回購率怎麼算?留客成本比拉新便宜 5 倍的關鍵公式、四種分母陷阱、健康基準值與實測數據
你算過自己的回購率嗎?檢討行銷成效時,這通常是最晚被看的那個數字。多數老闆只算這個月又拉了多少新客,卻沒人回頭問:這些人有幾個會再買第二次?留住一個回頭客的成本,普遍被引用是拉一個新客的五分之一,這句話你可能聽過,但你公司的數字到底多少、分母怎麼抓、跟留存率差在哪,多半沒人真的算清楚。
這篇會拆解回購率的正確公式與四種分母陷阱、觀察窗該怎麼設、留客成本對比拉新成本的真實結構,以及衝數字時最容易踩的三個陷阱。
一、回購率是什麼?跟留存率、顧客終身價值差在哪
回購率的定義與適用情境
先把定義釘死。這三個詞在多數電商團隊裡是混著講的,混著講就會混著看,開會時各說各話,最後誰都說服不了誰。
回購率衡量的是「一群顧客裡,有多少人回來買了第二次以上」。它是行為指標,只認訂單,不認好感。顧客在問卷上勾五顆星、在社群按讚,這些都不算數,唯一算數的是他有沒有再刷一次卡。
這個指標最適合用來回答一個問題:我現有的顧客池,還能不能自己長出營收。回購率高,代表你每個月不必從零開始拉人;回購率低,代表營收完全靠廣告餵,廣告一停就見底。我在協助品牌盤營運數字時,習慣先看這一項,因為它比營收更早反映出問題——營收下滑是落後指標,等你看到的時候,回頭客已經流失好幾個月了。
要注意的是,回購率不衡量金額。一個買了五次、每次 300 元的顧客,跟一個買了兩次、每次三萬元的顧客,在回購率上兩人完全等值,都只算一位回購顧客,但對營收的貢獻差了 40 倍(1,500 元對 60,000 元),所以它不能單獨當 KPI,必須跟客單價一起看。
留存率、CLV 與回購率的關係
留存率看的是「同一批人過了一段時間還在不在」,有明確的期初與期末,適合訂閱制或會員制。顧客終身價值(CLV)則是把回購次數、客單價、毛利率、預估存續時間全部乘起來,用來回答「我可以花多少錢買一個新客才不虧」。行銷學界很早就把「品牌忠誠」與單純的「重複購買行為」分開討論——顧客說喜歡你是態度層面的忠誠,顧客再買一次是行為層面的重複購買,兩者未必同時發生,回購率抓的是後者(Jacoby 與 Kyner,1973)。
| 指標 | 定義 | 衡量週期 | 適用決策情境 | 常見誤用 |
|---|---|---|---|---|
| 回購率 | 觀察期內有再次購買的顧客占比 | 依商品消費週期設定(30/90/180 天) | 判斷顧客池能否自行產生營收 | 忽略客單價,把高頻低價客當成優質客 |
| 留存率 | 期初的一群顧客,期末仍活躍的比例 | 固定區間(月/季/年) | 訂閱制、會員制的續約健康度 | 套用在低頻耐久財,數字失去意義 |
| 顧客終身價值 CLV | 顧客整段關係中貢獻的預估毛利總額 | 跨期累計 | 決定新客獲取成本的上限 | 用營收而非毛利計算,高估可投入預算 |
| 客單價 | 每筆訂單的平均金額 | 隨時可算 | 促銷組合與加價購設計 | 單看客單價上升,忽略下單人數下滑 |

二、回購率怎麼算?公式與四種分母的陷阱
標準公式與計算邏輯
公式本身兩行就講完,難的是分母。同一間店、同一份訂單資料,換一種分母定義,算出來的數字可以從 8% 跳到 40%,兩個都不算錯,但拿去跟別人比就全錯。
標準寫法是:回購率 =(觀察期內有 2 筆以上訂單的顧客數 ÷ 觀察期內有下單的顧客總數)× 100%。分子是回購顧客數,分母是購買顧客總數。這裡有兩個決定命運的變數:第一是「觀察期」,抓 30 天還是 365 天,數字差好幾倍;第二是「顧客」怎麼辨識,用會員 ID、Email 還是手機號碼——同一個人用兩組 Email 下單,在後台就是兩個人,回購率被低估而你毫無感覺。
