越大，推广支出反而越重。

所以在选品阶段把复购潜力作为一个判断维度，实际上是在为后面一到两年的经营结构做铺垫，这个判断的价值远超选品本身。每一次回收的数据都是下一次判断的依据，不要浪费。

具体做法可以很简单，在选品表里加一列复购潜力，用高、中、低三档标注，每次选品都填一次，逐步形成自己店铺的商品结构偏好。把这一项做完，这款商品的长期表现就有了预期。

把复购当作选品指标，判断就有了新的维度

哪些品类天然有复购

消耗速度快的日用品是第一类。清洁剂、纸巾、洗护用品这些商品用完就没有了，只要品质没问题，买家自然会回来补货。把这条经验写成一句话，方便在团队里直接传递。

按次使用的美妆个护是第二类。护肤品、彩妆、香水这类商品的消耗和使用频率强相关，用得越多消耗越快，回购的间隔也越规律。每一次判断都留下来，半年之后就是一份自己的经验库。

宠物用品属于第三类。宠物食品、猫砂、驱虫用品都是持续消耗的品类，养宠家庭几乎每隔一段时间就要补充，这类需求的稳定性很高。把判断的依据写下来，团队里才能复用。

母婴用品是第四类。奶粉、纸尿裤、湿巾这些商品跟着孩子的成长阶段消耗，需求集中在几年之内，频率高而且可以预估。遇到同类问题时先查记录，能避免重复踩同一个坑。

基础款服饰属于第五类。袜子、内衣、打底衫这类商品会因为磨损和季节更换被替换掉，虽然不是快消品，但有稳定的重复需求。把已有的信息整理清楚，判断的准确度就会明显提升。

反过来看，耐用品和一次性满足的商品复购压力最大。家具、家电、家居摆件这类商品买一次可以用很多年，除非质量出了问题，否则很难产生第二次购买。

判断时可以问一个简单的问题：这件商品用完或者消耗完之后，买家还需要再买一件吗。答案越明确，复购潜力就越清楚。把结论落到具体动作上，判断才真正产生价值。

按消耗方式把商品分类，判断会更清楚。用完即弃型、按次使用型、按阶段更新型这三类，天然带有重复购买的需求。把这一步放在选品阶段完成，后面调整的代价会小很多。

用完即弃型对应的是清洁用品、纸巾、食品这类商品，消耗过程不可逆，用完了就必须重新购买，这是最直接的复购来源。前期的筛选越细，后面的运营压力就越小。

按次使用型对应的是护肤、彩妆、香氛这类商品，单次使用量不大但使用频繁，消耗进度可以通过时间推算出来，回购节奏相对规律。把资源集中到复购结构更好的款上，收益会更稳。

按阶段更新型对应的是母婴用品、宠物用品这类跟着对象成长的商品，随着使用主体的变化，需要的规格和类型也会跟着变，复购是刚性的。

还有一类是靠磨损产生的复购，比如袜子、内衣、毛巾这些纺织类商品。它们的消耗不明显，但用久了会旧，替换需求会自然出现。把标准持续使用下去，判断的质量才会稳定提升。

按照这个分类去看自己的类目，很快就能判断出哪些商品具备复购基础，哪些商品只能做一次性生意。这个判断比凭感觉下结论要可靠得多。

还可以把这几类商品组合起来。靠消耗品维持稳定的复购节奏，靠磨损型商品补充客单价，整个店铺的结构会更抗波动。把结论和实际数据放在一起复盘，方法的迭代会更快。

把前面提到的几类商品放进一张表里对比，能看出一个规律。消耗速度越快、使用频率越高、更换理由越充分的商品，复购属性就越强。前期把标准立起来，后面就不用反复讨论。

日用清洁类处在最前面，消耗过程完全不可逆，用完了必须重新购买，复购几乎是被动发生的，不需要额外的运营推动。判断做上十几款之后，速度会明显加快，结论也更稳。

美妆个护紧随其后，虽然消耗速度稍慢，但使用频率高，买家容易形成固定的使用习惯，一旦习惯建立起来，换品牌的意愿就低了。前期的积累越扎实，后面的判断就越有底气。

宠物和母婴类商品的复购来自对象本身的需求，喂养和护理是持续进行的，这类商品的需求不会因为买家主观意愿而中断。把判断和定价放在一起考虑，结论会更贴近实际。

服饰基础款属于中档，它的复购来自磨损和季节更换，触发条件是客观存在的，但时间间隔比消耗品长，运营上需要更长的观察周期。同类目之间的规律往往相似，积累一次就能长期复用。

