回購率通常用來觀察：在一段期間內，曾經購買的顧客中，有多少再次產生購買行為。它是電商品牌判斷顧客買過之後是否持續回來的常用指標，也常被稱為復購率或回客率。不過同樣叫「回購率」，不同報表算出來的數字可能不一樣——差別通常出在三件事：分母是誰、觀察多久、什麼算「再次購買」。這篇文章會先把這三件事講清楚，再說明回購率多少算高該怎麼判斷，以及數字出現變化之後，品牌可以從哪裡找下一步。
看回購率之前，先確認三件事：分母是誰（算哪一群顧客、以顧客還是訂單為單位）、觀察多久（哪一段期間）、什麼算再次購買（任一商品、同一商品，還是首購後的第二次購買）。
一、回購率是什麼？先從常見的「顧客回購率」說起
回購率的基本定義：一段期間內有再次購買的顧客比例
常見的回購率觀察方式之一，是以顧客為單位，計算一段期間內有再次購買的顧客占該範圍顧客的比例。它回答的是一個很直接的問題：買過的人當中，有多少人願意再回來買？這個數字把「第一次成交」和「願意再回來」分開看，讓品牌知道營收有多少來自重複購買的顧客，而不是每個月都得重新找新客。
需要注意的是，回購率只看「有沒有再買」，並不直接等於顧客帶來的價值多寡。若想進一步了解顧客在長期關係中的價值，可參考「顧客終身價值（CLV）怎麼計算」。
回購率、復購率、再購率、回客率是同一件事嗎？
在台灣，回購率、復購率、再購率與回客率常被當成同義詞使用，多數情況下指的都是「有再次購買的顧客比例」。但名稱相同，不保證算法相同：有的以顧客為單位，有的以訂單為單位，也有的只看特定商品。因此遇到不同來源的數字，先問「它怎麼算」，比先問「它叫什麼」更重要。
二、回購率怎麼算？先確認分母、觀察期間與「再次購買」的定義
回購率的公式本身很簡單，但沒有單一算法：分母、觀察期間與「再次購買」的定義只要有一項不同，兩個回購率就不能直接比較。下面依序說明這三個選擇。
基本公式與示意範例
常見的顧客回購率公式如下：
回購率（%）＝ 觀察期間內有再次購買的顧客數 ÷ 觀察期間內購買過的顧客數 × 100%
舉例來說（以下數字為示意，不是產業參考值）：某品牌在 3 月到 5 月之間，共有 800 位顧客下過單，其中 120 位在同一段期間內下了兩筆以上的訂單，這段期間的顧客回購率就是 120 ÷ 800 ＝ 15%。
這個公式成立的前提是：訂單必須能對應到個別顧客，例如會員編號、帳號或其他可識別資訊。如果訂單無法辨識是誰買的，就無從計算誰有再次購買。若訂單資料還沒有整理到能對應個別顧客，可先參考「客戶資料管理」的做法。
分母怎麼選：以顧客計算，還是以訂單計算？
同樣是回購率，常見的有兩種單位。「顧客回購率」以顧客為單位，看有多少比例的顧客再次購買；「訂單回購率」以訂單為單位，看第二次以後的訂單占全部訂單的比例。
舉例來說（示意）：一段期間內共有 10 筆訂單，其中 6 筆是顧客的第一次購買、4 筆是第二次以後的購買，訂單回購率就是 4 ÷ 10 ＝ 40%。但如果這 4 筆訂單其實都來自同一位非常常買的顧客，顧客回購率可能並不高。兩個數字都沒有算錯，只是回答的問題不同：顧客回購率看「有多少人回來」，訂單回購率看「訂單裡有多少來自回頭客」。
除了單位，分母的範圍也要說清楚：是這段期間所有購買過的顧客，還是某一批特定顧客，例如「3 月第一次購買的新客」？後者看的是新客買過第一次之後，有多少人再回來，通常稱為新客回購或二購，會在 2.4 說明。
觀察期間怎麼選：同一批顧客，換個期間數字就不同
觀察期間的長短與起算方式，會直接改變回購率。舉例來說（示意）：一位顧客在 1 月第一次購買，4 月才再次下單。如果觀察期間是 1 月到 3 月，他不算回購；如果觀察期間拉長到 1 月到 6 月，他就算回購。
觀察期間越長，通常就有更多顧客來得及再次購買，回購率看起來也會比較高。這不代表顧客變得更忠誠，只是給了他們更多時間。購買週期較長的商品，更需要較長的觀察期間才看得出回購。
一個實用的做法，是先統計「第一次購買到第二次購買之間隔了多久」。看這些間隔大多落在多長的範圍內，就能判斷觀察期間設多長才合理，而不是隨手選一個「30 天」或「90 天」。
「再次購買」怎麼定義：任一商品、同商品，還是首購後二購？
「再次購買」也不只有一種定義。下面三種常見口徑，回答的是不同的問題，彼此不能互相取代：
| 常見口徑 | 怎麼定義再次購買 | 比較適合回答的問題 |
