نرخ بازگشت مشتری را چگونه اندازه بگیریم؟

نرخ بازگشت مشتری سهم خریدارانی است که پس از خرید نخست دوباره از کسب‌وکار خرید می‌کنند. برای محاسبه، باید بازه زمانی، تعریف مشتری و شیوه شمارش خرید تکراری را از ابتدا مشخص کنید. سپس تعداد مشتریان واجد خرید دوم را بر تعداد مشتریان گروه مورد بررسی تقسیم و در صد ضرب کنید. بدون تعریف بازه، یک درصد تنها می‌تواند گمراه‌کننده باشد. برای بررسی مرحله قبل از خرید نیز نرخ رها شدن سبد خرید و روش محاسبه آن را اندازه بگیرید.

این نرخ نشان می‌دهد چه بخشی از مشتریان تعریف‌شده، دست‌کم یک خرید دیگر داشته‌اند. واحد شمارش «مشتری» است، نه تعداد سفارش‌ها. کسی که پنج بار خرید کرده در صورت کسر یک نفر حساب می‌شود. برای تفسیر درست، باید بدانید گروه مشتریان از کدام تاریخ آمده و فرصت بازگشت آنها چقدر بوده است.

در راهنمای Shopify درباره مشتریان تکراری، خرید دوباره به‌عنوان نشانه‌ای از تکرار رابطه خرید مطرح می‌شود. اما مقایسه نرخ دو فروشگاه بدون توجه به نوع کالا و چرخه خرید دقیق نیست. مشتری نان ممکن است هفته بعد برگردد، خریدار یخچال شاید سال‌ها به کالای مشابه نیاز نداشته باشد.

این شاخص رضایت را مستقیم اندازه نمی‌گیرد. مشتری ممکن است راضی باشد ولی محصول یک‌بارمصرف بلندمدت خریده باشد؛ یا دوباره خرید کند چون جایگزین مناسبی ندارد. نرخ بازگشت باید کنار بازخورد مشتری، سود و کیفیت تجربه خوانده شود. برای تصمیم‌های عملی، تعریف ثابت و داده قابل اعتماد مهم‌تر از دنبال کردن یک عدد عمومی است.

در یک تعریف ساده، نرخ بازگشت برابر است با تعداد مشتریانی که دست‌کم دو خرید ثبت‌شده دارند، تقسیم بر تعداد کل مشتریان مورد بررسی، ضربدر صد. برای نمونه اگر از صد مشتری یک گروه، بیست نفر خرید دوم انجام دهند، نرخ بازگشت آن گروه بیست درصد است. اما باید زمان شروع و پایان بررسی نیز معلوم باشد.

فرمول را در گزارش کنار تعریف‌ها بنویسید: «مشتری جدید در فروردین»، «خرید دوم تا پایان تیر»، «سفارش تکمیل‌شده و غیرمرجوع». با این مشخصات، نفر دیگری می‌تواند عدد را بازتولید کند. اگر فقط بنویسید «نرخ بازگشت ۲۰ درصد»، معلوم نیست مخرج کسر چه کسانی بوده‌اند و خرید دوم در چه زمانی شمرده شده است.

در بعضی داشبوردها، «مشتری تکراری در ماه» بر کل خریداران همان ماه تقسیم می‌شود. این تعریف با نرخ بازگشت یک گروه مشتریان جدید فرق دارد. هر دو می‌توانند مفید باشند، ولی نباید در یک نمودار به‌جای هم استفاده شوند. نام شاخص و روش محاسبه را کنار هر عدد حفظ کنید.

گروه یا cohort مجموعه مشتریانی است که خرید نخست آنها در دوره مشخصی رخ داده است. اگر مشتریان فروردین را دنبال کنید، همه تقریباً فرصت زمانی مشابهی برای خرید دوم دارند. در مقابل، مخلوط کردن مشتری دیروز با مشتری دو سال پیش، نرخ را منحرف می‌کند؛ نفر تازه هنوز فرصت بازگشت نداشته است.

