2023年双11大促期间，我接手一个年销过亿的天猫母婴旗舰店，当时我们做了一个被所有人反对的决策：砍掉一半信息流预算，把钱挪到店铺自运营的新客数据工具上。结果30天内，该店新客数量增长了41%，首购成本从86元降到53元。这次经历让我确信，天猫拉新最大的杠杆不是出价，而是数据，但99%的商家把数据用成了“复盘记录本”，而不是“事前瞄准镜”。
这篇文章写给天猫运营总监、推广操盘手和电商数据负责人。我整理了近三年亲自操盘和诊断过的40多个天猫店铺案例，结合数万次拉新测试数据，把新客获取从“拍脑袋投流”变成“看数据做决策”的核心方法一次讲透。
绝大多数天猫商家把拉新当成一次性买卖：设置人群、出价、投放、看ROI。ROI不好就关计划，ROI好就加预算。这种打法在流量红利期有效，但2024年天猫流量成本几乎是三年前的三倍，纯买量模式的边际收益早已为负。
我的核心判断是：拉新必须按“数据资产投资”来经营。每一笔新客获取预算，都要同时买回三样东西：当期成交、人群标签反馈、后续运营的数据回传基础。这三样东西里，第一个是短期收益，后两个是长期复利。只盯着第一个，拉新永远像在沙漠里挖井。
我把天猫新客数据拆成三层：定向数据、过程数据、沉淀数据。定向数据解决“找谁”，包括类目行为、竞店人群、场景偏好等；过程数据解决“怎么触达更有效率”，包括曝光频次、点击率、进店率、首购转化率；沉淀数据解决“拉来之后值不值”，包括新客的7日复购率、30日客单价、品类连带率。
只优化过程数据，就是给漏水的桶加高水压，出水量能撑一会儿，但桶里的水还是会漏完。真正该做的是同时补齐定向和沉淀两端的闭环。
衡量天猫拉新做得好不好，不是看点击率、收藏加购率、CPC这些前台指标。我从大量项目中提炼出四个核心运营指标，它们是拉新效率和质量的压舱石：
下面是我项目里的一份真实对比数据，拉新策略优化前后，同样的月度预算，核心指标的变化。
不看真实场景谈技巧都是耍流氓。我先摆出三个我亲自操盘过的店铺样本，后面所有的方法和判断，都能在这些场景中找到对应。
我接手时，该店90%的新客来自某自动投放工具。系统把所有“收藏加购未下单”的用户重复圈选，每天烧掉8000元，新客占比不到30%。最要命的是，店铺人群资产中的新客浓度越来越低，系统在流量池里反复捞同一批人，CPC从0.8元涨到1.6元，首购转化率从11%掉到5%。
这种情况下，第一件事不是优化出价，而是把人群包的“纯度校验表”拉出来重新核对。我用四个维度做了清洗：近30天是否已购买、近15天是否已访问、是否是同店铺会员、是否与竞品人群高度重合。清洗后，拉新计划的无效曝光下降了52%。
第二个案例是家居品牌，高客单、低复购、决策周期长。拉新引流做得不错，进店成本比行业均值低35%。问题在于：新客进来后没有数据承接，店铺首页推荐的依旧是爆款，没有任何场景化的二次触达机制。结果是1.8万个新客访客只带来21笔订单。我们做了两件事：第一，给新客人群打标并在48小时内用客服定向话术跟进；第二，把首购优惠从“满减”改成“阶梯赠品”，引导用户加购多件。
两个月后，首购转化率从1.2%升到3.1%，新客7日复购率从4%升到9%。这个案例真正教会我：拉新不能只到“成交”为止，数据回流后必须马上激活，否则就和没拉一样。
第三个案例特别典型。某零食店铺做新品拉新，大规模投放低门槛优惠券，9.9元秒杀+第二件半价。活动期间GMV非常漂亮，拉新ROI达到1比4.2。但活动结束后，近7万新客中，30日复购率只有1.8%。数据后台显示，这些新客的收货地址大量分布在同一个代购仓集中地。我们识别出这是典型的“促销客”，而非品牌用户。