|---|---|---|
| 任一商品再次購買 | 顧客在觀察期間內再次下單，不限購買什麼商品 | 整體來說，有多少顧客持續回來消費？ |
| 同商品回購 | 顧客再次購買同一個商品（或同一品類） | 這個商品是否有自然的補貨需求？較適合消耗品 |
| 首購後二購（新客回購） | 以首次購買的顧客為一批，追蹤他們在首購後一段時間內是否有第二次購買 | 新客買過第一次之後，願意再回來嗎？ |
後兩種口徑在現成報表中不一定直接提供，需要訂單資料中有商品資訊與首購日期才能整理。
定義裡還有幾個細節，也需要事先決定並寫下來：
- 同一天的多筆訂單，要視為一次購買還是多次購買？
- 已取消或已退貨的訂單，是否要排除？
- 贈品、免費換貨等沒有實際成交金額的訂單，要不要計入？
三、為什麼不同報表的回購率會對不上？
品牌常會發現：電商後台一個數字、網站分析工具一個數字、自己整理訂單資料又一個數字。這不一定是誰算錯，更可能是三者採用了不同的定義。
「回訪」不等於「回購」
網站分析工具裡的「回訪使用者」，指的是先前造訪過網站的使用者，衡量的是「再次來到網站」，不是「再次購買」。以 Google Analytics 4 為例，官方說明中的回訪使用者，是先前至少造訪過一次網站或 App 的使用者。所以回訪人數增加，不代表回購增加；兩個指標要分開看，不能互相替代。
報表是否參考完整訂單歷史，也會影響數字
有些電商平台的顧客報表，會依顧客的完整訂單歷史來歸類，而不只看所選日期範圍內的訂單。舉例來說，只查看 11 月的報表時，11 月才第一次購買的顧客，如果之後在 12 月又買了一次，仍可能在 11 月的報表中被顯示為回頭客，因為報表看的是他的完整歷史。
這種算法能反映顧客最終有沒有回來，但同一個期間的報表，在不同時間查看，數字就有可能不同；它也和「只計算期間內訂單」的算法無法直接對照。拿這類報表的數字，和自己用期間內訂單算出的回購率放在一起比較，就容易得到對不上的結果。
比較回購率之前，先對齊這三件事
- 分母與單位：算的是哪一群顧客？以顧客還是以訂單為單位？
- 觀察期間：期間多長、從哪一天起算？是固定期間，還是從每位顧客的首購日起算？
- 再次購買的定義：任一商品、同一商品，還是首購後的第二次購買？取消與退貨訂單是否排除？
三件事都對得上，兩個數字才有比較的意義。對不上時，與其追究哪個數字「才對」，不如先在品牌內部訂出一份固定口徑，之後每一期都用同一份算。
四、回購率多少算高？比起別人的數字，更該看自己的趨勢
為什麼沒有一個適用所有品牌的標準
網路上有不少「回購率多少算高」的參考數字，但不同來源給出的範圍並不一致，也多半沒有交代樣本、期間與計算口徑，因此本文不引用產業平均值。就算口徑相同，回購率合理的位置也會因下列因素而不同：
- 商品品類與購買週期：消耗品與耐久品的自然回購節奏差很多
- 客單價：價格高的商品通常購買頻率較低
- 觀察期間：期間越長，數字通常越高
- 新客與舊客的組成：某段期間新客大量湧入，分母變大，整體回購率可能看起來下降
舉例來說，一個以日用消耗品為主的品牌，與一個以家具為主的品牌，即使經營同樣用心，合理的回購率也不會落在同一個位置。
建立自己的基準：同一口徑、同一期間，再拆開客群看
比起和別人的數字比較，更重要的是同一口徑下，自己的歷史趨勢與客群差異。可以這樣做：
- 固定口徑：把分母、期間與再次購買的定義寫成一份文件，每期都沿用。
- 看趨勢：用同樣的期間，與自己上個月、上一季或去年同期比較；有明顯旺季的商品，優先和去年同期比。
- 拆開看：至少把新客與舊客分開，再依商品或品類分開，找出整體數字背後的差異。
舉例來說（示意）：整體回購率從 20% 降到 16%，但把顧客拆開看，舊客的回購率其實沒變，只是這段期間新客占比變高。這時候要處理的不是「整體回購率下降」，而是「新客買過第一次之後，有沒有再回來」。
新會員、活躍會員與沉睡會員處於不同階段，回購行為本來就不同；想了解各階段的經營重點，可參考〈顧客生命週期是什麼？從新客到回購客的會員經營方法〉。
五、回購率偏低或下滑時，怎麼從數字找到下一步？
回購率是結果，不一定直接等於原因
回購率是結果指標，不一定直接等於問題原因。回購率偏低或下滑，可能是新客占比變高、某個熱銷商品本來就沒有補貨需求、首購之後沒有被觸及、商品或服務體驗出了問題，也可能只是口徑改變。回購率本身不會告訴你是哪一種，它只是提醒：這裡值得再拆開看。