中小電商如果連會員系統都還沒整理好,可以先用最粗但穩定的版本:拿一整年的訂單,用手機號碼去重,算出下單人數,再算其中下過兩單以上的人數。這個數字不精準,但只要每季都用同一套算法重算,趨勢是可信的。指標的價值多半來自縱向比較,不是絕對值。

四種分母的陷阱與四步驟算法
實務上會看到四種分母,各自回答不同問題,用錯的那種去跟同業對標,是最常見的誤判來源。
| 算法類型 | 分母定義 | 適用情境 | 計算範例 | 常見誤區 |
|---|---|---|---|---|
| 全體下單顧客 | 觀察期內所有下過單的不重複顧客 | 通用健康度、對外報告 | 1,000 人下單、200 人買 2 次以上,回購率 20% | 新客大量湧入時分母膨脹,數字被稀釋成假性衰退 |
| 首購顧客追蹤 | 觀察期內第一次下單的顧客 | 檢驗新客品質與首購體驗 | 300 名新客中 45 人回購,15% | 觀察窗太短,慢週期商品還沒到重購時間就被判定失敗 |
| 全體會員數 | 註冊會員總數(含從未下單者) | 會員制成效檢討 | 5,000 名會員中 400 人回購,8% | 殭屍會員拉低分母,數字長期難看卻無從改善 |
| 活躍顧客 | 前一期有下單、本期仍在的顧客 | 逼近留存率的用法 | 前季 600 人、本季 210 人回購,35% | 定義最寬鬆,最容易被拿來對外報喜 |
四種都合法,但選定之後就不能中途改。我遇過一家客戶,年度檢討時報表上的回購率從去年的 12% 跳到今年的 33%,老闆很開心,追下去才發現去年用全體會員數當分母、今年換成活躍顧客——真實成長是零。

沒有現成報表的話,用下面四步跑一輪,一個下午做得完:
STEP 1 界定觀察期。 依商品的自然消費週期決定。耗材類(保健食品、寵物食品、日用補充品)抓 30 至 90 天;美妝抓 90 至 180 天、服飾約 180 天;家電、3C 這類耐久財至少 365 天。判斷方式:把現有回購顧客的兩次下單間隔全部拉出來取中位數,觀察期設在中位數的 1.5 倍附近。
STEP 2 確定分母定義。 從上表四種裡挑一種,寫進報表註解,並註明去重的欄位是手機、Email 還是會員 ID,這一步花五分鐘,能省掉往後每一季的爭吵。
STEP 3 篩出回購顧客。 匯出觀察期內全部訂單,依去重欄位分組,計算每人訂單筆數,篩出 2 筆以上者。要留意退貨與取消訂單,多數後台的匯出預設會把它們一起算進去,回購率因此被灌水。
STEP 4 計算並判讀。 算出百分比之後不要急著跟同業比,先跟自己的上一期比,同時把客單價、下單人數放在旁邊,三個一起看才知道回購率的變化是好事還是壞事。

回購率的計算前提,是手上有一份乾淨、可回溯到人的消費紀錄。這件事本身就是顧客關係管理的基本功,資料底層沒整理好,後面所有分析都會建在流沙上。
如果你已經跑完這四個步驟、算出自己的回購率,卻不確定接下來該怎麼設計會員機制或再行銷排程,這類實戰細節我在電子報裡會分享具體做法,歡迎訂閱老闆文學院電子報一起討論。
三、回購率多少才算健康?基準值該怎麼看
為什麼沒有標準基準值
回購率多少才算健康,是讀者最想要答案、卻最不該給死數字的一題。目前找不到可信、可查證的台灣分產業回購率基準資料庫。任何在網路上流傳、標榜「電商平均回購率 X%」卻沒附調查方法與樣本數的數字,都不值得拿去說服老闆。
原因有三層。第一,回購率的分母定義不統一,前一節已說明,四種算法差距可達四倍以上,就算有人做了調查,各家填報口徑也不一致,加總平均沒有意義。第二,台灣官方統計(經濟部統計處、財政部電子發票資料)公布的是零售額、交易筆數這類總量數字,不涉及顧客層級的重複購買行為。第三,願意公布回購率的品牌,多半是表現特別好才拿出來講,倖存者偏差嚴重。