برای فروشگاه کوچک، می‌توانید هر ماه خریداران نخستین‌بار را در یک گروه بگذارید و بازگشت آنها را پس از سی، نود یا صدوهشتاد روز بسنجید. پنجره مناسب به چرخه خرید محصول بستگی دارد. برای خوراکی مصرفی دوره کوتاه ممکن است معنی‌دار باشد؛ برای وسایل بادوام، دوره طولانی‌تر لازم است. پنجره را پیش از دیدن نتیجه انتخاب کنید.

راهنمای Stripe درباره محاسبه خرید دوباره نیز بر روشن بودن داده‌های خرید و تعریف بازه تأکید می‌کند. اگر چند کانال فروش دارید، شناسه مشتری را میان آنها یکسان کنید؛ وگرنه یک نفر در فروش حضوری و آنلاین دو مشتری جدا شمرده می‌شود.

فرض کنید در اردیبهشت ۱۲۰ نفر برای نخستین بار از فروشگاه خرید کرده‌اند. تا پایان مرداد، ۳۰ نفر از همین گروه دست‌کم یک خرید تکمیل‌شده دیگر دارند. نرخ بازگشت چهارماهه گروه اردیبهشت برابر ۳۰ تقسیم بر ۱۲۰ ضربدر صد، یعنی ۲۵ درصد است. تعداد سفارش‌های اضافی این ۳۰ نفر در صورت کسر تغییری نمی‌دهد.

حال فرض کنید ده سفارش دوم لغو یا مرجوع شده است. اگر تعریف شما «خرید تکمیل‌شده و نگه‌داشته‌شده» است، باید بررسی کنید چند مشتری پس از حذف آن سفارش‌ها همچنان خرید دوم معتبر دارند. ممکن است عدد ۳۰ به ۲۴ نفر برسد و نرخ ۲۰ درصد شود. معیار را پیش از محاسبه تعریف کنید تا نتیجه مطابق میل تغییر نکند.

همین گروه را می‌توان در پایان آبان دوباره سنجید. چون فرصت بازگشت بیشتر شده، نرخ ممکن است بالا برود؛ این افزایش الزاماً بهبود تازه عملکرد نیست. برای مقایسه ماه‌ها، گروه اردیبهشت و خرداد را پس از یک پنجره یکسان، مثلاً ۹۰ روز، مقایسه کنید. تفاوت پنجره را از تفاوت تجربه مشتری جدا نگه دارید.

حداقل به شناسه یکتای مشتری، تاریخ خرید، وضعیت سفارش و تاریخ نخستین خرید نیاز دارید. اگر بازگشت کالا و لغو سفارش مهم است، مبلغ و وضعیت نهایی را نیز نگه دارید. نام یا شماره تلفن خام همیشه شناسه مطمئنی نیست؛ یک نفر ممکن است با دو شماره خرید کند یا شماره را اشتباه وارد کند.

در فروش حضوری، کارت وفاداری یا شماره مشتری می‌تواند شناسایی را آسان کند، اما جمع‌آوری داده باید با احترام به حریم خصوصی و رضایت مشتری انجام شود. اگر خریدها ناشناس‌اند، نرخ واقعی مشتری تکراری را نمی‌توان دقیق محاسبه کرد. در گزارش بنویسید چه سهمی از سفارش‌ها شناسه معتبر داشته‌اند. پنهان کردن این نقص به تصمیم غلط می‌انجامد.

در فروش آنلاین، حساب‌های تکراری و خرید مهمان مسئله‌اند. پیش از محاسبه، قواعدی برای یکی کردن حساب‌ها و حذف سفارش‌های آزمایشی یا کارکنان بنویسید. داده‌ها را برای یک نمونه کوچک دستی بررسی کنید. اگر نرم‌افزار عددی می‌دهد که با چند فاکتور واقعی سازگار نیست، شاید تعریف داشبورد با تعریف موردنظر شما فرق دارد.