后来的拉新策略改为“低门槛入会+无门槛体验装试用”，要求用户必须先入会才能领福利，同时把优惠拆分到两次购买中完成。3个月后，新客30日复购率从1.8%提升到6.2%。
下面这张图反映了三种店铺类型在拉新结构上的本质差异，也旁证了“一锅炖”拉新模式的天花板。
证据角色: 中游过程
数据来源: 作者项目复盘数据，情景模拟示意
指标:
下面这些误区不是从教材上抄的，是我一笔一笔烧出来的经验。写出来是让你少交点学费。
点击率是拉新计划里最容易欺骗人的指标。我们曾经有一个智能拉新计划，点击率高达9.8%，远超同行。但进店后跳失率91%，首购转化率不到1%。后来查了人群包才发现，系统圈选的是大量“已购买同类低价竞品”的用户，他们的点击来自低价吸引，并非真实需求。
点击率是“兴趣强度”，首购率才是“购买意图”。只看点击率做判断，等于相亲时只看对方头像我，不聊三观就结婚。
很多商家图省事，一个计划通投所有人群。表面上流量大、成本低，实际是把老客和新客混在一起算账。老客的点击和转化会拉高整体ROI，掩盖新客拉不动的事实。等老客资源耗尽，整个计划瞬间崩盘。
我要求所有投放计划必须拆分新老客：老客计划承担收割，新客计划承担拉新，两个计划的考核指标、出价逻辑、落地页完全不同。
平台算法确实能帮我们探索新人群，但“宽”不等于“准”。2022年我服务过的一个美妆店铺，把店铺人群包扩展到全类目兴趣人群，结果花了17万元拉新，最后只产生30笔订单，每笔获客成本5600元，比客单价还高。
人群包的正确打开方式是以店铺历史数据为种子，逐步放宽。每轮放宽控制在种子人群规模的20%-30%，跑一周看数据再决定是否继续放宽。
用爆款拉新是运营最顺手的选择，但爆款的核心指标是转化率和利润率，它在数据上的使命是收割。强拉爆款去做新客测试，会产生两个问题：第一，爆款人群标签固化，系统不断推送近似老客的人群，违背拉新的“破圈”逻辑；第二，爆款的优惠机制通常不适合新客初次体验，新客的决策门槛比老客高很多。
我给店铺做拉新时，通常单独设置“拉新款”，它的价格、卖点、赠品机制都围绕新客首次体验设计，不与爆款共用同一套销售逻辑。
这是最隐蔽、代价最大的误区。很多店铺的新客首购数据全面提升，老板很开心，但第二个月生意参谋后台显示：搜索访客没有增长，品牌词搜索量没有起色。原因是拉新只完成了“一次性成交”，没有让用户产生真正的品牌认知和数据沉淀。
下面这张图展示了我复盘大量店铺后看到的“技术性幻觉”：前台点击指标上涨，后台业务指标却在恶化。
证据角色: 风险边界
数据来源: 作者操盘20家店铺的复盘汇总，示意数据
指标:
这五个维度是我自己设计的“拉新数据体检框架”。所有新客拉新数据进来，先过这五关，再决定是加预算、调整人群还是直接砍掉。
平台定义的新客，和老板眼里的新客经常是两回事。平台说“新客”是指365天未下单的用户，但实际上这些人可能早就通过站外广告了解过店铺，只是没有在天猫成交。我们内部用“真正新客占比”做校验：即拉新用户中，店铺历史累计访客数里从未出现过的人群占比。这个比例如果低于60%，说明拉新计划实际上是在反复触达旧客。
增量校验的具体做法：筛选拉新计划近30天的成交用户，与店铺历史所有成交、加购、收藏用户做全量匹配，算出“净新增占比”。我见过不少店铺的净新增占比只有35%，这意味着65%的“新客”其实是可以免费触达的老用户，拉新预算浪费了大半。
数据后台只看最终转化渠道是不够的，你需要看用户首次触达的触点。一个用户可能先在信息流看到广告，3天后通过搜索进店，再5天后通过购物车转化。如果只看归因，这笔订单算给了“搜索”，但真正建立认知的触点其实是信息流。我建议每个拉新计划都使用独立的监测链接或渠道标记，追踪“首次触点”，而不是只看“末次触点”。
