近期异常火爆的Costco之所以如此成功，关键就在于它有非常高的会员复购率。而对于如何做好复购率，笔者也进行了自己的分析与说明。

Costco终于来中国了，其在上海的门店遭到了“疯抢”，搞得Costco限制了排队人数。

作为被众多互联网大佬推崇的零售公司，Costco超高的会员复购率一直让人称奇。而一直被视为本土骄傲的中国电商公司们，很多人认为将会被Costco所威胁，然而结果可能是被打脸。

就在前段时间，几家电商公司公布了财报，收入增长吸睛：京东2019财年二季度净利润达到了36亿元，同比增长644%；唯品会则在2019年第二季度实现净收入227.44亿元人民币，同比增长9.7%，增速回升。

在京东与唯品会的相关报道中，“复购率”成为了高频词汇。对于互联网公司特别是电商而言，要实现收入增长，需要靠新用户变现和老用户复购，而这两者中，复购尤其重要。很多产品会失败，就在于没把复购做好。

那么，如何通过提升复购实现产品的存活和增长？这还需要从复购本质说起。

复购的本质：延长生命周期价值

什么是复购？简单来说就是客户重复购买某品牌产品或服务的次数，即购买次数 ≥ 2。既然有复购，就得有复购率，常用重复购买人数比总购买人数来表示。

而在流量运营中，有一个经常被人们说起的公式：

销售额=流量×转化率×客单价×复购率

在这个公式里，复购率是影响销售额的重要因素之一。

但是，这个公式却是错的，正确的公式应该以二次购买计算：

销售额=流量×转化率×客单价×（1+复购率）

真正的收入应该是第一次转化收入加上被转化后继续付费的收入，即“转化+复购”。

比如，客单价为100元的某类型产品，有100人购买，过段时间这100人中有36人第二次购买该类产品，如果计算销售额的话，就是100×100+100×36=13600元，复购率36%。

如果在此基础上增加一个数据，比如产品成本为150元，那该类产品是否盈利了？答案显然是否定的，但可以通过提升复购率来改变这一结果，比如从36%提升到60%，该产品在整个生命周期中就可以实现盈利。

其实，从这个简单的计算题中就可以看出，复购率是如何影响销售收入以及盈利能力的，而从这一点可以进一步挖掘出复购的根本目的，或者说本质，即延长单个用户生命周期价值（LTV），为产品盈利服务。

只要通过提升复购率，增加复购频次，在控制和降低产品研发成本及获客成本的基础上，产品变现以及商业模式盈利将不是问题，这就是很多互联网企业重视复购的根本原因。

了解了复购的重要性，接下来就好好分析较为有效的提升复购的策略。

前面提到过复购率的表达式，即复购率=重复购买人数/总购买人数，所以，提升复购率的重点就在于想办法增加重复购买人数，为此我整理出两种复购提升策略。

复购策略一：分层与精细化运营

分层和精细化运营可以说是提升复购率最基本、最稳妥的手段，至于分层和精细化运营哪个优先，其实并无意义，因为分层本身就是为精细化运营做准备的。

做分层时，往往依据用户模型来做，常用的有这样几种：

分群模型

某一层用户按照某一维度进行切分，比如注册用户按照年级或地区分群，另外还可以用多个维度分群，常用两个维度，然后画四象限，每个象限再重新定义用户属性。

金字塔模型

根据业务流程或参与度等指标进行分层，分层后整体呈金字塔状，比如按照下载-注册-付费-复购可分为新用户、兴趣用户、付费用户、忠实用户等，遵循二八法则。

RFM模型

取最近一次用户行为时间（Recency）、用户行为频率 （Frequency）、用户行为带来的总额（Monetary）三个维度划分用户层级，并据此分类和设定运营指标。

生命周期模型

用户生命周期分为新手期、成长期、成熟期、衰退期、流失期五个阶段，根据各阶段特点，针对不同阶段的用户设计运营目标和策略。

以上就是常见的几种适用于复购的用户分层模型，本文重点讲一讲如何用分层模型去落地精细化运营。

首先明确一下，精细化运营的概念就是在用户层面和流程上做到细节化的执行，从而保证整体运营效果，它的实现逻辑很简单：

设目标->分用户->找问题->定策略->迭流程

接下来就以某读书产品为例，讲一讲怎样根据这套逻辑进行精细化运营，从而实现会员用户的复购。

（1）设目标：根据业务流程引导已有会员用户进行续费，目标为提升会员用户的复购率。

（2）分用户：选择上面列举的某一用户模型进行分层，比如选择生命周期模型进行分析，依据会员使用时长，可以得到5个有效用户层级，然后根据数据，通过人工或技术手段贴标签。