مشتری تکراری کسی است که بیش از یک بار خرید کرده؛ نرخ خرید مجدد می‌تواند سهم همین افراد را در یک گروه نشان دهد. حفظ مشتری گاهی به باقی ماندن رابطه در دوره‌های متوالی اشاره دارد و تعریف آن در کسب‌وکارهای اشتراکی با فروشگاه معمولی فرق می‌کند. پیش از مقایسه گزارش‌ها، تعریف هر شاخص را بخوانید.

برای محصول اشتراکی، ممکن است تمدید ماهانه به‌عنوان حفظ مشتری سنجیده شود. در خرده‌فروشی، برگشت برای خرید دوم نقطه مهم‌تری است. اگر یک مشتری در یک روز دو فاکتور جدا دارد، آیا دو خرید می‌دانید؟ تصمیم باید بر اساس رفتار واقعی و قواعد ثبت سفارش باشد. تقسیم یک خرید به دو فاکتور نباید به‌اشتباه «بازگشت» بسازد.

تعداد سفارش تکراری نیز با تعداد مشتری تکراری فرق دارد. یک مشتری پرخرید ممکن است سفارش‌های زیادی ایجاد کند، اما در نرخ مشتری‌محور فقط یک نفر است. برای دیدن ارزش مالی رابطه، شاخص‌های دیگری مانند درآمد هر مشتری و برآورد ارزش طول عمر مشتری را جدا محاسبه کنید.

بازه مناسب از فاصله طبیعی میان خریدها می‌آید. برای کالای مصرفی هفتگی، سنجش سی یا شصت روزه شاید مفید باشد؛ برای خدمت سالانه، چنین بازه‌ای زود است. از داده تاریخی ببینید مشتریان بازگشتی معمولاً چند روز پس از خرید نخست دوباره می‌خرند. سپس پنجره‌ای انتخاب کنید که فرصت واقعی خرید دوم بدهد.

اگر داده تاریخی کم است، با چند پنجره مشخص شروع کنید و آنها را هم‌زمان گزارش دهید: مثلاً بازگشت تا ۳۰، ۹۰ و ۱۸۰ روز. این اعداد نمونه‌اند، نه معیار جهانی. برای مقایسه دوره‌ها، پنجره‌ها را ثابت نگه دارید. تغییر دادن بازه وقتی نتیجه مطلوب نیست، گزارش را بی‌اعتبار می‌کند.

فصل فروش نیز اثر دارد. مشتری خرید هدیه ممکن است تنها در مناسبت مشابه بعدی برگردد. اگر گروه‌های ماه‌های مختلف را مقایسه می‌کنید، تبلیغات، موجودی کالا و تغییر قیمت را در یادداشت گزارش ثبت کنید. نرخ بازگشت عدد رفتاری است و بدون زمینه عملیاتی تفسیر کاملی ندارد.

شمردن سفارش‌ها به‌جای افراد، وارد کردن سفارش لغوشده، مخلوط کردن مشتری جدید و قدیمی و مقایسه گروه‌ها با فرصت زمانی متفاوت، خطاهای رایج‌اند. خطای دیگر نادیده گرفتن خرید حضوری یا حساب دوم یک مشتری است. هرکدام می‌تواند صورت یا مخرج کسر را تغییر دهد و نتیجه ظاهراً دقیق اما نادرست بسازد.

اگر تعداد مشتری کم است، تغییر چند نفر درصد را زیاد جابه‌جا می‌کند. مثلاً در گروه ده‌نفره، بازگشت یک نفر برابر ده درصد است. بنابراین کنار نرخ، تعداد واقعی مشتریان را نیز گزارش کنید. برای گروه‌های کوچک، روند چند ماه و توضیح موردی شاید از یک درصد تنها مفیدتر باشد.