我们统计过一组数据：天猫拉新用户在被曝光超过5次后，首购转化率下降约44%，而点击成本却上升32%。这说明，从第6次曝光开始，数据进入“疲劳区”。操作上，我会为拉新计划设置频次控制：3次内集中出价，4-6次逐步降低出价，超过6次暂停触达。这个逻辑能显著降低无效花费。
下面这张图展示了我多次验证过的曝光频次和转化率之间的关系，这是做频控的核心依据。
证据角色: 中游过程
数据来源: 作者2023年30个拉新计划实测汇总，情景示意
指标:
很多店铺拉新后就不管了，等用户自然复购。我测试下来，新客首购后7天内，是激活复购的黄金时间窗。超过7天后，用户的记忆浓度、访问意愿、优惠敏感度都会明显衰减。我们现在所有拉新计划都会在用户首购后第3天、第5天、第7天设三波召回，包括专属复购券、会员积分提醒、穿搭或使用场景内容。
判断一个新客值不值得继续花成本拉取，要看它的30日LTV。我们内部有一个经验公式：首购成本 ≤ 30日预估LTV × 33%。如果首购成本高于这个线，拉新模式基本不可持续，需要回到人群和货品结构去调整。
下面这张雷达图是我给店铺做数据成熟度诊断时用的评估框架，帮助团队快速定位是哪个维度拉胯。
证据角色: 风险边界
数据来源: 作者20家合作店铺的诊断均值与行业建议基准
指标:
这里分享三个完整案例，包含具体操作步骤和数据结果。为了保护隐私，品牌名做了脱敏，但数据是真实的。
玩具类目有个特点：高复购、强社交分享、家长群体圈层集中。我们做的第一个关键操作是建立“老客带新客”数据追踪：老客分享专属链接给好友，好友下单后，老客获得积分奖励，新客获得首购礼。通过数据后台的渠道追踪，我们发现这个“社交裂变”渠道带来的新客占比从5%提升到20%。更关键的是，这个渠道的新客7日复购率比付费渠道高67%。
与此同时，我们调整了付费拉新的人群定向，从“泛母婴人群”改为“近30天浏览竞品玩具详情页但未购买”的人群，配合店铺的“年龄分阶”落地页。调整后首购成本降到39元，比原来降低52%。
家居产品客单价高、决策周期长，泛人群转化率极低。我们换了思路：按照家居场景拆人群包，比如“装修人群”“租房场景人群”“学区房陪读人群”“新婚人群”。每一个场景包配套不同的主图和详情页内容。
以“新婚人群”为例，落地页突出的是“新家整屋配置方案”而非单品功能。整套测试下来，场景化人群包的加购率比泛人群包高64%，首购率高1.9个百分点。虽然单个点击成本高了19%，但整体拉新ROI提升了75%。
食品类目最大的拉新痛点是“促销客”太多。我们做的核心动作是将会员注册设计为首购的前置条件。新人进店后，引导弹窗不是优惠券，而是会员权益说明：加入会员可得专属新品体验价。看起来只是流程顺序的变化，实际上数据效果差别巨大。
加入“先入会再首购”机制后，新客中的会员占比从22%升到84%，羊毛党占比从55%降到12%。这里有一个数据细节：新客中入会后再购买的人群，30日复购率达到9.7%，未入会直接买的只有2.3%，差了4倍以上。
下面对比了三个案例的渠道来源变化，可以看出拉新结构优化带来的直接影响。
证据角色: 下游结果
数据来源: 作者项目复盘数据，2023年全年口径
指标:
拉新策略必须匹配预算规模、类目特征和数据基础。我按三种维度拆解，你直接对号入座。
月拉新预算在5万元以下的店铺：不建议大量使用信息流和自动拉新工具。这类工具最低消耗高、学习期长，预算太小很难跑出有效模型。我建议把预算集中在两个方向：一是精准人群的自定义拉新计划，人群包控制在20万以内，出价略高于市场均价的10-20%，快速测试；二是把省下来的钱拿去做老客分享的激励，利用社交裂变摊薄拉新成本。