先拆「對誰、什麼時候、哪個環節」，再決定行動
下表整理幾種常見現象，以及可以先拆開確認的問題。這是判斷的起點，不是保證有效的做法：
| 回購率出現的現象 | 可以先拆開確認什麼 | 行動方向（先判斷，再決定） |
|---|---|---|
| 整體回購率下滑 | 新客與舊客的比例有沒有變？舊客回購率是否也下降？ | 若只是新客占比增加，重點放在新客首購後的二購；若舊客也下降，再往商品、服務或溝通去查。 |
| 新客買一次就沒有再回來 | 首購之後多久內有被溝通？首購商品是否有自然的補貨週期？ | 依首購到二購的常見間隔，決定首購後溝通的時間點與內容。 |
| 某些商品的買家回購特別低 | 是商品本身購買週期長，還是買家族群不同？ | 先確認這類商品是否本來就低頻，再決定值不值得投入回購溝通。 |
| 曾經常買、但已很久沒有再買 | 最近一次購買距今多久？過去的購買頻率與金額如何？ | 這群人的狀態和一般顧客不同，適合與其他會員分開溝通。 |
表格中「曾經常買、但已很久沒有再買」這類顧客，可以依最近一次消費、消費頻率與消費金額（RFM）的角度來分群，再決定如何溝通。
想進一步了解三個指標的計算方式與實際分群應用，可參考〈RFM 是什麼？3 大指標、計算方式與會員分群應用一次看懂〉。
不要一看到回購率偏低就直接發折扣
折扣是行動的一種，不是唯一的一種。如果問題出在首購後沒有被提醒、溝通的時間點不對，或是商品本來就是低頻購買，直接發折扣可能不對症，也可能吸引到只在折扣時購買的顧客，侵蝕毛利。比較穩妥的順序是：先判斷對誰、在什麼時間點、要解決哪個環節的問題，再決定要用什麼方式溝通，折扣只是其中一個選項。
六、從回購分析到會員經營行動：M Insight 如何承接
找到要溝通的對象，才是行動的起點
回購率本身是結果。真正要採取行動時，品牌還需要有辦法把「該溝通的人」從資料中挑出來，再依他們的狀態規劃活動與溝通內容。回購提醒如果需要按固定節奏持續執行，一般也會搭配行銷自動化工具；但自動化只是執行方式，重點仍是先判斷要對誰、在什麼時間點溝通。
回購率也只是會員經營中的一個訊號。想先了解會員階段、分群與行動之間的整體關係，可以一併參考會員經營的整體架構。
M Insight 如何把會員資料與分群結果接到後續活動
M Insight 作為 CDP（顧客資料平台），可以整合品牌既有的會員、交易與站內行為資料，讓品牌在規劃回購溝通時，能同時參考交易紀錄與網站行為，而不是只依靠單一份報表。
挑選對象時，可以使用 M Insight「自訂活動」中已提供的條件：RFM 分群、標籤，以及「X 天內看過特定商品」「X 天內買過特定商品」「X 天內瀏覽過特定商品」。例如，品牌若發現某項商品的買家回購偏低，可以用「X 天內買過特定商品」找出近期買過該商品的會員，再規劃對應的活動與溝通內容；若想依會員的交易狀態分開溝通，則可以使用 RFM 分群。
其中 RFM 分群由系統依既定標準，使用可識別會員的交易資料自動計算分數並完成分群，品牌無需自行設定複雜的分數門檻與分群規則。至於要溝通什麼、在哪個時間點溝通，則可依品牌前面的回購分析自行判斷；回購率的算法與口徑，建議品牌先在內部統一定義，再據以選擇要溝通的對象。
常見問題（FAQ）
Q1：回購率和留存率有什麼不同？
兩者都在看顧客有沒有持續回來，但切入角度不同。回購率通常看一段期間內有多少顧客再次購買；留存率則常把顧客依首購時間分成同一批，追蹤這批人在後續各個期間還有多少人持續購買或回來。簡單說，回購率偏向看某段期間的結果，留存率偏向看同一批顧客隨時間的變化。實際算法仍會因品牌或工具的定義而不同。
Q2：低頻或耐久商品也需要看回購率嗎？
需要看，但解讀方式不同。家具、家電這類購買週期很長的商品，同一位顧客在短期內再次購買同一商品的機會本來就低，如果觀察期間太短，回購率自然偏低。這類品牌可以改用較長的觀察期間，或觀察顧客是否購買其他相關商品，再判斷這個指標是否適合自己。
Q3：訂單量還不多的品牌，回購率有參考價值嗎？
有參考價值，但要小心數字的波動。顧客數很少時，多一兩位顧客回購，比例就會大幅變動，單一期間的百分比很容易誤導。比較實務的做法，是拉長觀察期間，並同時看實際的回購人數與首購到二購的間隔，而不是只看百分比。