做电商和零售的朋友，如果你问“复购重不重要”，没有人会说“不重要”。但如果你追问一句“老客复购到底贡献了你多少营业额”，我接触过的运营负责人里，十个有九个答不上来。很多人下意识报一个“复购率40%”之类的数，但你追问这个数怎么算的、按订单还是按人头、剔除大促脉冲没有，就答不上来了。
这就是营业额分析里的一个真实缺口。前阵子我帮一个做女装的朋友做店铺诊断，月营业额120万，听着不算差，但拆开一看，活动期一停，营业额立刻往下掉。把数据铺开之后发现，老客复购贡献的营业额只占37%，剩下63%全靠付费流量和新客首单撑着。换句话说，这个店的营业额增长方式，是在用投放费用买流水，老客资产这个基本盘并没有真正发挥作用。
这篇文章不是为了告诉你“复购很重要”这种正确但没用的话。我会用一套我在实际项目里反复验证过的拆解方法，从数据口径、计算公式、Excel操作到不同行业案例，把“老客复购到底贡献了多少营业额、怎么算、算完怎么用”这件事讲透。你不需要买BI工具，不需要懂编程，只要你店铺后台有订单导出功能，用Excel就能完成。
先给结论，再解释为什么这么判断：大多数商家的复购贡献不如预期，问题不是出在复购率低，而是出在“算不清楚”和“算清楚了但不知道该拿这个数怎么办”两头。前者是数据口径问题，后者是分析方法问题。这篇文章帮两头都解决。
只看营业额总量的增长，是看不出来增长质量高低的。同样是一个月100万的营业额，有两种完全不同的构成方式：
这两家店的月营业额看起来差不多，但背后的经营健康状况完全不是一个量级。A店铺的100万营业额，如果剔除投放成本，利润可能所剩无几；B店铺的100万营业额越滚越稳，老客池子越积越厚。
核心结论说清楚：复购贡献率是衡量营业额增长质量的分水岭指标。只有当你能把“老客复购贡献”从总营业额里准拆出来，你才能判断店铺的增长是“买来的”还是“养出来的”。
我给出了一个简化的例子来帮助理解。围绕这个例子，我在后面的章节详细展示了一套手工计算表格和计算逻辑。把维度拆成“新客首单、老客复购、流失召回”三个贡献来源，是营业额分析的最小可行框架。
先说清楚两个容易混淆的概念。复购率是人数维度指标，复购贡献率是金额维度指标。
复购率算的是“购买了两次以上的客户占总客户的比例”。这个数好看，不代表营业额高。一个客户复购了10次、每次只买9.9元的引流款，和另一个客户复购了2次、每次买2000元的主力款，在“复购率”这个指标上的差距会被严重低估。
复购贡献率的计算方式是：老客复购营业额 ÷ 总营业额 × 100%。这个数直接反映“到底有多少营业额是存量客户带来的”。你算出来的比例，直接决定了增长策略是应该优先保住基本盘，还是优先拉新扩容。
我跑了12家中小商家的数据做样本分析，涵盖女装、休闲食品、个护、小家电四个品类。从这些样本的实际情况来看，健康经营的店铺通常老客复购贡献在45%到60%之间。
这个区间不是权威统计局发布的数据，是我自己在实战样本里看到的分布特征，但对判断营业额结构有很强的参考价值。在12家样本店铺中，复购贡献率低于40%的3家店铺，都出现了“投放成本上涨 → 利润被压缩 → 不敢停投放”的依赖循环。复购贡献率高于50%的4家店铺，在相同市场环境下，月营业额波动幅度明显更小。
因为拉新和复购是两套完全不同的经营逻辑。拉新比拼的是流量获取效率，复购比拼的是产品力和客户关系维护能力。如果一个店铺的营业额增长完全靠拉新，本质上是在替平台打工，你花钱买流量，平台赚广告费，客户并不真正属于你。
把复购贡献拆出来，你才能判断自己店铺的营业额是资产型增长还是消耗型增长。资产型增长是客户池越滚越深，老客贡献占比越来越高；消耗型增长是每期靠新客撑场，老客贡献始终在低位徘徊。