（3）找问题：观察不同层级用户的数量和标签，分析每个层级用户的实际需求和特点，比如新手期用户对产品不是很熟悉，黏性不强等。

（4）定策略：根据不同层级用户设置针对性引导策略，比如成长期采用正常促销、成熟期采用“少量优惠+新课通知”、流失期利用“大促活动+高频召回”等。

（5）迭流程：根据策略设计具体的运营流程，依据数据跟踪检验复购的效果，尤其是文案、布局、色系、路径等方面要重点根据数据结果，及时调整和优化。

无论哪种分层模型，都可以利用这套逻辑设计具体的精细化运营策略，以此提升复购率。

至于具体的复购手段，比如多品类推荐、优惠定价、老带新活动、召回文案等，则要根据具体业务来设计和迭代。

复购策略二：会员制与激励体系

除了基于分层的精细化运营，延长产品连续性以及用户激励体系是另一种有效的复购提升策略。

除了教育，很多行业的产品是没有产品连续性的，但为了增强复购，除了增加产品丰富度，还要创造一种包含时间属性的服务性或权益性产品，这个就是会员制。

会员制是非常常见的复购手段，其增加复购频次主要体现在两个方面：

1. 服务周期或权益周期，到期不续费就失去会员服务和会员权益，以此实现复购，提升粘性；
2. 在会员的权益设计中，加入多品类产品的消费优惠，增加消费频率。

而在设计会员制时，需要重点考虑两个方面的问题：一是设计合理的会员服务或权益，二是搭建良性的会员激励体系。

会员服务和权益的设计

会员的权益服务设计需要遵循这两个基本原则：性价比够高；权益覆盖绝大多数产品。这两个决定了用户购买会员的动力有多强。

首先，会员性价比越高，用户购买的欲望越强。

比如樊登读书的会员，一年388元，相当于一天一块钱，而这一块钱享受到的权益包括：每年50本新书的高品质解读，往期200多本书的自动解锁，商城购物享受96折以及每月30元的代金券。

图片来自樊登读书app

虽然很多权益按月甚至按年才能享受，但里面的“解锁200多本书”，即使只有一天的会员期限，对于喜欢听书的人来说，也是非常划算甚至超值的。

其次，会员权益要覆盖到绝大多数产品，尤其是精品和爆品。

权益力度不要过大，目前绝大多数付费会员的权益都是按照这个原则设计的，目的就是将用户服务产品化，实现利润最大化。

至于会员的具体权益，根据笔者的观察，大体包括以下几个方面：

• 多数产品的最大力度购买折扣；
• 高频核心产品的长期免费使用；
• 高价值产品或服务的免费享有、专享折扣、限次使用；
• 高品质的产品源头和用户服务；· 新产品专属购买渠道及优惠名额；
• 周期性的积分奖励、消费返现、优惠券发放、福利品赠送。

以上只是大概分类，不同会员产品都有特定的权益结构，有兴趣的读者可以自行研究。总之，通过设计丰富且超值的会员权益，可以保证用户产生良好口碑，增加忠诚度，以此提升复购。

搭建会员激励体系

目前，会员制常见的激励体系，主要是积分体系和成长体系。

积分体系：用于奖励用户完成特定任务，并且可用于兑换商品，也可以充值、提现、抵券，常与商城玩法进行绑定，达到激活和留存的目的，典型案例：大众点评。

大众点评界面截图

成长体系：会员最常使用的激励体系，表现为记录用户使用会员服务的频次和程度，频次越高，程度越深，使用越久，用户的成长值和等级就会越高，典型案例：QQ会员。

QQ会员页面截图

在搭建会员激励体系时，如何结合会员用户的特定行为来建立积分体系和成长体系，是需要重点考虑的问题，这主要分为两个方面：用户需要完成哪些行为？什么奖励可以刺激用户？

接下来以读书产品为例来回答这两个问题。

从用户行为方面看，会员用户需要完成的主要是搜书、看书、听书、买书、分享等，可以把这些行为具化为固定任务，完成即可对应到积分体系，完成的次数可以对应到成长体系。

奖励方式方面，可以用积分兑换会员的使用时长和优惠力度，或者直接兑换固定书目，而成长体系中可以设置特殊等级，只要通过积累任务达到等级，即可解锁会员新权限，包括使用时长以及优惠力度等。

其实，微信读书、樊登读书等读书类产品，都已进行类似的设计，差别在于激励体系是否与会员权益形成紧密挂钩，以达成一个更完整的会员体系。

如果没有，意味着会员产品还有很大的迭代空间，并将成为复购率提升的重要方向。

总结

本文主要总结了互联网产品的用户增长策略，主要观点如下，希望对读者有用：

1. 互联网产品的增长不能只局限于拉新，更应该重视复购，因为复购的本质是延长用户生命周期价值，保证盈利的可能性。
2. 提升复购的策略主要有两个，一个是基于用户分层的精细化运营，另一个是搭建会员制下的用户激励体系。
3. 复购用户的分层模型有很多，重点在于精细化运营的步骤：设目标→分用户→找问题→定策略→迭流程。
4. 会员制是复购的常用手段，目的是制造产品的连续性，而在此基础上设计积分体系和成长体系，可以进一步提升复购率以及运营效率。

#专栏作家#

野生的独孤菌，个人微信：solitude900；公众号：野生运营社区（id：dugu9bubai），知名K12公司资深运营，人人都是产品经理年度专栏作家。裂变研究者，运营老司机，在线教育观察家。

本文原创发布于人人都是产品经理，未经许可，禁止转载

题图来自Unsplash，基于 CC0 协议。