复购率计算分析

最新推荐文章于 2025-05-27 18:06:15 发布
最新推荐文章于 2025-05-27 18:06:15 发布
阅读量6.9k 收藏 6
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 虚拟项目
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Tracy785/article/details/89278316

数据概览

在这里插入图片描述
源数据

数据整理

  1. 复购率是对交易成功的客户而言,故首先剔除退款订单
  2. 对同一天内多次下单的客户订单进行去重
    在这里插入图片描述
    数据整理结果

数据可视化

在这里插入图片描述
复购率计算分析

简单分析

  1. 本月的复购率是16.93%
  2. 随着复购次数的增加,复购用户占比会逐渐减少,大部分复购用户购买了两次
SQL计算复购率
kejiayuan0806的博客
05-28 7330
需求背景： 订单表中有每笔订单的下单时间、用户ID、订单金额等信息，需要统计每个月在接下来几个月用户复购情况。 create table order_info( order_id int primary key, user_id int, amount decimal(10,2), create_time datetime ); insert into order_info values (101,11211,749.00,'2020-01-01 00:04:00'), (102,75205,939.00
计算代码重复率_MySQL_复购回购率
weixin_39973009的博客
11-19 923
指标解释如何计算复购率/回购率计算方法一：复购的人 复购率 = 单位时间内购买次数大于1的人/所有购买的人 例如： 一段时间内，10个人中有3个人购买2次，这3个人中有一个人又购买了一次，累计复购人数为3人，则这段时间内的复购率为30%。计算方法二：复购次数 复购率 = 单位时间内复购次数/所有购买的人 例如： 一段时间内，10个人中有3个人购买2次，这3个人中有一个人又购买了一次，累计复购次数为...
用户消费行为分析（七）
最新发布
papaidea的博客
05-27 461
本文通过用户消费数据分析复购率与回购率。使用pivot表统计用户每月消费次数，定义复购用户(月消费>1次)和非复购用户(消费1次)。结果显示每月复购率稳定在40%左右，用户忠诚度较高。回购率分析显示用户连续两月消费情况，发现回购率呈上升趋势且高于复购率，表明1月新用户逐渐转化为忠实用户。可视化对比表明老用户忠诚度优于新用户，建议持续优化营销策略以提升用户留存。
如何用sql计算回购率、复购率指标
weixin_44976611的博客
01-13 5268
这6道sql题都很好，建议都过一遍； 考察知识点： 回购率、复购率的理解 子查询 inner join 重点推荐第2题，第5题，第6题 理解需求、理解题意 （★★★★★） datediff ceil 函数 row_number() 、 子查询内容 二八定律的应用 – lulu_Course – 1.统计不同月份的下单人数 select month(paidTime),count(distinct userid) from data.orderinfo where isPaid = “未支付” group
复购率
朝花夕拾
10-20 4815
SELECT m.*, temp_Two.cnt FROM merchant m, ( SELECT DISTINCT(order1.merchantId), count(distinct(order1.uid)) cnt FROM `order` order1 WHERE order1.uid IN( SELECT DISTINCT(o.uid) FR
京东数据化运营（三）- 复购率
微醺手册
01-15 5579
随着电商“人口红利”时代的逝去，用户拉新的成本越来越高，各个商家更加关注复购率的各项数据： 电商行业商家获得性用户的成本是维护老用户的5-10倍 用户流失率每降低5%，其利润增加就是25 -85% 一个满意的用户带来8笔潜在的生意，一个不满意的用户则可能影响25个人的购买意愿 如果忽略对老用户的关注，大多数企业会在5年内流失一半的用户 1、复购率的意义 重复购买率越多，反映出用户对品牌的忠诚度越高，说明品牌...
SQL统计次月复购率
weixin_42698221的博客
07-06 918
【代码】SQL统计次月复购率。
Python计算商品复购率
若如初见
12-27 2744
1. Python计算产品复购率 需求： 给出数据商品购买数据，数据格式.csv，包含：购买月份、手机号，根据该数据计算产品的复购率。 复购率算法： 算法一：单位时间内（按每月）：R = 复购人数/总购买人数 算法二：单位时间内（按每月）：R = 复购交易次数/总交易次数 部分数据样式如下： 2.参考代码 # coding = utf-8 import pandas as pd import time class RepurchaseRate(object): """1.普通配置电脑百万条
MySQL中用户订单复购率的计算
汤姆猫的博客
08-01 1660