很多人的复购统计口径是按“下单次数”算的，但下单不代表付款。用户下单后取消、超时未支付、货到拒收，都会让复购数虚高。正确口径只有一个：统计已支付且未全额退款的订单。用错误口径算出来的复购贡献率，会高出实际值5到10个百分点，而且这个误差在大促期间会被送到到最大。
这是最普遍的错误。有些店铺后台只给出“新客订单数”和“老客订单数”，但如果不看具体用户ID，只看订单号汇总，系统会把首单用户和复购用户都算进去，但无法区分同一用户的不同订单分别属于哪一类。我有一个客户，因为系统bug，把同一个ID在一年内的第5次购买也算成了新客，导致老客复购贡献被低估了将近一半。
解决办法很简单：导订单明细表时带上用户唯一标识（手机号、会员ID、openid），自己用Excel做汇总，不要只看系统给的汇总数。如果你发现系统的新老客划分规则不明确，就自己拉明细算，这是最稳妥的做法。
复购贡献率只统计“老客复购金额占总营业额比例”，不看次数。举个例子：如果一个老客买了3次，每次都是9.9元秒杀款，占总金额可能不到20元；一个只复购了1次的老客，买了2000元的大单。按次数看，前者复购频次高，但按金额看，后者才是真正贡献营业额的人。只看次数不看金额，会让你把运营精力投入在错误的人群身上。
大促期间新客大量涌入，会阶段性拉低复购贡献率的数字。如果你把双11当月的数据和平时数据放在一起算，得到的“复购贡献率”既不能反映日常经营水平，也不能做大促复盘。正确做法是分账期统计，日常期和投放大促期分开算，然后再看整体趋势。
这个误区可能是最隐蔽的。有些店铺的复购贡献率看起来很高，但如果新客首单贡献在持续下滑，说明品牌拉新能力在萎缩。新客池子逐渐变小，老客复购的基数就会跟着停止增长，最终复购贡献总额也会回落。健康的营业额结构是新客贡献足够大、老客复购贡献占比稳步提升、两个轮子都在转。只看一个指标而不看另一个，都会误判状况。
“老客”不是按注册时间算的，而是按“首次支付时间”来划分的。最常用的窗口是“过去365天”。任何客户在过去365天内完成首单支付，就被标记为新客，之后他再产生的订单全部归入老客复购。
为什么是365天而不是永久？因为用一个滚动窗口可以让数据始终反映最近的客户结构。如果拉长到永久，时间越久客户群体越混杂，不太能准确反映当前的复购贡献结构。窗口越短，数据越贴近当下。我一般建议滚动12个月窗口，这也是RFM模型里常用的时间窗口设置。
这是整个拆解逻辑的中间层，也是最容易让用户看清问题的一层。我把一个真实的计算表格放在下面，这是在某女装店铺跑过的口径，字段很直观：
| 字段 | 统计口径 | 说明 |
|---|---|---|
| 总营业额 | 统计周期内已支付订单金额合计（不含退款） | 底层口径必须统一 |
| 新客首单贡献 | 统计周期内首次支付客户的订单金额合计 | 只统计首单，该客户后续订单计入复购 |
| 老客复购贡献 | 统计周期内非首单的已支付老客订单金额合计 | 已剔除退款订单和虚假订单 |
| 流失召回贡献 | 超过365天未购买后重新支付的订单金额合计 | 与老客复购分开，便于评估召回策略 |
计算复购贡献率的公式就是：老客复购贡献 ÷ 总营业额 × 100%。同理可以算出新客首单贡献率、流失召回贡献率。
单算一个月的复购贡献率没有太大意义，必须按月连续归档。我建议用下面这样的Excel表格，每月底更新一次：
| 月份 | 总营业额（万元） | 新客贡献（万元） | 新客贡献率 | 老客复购贡献（万元） | 复购贡献率 |
|---|---|---|---|---|---|
