原文地址：
计算复购率有2种方法。
1.重复购买客户数量/客户样本数量。
举例：客户样本100人，其中50人重复购买（ 不用考虑重复购买了几次 ），复购率=50/100，即：50%。
2.客户购买行为次数（或交易次数）/客户样本数量。
举例：客户样本100人，其中20人重复购买，这20人中有5人重复购买1次（即：购买2次），有15人重复购买2次（即：购买3次），复购率=（5*1+15*2）/100，结果为35%。
在进行复购率计算时， 一定要确认好我们的统计周期 ，以便于我们 对不同周期的数据进行对比来判断购买趋势 。
在进行重复购买行为分析时，还可以 根据产品（或商品）特性对购买的次数进行细分 。
为了 更直观 地了解客户重复购买行为，我们可以借助 柱形图、环形图、饼图等 图表进行分析。
6
建议进行 购买行为细分的时候不要过于细化 ，否则会不利于我们抓住重点。
举例：我们可以将购买次数分为2次、3次及以上2个类型，并统计好各个周期的数据。
借助 柱形图或折线图 ，我们可以了解到 重要指标各个周期的重复购买行为走势 。
重复购买率的分析计算方法是什么？1、按照客户计算
该方法指在单位时间段内，回头客购买人数/总购买人数，计算出来的比例，则为重复购买率。例如在一个月内，有100个客户成交，其中有20个是回头客，则重复购买率为20%。
这里比较含糊的是，关于回头客的定义，又分为两种：
（1）按天非去重，即一个客户一天产生多笔付款交易，则算重复购买。
（2）按天去重，即一个客户一天产生多笔交易付款，只算一次购买，除非在统计周期内另外一天也有购买，才算回头客。
按天非去重，是目前b2c网站统计数据常用计算方法，相对计算出来的重复购买率要高于第二种。
2、按照交易计算
该方法指在单位时间内，重复购买交易次数/总交易次数，及重复购买的总次数占比。比如在某个季度中。一共产生了100笔交易，其中有20个人有了二次购买，这20人中的10个人又有了三次购买，则重复购买次数为30次，重复购买率为30%。
3、现状分析
目前经常能在微博上能看到有人在公布关于自家店铺的重复购买率或独立运营重复购买率的分析。基本都比较含糊。只有一个百分比比。也未公布其统计计算周期，和具关的指标计算准则。所以在重复购买率分析中，统计周期至关重要，要结合自自运营产品类目周期来分析，才更有参考价值和意义。
应该按那种方式计算复购率比较合理？关于复购率这件事，确实在我们服务客户的过程中，复购率是很多不管是大的电商公司还是小的电商公司问到最多的，下文的回答中大概是两部分，一个是关于复购率的计算，另一个就是关于复购率这一指标的理解和提升策略洞察。关于复购率的计算：计算方法一（复购的人）：购买次数大于1次的人/所有购买过的人=复购率，例如：10个人中有6个人购买次数大于1次，那复购率就是60%（通常计算的时候我们要加入时间维度，比如计算月复购率，即上一个月购买的人群中，下个月依然购买的百分比。当然你也可以基于上个月首次购买的用户和下个月依然购买的用户来计算，排除掉老用户的干扰。还有季度复购，年复购率，具体以哪种作为自身产品的参考，需要根据业特性去定。比如快消品，可能要看月度复购率；比如眼镜店，可能看一年两年的复购率。）；计算方法二（复购的次数）：复购次数/所有购买过的人=复购率，例如：一段时间内，10个人中有3个人购买过2次，其中有一个人之后又购买了1次，那一共重复购买4次，那这段时间内的复购率就是40%，一般，我们会采用方法一来计算确定复购率。提升用户终生价值，是运营的核心工作，用户第一次下过单，好久没来，再**TA一下发个红包补贴，于是又有一次购买。想要提升客户价值，需要更为有效的办法—提升复购。如果新用户转化是利益驱动，那其实是最简单的，因为给个优惠券或红包就能引导一次购买，但想要让用户持续购买，考验的是用户对平台的信任以及产品粘住用户的能力，所以，想要让复购有所提升，是需要花心思迭代产品以及设计运营策略的。
复购率公式复购率公式：
公式一：重复购买客户数量/客户样本数量。
