核心观点：复购率不是一个数，是一组取决于口径的选择。同一个客户群，按客户数算和按订单数算，结果可以差 3 倍甚至更多。90% 的"复购率下降"其实不是业务变差，而是这次换了口径。本文把三种口径的公式、适用场景和算法差异一次讲清，并给出一张能直接抄的统计表结构。
一、先说结论：复购率算错，是最常见的"假警报"
很多团队复购率一掉，第一反应是"客户体验出问题了，去做回访"。但如果这个下降只是因为这个季度从"按客户数算"改成了"按订单数算"，那所有的补救动作都打在了空气上。
为什么会算错？ 因为复购率有三种常见口径，每种的分母都不一样，而且都不叫错，只是回答不同的问题：
| 口径 | 回答的问题 | 分母 | 典型用途 |
|---|---|---|---|
| 按客户数 | 有多少人回头买了 | 期间有过购买的客户总数 | 老板汇报、年度盘点 |
| 按订单数 | 有多少单来自老客户 | 期间的总订单数 | 运营效率分析 |
| 按金额 | 老客户贡献了多少钱 | 期间总销售额 | 收入结构分析 |
同一批数据，三种口径的结论可能完全相反。这就是很多"数据打架"的根源。
二、口径一：按客户数算（最常用，也最容易被做错）
公式
客户复购率 = 期间内购买 ≥2 次的客户数 / 期间内有过购买行为的客户总数 × 100%
注意分母里必须包含只买过 1 次的客户。这是最常见的错误——有人把分母写成了"复购客户数 + 新客户数"，但新客户里还混着"只买过一次的老客户"，这样算出来的分母偏小，复购率被虚高。
举例
某季度：
- 买了 2 次及以上的客户：120 人
- 只买了 1 次的客户：380 人
- 期间总购买客户：500 人
复购率 = 120 / 500 = 24%
如果分母误写成 120 + 100（把 380 人里的 280 人当成"新客"漏掉），就成了 120/220 = 54.5%。虚高了一倍多。
适用场景
- 月度/季度复盘
- 销售团队考核
- 判断"老客户黏性"整体健康度
陷阱
分母的时间窗口必须和分子一致。 常见错误是分子算"本季度复购的客户"，分母却用了"全年有过购买客户"——这会让复购率在年内逐月虚高，因为分母在持续累积而分子只算当期。
三、口径二：按订单数算（看运营效率用这个）
公式
订单复购率 = 来自老客户的订单数 / 期间总订单数 × 100%
"老客户订单"的判定标准需要提前定死，常见有三种：
- 该客户首次下单时间早于统计期开始（最严谨）
- 该客户历史订单数 ≥ 2（宽松，会把本期第二单算成新客单）
- 该客户属于某个 tag 分组（最灵活，但依赖人工维护）
建议用第 1 种，因为它不受统计期长短影响，可以跨期比较。
举例
某月：
- 老客户订单：340 单
- 当月总订单：520 单
订单复购率 = 340 / 520 = 65.4%
关键差异
同一个季度，按客户数算可能是 24%，按订单数算可能是 65%。数字本身没有可比性——只有在口径一致的前提下，两个季度才能比。
适用场景
- 判断获客成本压力（新单占比过高说明拉新吃紧）
- 评估老客经营策略的订单侧效果
四、口径三：按金额算（最接近老板关心的东西）
公式
金额复购率 = 老客户复购金额 / 期间总销售额 × 100%
为什么要单独看
客户数复购率 24% 但金额复购率 85%，说明复购的是极少数大客户，大多数复购客户贡献很低。这种结构很危险：一旦那少数大客户流失，金额复购率会断崖下跌，而客户数复购率几乎不动，你根本来不及反应。
反过来，金额复购率 30% 但客户数复购率 40%，说明复购面广但单均金额小——这是健康且可持续的结构。
加上单均金额才完整
单均金额 = 期间总销售额 / 期间总订单数