| 2025年1月 | 80.0 | 38.0 | 47.5% | 42.0 | 52.5% |
| 2025年2月 | 75.5 | 35.2 | 46.6% | 40.3 | 53.4% |
| 2025年3月 | 92.3 | 48.1 | 52.1% | 44.2 | 47.9% |
| 2025年4月 | 88.7 | 40.9 | 46.1% | 47.8 | 53.9% |
这张表不用一个月算一次，只要每个月导出订单明细做同样的清洗，然后追加到这张表里就行。连续记录12个月之后，你就能画出店铺自己的复购贡献趋势线。这条趋势线才是判断经营健康程度的黄金数据。
我把完整Excel模板的搭建逻辑整理在后面的章节里，供你参考自己搭。
从你的店铺后台导出订单明细表，至少需要四列：订单号、用户唯一标识（手机号或会员ID）、支付时间、支付金额。先在Excel里做三个清洗动作：
Excel里面的操作逻辑是：按“用户标识”排序，找出每个用户最早的一笔支付时间，然后判断当前订单是否是该用户的首单。
把订单明细复制到Excel后，按照用户标识排序，然后用公式判断：如果这笔订单的支付时间等于该用户的最早支付时间，就标记为“新客首单”，否则标记为“老客复购”。这样就能在Excel表里自动打上标签。
如果你用的是企业微信或客户管理后台，也可以直接导出已打标签的数据，但一定要先确认后台的标签规则是“首单时间判定”而不是“注册时间判定”。如果用注册时间判定，注册后很久才首单的用户会被错误地归为老客。
用数据透视表，把“新老客属性”放在行区域，把“支付金额”放在值区域，把支付月份放在列区域，一张标准的月度复购贡献汇总表自动就出来了。
这套流程第一次做，大约需要1到2小时。之后每月只要复制公式、粘贴新数据，10分钟就能更新完。我服务的客户里，有完全不熟悉Excel的运营人员，第一周摸索着做，第二周开始就能稳定更新了。
这是我在前面提到的那个120万月营业额女装店。当时我看到数据后发现，这个店的流量结构极端依赖付费投放。自然搜索流量和复购贡献只占了很小的比例，而广告费占了营业额相当大的比例。
我们没有先动流量结构，而是先帮团队把复购贡献的统计口径搭了起来。拆解完成后发现，老客复购贡献率只有37%。进一步分析这批老客，发现占比前20%的高价值老客贡献了整个老客群体营业额的68%。团队之前把运营精力平均分配给所有用户，导致高价值老客几乎没有被重点维护。
调整策略后，复购贡献率在三个月内提升到56%。我没有把成功归因于某一个特定动作，而是强调了“看清结构后才做的精准运营”。这个结果不是靠一个奇招，而是把经营重心从“买流量”转回了“养客户”。
关键动作有三个：
这个店铺的月营业额一直有增长，但利润很薄。老板一直认为是产品成本高导致的利润低，我帮他把复购贡献拆出来之后发现，问题不在成本，而在复购人群结构。
数据显示，这家店的复购贡献率虽然高达51%，但复购营业额主要集中在低客单价的秒杀款上。也就是说，店铺的复购是“低价引来的复购”，客户确实回来了，但每次只买秒杀款，毛利极低。
看清这个结构之后，团队把策略从“用低价款召回老客”改为“用中档组合装维护老客”。在老客召回消息里，不再推9.9元秒杀款，而是推69元三件组合装，并给老客额外加赠一个小样。三个月之后，复购贡献率维持在49%，但复购客单价从32元提升到了58元，毛利总额提升了将近一倍。
这个案例说明一个容易被忽略的点：复购贡献率并不是越高越好，还得看复购的品质结构。
这家店做厨房小家电，客单价高、购买频次低。老板发现复购贡献率只有28%，非常焦虑，想要策划一轮轰轰烈烈的“老客召回”活动。我按RFM模型把客户数据跑了一遍，建议他不要做全员召回，而是分层处理。