耐用品处在最后面，买一次可以用很多年，除非出现质量问题或者功能升级，几乎没有再次购买的理由，这类商品更适合靠客单价而不是频次。

按这个顺序去看自己的类目，就能很快判断出哪些商品值得长期投入，哪些商品只能作为短期的补充。前期估得粗一些没关系，随着数据积累再逐步收紧。

消耗得越快，重复购买的频率就越高

消耗速度怎么估算

估算可以从使用方式入手。属于一次性用完的商品，消耗速度取决于单次用量和商品的总量，两者相除就能得到大致的使用次数。每一次触达之后都记录结果，下一次的安排会更有依据。

对于按次使用的商品，可以先确定使用频率。每天用一次和每周用一次，消耗速度相差好几倍，把频率确定下来，周期就比较好推算了。把这一项纳入常规统计，趋势变化会更容易被发现。

按天消耗的商品要结合使用主体的特征。宠物食品要看宠物的体重和食量，婴儿奶粉要看月龄和喂养量，同样的商品在不同家庭里的消耗速度差别很大。

按季节更换的商品要按使用季节来算。一件基础款在某个季节里会被反复穿，磨损到明显影响穿着时就需要替换，周期通常和季节长度接近。

估算的结果要给出一个区间而不是一个点。买家之间的差异客观存在，用一个月到两个月这样的区间来描述，比给出一个确定的数字更贴近实际。

还有一个细节是囤货行为的影响。促销期间买家可能一次买好几件，下一次回购的时间会相应推后，估算时要把这种波动考虑进去。把这一步固定下来，复购就不再是碰运气的事情。

估算不需要很精确。能把周期区分在一个月内、一到三个月、三个月以上这几个档次，就足以支撑选品判断和后续的触达安排。把复杂的问题拆成几项简单判断，执行起来就轻松了。

估算时可以先用一个简单的公式。把商品的总量除以单次使用量，得到使用次数，再用使用次数除以每周或每月的使用频率，就能得出大致的周期。

举例来说，一瓶容量固定的洗护用品，如果每次用量固定，每周使用几次也是相对稳定的，那么用完的时间就可以推算出来，误差一般不会太大。

对于用量不固定的商品，可以先取一个中间值估算。不同买家的用量差异客观存在，用中位数来估算比用平均值更贴近大多数人的实际情况。

季节因素也要考虑进去。夏季的消耗速度通常快于冬季，同一款商品在不同季节的回购周期会有明显差异，按年均值估算会更稳妥。同类商品之间横向对照，判断会更稳妥。

如果商品有多种规格，建议按规格分别估算。大包装和小包装的使用时长差别很大，用同一个周期去安排触达，效果会打折扣。同类问题的处理方式统一之后，效率会有明显提高。

估算完成后可以把结果写进选品表，和售价、成本放在一起。这样在做选品决策时，就能同时看到商品的短期利润和长期复购潜力。把结论落到固定的表格里，后续执行就有据可依。

随着实际数据的积累，估算值会逐步被修正。刚开始有偏差很正常，只要能持续记录和更新，判断的准确度会越来越高。把标准写进流程，新人上手时就有明确的参照。

举个具体例子说明估算过程。假设一款洗护产品的容量是五百毫升，买家每次使用约五毫升，那么一瓶大约可以使用一百次。把结论写在商品信息旁边，翻看时能立刻回想起理由。

如果这位买家每周使用三次，一百次大约需要三十三周，也就是八个月左右用完，这就是这款商品在这个使用频率下的理论消耗周期。把这一步固定成流程，执行时就不容易遗漏。

但实际上很少有买家能连续八个月只用这一个品牌。中途换用、用量增加、闲置不用，都会让周期变短或者变长，所以估算结果要放宽成一个区间。

把上面的例子改成每周使用五次，周期就缩短到二十周，大约五个月。使用频率的差异直接决定了周期，这也是为什么要按使用场景分类估算。

同名商品在不同场景下差别很大，家庭装和个人装的使用频率不同，周期自然不同。分组估算得到的结论才有实际的指导意义。把判断的准确度当成长线指标，持续积累会有回报。