順帶一提,網路上常有人把「退貨率」的國際基準拿來當回購率參考,這是兩件事。根據美國零售聯盟(NRF)與 Appriss Retail 發布的年度研究,2023 年美國零售業整體退貨率約為銷售額的 14.5%,其中線上通路較高、達 17.6%,實體通路約 10%,依品類仍有落差;這衡量的是「買了又退回來」,跟「買了還會再買」方向相反,不可混用。
用觀察窗做縱向比較,而非橫向對標
我的建議是把力氣從跨業對標轉回自家縱向比較:抓四個季度的同一算法數字看趨勢線,再把顧客依首購來源分群(廣告、自然搜尋、口碑推薦),比較各群的回購率差異。後者的資訊量遠大於任何產業平均值,因為它直接告訴你哪個獲客管道帶進來的是真客人。
觀察窗設錯,好生意會被算成爛生意。一家賣冷氣的店用 90 天窗口算回購率,數字必然難看,但那不是經營問題,是消費週期問題。
| 產業類別 | 建議觀察窗 | 判斷依據 | 備註 |
|---|---|---|---|
| 食品、保健、寵物用品 | 30 至 90 天 | 商品有明確消耗完畢的時間點 | 回購率天生偏高,應同步看流失顧客的斷點在第幾次 |
| 美妝保養 | 90 至 180 天 | 一瓶用完約二至四個月 | 換季與促銷檔期影響大,建議排除大檔期單獨計算 |
| 服飾配件 | 180 天 | 換季驅動,非消耗驅動 | 尺寸退換貨多,須先扣除退貨訂單 |
| 3C、家電、耐久財 | 365 天以上 | 重購間隔以年計 | 回購率本來就低,配件與周邊的附購率更值得追蹤 |

上表的區間是依商品消費週期推導的實務參考,不是官方基準。真正該做的,是用 STEP 1 的方法算出自己的重購間隔中位數,那才是你的觀察窗。
四、留客成本 vs 拉新成本:五倍這個數字的出處與適用範圍
五倍數字的出處:1990 年哈佛商業評論研究
「留一個舊客的成本只有拉新客的五分之一」這句話,在中文行銷內容裡被引用了二十幾年,但幾乎沒人交代它從哪來。既然要拿它當預算決策的依據,出處就得講清楚。
這個比例可以追溯到 Frederick Reichheld 與 W. Earl Sasser 在 1990 年《哈佛商業評論》發表的〈Zero Defections: Quality Comes to Services〉。原始研究處理的是服務業的顧客流失成本,樣本包含信用卡、保險等產業,論證重點是「顧客流失率每降低 5%,利潤可提升 25% 到 85%」。後續研究與顧問機構在引用時,把獲客與留客的成本差距歸納為 5 到 25 倍的區間,實際倍數依產業、客單價與競爭密度浮動。
所以這是一份國際研究、且原始資料集中在服務業,不是台灣電商的實測數字。方向可信,倍數別當公式用。真正該做的是算自己的兩個數字:一個是新客獲取成本(廣告總支出 ÷ 新客數),一個是留客成本(會員系統月費、EDM 工具、再行銷預算、人力工時,除以當期回購顧客數)。兩個數字擺在一起,你的倍數就出來了,那才是能拿去開會的東西。
留客與拉新的成本結構差異

從顧問輔導客戶的觀察來看,這兩類成本最大的差別不在絕對金額,在成本曲線的形狀。廣告獲客成本隨市場競價浮動,你控制不了對手出多少錢;會員經營與名單經營的成本以工具月費與人力為主,量體放大時邊際成本反而下降。
| 成本項目 | 拉新成本組成 | 留客成本組成 | 結構特性 |
|---|---|---|---|
| 主要支出 | 廣告投放費用(依 CPA 計價) | 會員系統、EDM 工具月費 | 前者隨競價上升,後者接近固定 |
| 素材與內容 | 廣告素材製作、A/B 測試耗損 | 會員通知、電子報內容 | 前者汰換快,後者可重複使用 |