1.项目需求（计算复购率） 订单表中有用户ID、订单金额、每笔订单的下单时间等信息，需要统计每个月在接下来几个月用户复购情况 // 创建数据表 create table orders( order_id int primary key, user_id int, amount int, create_time datetime ); // 插入数据 insert into orders values (101,11211,749.00,'2020-01-01 00:04:00'), (102,75205,9
复购率分析模型
JasonH2021的博客
01-06 2696
复购率分析模型的基本概念，目的意义，应用场景，实现方法和示例等。
MySQL_复购回购率
Lin_Xiao_Dai的博客
08-11 2615
指标解释 如何计算复购率/回购率 计算方法一：复购的人 复购率 = 单位时间内购买次数大于1的人/所有购买的人 例如： 一段时间内，10个人中有3个人购买2次，这3个人中有一个人又购买了一次，累计复购人数为3人，则这段时间内的复购率为30%。 计算方法二：复购次数 复购率 = 单位时间内复购次数/所有购买的人 例如： 一段时间内，10个人中有3个人购买2次，这3个人中有一个人又购买了一次，累计复购次数为4次，则这段时间内的复购率为40%。 复购和回购的区别 复购是一个单位时间内的多次购买，回购是在下一个单位
[Python]实现用户注册数据的分析,计算复购率,回购率注销率等--在线教育行业分析案例连载2
LYY1045691954的博客
11-30 1330
该文章为连载的第二篇：用户注册信息分析经营状况 前言 某家在线教育机构拥有自己开发的教育产品VLE，该教育机构提供了他们四个学期里，开展的七门课的数据，接下来我会根据这些数据，为该教育机构做一系列的数据分析，包括用户的RFM模型、用户分群特征、用户成绩分析等等。 该教育机构部分数据库结构如下 ...
Excel 分析用户复购情况 嵌套数据透视
我的博客
03-29 5274
使用嵌套数据透视的方法，从多角度分析复购情况。提供excel和MySQL两种计算方法。
复购率/回购率/新购人数
celine11111的博客
01-29 1521
回购率 #回购率第一步 select date_month,userid from orderr group by date_month,userid order by date_month 这里不论1号用户在本月购买多少次，只要购买就1，否则就0 #回购率第二步 select t1.date_month,count(t1.date_month),count(t2.date_month) from (select date_month,userid from orderr group by date_
sql复购率计算多种方法
热门推荐
u012922485的博客
10-23 1万+
一. SELECT A.day, IFNULL(cast((base.`3days复购用户数`*1.0/base.`完成用户数`)*100 as decimal(18,2)),'0.00') AS rebuyRate3, IFNULL(cast((base.`5days复购用户数`*1.0/base.`完成用户数`)*100 as decimal(18,2)),'0.00') AS rebuy...
mysql复购率_python执行mysql 计数复购率+pyechart+Excel+Tableau绘制双Y轴图
weixin_28862545的博客
01-28 344
现有某超市的订单数据，内容如下：demo库订单表.png先求每个会员在每个月的订单数sql = ''' --select MemberID, count(SheetID) AS 每个会员的订单数,substring(STime,1,7) as YearMonthfrom OrderListwhere MemberID IS NOT NULLgroup by MemberID ,YearMontho...
SQL练习2：用户消费行为分析(回购率和复购率)
weixin_49708329的博客
08-24 1056
建表 CREATE TABLE ORDERINFO ( ORDERID varchar(10) NULL,--订单ID，主键 USERID varchar(10) NULL,--用户ID，可以和用户表进行关联 ISPAID varchar(10) NULL,--是否支付 PRINCE varchar(10) NULL,--订单价格 PAIDTIME varchar(10) NULL --订单支付时间 ); CR...
mysql求回购率_SQL-- 用户行为(复购率、回购率等）
weixin_29240711的博客
02-02 1586
所需数据：ORDER_INFO_UTF.CSV、USER_INFO_UTF.CSV提取码:yu63我的数据库版本是Mysql 8.0本文章参考 秦路老师七周成为数据分析师 的视频，和视频中讲解的这部分内容有少许差异。这篇文章的目的是练习 怎么导入数据 以及 学习实际业务中的SQL逻辑，写出可以复用的SQL语句，不对数据做过多的清洗。目录：一、将数据导入数据库1.建表2.导入数据二、理解数据1.表字...
【数据分析案例】pandas + matplotlib 人货场+RFM+用户复购分析 电商水果销售
inganxu
03-17 1609
该案例采用pandas+matplotlib实现人货场模型、RFM用户分层模型、用户复购行为分析。 案例数值均使用随机数生成 因为数据为随机生产数据，因此该案例更多的是体现分析思路以及过程实现
天池淘宝母婴复购率分析