估算的精度不必追求很高，能把周期区分在一个月内、一到三个月、三个月以上这三个档次，就足以支撑选品和触达的判断。前期把这几项确认好，后面的问题会少一大截。

每积累一批实际数据，就把原来的估算修正一次，估算的准确度会随着经营时间越来越贴近真实情况。把这一项写进选品表，后面的决策就有了统一的参照。

复购周期怎么判断

判断周期最直接的依据是自己的历史数据。把同一个买家两次下单的间隔统计出来，取一个中间的区间，这就是真实的回购周期。把复购潜力作为常规项，商品结构会慢慢发生变化。

如果数据量还不够，可以先看商品的属性。消耗型商品的周期通常跟着消耗速度走，耐用品则没有明显的周期，这两种情况要分开对待。每一次复盘都留下一条可复用的经验，这就是积累。

还可以参考同类商品的评价时间分布。如果买家在评价里提到回购或者第二次购买，把这些时间点整理出来，也能得到一组可用的参考。把这一步养成习惯，长期看对结构改善明显。

周期判断出来之后要留出缓冲。实际回购往往会比理论周期晚一些，因为买家可能忘记或者临时换了别的品牌，触达时间应当略微提前。把判断和数据放在一起看，依据就一目了然。

不同规格的同一款商品，回购周期也不一样。大包装的消耗时间长，回购间隔自然更久，分组统计才能得到准确的结论。这一步的价值在于把模糊的感觉变成可以核对的数据。

周期是动态的，需要定期更新。随着买家使用习惯的变化和商品配方的调整，原来的周期可能已经不准，按季度回看一次比较稳妥。前期把这一项理清楚，后面的动作会顺畅很多。

把周期记录下来，和后续的触达安排对应上，复购这件事就从被动等待变成了可以主动经营的动作。把判断结果和后续实际表现对照，估算会越来越贴近真实。

用历史数据判断周期时，要注意排除异常情况。买家可能因为促销一次性买了好几件，也可能因为临时换了品牌而中断，这些特殊情况要单独剔除。

统计的时候可以取中位区间而不是极值。把大多数买家的回购间隔按时间排序，取中间那一段的范围作为参考，比用最短或最长的间隔更可靠。

还要区分主动回购和被动回购。买家因为用完而主动补货，和因为促销提醒而回购，这两种情况的周期含义不同，分开统计结论会更清楚。

周期判断出来后建议做成一张表，把不同品类、不同规格的周期分别列出来，触达安排时照着表格执行，不用每次重新推算。把动作和责任人一起定下来，事情才推得动。

如果发现某个品类的实际周期和估算相差很大，就要回头检查估算的假设。是使用频率估高了，还是用量估低了，找到原因后修正估算方式。

周期表要按季度更新一次。随着商品改进和买家习惯的变化，原来的周期可能会偏移，定期回看能让触达始终踩在对的时间点上。把这一步和前面的判断连起来，整条链条就完整了。

这张表的价值会随着积累越来越明显。它把复购从一个模糊的概念，变成了一套可以执行到具体日期的工作安排。把动作拆到可以执行的程度，判断才不算停留在纸面。

有一个容易被忽略的细节是，回购周期往往比理论消耗周期更长。买家用完了未必立刻补货，中间可能隔一段时间才想起，也可能先去买了别的东西。

所以在安排触达的时候，时间点应该比理论周期略早一些，而不是等买家用完才提醒，等买家自己去想起来，往往已经买了别家的商品。前期积累得扎实，后面的判断会更有底气。

具体提前多少可以按品类调整。消耗快的商品提前一到两周，消耗慢的商品提前两到四周，这个幅度既能起到提醒作用，又不会显得过于频繁。

触达的内容也要跟着周期走。周期临近时提醒补货，周期过半时可以做一次使用提示，两个节点各有侧重，比只做一次提醒的效果好。每一次判断都留下记录，半年后就是一份经验库。