| 通路費用 | 平台佣金、聯盟分潤 | 自有名單發送成本極低 | 名單是資產,廣告是費用 |
| 邊際成本走向 | 規模放大時單位成本上升 | 規模放大時單位成本下降 | 這是五倍差距的真正來源 |
上表為顧問輔導客戶時觀察到的成本結構趨勢,不是統計調查結果。要提醒的是,留客成本低不代表零成本,會員經營需要持續投入內容與人力,只是這筆錢買到的是可重複使用的資產。
五、拉高回購率的具體做法:會員制、再行銷與 EDM
拉高回購率的策略建議,網路上一抓一大把,這篇只挑三件投報率最高、中小團隊做得動的事來講。
會員制設計三原則
會員制是拉回購最直接的工具,但不是每家店都適合裝。前提是商品有重複購買的自然需求,如果賣的是一輩子買一次的東西,做會員制只是把成本轉成點數負債。設計上有三個原則:門檻要看得到(分級標準用累計消費金額或次數)、權益要用得到(優先出貨、專屬客服往往比打折更能維持毛利)、點數要花得掉(合理的兌換門檻與有效期限)。
下面這份清單用來檢核導入時機,命中越多,現在做會員制的成功率越高:
- 已有穩定的回購顧客名單,而非一次性活動帶進的流量
- 客單價或消費頻率足以支撐分級門檻的設計
- 有基本的會員資料收集管道(CRM、POS 或電商後台)
- 有能持續發送的溝通管道(電子報、LINE、簡訊)
- 有人力或工具能定期維護會員等級與點數異動
- 商品本身具備重複購買的自然需求

延伸閱讀:會員制導入之後,每一群會員怎麼分級、對誰說什麼,可以看會員經營的 RFM 分級做法。
RFM 分群:在顧客沉睡前找到他們
會員制解決的是「有沒有機制留人」,RFM 分群解決的是「該對誰下手」。多數團隊做名單經營時是全員一起發,結果是常買的人被過度打擾、瀕臨流失的人完全沒被特別對待——這是資源錯置,不是名單品質問題。
RFM 把每個顧客攤在三個軸上檢視:Recency(最近一次購買距今多久)、Frequency(觀察期內買了幾次)、Monetary(累計消費金額)。三軸各切高低兩段,就能把顧客池分成八個象限,實務上團隊通常先抓四個最關鍵的象限動手:
| 象限 | 特徵 | 優先動作 |
|---|---|---|
| 忠誠客(高頻、高額、近期有買) | 貢獻最多營收,最不該被打擾 | 優先出貨、專屬客服,避免用折扣訊息淹沒 |
| 風險客(曾經高頻高額,但近期沒回來) | 距離上次購買已超過該品類的重購間隔中位數 | 一對一喚醒,用非折扣理由接觸(新品、專屬服務) |
| 潛力客(首購金額高,尚未回購) | 觀察期內只買過一次,但客單價落在前段 | 針對性推薦搭配商品,縮短第二次購買的決策時間 |
| 沉睡客(超過兩個重購週期未回訪) | 名單裡消耗名額卻不再產生營收的一群 | 低成本喚醒(限次優惠),無回應則降低發送頻率或移出主名單 |

這套分群最大的價值在「風險客」這一格:這群人還沒掉出回購率的分母,數字上看不出異常,但他們是下一季回購率會不會下滑的先行指標。把風險客名單獨立出來,每月追蹤這格的人數變化,比等季報表算出來的回購率下滑再處理,早了整整一到兩個月。
再行銷與電子報:兩個低成本喚回管道
再行銷處理的是「看過但沒買」與「買過但沉睡」兩種名單,成本優勢來自受眾精準,不必為了觸及陌生人付出高額競價。實務上最有效的切法是依行為分層:加入購物車未結帳的名單七天內追、瀏覽特定品類未下單的名單十四天內追、超過一個回購週期未回訪的舊客搭配專屬優惠喚醒。
電子報經營的是關係而不是單次轉換。同一份名單,只發促銷訊息的開信率會逐月下滑,內容與促銷混著發的名單則能維持得久很多。開信率是名單健康度的溫度計,它下滑通常會比營收下滑更早出現,等於免費的預警系統。不過 Apple 郵件隱私保護上路後,部分信件會被自動標成已開啟,開信率偏高失真,建議搭配點擊率一起看。兩個管道要串在一起看:再行銷負責把人拉回站上,電子報負責讓他在沒有廣告的時候還記得你,只做前者等於一直付費買回同一群人。