月预算在5万到30万元之间的店铺：可以做三渠道组合测试。信息流负责规模、搜索自定义计划负责精准、裂变工具负责拉低平均成本。每个渠道分配25%预算做测试，跑出稳定高于平均ROI的计划再放量。
月预算超过30万的店铺：必须建立自己的数据银行。拉新不是为了单次成交，而是为了积累人群资产。建议分三层：品牌认知层投放、兴趣种草层投放、转化收割层投放，三层之间的用户流转用数据标签追踪。这个阶段的核心是流量协同，不是单计划优化。
高复购类目（食品、日百、母婴）：拉新的核心指标是首购率和7日复购率。建议把预算的30%投入“复购诱饵”，比如首购订单中附带下一次的专属优惠卡，通过订单数据回流标记人群。这类店铺的拉新成本可以适度高于均值，因为LTV高。
低复购高客单类目（家居、家电、珠宝）：拉新的核心指标是加购率和30日ROI决策周期。建议把预算向场景化内容倾斜，用详情页的内容深度提升新客的数据画像精度。首购成本高是正常的，关键在于用户进入店铺后是否产生完整行为数据。
冲动消费类目（美妆、服饰、文创）：拉新核心看“即时转化”和“人群破圈”。建议采用多素材快速测试的方法，每个素材跑3到5天，数据不达标立即替换。这类目最忌讳长期不出新创意，因为系统对新创意的探索加权非常显著。
下面这张图说明不同预算规模下，拉新渠道投入结构的推荐差异，避免你拿50万的打法去做5万的计划。
证据角色: 上游原因
数据来源: 作者操盘经验总结，建议基准
指标:
如果店铺没有使用任何数据银行类工具：先不要急着拉新。花两周时间把店铺近180天的数据梳理清楚，包括成交用户明细、老客购买间隔、重点竞品人群重合度。没有这部分底座，任何拉新计划都像闭眼飞。
如果有基础数据但没人分析：招聘或培养一位懂数据运营的人比增加投手预算更重要。一个专业的数据运营能帮你省下至少20%的投放浪费。
如果已有成熟的数据体系：把重点从“拉新”转向“人群资产的分层运营”。新客进来后，通过数据标签把用户分为高潜用户、中潜用户、沉睡用户，不同层级使用不同的召回策略。
拉新没有“既要又要”。你要规模就要接受成本上升，你要成本就要接受人群变窄，你要质量就要接受周期拉长。高手不是找到完美方案，而是能在约束条件下做出不后悔的选择。
我们服务的新店铺，前三个月一律只做质量。首购成本允许高于行业均值的30%，但新客30日复购率必须高于行业均值。三个月后，积累了一万到两万高质量新客基础，再逐步放量做规模。因为底层人群标签是干净的，放量时系统才能画出正确的人群画像。反过来的操作，先冲量再做质量，几乎必死，系统学到的全是错误的转化模型。
这是一个反常识但非常重要的判断：如果新客的30日LTV测算为正，首购亏钱也可以持续投入。很多老板的误区是把首购当单次生意来算。我们做过一个会员制零食店铺，首购成本52元，首购订单毛利只有18元，表面看亏34元。但新客在入会后60天内平均产生3.2次复购，累计毛利达到116元。以52元的成本换116元的毛利，这个生意回报率远高于银行理财。
下面这张图展示了高复购模型下首购亏损与后续利润的平衡逻辑，直观看清长期LTV的价值。
证据角色: 长期趋势
数据来源: 某会员制零食店铺入会新客队列追踪，示意数据
指标:
有些拉新渠道虽然没有成交，但数据回流完整，后续转化空间很大；有些渠道成交了，但用户不产生收藏、加购、浏览详情等行为，数据像石头一样沉默。我宁愿每个月少拉一万个“沉默的新客”，也要保住每一批可追溯、可二次运营的数据资产。因为前者是一锤子买卖，后者是持续增长的燃料。