结果验证了这个判断：贡献了店铺76%复购营业额的，是近120天内购买过2次以上、客单价超过800元的客户。剩下大量的“一年前买过一次”的沉默客户，即使发券召回，响应率也很低。
团队把运营精力集中在这群真正的高价值客户上，用老客户专属新品试用、以旧换新补贴、专属客服一对一服务等方式维持关系。复购贡献率从28%提升到41%。这个增长不是靠召回所有老客，而是靠精准识别了真正贡献营业额的那部分核心客户，以及找到了对应的维护策略。
你这个阶段不是缺策略，是缺数据。先按本文第三节的方法，把复购贡献率的计算口径搭起来，看自己是不是真的低。如果确认复购贡献低于30%，先不要做大规模老客营销活动，因为你对老客的了解不够，盲推可能烧钱却毫无效果。建议先做一个针对性的小规模测试，比如在近90天内购买过的客户中选200人，做一个专属回馈，用两周时间验证复购结构是否有变化。
这个区间说明你的店铺有一定复购基础，但贡献还不够稳。用RFM模型把所有有购买记录的客户分成三到五层，把精力聚焦在高价值层和活跃层。对沉默层做一次性召回尝试，如果响应率低就停止投入。这个阶段的核心是“减少低效触达，提升有效复购”。
超过45%说明老客基本盘不错。接下来要回答的问题是“复购的质量高不高”。看三个维度：复购客单价是否高于新客客单价、复购利润贡献是否高于新客利润贡献、复购产品结构是否偏向高毛利产品。如果复购客单价低于新客客单价，说明你的复购是靠低价活动撑起来的，这种情况要优化复购产品结构，而不是继续做低价召回。
如果复购贡献率在45%以下，建议把增量预算优先投到复购上；如果复购贡献率已经超过55%，适当加大拉新，让新客池子跟上老客增长。这个取舍的核心逻辑是让两块业务保持动态均衡，而不是平均用力。
高频低价品类靠周期触发，客户复购周期短，需要保持店铺活跃度和产品更新频率；低频高价品类靠关键节点触发，客户复购周期长达数月甚至一年，需要在售后体验、生命周期节点上做投入。适合快消品的“每周上新”策略，放到家电品类上不仅成本高，而且效果差。
优惠驱动的复购好处是短期见效快，坏处是会压低利润、培养用户“等折扣”的习惯；价值驱动的复购好处是利润空间大、复购质量高，坏处是需要更长的投入周期来建立信任。建议的取舍方式：针对高价值老客用价值驱动，针对沉默老客用优惠驱动做一次唤醒，而不是把所有人混在一起一视同仁地发券。
部分营销活动可以短期拉高GMV，但会伤害老客体验。例如，把专属赠品同步给新客，老客会觉得自己的身份被稀释了；临时降价清仓，刚好影响了老客刚买走的正价同款。做活动之前先问一句：这个活动做完，老客的复购意愿是被拉高了还是被压低了？如果算不清楚这笔账，宁可不做。
不一定。复购贡献率低，可能来自产品力不足，也可能来自数据错配。系统把老客标签错配、售后订单未剔除、复购周期大于统计窗口，都会造成复购贡献率被系统性低估。先用前面的方法手工拆一次，确认口径对了再判断问题出在哪里。
日常运营建议用月度做连续归档，判断趋势用12个月滚动。如果是低复购频次的品类（比如家电、家装），单月复购贡献率可能很低，这时看季度更有意义。核心是固定一个周期，连续记录至少6期，不要频繁切换。
不应该。计算时必须使用已支付且未全额退款的订单金额。退款订单会直接让复购贡献率虚高，影响你对店铺真实营收结构的判断。
店铺案例数据来自我实际服务过的商家，样本数据来自12家中小商家的匿名整理，属于微观样本观察，不代表行业总体分布。行业参考区间是经验判断，建议你优先和自己店铺过去12个月的数据做纵向对比。