公式二：重复购买客户的交易次数/客户样本数量。
复购率的知识扩展：
复购率是重复购买率的简称，是根据消费者对店铺某一产品或服务的重复购买次数而计算出来的比率。复购率是可以反映出消费者对该产品或服务的忠诚度的，复购率越高则忠诚度越高，反之则越低。
提升店铺复购率的措施：
1、将用户进行分类和分层管理。商家们可以根据用户的点击习惯或用户习惯来进行划分，不同类的消费人群也要有不同的管理措施，不管是产品质量、价格还是承诺等等。都是要做优化的，从而达到吸引用户的留住用户的目的。
2、店铺风格统一。店铺风格统一是很容易吸引用户的，统一的店铺风格更容易增长用户的浏览时长，也更容易收货老用户，吸引老用户复购。
老客复购率powerbi怎么计算说明：
1、复购率定义：按天去重，即一个客户一天产生多笔交易付款，则算一次购买，除非在统计周期内另外一天也有购买，则算重复购买。
2、结果中，RF和RF%中，列明细汇总大于等于总计，因为有的客户在不同的上下文中都出现了，所以会多次计算。
商业数据分析通常都可以简化为对数据进行筛选、分组、汇总的过程，本文通过一个实例来看看PowerBI是如何快速完成整个过程的。
假设数据为一个订单明细表，含有下单日期、客户名称、产品名称等数据，业务需求为：
根据订单表，计算出截止某个日期，购买次数为1-7次、8-14次、14-21次……的客户分别有多少？
看到要求就知道这是个分组问题，一般可以通过计算列或者度量值的方式来完成，之前PowerBI星球也分享过关于分组的文章：
这几种数据分组的方式，你应该掌握！
使用度量值进行分组统计
需要根据日期动态计算，那么就不能通过计算列的方式来实现，只能通过度量值来完成。
下面是PowerBI解决这个问题的过程，只需要简单的3个步骤。
1、数据建模
根据订单表提取出客户表，以及建立一个涵盖所有订单日期的日期表，分别与订单表建立一对多的关系。
因为要进行分组，所以还要建一个分组表，可以在PowerBI中"输入数据"，手工建一个，数据如下：
b031beb3e66d43596fc6b714dea5aeac.png
这个表不要与其他表建立关系，数据模型如下：
6281865b729bcd13e4f4d6758b2ab923.png
2、建立度量值
建立一个[客户购买次数]的度量值，如下图：
670210ff1c2602bdb104d10aebe29d00.png
这个度量值中体现了筛选、分组和汇总的整个计算，值得你好好练习研究一下。
3，数据呈现
将这个度量值放入到矩阵中计算结果，
cff5e94c4015ea8794a929f909190e99.png
从这里可以看出购买15-21次的客户最多。
可以通过切片器选择任意一个日期查看，
516141c2facdbb21e3debd6186a0f3e1.gif
还可以通过图表查看每个订单日期的客户累计购买次数分布，
907871d2e0053012f4bd048564935dbd.png
通过这个面积图，可以明显看出随着时间的推移，客户的复购次数越来越多。
e6076b7834acff354117f4c002799708.png
通过堆积面积图来看，虽然客户的重复下单次数在增加，但总客户数近一年来停止增长，值得关注。
这样就完成了任意一个日期的客户累计下单次数的分组统计，是不是很高效。
以上也是PowerBI数据分析的一个基本流程，从数据建模、DAX的运用到数据呈现，用户最终看到的只是最后一步：数据呈现，你也许觉得最重要的是第二步，写出那个度量值，从难度上来说，这确实需要一定的积累。
但更关键的其实是第一步，建立模型是数据分析的基础，一个良好的模型可以更简单的完成数据分析的需要，也会让度量值的编写变得简洁高效，而糟糕的数据模型，可能你压根无法写出可以实现需求的度量值。
关于数据建模，更需要不断的积累，你不仅要学会分析技术，更要精深业务，每个人都会建立数据模型，但并不意味着你会建立一个良好的模型，数据建模是一门科学，也是一门艺术。