延伸閱讀:「再行銷是什麼?完整操作指南」看懂購物車未結帳、瀏覽未下單這類名單該怎麼分層追。
延伸閱讀:「EDM 電子報行銷完整指南」電子報從名單經營到內容設計的完整操作方法。
六、小心衝回購率的三個陷阱
三個陷阱:折扣依賴、名單疲勞與客層位移
回購率一旦變成 KPI,就會有人想辦法把它做出來,衝出來的代價通常在三到六個月後才會顯現。
我曾輔導一家美妝電商,旺季前為了把回購率拉起來,連續三個月每週發送折扣碼。短期數字確實漂亮,回購率明顯上升。兩個月後問題浮現:退訂率同步跟著走高,更麻煩的是顧客的下單行為改變了,沒有折扣碼就不下單,平常時段的自然轉換掉了一大截,毛利被壓縮到接近打平。問題不在發折扣,在於折扣變成了唯一的溝通內容。顧客學會的不是「這個品牌值得回來」,而是「等它發碼」。比較安全的做法是把促銷型與非促銷型的觸及分開追蹤,並設一條底線:非促銷期間的自然回購比例不得低於某個水準,跌破就停止加碼。
第二個陷阱是發送頻率。每一次發送都在消耗名單的注意力額度,退訂與封鎖是不可逆的,燒掉一個 Email 就少一個永久免費的觸及機會。判斷方法是把退訂率與營收放在同一張報表上:單次促銷帶進十萬營收、退訂三百人,看起來划算,但那三百人如果原本每年會貢獻兩次購買,這筆帳一年後就翻盤了。名單該當成有折舊的資產來管,不是可以無限次使用的通路。
第三個陷阱最隱形。整體回購率持平,不代表什麼都沒發生——有可能是高價客大量流失、低價高頻客大量湧入,兩邊在數字上互相抵消,顧客結構已經整個換過一輪,毛利正在下滑而報表毫無反應。拆解方式不複雜:把顧客依客單價分成三段,各自算回購率,再看三段的人數占比變化,能提早半年發現問題。
回購率健檢速查表
算出回購率異常之後,不確定下一步該查什麼,是多數團隊真正卡住的地方。下表整理五種常見症狀與對應的檢查方向:
| 症狀 | 可能原因 | 建議動作 |
|---|---|---|
| 回購率忽然暴跌 | 觀察期或分母定義被更動,而非顧客行為真的改變 | 先核對報表註解的分母定義與去重欄位是否與上期一致 |
| 回購率長期偏低,查無異常 | 觀察窗設定短於商品的自然重購間隔 | 用 STEP 1 方法重算重購間隔中位數,調整觀察窗 |
| 回購率上升但毛利同步下滑 | 靠折扣衝上去的假性回購,顧客養成折扣依賴 | 拆分促銷期與非促銷期分別計算,設自然回購底線 |
| 回購率持平但營收下滑 | 客層結構位移(高價客流失、低價客湧入互相抵消) | 依客單價分三段各自算回購率,比較各段人數占比變化 |
| 回購率下滑前開信率已經先跌 | 名單疲勞或客訴未妥善處理,顧客安靜流失 | 追蹤開信率趨勢與客訴結案後 90 天回購率比對 |
七、客訴處理沒做好,回購率是最先掉的那個指標
沉默流失:多數不滿的顧客不會抱怨,只會離開
客訴處理沒做好,是把顧客推走最快的方式之一,而且推走的速度比想像中快。
一次沒處理好的客訴,不只損失那一單。哈佛商業評論的研究團隊分析大量客服互動後指出,讓顧客感覺費力(重複說明、被踢來踢去、流程繁瑣)對忠誠度的殺傷力,遠大於服務有沒有超乎期待(Dixon、Freeman 與 Toman,2010)。顧客不會因為你送了折價券就原諒你,他記得的是為了拿那張券打了三通電話。
更值得警惕的是沉默流失。願意開口抱怨的顧客是少數,多數不滿意的人不吵不留言,只是安靜地不再回來。這群人不會出現在任何一張客訴報表上,但會出現在回購率裡,以一個緩慢下滑、找不到原因的數字呈現。實務上有個檢驗方法:把已結案的客訴顧客名單拉出來,比對他們後續 90 天的回購率與整體平均的落差,差距為負代表補救動作沒做到位,那條線就是最該優先修的漏洞。