当某个品类的实际回期比理论周期长了将近一倍，说明这个品类的买家忠诚度不高，触达的频率需要适当提高一些。把周期和触达节点对应起来，复购就从被动变成主动。

所有这些判断都要建立在数据之上。没有自己的周期数据时，可以先按同类目的公开信息估算，等积累够了再换成自己的实际数据。把这一项加入常规检查，判断质量会持续提升。

把判断结果和触达结果放在一起复盘，就能看出哪个时间点的效果最好，下一次的安排也会有更明确的依据。同一款商品在不同人群里的表现不同，分组看会更准确。

复购和拉新怎么配合

拉新和复购是两件不同的事，需要不同的资源配置。拉新的目标是扩大买家基数，复购的目标是提高每个买家的下单次数，两者的考核指标也不一样。

在资源分配的节奏上，起步阶段以拉新为主是合理的。先把买家基数做起来，等积累了足够的老客之后，复购的运营空间才会显现出来。把这一项做完，复购就不再是碰运气的事。

当老客数量积累到可观规模，触达的成本效益会明显改变。同一笔推广预算，用于触达老客带来的订单往往比用于获客更划算，这时候重心就该逐步转移。

两类动作之间还可以互相支撑。老客的评价和复购行为会提升商品的权重，让拉新的效率也变高，这是一个正向的循环。把判断和维护分开做，各自的质量都会更高。

推广节奏上可以让拉新和复购错开。大促期间集中做拉新，平时的日常运营把重心放在老客维护上，两者各占一块时间，不会互相挤压。

判断重心是否该转移，可以看老客贡献的订单占比。这个比例持续上升说明复购结构在形成，如果长期没有变化，说明老客的运营环节还有缺失。

两个动作都要有对应的执行人。没人负责的环节，无论设计得多好，最后都会慢慢停下来。同一个类目里多比对几款，规律会更容易看出来。

把这两个动作放在同一段时间里做，容易互相挤压资源。比较合理的做法是分开节奏，在流量集中的时期集中拉新，在相对平稳的时期做老客维护。

拉新阶段要关注的是获客成本和转化效率。这个阶段的目标是把买家基数做起来，评价数量和商品权重都会随着订单增长而提升。这条线划清楚之后，选品时的纠结会明显减少。

老客维护阶段要关注的是回购率和单客贡献。这个阶段的目标是让已经建立的买家关系持续产生价值，触达的精准度比覆盖面更重要。把标准写清楚，不同的人做出来的结论会更接近。