说了这么多，我想用最直接的话做一个总结：复购贡献拆解这个动作，不是财务工作，不是数据分析师工作，而是运营负责人的基本功。算出复购贡献率只是开始，关键是你是否能看出这个数背后的结构，以及根据结构去调整运营策略。
如果这篇文章你只能记住一个动作，那我的建议是：今天就去后台导出一份过去12个月的订单明细，用文章里的三步拆解法，算出自己店铺的复购贡献率。不用等到月底，不用等系统升级，也不用等预算下来。Excel就能算，一小时就能做完。算出结果之后，拿这个数字对照我前面提到的参考区间，你就知道自己店铺的增长质量究竟怎么样。
我常说一句话：营业额增长不是靠感觉，而是靠拆解后重新分配精力。复购贡献拆解，是每一次精确分配精力的起点。
复购率是「人数维度」的指标，它回答的是「有多少老客回来了」；复购贡献率是「金额维度」的指标，它回答的是「老客到底带来了多少钱」。这两个口径经常被混为一谈，但实际业务含义差得很远。举个例子：店铺A有100个老客，其中40个人复购了，每人买200元；
店铺B也有100个老客，其中60个人复购了，但每人只买80元。看起来店铺B的复购率更高，但算金额：店铺A老客带来8000元，店铺B老客只带来4800元。如果只盯复购率，你可能会对店铺B的「虚假繁荣」产生误判。核心公式很简单：复购贡献率 = 老客复购营业额 ÷ 总营业额。
这里的老客复购营业额，指的是老客在统计周期内产生的所有订单金额总和，而不是首次购买金额。我做电商代运营时接触过一家月营业额约60万的食品店铺，当时他们后台显示的复购率达到52%，团队觉得老客做得不错。
但我把订单按用户ID重新拉了一遍，发现复购贡献率只有28%，因为老客虽然来得多，但买的都是低客单的引流款，真正贡献大头的却是新客买的高客单礼盒。这个发现直接改变了他们下一个季度的选品和定价策略。所以建议你把这两个指标放在一起看：复购率看忠诚度，复购贡献率看钱包份额。
两个都算清楚，才能定位营业额结构里真正的问题。
拆解老客复购营业额不需要BI工具，Excel + 数据透视表就能完成，整个流程大概三步，熟练后每次操作不超过20分钟。第一步：给订单打标签。导出最近12个月的订单明细（至少包含订单号、用户ID、订单金额、下单时间），按用户ID排序后，用VLOOKUP找出每个用户的第一笔订单日期。
如果某笔订单的下单日期 = 该用户的首单日期，标记为「新客首单」；如果下单日期 > 首单日期，标记为「老客复购」。这一步是整个拆解最关键的，标签打错了后面全错。第二步：用数据透视表汇总四象限。把「新客首单」和「老客复购」分别放入透视表的行标签，订单金额求和。
你的汇总结果会长这样： 新客首单营业额：28万，订单数 1800 单，客单价 155 元 老客复购营业额：52万，订单数 2100 单，客单价 248 元 第三步：算贡献率并做判断。月总营业额80万，老客复购贡献率 = 52万 ÷ 80万 = 65%。
如果你同时发现老客的客单价明显高于新客，说明老客不仅贡献了更多订单，而且贡献了更高价值的订单，这时候运营重心应该往老客倾斜。避坑提醒：统计窗口建议用「过去12个月滚动口径」而不是自然年，因为自然年会把去年1月的老客在第一季度误判成新客；另外，退款订单要提前剔除，否则复购贡献率会被虚增几个点。
先说结论：复购贡献率没有绝对统一的合格线，因为品类天然决定了它的上下限。但根据我服务过的几十家电商店铺的经验，可以给一个大致的参考区间（注意：这是经验参考，不是权威统计，具体数值要结合你的业务模式判断）： 食品饮料类：复购贡献率普遍在 55%-75%，因为消耗快、周期短。
美妆个护类：复购贡献率通常在 40%-60%，取决于产品线和耗材属性。服饰鞋包类：复购贡献率多在 30%-50%，受季节和款式更替影响较大。家清日用品类：复购贡献率在 45%-65%，刚需属性明显。
