任务知识导入
https://baijiahao.baidu.com/s?id=1777456500129450397&wfr=spider&for=pc
https://www.fanruan.com/bw/lsdsr
https://www.woshipm.com/data-analysis/5236102.html
案例背景：
第一步，区分首购订单 or 复购订单
通常采用的方法是用户ID作为主排序字段，购买日期作为第二排序字段，分类汇总次数。
首购订单记为1，复购订单依次累加
第二步，复购率计算
可见，需要计算出两点，一是有复购行为的用户数，二是有购买行为的总用户数，基于二者计算用户复购率。
第三步，复购时间趋势分析
第四步，复购时间间隔分析
复购时间间隔分析的作用，在于了解用户在不同时间间隔范围内，进行复购行为的占比情况，从而制定营销活动的推出时间间隔。
根据分组字段，使用饼图/环形图展示占比情况。
第五步，商品复购分析
每种商品的复购次数、排行榜;
每种商品复购的用户情况，每个用户复购的次数等;
结合品类、销量、价格区间、评价等等多种维度，进行细化分析等。
商品复购排行
每种商品复购的用户情况（用户习惯）
第六步，商品价值分析
对于新兴产品：需要着重拓展市场
对于低回购产品：需要检查是否产品有质量问题，导致用户单次购买多但不会回购
对于问题产品：着重关注
第七步，复购深层分析
定期追指标
用户太久不来消费就可能流失，因此衍生了一个做法：计算用户最近一次消费距今时间，如果发现用户已经距今7天/30天/60天/90天没有复购，则直接开展唤醒动作，发放优惠券。
找魔法数字
忠诚用户的复购频率会比普通用户高，这个道理也是不用分析，是个人都知道。于是，有一些数据分析师/运营，会去找这个魔法数字：用户复购X次以后，累计消费与复购率明显高于其他用户（如下图）。
比如发现用户复购4次以后，再进行复购的概率与累计消费都明显高于其他用户。运营便很有动力围绕这个“4次”做文章，通过会员奖励/连续推券/积分等手段，鼓励用户做到这个“4次复购”。
发现偏好
在统计用户消费频次/金额的时候，不要只粗暴地看总量，而是按品牌/品类比例进行区分，尝试找到：集中某一品牌/某一品类的忠实用户，如果发现有这一类相对“专一”的用户存在，
再结合其消费金额/参与活动情况，判断用户是被打折价格吸引还是被商品吸引，从而找出运营策略。
记录场景
低频消费的用户，不代表一定没有复购，很有可能只是没有触发需求场景而已，比如典型的：
1）喜爱参与大促的用户；
2）节假日/礼品消费的用户；
3）换季/上新时才出现的用户。
这些用户的复购周期是必然远远低于常规用户的，但在特定场景下的消费又非常刚需。因此与其平时浪费资源乱发券，不如通过消费记录/搜索记录等，标志出重点场景用户，集中在这些场景下赢取用户消费。