Wskaźnik ponownych zamówień
Dowiedz się, czym jest wskaźnik ponownych zamówień, jak go obliczać dla produktów konsumpcyjnych i uzupełnianych oraz jak pomaga markom e-commerce odpowiednio t...
Wskaźnik powtórnych zakupów to odsetek klientów, którzy dokonują zakupu w sklepie więcej niż raz w danym okresie. Jest to jeden z najwyraźniejszych sygnałów lojalności klientów i dopasowania produktu do rynku, obliczany zazwyczaj poprzez podzielenie liczby powracających klientów przez całkowitą liczbę unikalnych klientów w tym okresie.
Wskaźnik powtórnych zakupów to odsetek klientów, którzy dokonują zakupu w sklepie więcej niż raz w danym okresie. Jest to jeden z najwyraźniejszych sygnałów lojalności klientów i dopasowania produktu do rynku, obliczany zazwyczaj poprzez podzielenie liczby powracających klientów przez całkowitą liczbę unikalnych klientów w tym okresie.
Wskaźnik powtórnych zakupów to odsetek klientów sklepu, którzy składają więcej niż jedno zamówienie w określonym przedziale czasu. Jest to jeden z najbardziej bezpośrednich sygnałów pozwalających ocenić, czy produkt i doświadczenie klienta są wystarczająco dobre, aby zdobyć jego drugie zamówienie – co jest istotnie trudniejszym progiem do osiągnięcia niż pierwsze. Wysoki wskaźnik powtórnych zakupów zazwyczaj wskazuje, że marka zbudowała prawdziwą lojalność lub stworzyła naturalnie powtarzającą się potrzebę, podczas gdy niski – szczególnie w kategorii, gdzie ponowne zakupy powinny być powszechne – często wskazuje na problemy z jakością produktu, doświadczeniem realizacji zamówienia lub zaangażowaniem po zakupie, a nie z pozyskiwaniem klientów.
Standardowy wzór to:
Wskaźnik powtórnych zakupów = (Klienci z 2+ zamówieniami w okresie) ÷ (Całkowita liczba unikalnych klientów w okresie) × 100
Przykład: sklep z pielęgnacją skóry miał 4000 unikalnych klientów, którzy złożyli co najmniej jedno zamówienie w ciągu ostatnich 12 miesięcy. Z nich 1200 złożyło drugie (lub kolejne) zamówienie w tym samym oknie czasowym. Wskaźnik powtórnych zakupów = 1200 ÷ 4000 × 100 = 30%.
Bardziej diagnostyczny wariant śledzi ten wskaźnik według kohort: weź wszystkich, którzy dokonali pierwszego zakupu w styczniu, a następnie zmierz, jaki odsetek tej konkretnej grupy złożył drugie zamówienie w ciągu, powiedzmy, 90 dni. Śledzenie kohortowe izoluje pojedynczą grupę startową i ujawnia trendy (czy najnowsza kohorta powtarza zakupy szybciej czy wolniej niż ta sprzed trzech miesięcy?), które może ukryć zagregowany obraz wszystkich klientów.
Pozyskanie nowego klienta jest prawie zawsze droższe niż nakłonienie istniejącego do ponownego zakupu, dlatego wskaźnik powtórnych zakupów jest bezpośrednim wskaźnikiem zastępczym określającym, jak efektywnie sklep może rosnąć poza wydatkami na pozyskiwanie klientów. Sklep z wysokim wskaźnikiem powtórnych zakupów może pozwolić sobie na większe wydatki na pozyskiwanie, ponieważ większa część nowych klientów wygeneruje drugie i trzecie zamówienie bez dodatkowych kosztów marketingowych. Pełni on również funkcję systemu wczesnego ostrzegania: spadający wskaźnik powtórnych zakupów wśród ostatnich kohort, nawet jeśli ogólne przychody wyglądają na stabilne lub rosnące (często z powodu maskowania trendu przez pozyskiwanie nowych klientów), zazwyczaj sygnalizuje problem z produktem lub doświadczeniem na długo przed tym, zanim ujawni się to jako ogólny spadek przychodów.
