老客户回访率

老客户回访率的定义

老客户回访率衡量的是店铺订单中（或在某些报告设置中，独立客户中）来自以前购买过的人而非首次购买者的比例。它直接反映了一个企业的收入在多大程度上依赖于持续获取新客户，而非留住并回购现有客户。一家店铺仅凭总收入可能看起来颇为成功，同时却在悄无声息地依赖不断增加的新客户数量来维持增长；老客户回访率是在这种模式变得不可持续之前发现它的最清晰方式之一。

老客户回访率的计算方法

基于订单数量的标准公式为：

老客户回访率 =（老客户订单数 ÷ 总订单数）× 100

也可以基于独立客户数量而非订单数量进行计算：（该时期内下过单的老客户数 ÷ 该时期内下过单的总客户数）× 100。如果老客户在每期内下多笔订单而新客户通常只下一笔，这两个版本可能会有显著差异，因此明确每个报告使用的是哪个版本非常重要。

示例：一家店铺在某个月份处理了 2,000 个订单，其中 700 个订单来自至少有过一次购买记录的客户，1,300 个来自首次购买者。该月份的老客户回访率为 700 ÷ 2,000 = 35%。

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

开始使用 联系我们

老客户回访率对电商品牌的重要性

老客户回访率是衡量企业增长效率的直接指标。来自老客户的订单通常边际获取成本远低于新客户订单，因为获取该客户的营销支出已在之前期间完成。老客户回访率上升的品牌正在复利放大过去获客投入的价值，而回访率停滞或下降的品牌实质上是在每个期间通过全新获客从头重建收入。

它也是在激进的增长营销时期的一项健康检查。将大量预算投入新客户获取的品牌可能会看到强劲的收入增长，而其老客户回访率在组合中的占比却在悄然下降——如果这是一种刻意的圈地策略，这不一定是问题，但值得知情，而非事后才惊讶地发现。

老客户回访率与相关指标对比

Stay Updated on AI Visibility Trends

Get the latest insights on AI mentions, brand monitoring, and optimization strategies.

Email address

Subscribe

老客户回访率与 AI 驱动型电商

随着 ChatGPT Shopping 和 Perplexity Shopping 等 AI 购物助手越来越多地影响客户的下一次购买去向，品牌面临老客户在复购时刻被助手推荐的竞争对手截流的风险——即使该客户此前一直忠诚。这使得长期追踪老客户回访率成为一项重要的早期信号——长期稳定后开始下滑的回访率可能表明客户在其决策过程的早期阶段就被拦截，甚至还没来得及考虑直接返回品牌的网站或应用。

可靠的衡量始于准确区分新订单和老订单，这在涉及访客结账、多个电子邮件地址和账户合并时比想象中更加困难。AmICited 的 eshop_get_order_mix 工具按买家类型（新客户与老客户）拆分已关联店铺的订单，为商家提供一致、准确的老客户回访率，而非基于不完善的手动细分所做的估算。

老客户回访率的最佳实践

• 同时按订单数量和客户数量追踪老客户回访率，并在报告中明确说明引用的是哪个版本
• 按获客渠道细分老客户回访率，了解哪些渠道吸引的客户更有可能或更不可能回访
• 观察多个时期的趋势而非单月的快照，因为季节性因素和促销活动可能会扭曲任何单一时期的数据
• 将老客户回访率与客户获取成本结合使用，以全面了解增长效率，而非只看其中一面
• 老客户回访率下降时及时调查，而非简单归因于强劲的新客户增长造成了稀释

常见的老客户回访率误区

一个常见误区是将老客户回访率与重复购买率混为一谈，因为两者衡量的内容不同——一个基于时期组合，另一个基于生命周期百分比——在报告中互换使用可能导致关于客户忠诚度的混淆或矛盾的结论。

另一个常见问题是没有对访客结账和基于账户的订单进行客户去重，这可能导致同一人一次以访客身份、一次以账户身份下单时，在数据中显示为两个独立的首次购买者，从而低估老客户数量。解决方法是不论结账方式如何，通过电子邮件或其他可靠标识符匹配客户。

有些品牌还孤立地看待老客户回访率，而不检查回访率下降是由于真正的留存问题，还是仅仅是异常强劲的新客户获取稀释了组合比例。将这一指标与绝对的老客户订单数量（而不仅仅是百分比）结合使用，有助于在得出错误结论之前区分这两种情况。