首复间隔分析

首复间隔分析聚焦在具体的业务场景——如何尽快让更多用户成为忠诚用户？如何帮助客户更好提升忠诚用户体量、促进交易额增长？

为了达到这个目的，需要帮助客户回答以下问题：

1. 复购多少次以后会成为忠诚用户（保持高比例复购）？
2. 大多数用户的复购周期是怎样的？
3. 多久未复购，代表这个用户大概率会流失？
4. 对于未复购的用户，什么时候介入营销ROI最大？

首复间隔分析通过回答上述问题，帮助客户了解忠诚用户的复购门槛、了解复购用户合适的营销时机。这样就可以通过精准的营销策略，让更多老用户不断越迁成为忠诚用户，实现业务增长和用户价值增长。

分析原理及价值说明

首复间隔分析是怎样分析得出忠诚用户阈值的？

1. 以零售行业的购买行为为例，当一个用户在某个品牌购买行为次数越多时，就说明这个用户对这个品牌认可度越高，认可度越高就代表着忠诚度越高，而忠诚度越高这个用户的复购概率就越大
2. 但复购率不可能达到100%，一定会随着用户步入在这个品牌内的生命周期的末期而降低，但在总的用户盘子里来说，这个群体的复购率会达到一个稳定阶段，而这个稳定阶段的复购率的具体高低会受到行业、品类等影响。比如奶制品这个稳定的复购率可以达到80%-90%，但清洁用品可能只有70%左右
3. 首复间隔分析可以自动的帮助客户计算目标客群从首购开始，1转2、2转3、3转4...的复购比例。帮助客户找到核心客群在购买多少次以后，能达到稳定的复购率。稳定的复购率就代表着这些客户进入到了忠诚用户阶段。而达到稳定复购率所要求的复购次数，就是忠诚用户的阈值。

首复间隔分析不仅分析出忠诚用户的阈值，还会从营销时机的角度帮助客户找到最佳的营销时间，这个又是怎么做到的？

类似于正态分布的原理，当大部分用户都在一定时间内完成了复购，剩余的少量用户再发生复购的概率就很小了

所以首复间隔分析会自动分析每一次转化的时间间隔分布，统计出大部分用户是花多长时间完成复购的。那当超过这个时间后还未完成复购的用户就是小概率复购用户，换句话说就是大概率会流失的用户，这些用户就应该被重点营销。

这个营销时机为什么重要？因为营销代表着成本，如果营销时机过早，会在本来就会自然发生复购的用户身上投入不必要的营销费用。但如果营销时机过晚，就会有更多的用户进入了流失状态，召回成本更高，所以精准的营销时机很重要。

功能说明

选择转化事件

选择衡量用户生命周期的核心行为事件，如上所述零售行业建议选择购买行为

设置首次追溯期

由于要计算目标人群从首次购买开始的每一次复购的复购率，所以需要定位首次购买。假设首次追溯期设置的是365天，含义是统计期内的首次购买是近365天内的首次

设置转化窗口期

在转化窗口期内的所有复购行为都会纳入统计范围，因为首复间隔分析需要大基数，所以一般选取的时间范围都是一个季度甚至一年的用户数据。转化窗口期是保证跨度一个季度甚至一年的用户，其转化时长是一样的，保证计算结果的精准性

选择目标用户

选择分析的目标人群

维度拆解

对首购进行维度拆解对比，比如可针对首购的sku品类进行拆解对比，比较首购不同品类商品的人群的忠诚度进阶效率（忠诚度阈值是否有差异）

用户对比

可对比不同分群的忠诚度阈值

业务解读

支持业务解读模式，业务解读模式下，会自动给用户完成分析洞察，降低使用门槛

结果说明

再转比例分析结果

1. 再转比例分析计算的结果是目标人群从首购之后，在转化窗口期内，累计完成了多少次复购，并且每次复购之间的再转比例。举例如上图，虚线对应的点（4转5）的统计意义是，完成4购的所有用户中，在转化窗口期内，总共有83.83%完成了第5次购买。
2. 可以看出自4转5开始，复购比例稳定在了83%～98%之间，这就说明购买4次就是忠诚用户阶段的阈值

间隔分析结果

1. 统计每一次复购之间的用户转化间隔分布
2. 上图可以看出，在所有4转5的用户中，78.97%的用户是在两周内完成的，86.39%的用户是在四周内完成的。所以对于已经完成4转的用户，两周后如果还未完成第五次购买，就可以进行营销了

业务解读模式

1. 开启业务解读模式后，再转比例分析和间隔分析都会自动根据计算结果生成结果洞察（按照GrowingIO预置的判断逻辑进行解读），供客户进行参考
2. 关闭业务解读模式后，客户可根据自己的业务经验，根据在业务解读模式下提供的思路引导下，自行解读，可能可以得出更贴合实际业务的解读结果