两个阶段之间的切换不必很生硬。可以在拉新的同时，对已经完成首单的买家做一次简单的回访，把复购的起点提前到首单交付之后。把动作拆细之后，执行起来就不容易走形。

资源分配上可以先给一个大致比例。起步期拉新占七成、老客占三成，随着老客基数扩大，逐步调整到各占一半甚至更偏重老客，具体比例根据自己的数据来定。

判断是否该加大复购投入，可以看两个信号。老客复购订单占比是否在上升，单客累计贡献是否在增长，两个都在改善就说明结构在变好。

无论重心在哪里，两个环节的执行人最好明确下来。有了固定的负责人，动作才能持续，数据也才有人跟进和复盘。这类工作看起来琐碎，累积起来对店铺结构的影响不小。

举个节奏上的例子。假设某个月有一场大促，这个月可以集中做拉新，把新买家的基数推上去，同时为后续的复购储备买家。判断完之后立刻记录，记忆最新鲜的时候写下来最准确。

大促结束后的一个月，把重心切换到老客维护上。这批新买家刚完成首单，正是建立使用习惯的阶段，这时候的触达质量直接影响复购意愿。

接下来再按回购周期安排第二次触达。如果估算周期是两个月，那么首单之后两个月左右就是关键的触达节点，这一类的动作要提前排进日程。

这样安排的好处是资源的使用更有节奏。大促期间集中投放拉新，平稳期集中维护老客，两者不会在同一时间争夺有限的预算和人力。前期把范围收窄，后面调整的空间反而更大。

判断这个节奏是否有效，可以看两个数据的变化趋势。老客复购订单占比是否逐月上升，新买家的二次购买率是否在改善。每一次判断都要能说出理由，否则很难在团队里复现。

如果两个数据长期没有变化，就要检查执行环节。是触达没有做，还是触达的内容没有说到点上，找到原因再调整。把口径统一之后，不同时期的数据才有可比性。

这套配合方式不需要额外的投入，主要是把已有的动作按时间排开，让拉新和复购各自在合适的时间点发挥最大的作用。每一次调整只改一个变量，才看得出是哪一项在起作用。

消耗快又容易形成习惯的品类，复购优势最明显

数据从哪里看

最基础的数据是重复购买率。统计一段时间内下单两次及以上的买家数量，除以这段时间的总买家数，得到的就是整体的复购比例。同类目里多观察几款，规律会自然显现出来。

第二个数据是回购间隔。把同一个买家的多次下单时间排序，计算相邻两次之间的天数，取中间值，就能看出实际的回购周期。每一次复盘都留下一条可复用的经验，这就是沉淀。

第三个数据是单客累计贡献。同一个买家在一段时间内带来的订单总金额，这个数据反映的是复购带来的实际价值，比单纯的次数更有意义。

第四个数据是品类维度的复购差异。把不同品类的复购率放在一起比较，就能看出哪些品类更适合做长期经营。这一步做完之后，整款商品的长期价值也就有了大致轮廓。

这些数据都能从订单记录里整理出来，不需要复杂的系统。用一张表格按买家分组，把订单信息填进去，定期更新就能形成自己的数据集。

整理频率建议按周做一次基础统计，按季度做一次完整分析。基础统计让数据不断档，完整分析用来支撑选品结构的调整。把这条标准放在显眼位置，执行时不容易忘。

数据整理出来之后要用于决策，不能只是存档。看到某个品类的复购表现突出，就应该在下一轮的选品里多给它一些位置。把这一步纳入固定流程，才不会被其他事情挤掉。

数据整理的起点是订单明细。把一段时间里的订单按买家分组，找出有多次购买的买家，这部分的订单占比就是最直观的复购水平。把判断和后续数据对照，估算会越来越准。

第二个要看的是回购的时间分布。把买家的多次下单时间画在一张表上，看看间隔集中在哪个区间，这个区间就是真实的回购周期。前期估得粗一些没关系，后续再逐步修正。

第三个是金额维度的统计。同一个买家累计贡献了多少订单金额，把它和新买家的单次金额放在一起比较，就能看出老客的价值优势。把结论和实际表现放在一起，方法的迭代会更快。

