一、复购率

复购率：一段时间内，购买2次及以上客户人数，占该时间段内购买过的总人数的比重。

例如：一个月以内，购买该商品超过两次的人有50个人，一个月内买过该商品的人有100个人，该月内复购率就是50%。复购率计算是要剔除那些没有该买一次的客户。

1) python实现复购率

1.建立pivot_table，index为user_id，columns为月份，value为order_dt(其他只要代表消费的字段都可以)，aggfunc='count'。这里的月份是已经转化成为月的值了，

df['month']=df.order_date.values.astype('datetime64[M]')

pivot_table可以实现两列不重复的字段绘制成表格，可以对表中的值进行聚合操作。和excel有点像。

关于pivote_table:pivote_table

pivoted_counts=df.pivot_table(index='user_id',columns='month',

values='order_dt',aggfunc='count').fillna(0)

#columns_month=df.month.sort_values().astype('str').unique()

pivoted_counts.head()

结果.png

2、计算购买次数>=2的客户，这里利用的是applymap，将值进行判断转化。

applymap函数没有elif，所以要用两次if else。如果是0，则是NaN，这样在count的时候就不会计算进去了。

pivoted_counts_transf=pivoted_counts.applymap(lambda x:1 if x>1

else np.NaN if x==0

else 0)

'''这里是如果购买次数大于1，则计数1；若没有购买则为NaN；\

购买一次，计数为0'''

pivoted_counts_transf.head()

结果2.png

3、最后进行计算。按照columns取出当月的sum，除以当月的count。

pivoted_counts_transf.sum()/pivoted_counts_transf.count()

image.png

2) mysql实现复购率

首先加一列为月度数据：

select date_format(order_dt,'%Y-%m-01')

筛选出每个月的order_dt的数量，用月份和order_id去group

select order_id,date_format(order_dt,'%Y-%m-01') ordermonth,count(order_dt) c from mmy.cd

group by order_id,ordermonth;

结果.png

这里面的所有购买都是至少一次，因为我们是从月份去选取，如果为0就不会出现这个值了，所以不需要过滤。

再通过这个子查询，用条件if来选出符合条件的个数，如果不符合就是null，就不会记录到count里面，同时将其除以当月的总数。这里不用where是因为where会过滤掉不符合条件的日期，这样计算的count(c)就不是总数了。

这里cast(column as decimal(4,4))是设置数值的格式。

select ordermonth,count(if(c>1,1,null)),cast(count(if(c>1,1,null))/count(c) as decimal(4,4)) as '复购率' from (

select order_id,date_format(order_dt,'%Y-%m-01') ordermonth,count(order_id) c from mmy.cd

group by order_id,ordermonth) d

group by ordermonth

order by ordermonth;

image.png

结果如上图所示，发现算出来和python算出来的是一致的。

二、回购率

回购率：在一定时间段内，购买的过的客户在下一个时间段内还会购买的比例。例如：1月消费用户1000个，他们中有300个2月依然消费，回购率是30%。与复购率的区别是两个时间窗口，而复购率是一个时间窗口的多次购买行为。

Mysql实现：

思路:

首先建立一个临时表，和复购率一样，将月度数据的格式整理一下date_format，然后按照不同的客户、不同的月度数据进行分组。

然后我们要两次用到这张临时表，需要内部join一次，然后利用DATE_SUB函数找到间隔为1月的数据，其实这个时候用where进行过滤表格，再用count找到每个月的符合回购行为的人数，就可以直接算出每个月的回购人数。代码如下：

with t0 as (select order_id,date_format(order_dt,'%Y-%m-01') t from mmy.cd

group by order_id,t)

select A.t,count(A.t) as '回购人数'

from t0 A

join t0 B

on A.order_id=B.order_id

where A.t=DATE_SUB(B.t,interval 1 month)

group by A.t

order by A.t;

回购人数

如果要求回购率，直接算出来百分比的话，还是要利用if函数，不能用where过滤，因为过滤之后进行count就不能得到所有当月购物的人数总数了。

这里还是利用count(if(A.t=DATE_SUB(B.t,interval 1 month),1,null))进行条件筛选。

而被除数记得要distinct一下，因为我们join的表格是有多个相同的order_id的行，需要去重。代码如下：

with t0 as (select order_id,date_format(order_dt,'%Y-%m-01') t from mmy.cd

group by order_id,t)

select A.t,count(if(A.t=DATE_SUB(B.t,interval 1 month),1,null)) as '重复购买的人',

count(if(A.t=DATE_SUB(B.t,interval 1 month),1,null))/count(distinct A.order_id) as '回购率'from t0 A

join t0 B

on A.order_id=B.order_id

group by A.t

order by A.t;

回购率

python实现下次补充，先把结果放在这，与mysql差不多：

python实现回购率的结果

为什么有一点区别，是因为这张表格有些事order_product不为0，但是amount为零，所以我在做python的时候是以amount金额不为零认为该用户有没有消费的，而不是order_dt等，所以有一点区别。

amount为0的结果.png