把三个数放一起看，才能判断"复购质量"：
| 客户数复购率 | 金额复购率 | 判断 |
|---|---|---|
| 低 | 低 | 真实预警，需要干预 |
| 高 | 低 | 复购面广但价值浅，需提客单 |
| 低 | 高 | 依赖少数大客户，风险集中 |
| 高 | 高 | 健康 |
五、复购率 vs 流失率：两个数必须一起看
单看复购率有个致命盲区——它没法区分"没回头"和"彻底消失"。
举例：某季度 500 个客户，复购 120 人（24%）。但如果其中 200 人已经从系统里彻底不再出现、也再不联系了，这 120 人的复购质量就要打问号。
流失率公式
客户流失率 = 期间内没有任何购买行为的历史客户数 / 期初历史客户总数 × 100%
关键在于分母是期初的历史客户数（不含本期新进来的），且要约定一个"沉默多久算流失"的期限——常见是 90 天或 180 天，按你的实际购买周期定。
联动的判断逻辑
真正该盯的不是复购率绝对值，而是这两个数的关系：
| 复购率变化 | 流失率变化 | 判断 | 动作 |
|---|---|---|---|
| 稳定 | 稳定 | 稳态运行 | 保持节奏 |
| 下降 | 稳定 | 存量在流失但没补回 | 查交付/产品体验 |
| 稳定 | 上升 | 现有客户在变好，但整体在漏 | 查获客质量（新客是否精准） |
| 下降 | 上升 | 双重恶化，最高优先级 | 立即做客户逐个回访 |
第三行是最容易被忽略的：复购率看着稳，但流失率一路上升，说明总客户池在缩小——老客户在流失，新客补进来但没转化成复购。这时候盯着复购率会被误导。
六、直接抄的统计表结构
建议在表格或系统里按这个结构建，横向对比多个周期：
| 周期 | 购买客户总数 | 复购客户数 | 客户数复购率 | 总订单数 | 老客订单数 | 订单复购率 | 总销售额 | 老客销售额 | 金额复购率 | 期初客户数 | 流失客户数 | 流失率 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 本月 | ||||||||||||
| 上月 | ||||||||||||
| 环比 |
填表的三条硬规则：
- 每个周期的口径必须一致。中途换口径的周期数据要标注，或者直接重算历史数据。
- "复购客户"要写明判定规则。是"本期买 ≥2 次"还是"首次购买早于本期"？两者结果不同。
- 留存一列"统计口径说明"。半年后有人问"这个数怎么算的"，答不上来这个指标就废了。
七、Excel 公式直接用
设数据在 A 列是客户 ID，B 列是订单日期，C 列是订单金额：
=SUMPRODUCT((COUNTIFS(B:B, ">="&起始日期, B:B, "<="&结束日期, A:A, A:A)>=2)*1)
/ SUMPRODUCT((COUNTIFS(B:B, ">="&起始日期, B:B, "<="&结束日期, A:A, A:A)>=1)*1)
如果你的系统支持直接查表，用 SQL 会更省事：
-- 客户数口径
SELECT
COUNT(DISTINCT CASE WHEN order_cnt >= 2 THEN cust_id END) * 1.0
/ COUNT(DISTINCT cust_id) AS repurchase_rate_by_cust
FROM (
SELECT cust_id, COUNT(*) AS order_cnt
FROM orders
WHERE order_date BETWEEN :start AND :end
GROUP BY cust_id
) t;
八、复购率多少算合理？—— 一个反常识的答案