| Typ kategorii | Typowy zakres wskaźnika powtórnych zakupów | Dlaczego |
|---|---|---|
| Produkty konsumpcyjne (kawa, suplementy, karma dla zwierząt) | 30-60%+ | Naturalny, krótki cykl ponownego zamawiania |
| Kosmetyki i pielęgnacja osobista | 20-40% | Regularny, ale dłuższy cykl ponownego zamawiania |
| Odzież | 15-30% | Ponowny zakup motywowany lojalnością wobec stylu/marki, nie koniecznością |
| Artykuły domowe | 10-20% | Rzadka potrzeba, wysoka skłonność do poszukiwania różnorodności |
| Meble i materace | Poniżej 10% | Bardzo długi naturalny cykl wymiany |
W miarę jak asystenci zakupowi oparci na AI, tacy jak ChatGPT Shopping i Perplexity Shopping, coraz częściej przejmują wstępne odkrywanie produktów w imieniu kupującego, drugi zakup staje się bardziej znaczącym sygnałem prawdziwej lojalności wobec marki, a nie wygody algorytmicznej – klient, który wraca bezpośrednio, zamiast być każdorazowo przekierowywanym przez asystenta AI do świeżego porównania, wybiera samą markę. Narzędzie eshop_get_repeat od AmICited zostało stworzone właśnie po to, aby to ujawnić: oblicza wskaźnik powtórnych zakupów sklepu wraz z typowym czasem, w jakim klienci składają drugie zamówienie, dając sprzedawcom konkretną liczbę do śledzenia w czasie, zamiast anegdotycznego poczucia, czy „klienci wydają się wracać".
Częstym błędem jest mierzenie wskaźnika powtórnych zakupów jako pojedynczej zagregowanej liczby dla całej bazy klientów, co ukrywa fakt, że konkretny kanał pozyskiwania lub linia produktów może obniżać średnią, podczas gdy inna radzi sobie dobrze – rozbicie wskaźnika według kohorty, kanału i kategorii produktów zazwyczaj ujawnia prawdziwy obraz. Innym częstym błędem jest wybór okna pomiarowego, które nie pasuje do naturalnego cyklu ponownego zamawiania produktu: mierzenie wskaźnika powtórnych zakupów w ciągu 30 dni dla sklepu z materacami nie pokaże prawie nic użytecznego, podczas gdy 30-dniowe okno może być zdecydowanie zbyt hojne dla prawdziwie nawykowego produktu konsumpcyjnego. Niektóre marki próbują również podnieść wskaźnik powtórnych zakupów wyłącznie poprzez masowe wysyłanie e-maili z rabatami, co może przyzwyczaić klientów do czekania na kupon, zamiast realnie zwiększać lojalność, i zwykle niszczy marżę szybciej, niż poprawia sam wskaźnik. Wreszcie, zespoły czasami cieszą się z rosnącego wskaźnika powtórnych zakupów, nie sprawdzając, czy jest on napędzany przez kurczącą się pulę nowych klientów (co sprawia, że odsetek wygląda lepiej na tle mniejszego mianownika), a nie przez rzeczywistą poprawę wskaźnika powrotów klientów – łączenie wskaźnika powtórnych zakupów ze wzrostem liczby nowych klientów pozwala uniknąć tej błędnej interpretacji.
Zacznij śledzić, jak chatboty AI wspominają Twoją markę w ChatGPT, Perplexity i innych platformach. Uzyskaj praktyczne spostrzeżenia, aby poprawić swoją obecność w AI.
Dowiedz się, czym jest wskaźnik ponownych zamówień, jak go obliczać dla produktów konsumpcyjnych i uzupełnianych oraz jak pomaga markom e-commerce odpowiednio t...
Dowiedz się, czym jest wskaźnik powracających klientów, jak go obliczyć oraz dlaczego podział na nowych i powracających kupujących ujawnia lojalność i zależność...
Dowiedz się, kim jest klient powracający, jak oblicza się wskaźnik klientów powracających i dlaczego kupujący wracający mają większe znaczenie dla zysku niż sam...
Zgoda na Pliki Cookie
Używamy plików cookie, aby poprawić jakość przeglądania i analizować nasz ruch. See our privacy policy.