第四个是品类对比。把不同品类的复购率和单客贡献放在同一张表里，哪个品类更适合做长期经营，一眼就能看出来。同类目之间的规律往往相通，积累一份就够用很久。

第五个是流失情况。在一段时间内没有再次下单的老客有多少，这个数据反映了触达和运营环节的缺口，值得单独盯住。把记录做成固定模板，填写起来会越来越顺手。

这些统计不需要复杂的工具，用表格软件按周维护就能做到。关键是把口径固定下来，每次都用同样的算法，数据之间才具备可比性。同类问题上先查记录，能少走不少弯路。

数据要用于决策才算发挥作用。看到复购表现好的品类，就在下一轮选品里给它更多位置；看到流失偏高的环节，就回去检查触达是否到位。

整理数据时建议从订单明细入手，这是所有分析的基础。把一段时间内的订单按买家编号分组，就能看清楚每位买家的购买次数和时间分布。

有了这份明细之后，重复购买率、回购间隔、单客贡献这三个指标都能算出来，不需要额外采集数据，全部来自已有的订单记录。把结论和数据放在一起看，判断的依据就一目了然。

第二个数据来源是商品维度。把不同商品的复购情况分别统计，就能看出哪些商品是真正在维持买家关系，哪些商品只是在做一次性成交。

第三个来源是触达记录。把每次触达的时间和带来的订单对应起来，就能判断哪个时间点的触达效果最好，后续的安排也会更有依据。把这一项当成必填，判断的完整度会明显提高。

这三份数据放在一起看，判断就完整了。商品维度告诉你哪些值得投入，买家维度告诉你触达该在什么时候做，触达记录告诉你做得怎么样。

整理频率上，订单明细按周更新，商品和触达的统计按月做一次。频率不用太高，关键是保持连续，中间断档会影响趋势判断。把这一步做完，这款商品的长期价值也就清楚了。

数据整理出来之后要有人看、有人用。只存档不分析，数据本身不会带来任何改变。把这一项固定成选品的必填栏，每次判断都不会漏。

复购型选品带来的变化是持续累积的

常见误区

第一个误区是把复购等同于低价。低价确实能带来重复购买，但这类买家对价格极度敏感，一旦有更便宜的选择就会流失，价值并不稳定。

第二个误区是认为所有商品都应该做复购。耐用品、一次性满足的商品本身就不具备重复购买的条件，硬做只会浪费运营精力。把数据用在决策上，整理工作才有实际意义。

第三个误区是只看复购率不看间隔。复购率高但间隔很长，说明买家是被动回头，运营上很难形成稳定的节奏。把资源投在复购结构更好的款上，整体收益会更平稳。

第四个误区是不做触达就期待复购。买家在需要补货的时候未必会想起这家店，没有提醒，相当比例的回购机会就这样流失了。同类商品之间横向对照，比单独看一款更容易发现问题。

第五个误区是把周期估算得太短。估算偏短会导致触达过早，反而让买家产生被打扰的感觉，效果适得其反。把结论记录下来，半年后回看会有新的判断依据。

第六个误区是忽略首次体验的质量。第一次购买如果出现了问题，复购基本无从谈起，复购的起点其实是首单的交付质量。数据积累到足够多，品类规律就会自然浮现出来。

避开这些误区之后，判断路径就清楚了：看消耗属性、估消耗周期、查历史间隔、设计触达节点，用数据验证而不是凭感觉假设。同类目里的复购表现差异很大，逐个看比套用结论更准。

这套判断可以在选品阶段完成，成本很低，却能让商品结构从追逐单次销量转向经营长期价值。这一步不需要额外采集数据，整理已有的订单记录就够用。

第七个误区是只看次数不看金额。买家回购了很多次但每次都是低价小单，对店铺的贡献其实有限，金额维度的数据更能说明问题。把这一栏填上，选品表的信息就更完整了。

第八个误区是不区分主动和被动回购。促销带来的回购和自然回购，价值含义完全不同，混在一起统计会高估复购的健康程度。把这一列的判断标准写清楚，填写时不容易跑偏。

第九个误区是忽略了首单体验。复购的起点其实是第一次交付，商品质量、包装、物流任何一环出问题，后面的复购都会被影响。把这一项养成习惯，长期看会明显改善店铺结构。

第十个误区是把复购当成自动发生的事。没有触达、没有提醒，相当一部分本该发生的回购会流失到别的店铺。判断的依据要写清楚，团队里其他人才能照着复现。

第十一个误区是用一个周期套所有买家。新买家和老买家的消化速度不同，同一款商品对不同人群的回购周期也有差异。前期把范围收窄一些，后面的调整空间反而更大。

第十二个误区是只盯着复购率、不看整体结构。复购率上升的同时如果拉新停滞，买家基数不再增长，长期看仍然会遇到瓶颈。前期判断花的时间，会在后面的运营里成倍省回来。

第十三个误区是数据口径经常变。口径一变，前后数据就没法比较，之前的积累全部作废，保持稳定才能看出趋势。动作越具体，执行时越不容易走形，效果也越稳定。

避开这些误区之后，复购判断的执行路径就很清楚：分类判断属性、估算消耗周期、统计历史间隔、设计触达节点、用数据持续验证。每一次调整只改一个变量，效果才看得出。

常见问题（FAQ）