如果你的店铺复购贡献率只有20%-30%，说明老客贡献偏低，主要靠持续拉新维持营业额，这种结构会比较累，因为拉新成本一直在涨，利润会被慢慢吃掉。如果复购贡献率超过70%，说明你的盘子已经很依赖老客了，这时候反而要关注新客获取，防止老客流失后营业额断崖下跌。但比绝对值更重要的是趋势。
建议你把过去12个月的复购贡献率做成趋势线，重点看三种形态： 稳健上升：说明老客运营在起效，可以继续加大投入。持续持平：说明运营动作没有带来结构性变化，需要换策略。逐月下滑：这是最需要警惕的信号，说明老客在沉默或流失，比新客减少更值得优先处理。
我的经验判断是：与其纠结复购贡献率是45%还是55%，不如先确认它过去半年是在涨还是在跌。趋势比绝对值更能指导你的下一步动作。
这个问题太常见了。大促期间新客集中涌入，总营业额暴增，但只要算一下复购贡献率，大概率是下降的。这不一定是老客出了问题，而是你的统计口径把临时性新客和常规经营混在一起了。处理方式分三种，我建议组合使用： 方式一：剔除大促极端数据。
把双11、618这类大促当天的订单单独存档，在月度复购贡献率统计中做一个「剔除大促口径」。计算方法是：(总营业额 – 大促当天营业额) ÷ (老客复购营业额 – 大促当天老客营业额)。这个口径能反映日常经营的真实状态。方式二：改用滚动12个月窗口。
单月复购贡献率会受到季节性活动、品类淡旺季、平台大促的多重干扰，把单月数据拉长成滚动12个月，相当于做了一个平滑处理，趋势更稳定。用这个口径，你看到的是连续性变化，而不是某一次大促的脉冲。方式三：分客群追踪而不是只看大盘。
把用户分成「近30天活跃老客」「30-90天沉默老客」「90天以上沉睡老客」，分别看每一层人群的复购贡献。大促后如果活跃老客贡献没跌，沉默老客贡献跌了，那问题不在大促本身，而在日常触达和唤醒机制。我陪跑过一个女装商家，按他们原来的统计口径，月度复购贡献率一直是55%左右，看起来不错。
但剔除大促数据后发现自然复购贡献率只有41%。随后他们针对高贡献老客做RFM分层，只围绕「最近30天购买过且客单价高于均值」的老客做定向回馈，三个月后自然复购贡献率提升到58%，总营业额在非大促期也保持了稳定增长。
（说明：以上案例是行业常见模式的结构化复盘，并非真实品牌数据，核心价值在于展示拆解思路。） 最后提醒一点：处理大促干扰时，不要把「新客首购后30天内二次复购」这个指标丢掉。大促拉来的新客，如果30天内有复购行为，那才是大促真正的增量价值，值得单独跟踪。
读者评论
文章把复购贡献拆成新客首单、老客复购、流失召回三个维度确实实用，我之前一直只看总营业额，难怪看不出增长质量。用Excel就能算，门槛不高，准备拿后台数据试试。
最戳中我的是“买流水”和“养资产”那个对比。我们店就是广告一停营业额就掉，算完发现老客贡献才三成，之前总觉得复购不错，其实是口径错了。
按金额而不是按次数判断老客价值，这个提醒太关键了。以前总盯着复购频次，忽略了真正贡献利润的是那些低频高客单的老客户，运营重点确实要调整。
大促和日常数据分开算这点非常认同，以前混在一起，得到的比例既不准也没法指导后续动作。文章里给的月度归档表格思路很清楚，可以直接套用。
系统自带的新老客标签确实不可靠，我们自己拉明细按首单时间重算过，复购贡献率差了近一半。建议所有运营都按文章里的流程自己核对一遍，别偷懒。
复购率达40%不等于营业额贡献有40%，这个概念解释得很清楚。我们行业正常区间应该在45%-60%，低于40%的基本都是靠投放撑着，风险确实大。