از مقایسه با «میانگین صنعت» بدون منبع و تعریف مشترک پرهیز کنید. دو گزارش ممکن است یکی خرید دوم در کل عمر مشتری و دیگری در سی روز را حساب کند. حتی اگر هر دو عدد درست باشند، مقایسه آنها بی‌معناست. بهترین مقایسه اولیه، روند خود کسب‌وکار با تعریف ثابت و داده پاک‌سازی‌شده است.

اگر نرخ یک گروه پایین‌تر است، ابتدا ببینید آیا محصول، قیمت، موجودی یا کانال جذب آن گروه فرق داشته است. شاید مشتریان زمان کافی برای خرید دوم نداشته‌اند. سپس تجربه پس از خرید، زمان تحویل و پاسخ‌گویی را بررسی کنید. عدد به‌تنهایی علت را نمی‌گوید؛ فقط نشان می‌دهد کجا سؤال دقیق‌تری بپرسید.

می‌توانید گروه‌های مشتری را بر اساس کالای نخست، کانال جذب یا شهر جدا کنید، به شرط اینکه حجم هر گروه برای تفسیر کافی باشد. اگر خریداران یک کالا بیشتر برمی‌گردند، شاید چرخه مصرف آن کوتاه‌تر است، نه اینکه صفحه فروش آن بهتر بوده. فرضیه‌ها را با داده‌های دیگر و گفت‌وگو با مشتریان بسنجید.

هزینه جذب مشتری نیز در تصمیم مهم است. مقاله محاسبه هزینه جذب مشتری نشان می‌دهد برای آوردن مشتری جدید چه هزینه‌ای می‌دهید. اما بالا بودن نرخ بازگشت، به‌تنهایی سودآوری را تضمین نمی‌کند؛ تخفیف سنگین یا هزینه خدمات زیاد ممکن است حاشیه سود را کم کند.

برای هر گروه ماهانه، تعداد مشتریان خرید اول، تعداد دارای خرید دوم معتبر، پنجره مشاهده و نرخ را در یک سطر بنویسید. کنار آن تعداد سفارش‌های بدون شناسه و مرجوعی را ثبت کنید. این ساختار ساده باعث می‌شود مدیر یا همکار بتواند عدد را دوباره حساب کند و تغییرهای ناگهانی را ببیند.

در گزارش ماه جدید، گروه‌های قبلی را فقط پس از رسیدن به پنجره زمانی مساوی با گروه مقایسه کنید. برای نمونه نرخ ۹۰ روزه اردیبهشت را با نرخ ۹۰ روزه خرداد کنار هم بگذارید، نه با نرخ سی‌روزه تیر. اگر روش شناسایی مشتری یا سیاست مرجوعی عوض شده، آن را زیر جدول بنویسید.

گزارش خوب باید به یک تصمیم ختم شود: بررسی تجربه تحویل، آزمایش پیام پیگیری یا اصلاح ثبت شناسه مشتری. اگر فقط درصد تولید می‌کنید و هیچ فرضیه‌ای بررسی نمی‌شود، زمان تحلیل هدر می‌رود. نتیجه آزمایش را نیز با همان تعریف نرخ بسنجید تا بتوانید بفهمید تغییر عملی اثر داشته یا خیر.

برای اندازه‌گیری نرخ بازگشت، گروه مشتریان، پنجره زمانی و خرید معتبر را دقیق تعریف کنید. تعداد افرادی را که دست‌کم بار دوم خرید کرده‌اند بر کل افراد همان گروه تقسیم و در صد ضرب کنید. کنار درصد، تعداد مشتریان و محدودیت داده را گزارش دهید. مقایسه تنها وقتی معتبر است که تعریف و فرصت بازگشت در دو دوره یکسان باشد.

• Shopify: Repeat customers
• Stripe: Customer repurchase rates