这是数据分析实战的第三篇（复购率计算篇），本文提供真实数据（脱敏），并梳理复购率计算思路和技巧，通过15分钟的阅读和实践，读者即可根据自己的订单数据灵活计算业务涉及到的复购率了。（实战数据在文末）
相关核心技巧：辅助列，数据透视表
ONE:什么是复购率？
对于销售尤其是快消品销售来说，不论线上还是线下，复购率这个指标都是重头戏，你说你的产品粘性很强，他说他的会员营销做的OJBK，我说我的内容营销对客户维系作用非常棒。
谁说了算？
复购率说了算！
我们先明确一下复购率的定义，官方说法（百科介绍）：指消费者对该品牌产品或者服务的重复购买次数，重复购买率越多，则反应出消费者对品牌的忠诚度就越高，反之则越低。
粗读概念总是模糊的，提炼一下，复购率就是一段时间内，购买2次及以上客户人数，占总人数的比重。这一步提炼揭示了我们计算复购率需要确定的3个点——一是一段时间（这里就是一个月），二是统计购买2次和2次以上对客户数，三是复购人数占总客户数（去重）比重。
TWO:怎么计算复购率？
第一步：数据概览
做数据分析，拿到数据后先撸（粗略看一下）一遍数据是一个极好的习惯，
我们从三个角度（订单数量、是否存在脏数据、数据逻辑）来看，不难发现：
1、实战数据一共有61072笔订单，时间涵盖了2018年7月1日-2018年7月31日，为期一月。
2、复购率计算是针对交易成功的客户，筛选交易状态，发现存在6088笔订单是用户退款，交易关闭了的，因此需要删除。
3、每一行数据只记录一个产品的交易信息，如单个客户一次性购买3个产品，系统会生成3笔（3行数据）订单信息。
第二步：数据清洗
我们先对刚才的脏数据（退款订单）进行清洗，这一列主要是和“交易状态”列相关的，选中该列，点击“排序和筛选”，
然后勾选中“付款以后用户退款成功，交易自动关闭的订单”：
样筛选出了所有脏数据，选中他们，
按一下“DELETE”键，和脏数据说拜拜，但是，刚才脏数据占据了很多行，现在这些行空了出来，将数据分的七零八落，为了规整数据，我们必须删除所有空行。
思路：通过定位某一列所有空单元格，再删除空单元格所在行即可：
选中A列，按住"CTRL+G"，点击“定位条件”，选中“空值”：
这时我们已经选中了A列所有单元格，把鼠标移动到其中选中的一个，右键删除，然后选择“整行”，
至此，简单的数据清洗已经完成。（部分同学反映这次数据有点给力，有些操作可能会耗些时间，大家耐心等待）。
第三步：计算复购率
再次重申一下，从系统导出的订单，绝大多数情况，同一个客户购买了多个产品，会生成多笔订单（下单、付款时间几乎一致），更进一步，一个客户在一天内购买多次，比如上午9：00下了一单，下午15：00又下了一单，时间存在不一致，但从消费行为上看，算复购并不合理，我们在此定义，单个客户1天内下的多笔订单，不能算复购。
因此，要计算复购，需要对同一天的多笔订单进行去重，思考30秒。
有思路了吗？
辅助列是个好东西，重要的话说三遍：辅助列好，辅助列秒，辅助列它棒的呱呱叫。
一个用户在同一天下单时间一般是这样的“2018/6/1 00:12:12”，年月日时分秒的格式，如果我们用年月日来进行识别，是不是同一天内下单对多笔订单就能够去除呢？
Let's do it，先插入一列：输入YEAR()&MONTH()&DAY(),
公式的意思就是获取年份，月份，一个月第几天并合并成一个数据），接着就是去重，我们为了让“同一天内多次下单的客户算作一次购买”，把“买家会员名”和辅助列（标志用户哪一天购买）两个字段作为判断标准，进行去重。
操作：所有列，找到”数据“模块下的”删除重复项“选项卡，
记住，买家ID和辅助时间列两列都勾选，就是买家ID和时间辅助列都一样的情况下才会删除
至此，我们已经把同一天内重复购买的客户订单完全剔除掉了。
（注：这里单纯计算复购率，因此采用了比较粗暴的删除方式，以后将会介绍更好的方法。）
下面一步的关键是要统计所有用户的购买次数，数据透视表蠢蠢欲动了。
选中所有数据，插入数据透视表，我们想要得到每个客户的复购次数，所以把“买家ID”放在透视表的”行“里面，再把”买家ID“放在值里面，用计数的格式显示，就得到了每个客户的复购次数。
数据透视表显示区域是这样的：
后，我们只要统计出购买次数大于等于2次的人数，再用他们除以总人数，复购率就出来了。
用COUNTIF（区域，条件），选中数据透视表“买家ID”这一列，统计条件是“>=2"，
结果是4628，再用COUNT统计总人数
可以发现，这段时间（7月份）的复购率就是16.93%（4628/27343），抛开产品和用户谈评价复购率高低就是耍流氓，这里主要讲述一种基于订单数据的通用计算法则， 暂不对指标本身做评判和讨论，后续会更新关于具体分析思维的案例。
喏，我们知道了这个月的复购率是16.93%，也就是说，在这个月，100个客户中会有近17个客户重复购买。
等等，让我们再重新念一遍：“在这个月，100个客户中会有17个重复购买”，基于这个假设，也就是说1000个客户中平均会有170个客户，10000个里面平均有1700个会重复购买。那他们重复购买的行为是怎么分布呢？（购买2次的有多少，购买3次、4次等等各有多少呢？）
SO EASY~
刚才的数据透视表“计数项：买家会员名”这一列已经统计出客户在本月的购买次数，我们可以用COUNTIF公式稍加汇总即可：
看来，复购用户占比会随着复购次数的增加而减少，有复购行为的客户中，大部分（67.39%）是购买了2次的，购买3次的用户占比16.81%，4、5、6次如上表。
敲黑板，思路和逻辑比会使用工具本身更加重要。
我们拿到订单（最重要的是买家昵称，付款时间两个字段）数据，先明确分析的目的（复购率），然后进行清洗（去掉脏数据），再为了得到结果创造条件（为了避免一天内同一客户多次下单的干扰，我们插入辅助列并去重），最终利用数据透视表进行数据汇总，基于汇总的结果，轻而易举（借助COUNT和COUNTIF)算出了复购率和复购分布。
文末附上实战数据：
链接：pan.baidu.com/s/1mtYxKt 密码：ifyn
