这是个经典的喜忧参半信号，复购率上去了，说明用户粘性在增强，但客单价往下走，说明每次的交易价值在缩水。一正一反，到底公司是赚是亏？分享一下我的分析思路。
1. 确认数据是否真的异常
- 确认数据准确性&核对数据口径：数仓是否存在异常，复购率、客单价的计算逻辑近期是否有变动，确保前后口径一致。
- 排除外部干扰：近期是否存在大量超低价、引流品类的活动，人为拉高了复购但压低了均价。
2. 指标拆解，把复购率和客单价拆开看
- 用户分层拆解：
- 复购率上升，是谁贡献的，是新用户变得爱复购了，还是老用户买得更频繁了
- 客单价下降，是谁拉低的，是新用户只买便宜货，还是老用户开始消费降级，或者高价值用户流失了
- 看用户结构，是不是大量低价导向的新用户涌入，他们复购行为活跃但单价低，从而拉高了整体复购率，降低了整体客单价
- 核心公式拆解：
- 复购率 = 复购用户数 / 总购买用户数
- 客单价 = 总GMV / 总订单数 (或总交易用户数)
- 核心是看，复购用户数的增加，是否主要由低客单订单驱动
3. 多维度下钻，定位问题点
- 品类维度： 复购率上升，主要来自哪些品类，是利润低的快消品、引流品吗，客单价下降，是哪些高毛利品类卖不动了吗
- 渠道维度： 哪个渠道带来的用户，复购率高但客单价低（比如某些拼团、特价渠道），哪个渠道的用户既能复购又能保持高客单
- 用户画像维度： 是某个消费力层级（如低收入群体）的用户活跃度大增，还是高消费力用户沉默、流失了
- 时间维度： 这个趋势是从什么时候开始的，是否与某次大促（如618/双11后的消费疲软）、新的运营活动或产品改版的时间点存在重合
4. 深度归因，基于上面的定位进行归因，比如我们发现是通过C渠道进来的新用户，集中复购D低价品类，导致整体数据异常
- 用户行为分析： 这批用户购物路径是怎样的，是不是只搜索、浏览特定低价商品？
剩余见图
最近面试有啥问题的同学欢迎找我聊聊
后续分享更多互联网分析的思考
关于我：运营→数分→商分→经分leader
#商业分析 #数据分析 #数据分析求职 #商科求职 #面试题 #面经 #求职 #数据分析转行 #互联网大厂 #大厂
1. 确认数据是否真的异常
- 确认数据准确性&核对数据口径：数仓是否存在异常，复购率、客单价的计算逻辑近期是否有变动，确保前后口径一致。
- 排除外部干扰：近期是否存在大量超低价、引流品类的活动，人为拉高了复购但压低了均价。
2. 指标拆解，把复购率和客单价拆开看
- 用户分层拆解：
- 复购率上升，是谁贡献的，是新用户变得爱复购了，还是老用户买得更频繁了
- 客单价下降，是谁拉低的，是新用户只买便宜货，还是老用户开始消费降级，或者高价值用户流失了
- 看用户结构，是不是大量低价导向的新用户涌入，他们复购行为活跃但单价低，从而拉高了整体复购率，降低了整体客单价
- 核心公式拆解：
- 复购率 = 复购用户数 / 总购买用户数
- 客单价 = 总GMV / 总订单数 (或总交易用户数)
- 核心是看，复购用户数的增加，是否主要由低客单订单驱动
3. 多维度下钻，定位问题点
- 品类维度： 复购率上升，主要来自哪些品类，是利润低的快消品、引流品吗，客单价下降，是哪些高毛利品类卖不动了吗
- 渠道维度： 哪个渠道带来的用户，复购率高但客单价低（比如某些拼团、特价渠道），哪个渠道的用户既能复购又能保持高客单
- 用户画像维度： 是某个消费力层级（如低收入群体）的用户活跃度大增，还是高消费力用户沉默、流失了
- 时间维度： 这个趋势是从什么时候开始的，是否与某次大促（如618/双11后的消费疲软）、新的运营活动或产品改版的时间点存在重合
4. 深度归因，基于上面的定位进行归因，比如我们发现是通过C渠道进来的新用户，集中复购D低价品类，导致整体数据异常
- 用户行为分析： 这批用户购物路径是怎样的，是不是只搜索、浏览特定低价商品？
剩余见图
最近面试有啥问题的同学欢迎找我聊聊
后续分享更多互联网分析的思考
关于我：运营→数分→商分→经分leader
#商业分析 #数据分析 #数据分析求职 #商科求职 #面试题 #面经 #求职 #数据分析转行 #互联网大厂 #大厂