12-28
### 关于天池平台上的淘宝母婴商品复购率数据分析 #### 数据准备 为了进行有效的复购率分析，首先需要准备好所需的数据集。根据已有的资源文件描述[^3]，数据集中包含了用户购买记录、产品类别、价格等多个维度的信息。 - **下载并导入数据** 需要先从指定的仓库中下载资源文件，并将其导入到合适的数据分析环境中。推荐使用Python及其强大的库如`pandas`来处理这些数据。 ```python import pandas as pd # 导入两个主要表格 trade_data = pd.read_csv('sam_tianchi_mum_baby_trade_history.csv') baby_info = pd.read_csv('sam_tianchi_mum_baby.csv') # 查看前几行以了解结构 print(trade_data.head()) print(baby_info.head()) ``` #### 清洗与预处理 考虑到原始数据可能存在一些质量问题，在计算复购率之前应该对数据做必要的清理工作。这包括但不限于列名的一致性调整、去除重复项以及填补缺失值等操作[^4]。 ```python # 列名重命名确保一致性 trade_data.rename(columns={'原字段名称': '新字段名称'}, inplace=True) # 删除完全相同的行 trade_data.drop_duplicates(inplace=True) # 对特定列中的缺失值填充众数值或其他合理估计值 from scipy.stats import mode mode_value = trade_data['property'].mode()[0] trade_data.fillna({'property': mode_value}, inplace=True) ``` #### 计算复购率指标 定义复购率为同一时间段内再次发生购买行为的比例。具体实现可以通过统计每位顾客首次交易后的后续订单次数来进行衡量。 ```python def calculate_repurchase_rate(df, time_window='W'): """ :param df: 包含用户id和日期信息的商品交易DataFrame. :param time_window: 时间窗口大小，默认按周(W). """ # 按照user_id分组并对每组内的date排序 grouped_by_user = df.sort_values(['user_id', 'day']).groupby('user_id')['day'] def get_time_diffs(group): """辅助函数用于获得相邻两次购买之间的时间差""" diffs = group.diff().dropna() return diffs.apply(lambda td: td.days).tolist() all_durations = [] for _, durations in grouped_by_user.apply(get_time_diffs).items(): all_durations.extend(durations) repurchased_users_count = sum([d <= int(pd.Timedelta(time_window)) for d in all_durations]) total_transactions = len(set(df.user_id)) rate = round(repurchased_users_count / max(total_transactions - 1, 1), 4)*100 print(f'在过去{time_window}周期间内的复购率为 {rate}%.') calculate_repurchase_rate(trade_data) ``` 此代码片段实现了基本的复购率逻辑，可根据实际业务场景进一步细化参数设置或扩展功能特性。 #### 可视化呈现结果 最后一步是将得到的结果通过图形方式展现出来，使得结论更加直观易懂。可以借助matplotlib或者seaborn这样的绘图包完成这项任务。 ```python import matplotlib.pyplot as plt import seaborn as sns sns.set(style="whitegrid") plt.figure(figsize=(10,6)) ax = sns.histplot(data=all_durations,bins=range(0,max(all_durations)+2,7), kde=False,color="skyblue",edgecolor=".2", linewidth=.5,label=f'Repurchase Rate:{round(rate)}%') plt.title('Distribution of Repurchase Intervals Among Users') plt.xlabel('Days Between Purchases') plt.ylabel('Number of Occurrences') plt.legend(); ``` 上述过程展示了如何利用Python编程语言及相关工具链开展针对淘宝母婴产品的复购率研究。通过对历史销售数据的有效挖掘，能够为企业制定营销策略提供更多科学依据和支持。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值