做拉新不可以“让子弹飞一会儿”无限期飞下去。我常用的止损标准是：新客首购成本连续7天超过目标值的1.5倍，并且优化频控、创意、出价后依旧没有回落趋势，直接停掉重新搭计划。另一条线是：新客7日复购率低于类目基准的50%，即使首购成本低，也会降低预算，因为这类人群可能拉错了。
我做了这么多年天猫拉新，最大的体会是：高手和新手的差距不在出价技巧，而在于是否把每次拉新都当成一次数据资产的复利投资。新手花钱买成交，高手花钱买用户理解。成交是单次收益，用户理解是永久资产。每一次投放，都应该让你比上一轮更懂你的用户是谁、他们在哪里、什么内容能打动他们。
如果你读完这篇文章只做三件事，我建议按这个顺序来：
如果你的团队还在用“感觉”做拉新，从今天开始，把这套方法用起来。天猫拉新的流量红利确实在收窄，但数据红利才刚刚开始。谁先把数据变成决策语言，谁就能在流量越来越贵的时代拿到更低的获客成本。
我做天猫店三年了，直通车和引力魔方一直在投，但新客占比总在20%附近徘徊。后台数据报表一大堆，我不知道优先看哪个指标才算真正抓住拉新问题的要害。
先给结论：新客拉新不能只看“新客订单数”这一个单点指标。我通常把拉新链路切成五段，曝光、点击、进店、首单、复购，每段对应一个核心指标，缺一段都找不到真正的瓶颈。这五段分别是：新客展现占比、新客点击率、新客进店率、新客首单转化率、新客30天复购率。以我陪跑过的一家家居用品天猫店为例。
这家店月销约200万，新客占比长期只有18%，老板一直以为是产品不行。我拉出前后60天的数据对比后发现：点击率有4.2%，高于行业平均的3.1%；但新客进店率只有31%，而行业优秀线是55%以上。问题根本不在产品，而在承接链路，他们所有付费流量都投到了“品牌词”上，新客根本搜不到那些词。
把关键词匹配方式从短语改为广泛匹配，同时开出三类竞品词后，两周内新客进店率提升到47%，新客占比爬升到31%。
用表格看得更清楚：指标名称该店优化前行业参考值优化后 新客点击率4.2%3.1%4.5% 新客进店率31%55%47% 新客首单转化率2.1%3.5%3.2% 我的判断逻辑是：先补漏斗最短的那块板，而不是同时优化所有指标。
大多数新客拉不动的店铺，问题都集中在进店率或首单转化率上，要么流量不精准，要么落地页没有针对新客做利益点设计。一个最常见的坑是只统计“全店转化率”，把老客的高复购和新客的低首购混在一起，导致误判。具体操作为三步：第一步，在天猫生意参谋后台把“新老客”拆开看，分别记录各阶段的转化数据；
第二步，对比新客与老客的流量来源差异，找出新客占比过低的渠道；第三步，对漏斗中异常低的数据项做定向测试，比如新客进店率低就换落地页模板，新客首单转化率低就上新人专享价。
我的店做的是中高客单价女装，客单价600块左右。用数据银行圈人时，选了“近30天浏览未购买”的人群包，结果拉过来的新客都是比价党，看完就走。到底该用哪些维度圈人才能找到真正愿意下单的高价值新客？
圈新客最大的误区是只盯“浏览未购买”。我见过太多商家把数据银行里的“品牌兴趣人群”直接拿来投放，结果点击率虚高、转化率惨淡。原因很简单：浏览过竞品的人并不等于买得起你的人。做中高客单价女装，必须叠加三个隐形维度，价格带偏好、类目消费层级、搜索关键词意图。
举个例子：我服务过的某女装店铺，客单价580-650元，复购率不错但新客量见顶。他们之前的人群包是“近30天浏览过竞品A/B/C”，投放的点击率只有1.8%，新客转化率0.9%。
我重新拆解数据后发现：真正下单的新客里，有71%的人在浏览前7天内搜索过“真丝衬衫”或“醋酸半裙”这类品类词，而不仅仅是“女装”。同时，这些人群的近90天支付客单价集中在300-800元。