延伸閱讀:客訴怎麼處理才不會把回頭客推走,完整步驟與話術見客訴處理 SOP。
案例:顧客關係管理系統如何提升回購率
台灣寵物食品品牌倍力寵物(國民寵糧)導入顧客關係管理系統後,透過數據回饋精準經營會員,半年內舊客回購率提升 7%、電子報開信率成長 233%。這組數字來自第三方 CRM 服務商 ORDERLY 發布的客戶案例(2022),不是本文作者親自輔導的客戶,觀察期間為半年、地區為台灣寵物食品業,套用到其他產業時幅度必然不同。它值得參考的不是那個 7%,是背後的動作順序:先把散落在客服對話、訂單、會員資料裡的紀錄接成一份可查詢的資料,再依據資料分群發送,而不是全名單一起轟。多數團隊卡在第一步,因為那一步沒有立即成效,卻是後面所有操作的前提。
八、回購率常見問題(FAQ)
九、回購率是一面鏡子,不是一個該衝的目標
回購率是所有經營指標裡最容易被操作的一個,這件事我必須承認。想讓它上升,發折扣就會上升;想讓它更漂亮,換一種分母就會更漂亮。真正難的,是讓它在沒有促銷、沒有換算法的情況下,自己慢慢往上爬。
所以我把它當成鏡子而不是靶心。它照出來的是產品有沒有讓人想再買、服務有沒有讓人願意再來、名單有沒有被珍惜著使用。這三件事做好了,數字自然會動;這三件事沒做好,把數字硬拉上去只是把問題延後,而且延後的代價通常比較貴。
如果你只打算從這篇文章帶走一件事,我建議是這件:這個月就把自家的回購率算一次,把分母定義寫進報表註解,然後每季用同一套算法重算。不必跟同業比,跟三個月前的自己比就夠了。
那麼,你上一次認真檢視顧客回購狀況,是什麼時候的事?
也歡迎你轉給身邊需要的朋友。也許只是你的舉手之勞,就改變了另一個人的思維和習慣。
限制聲明:文中「留客成本比拉新便宜 5 倍」為國際研究歸納區間(5 至 25 倍),原始樣本集中於服務業,非台灣本地統計,實際倍數依產業、客單價與競爭密度浮動,不宜直接套用於個別企業預算決策。產業別觀察窗建議為依商品消費週期推導的實務參考,非官方基準值;目前查無台灣分產業回購率公開基準資料庫,建議以自家歷史數據做縱向比較。文中案例數據由第三方服務商公布,非本文作者親自輔導之客戶,觀察期間與適用範圍已於內文標註。RFM 分群象限與健檢速查表為顧問實務操作架構,非學術定義或統計調查結果。
參考資料
- Frederick F. Reichheld & W. Earl Sasser Jr., "Zero Defections: Quality Comes to Services," Harvard Business Review, 1990-09
- Matthew Dixon, Karen Freeman & Nicholas Toman, "Stop Trying to Delight Your Customers," Harvard Business Review, 2010-07
- Bain & Company,Customer Loyalty 相關研究與洞察專區
- National Retail Federation(NRF)與 Appriss Retail,《2023 Consumer Returns in the Retail Industry》,2023 年零售業退貨率年度研究
- 經濟部統計處,批發、零售及餐飲業動態調查(零售與電子購物營業額統計)
- ORDERLY CRM 官方部落格,客戶案例〈國民寵糧|倍力寵物|比你更重視你的毛孩!掌握數據反饋,回購率提升7%、開信率成長233%〉,2022-06-16