这个问题没有标准答案，而且网上流传的所有"行业平均值"都不建议直接用。
原因是这些数字通常有两个硬伤：一是样本来源不透明（往往是某家咨询机构的付费报告，你看不到原始样本量）；二是口径不明（不知道它算的是客户数还是订单数）。拿一个口径不明的 45% 当基准线，会导致这个误差一路传导到每个销售的考核上，最后变成一场口径之争。
更可靠的做法是建立自己的基线：
- 先连续 6 个月只算一个口径（建议从客户数口径开始，最容易拿到完整数据）
- 算出自己 6 个月的均值和波动范围
- 用这个范围做判断：跌出范围下沿 = 需要关注，跌出范围 50% = 立即排查
- 每季度校准一次
这个基线的好处是它只跟你自己的业务有关，不受行业数据失真的影响。
如果你现在一个基线都还没有，更现实的做法是：先把复购率拆到人——看每位销售的客户复购率分布。如果团队里最高的和最低的差 3 倍以上，那整体均值的变化基本是人员结构变化造成的，跟业务健康度关系不大，先解决内部差异更划算。
九、把复购率算出来之后，往哪走
算出来只是起点，关键是让这个数字能驱动动作。三个可落地的方向：
1. 把复购客户和流失预警挂上钩。 复购率告诉你"总体怎么样"，流失预警告诉你"具体谁要出问题"。两个一起用，才能从看数变成干活。关于预警指标怎么搭，可以看 客户流失预警怎么做？5个关键指标+3种建模方法。
2. 把复购客户按价值分层。 24% 的复购客户里，价值差异可能很大。分层之后才知道该给谁做复购邀约、该给谁做续费升单。分层维度怎么选见 客户分层怎么做？4个维度加一张可直接抄的表格。
3. 复购动作要接在流程上，不能靠自觉。 复购时机其实是可预测的——客户上次购买后到预计复购周期前 7~15 天，是介入的最佳窗口。这个动作如果只靠销售"想起来"，八成不会执行，需要写进系统的自动提醒里。跟进动作怎么标准化见 客户跟进SOP怎么写？5个可直接抄的步骤。
别忘了配套的记录问题。 复购分析依赖准确的购买历史，如果微信/企微里的沟通和交易记录没沉淀下来，你算出来的分母会缺一大块，结论直接失真。记录怎么落地见 SCRM和CRM区别是什么？4个维度对比。
十、常见问题快查
Q：复购率和回头率有什么区别？ 基本同义。少数团队把"复购"限定为同产品重复购买，"回头"允许跨品类，统计时明确一下就行。
Q：统计周期多久合适？ 按购买频率定。月频客户看月度，长周期客户（家装、婚庆、B端）看季度或半年。用月度去统计季度决策的生意，会得到一堆噪音。
Q：新客户要不要算进分母？ 本文口径建议不算。新客户算的是获客效率，老客户算的是留存能力，混在一起会掩盖真实问题。如果确实要合并看，就单独再算一个新客户首购转复购的指标。
Q：复购率下降但客户数在涨，怎么办？ 先确认是不是新客户涌入稀释了分母。这在获客加速期很常见——新客户基数暴涨，老客户数量没变甚至微涨，算出来的比例自然降。这时候应该看"老客户绝对数"和"绝对复购金额"，而不是盯着比率。
相关阅读
- 客户流失预警怎么做？5个关键指标+3种建模方法，附落地实施清单 —— 复购率看整体，流失预警看具体谁
- 客户分层怎么做？4个维度加一张可直接抄的表格 —— 复购客户里哪些值得重点投入
- 客户跟进SOP怎么写？5个可直接抄的步骤，加一张记录表模板 —— 复购邀约动作怎么标准化
- 销售线索和商机的区别是什么？4个判断标准加一条可落地的跟进流程 —— 新客转复购的第一道判断
- SCRM和CRM区别是什么？4个维度对比，附一张选型判断表 —— 购买记录存在哪里直接影响复购统计
合规声明：本文为运营方法论与数据口径说明，不构成商业承诺。文中所有公式、表格结构与判定逻辑均为通用方法，不含任何虚构客户案例、效果数据或第三方背书。具体阈值需结合自身业务周期测算。