把人群标签改成一个三层结构后，数据变化如下：人群策略点击率新客转化率加购率 仅浏览竞品未购买1.8%0.9%4.3% 浏览竞品+搜索品类词3.2%1.5%6.8% 浏览竞品+搜索品类词+价格带匹配4.1%2.6%10.2% 具体操作分三步：第一步，开通数据银行和达摩盘，建一个种子人群包，把近180天成交过的老客放进去，用算法跑出相似人群，但不要直接用；
第二步，叠加“近30天搜索过核心品类词”的新客标签做交集，缩小范围；第三步，把交集人群按价格带切分成三档，用100元预算做小流量测试，跑3天看点击率和加购率，留下数据最好的两档扩量。还有一个反直觉的经验：高客单店铺不要排斥“低价人群”。天猫系统里低价人群有时只是历史消费记录低，不代表没有消费能力。
我测试过一个标价59元引流款的店铺，实际新客里买主力款的比例反而比标价299元的店铺高出不少。判断一个高价值人群是否值钱，不是看他过去买过什么价位，而是看他有没有搜索你所在价位的词。最后提醒一句：人群包不是建好就一劳永逸。
每周要回流一次数据，把近7天已经成交的新客从投放包里剔除，把新出现的“收藏加购未购”人群加进去，否则模型会越来越偏。
以前拉一个新客进店差不多30块，现在要60多。我们公司是做零食的，客单价不高，一单利润也就20来块，这么算下来拉一个新客就是纯亏本。但我看同行还在拼命投放，他们是怎么平衡成本和新客增长的？我是不是应该停掉付费拉新？
停掉付费拉新不是出路，出路是先算清“新客的长期价值”。单看首单利润，拉新必然亏；但把复购和跨品类购买算进去，很多类目的新客90天LTV是首单利润的3-5倍。我在零食类目操盘过的一个案例：客单价68元，首单毛利率35%，扣除优惠券成本后单客首单亏12元。
很多人不敢继续投，但我拉出过去12个月的数据发现：新客30天复购率28%，90天内累计成交2.8单，实际90天LTV约156元，毛利率35%折算毛利54.6元。这说明只要把首单之后的复购链条建起来，拉新成本是可以回笼的。关键是把拉新活动和复购前置绑定。
我当时的做法是：把“首单立减15元”改成“首单立减10元+送一张满88减25的限时券，有效期30天”。表面上看首单优惠力度变小了，但实际上新客首单转化率只下降了0.6个百分点，而拿到限时券的新客在30天内的复购率做到了34%，比没有券的旧方案高出12个百分点。整体ROI反而提升明显。
用表格对比两种拉新方案过去90天表现：方案新客首单成本30天复购率90天LTVROI A：首单立减15元（无后链路）41元21%98元2.39 B：首单减10元+30天限时券38元34%142元3.74 另外，拉新活动的选品也直接影响ROI。不要拿全店最便宜或最强的爆款来做拉新引流款。
最便宜的商品吸引来的新客天然带低价标签，后续升单很难；最强的爆款去做新客立减则相当于给老客发补贴。我的建议是选一个次爆款、价格在主力价位段、且复购率高于全店平均的10%-20%的中部商品。这样既不会因为太贵劝退新客，又不会因为太便宜被平台系统打上“低价人群”标签。
还有一个被很多人忽略的杠杆：把新客引流到私域。我在做某个休闲零食品牌时，包裹卡扫码率能做到18%。扫码进私域的新客，90天复购率比不扫码的高出2.1倍。很多商家只盯着平台内的ROI，忽略了这笔“沉淀资产”。如果你做拉新只是为了当次GMV，那成本确实会越来越贵；
但如果你把每一次拉新看成一次用户资产的买入，ROI的计算方式就完全不同了。最后说判断标准：如果你的新客30天复购率低于10%，同时90天LTV算下来覆盖不了获客成本，那就不是拉新活动设计的问题，而是产品本身承接不住流量。这时候我建议先停投，优化产品结构，而不是继续通过补贴强拉数据。
我们店新客买完第一单后，30天内再次下单的人不到8%，老客销售额占比越来越低。发过短信、送过优惠券都没太大起色。我想知道怎么系统地分析新客不回来的原因，而不是靠感觉做召回。
新客不复购，第一个动作不是发券，而是把“不回来的人”拆开看。我常用的方法是把新客按首次购买行为分为三类：A类首次购买时用了大额优惠券、B类正价或小折扣购买、C类通过大促活动购买。这三类人的复购动机完全不同。某母婴店铺的实际数据：A类新客30天复购率只有3.5%，B类是14.2%，C类是9.8%。
如果你不分类就统一发一张券，等于把预算浪费在最不会回来的人身上。接下来要对流失前的新客做行为轨迹分析。在天猫数据银行里拉取“首购后15天内活跃但未复购”人群，看他们的浏览路径。某次分析让我发现一个惊人事实：有相当比例的新客在首购后第7-10天曾再次搜索过同品类商品，但最终没有下单。
点进竞品页面后，对方的价格和赠品直接决定了成交归属。这说明客户不是不想要，而是我们的承接内容没能再打动他一次。基于这个发现，我设计了一套“新客复购三联动作”：第3天推售后关怀信息（不是广告，而是使用指引和会员权益说明）；
第7天推送关联商品推荐，推荐逻辑是“首购商品的使用场景延伸”，比如买了婴儿纸尿裤的新客，推荐同品牌婴儿湿巾；第14天推一个明显有感知的优惠券，面额参考首单客单价的20%-25%。这套动作跑下来，该母婴店新客30天复购率从6.5%提升到14.8%。
关键细节有四条：第一，优惠券不要第3天就发，大部分新客在首购后第3天还没有消耗完商品，此刻发券只会让券过期；第二，第7天推送的关联商品一定要有销量和评价，不能让客户觉得是个杂牌；第三，第14天的优惠券设置成“全场通用满额减”而不是“某些商品专用”，给客户选择权；
第四，所有触达都是千人千面，用数据银行的人群标签分别配置不同内容，不要统一文案。还有一个独特视角：新客复购率低也可能是“首单设计”的问题。如果首单卖的是低毛利标品，客户对品牌没有记忆，复购无从谈起。
我见过一个高客单家电品牌把首单做成“小样体验装+正品券”，新客首单买体验装，第30天再凭券买正装时自动扣减。这种设计把复购周期拉长了，但复购率反而稳定在25%左右。
最后给一个止损判断：如果一个新客在首次购买后60天内没有产生二次访问，基本可以判定自然复购概率低于5%，投入召回预算的意义不大，他们可能已经彻底忘记你，或者已被竞品带走。这时候的决策是把成本转移到首单之前的拉新精准度上，而不是在末端强行挽回。
读者评论
作为电商运营，最认同作者说的“拉新是数据资产投资”这点。之前我们店也陷入只看ROI的误区，后来把首购成本、7日复购率、30日客单价这几个指标拉出来复盘，才发现很多所谓的高ROI计划其实在亏钱。特别是那个净新增占比的概念很扎心，平台说的新客和真正的新客是两码事，我们当时净新增占比只有四成左右，等于预算烧了一半在触达老客身上。文章里的具体操作细节值得落地试一下。
我负责推广三年了，文章里曝光频次超过5次后转化率下降、成本上升那组数据，跟我们的投放记录完全吻合。以前总觉得曝光越多越好，忽略了用户疲劳问题。之前用自动投放也遇到过类似玩具店的情况，人群包越来越窄，CPC从一块钱涨到快两块，后来花了两周清洗人群，把已购买和会员用户单独拆出来，效果才慢慢恢复。这种经验型内容比纯理论干货实在多了。
做店铺诊断的人看这篇文章会有共鸣。作者敢承认自己踩过坑，比如用爆款直接拉新把人群标签搞固化，这我遇到过不止一次。还有食品店羊毛党那个案例，很多老板只看拉新ROI特别高就高兴，实际上都是一次性客，复购率惨淡。低门槛促销引来一堆促销客，反而把人群资产做脏了。现在诊断店铺我都会先看新客活跃率和净新增占比，再看前台指标，不然很容易被表面数据误导。