回購率怎麼算？同一份資料，卻算出兩個數字
前陣子有人問我，他們總經理自己會用 AI，把訂單資料倒進去就算出了客單價和回購率，報告很完整。現在公司要照這個數字調會員經營的預算，但他心裡不踏實，因為他沒看到過程。
他問我要怎麼質疑這個數字。而這件事的難處在於：定義沒有寫下來，就無法對答案。
要說一個回購率不對，得先講得出對的算法長什麼樣，否則對話會停在「你覺得怪」跟「我覺得沒問題」，誰也說服不了誰。而回購率這個指標的麻煩就在這裡：它沒有唯一的算法。同一份乾淨的訂單資料，兩個人用兩種定義去算，可以差好幾個百分點，而且兩個都對。
如果你自己就是那個把資料倒進 AI 的人：你可能不會知道自己沒問什麼。
所以這篇先把回購率的定義拆開講，再講拿到一個回購率數字的時候，可以從哪裡檢查。
1. 回購率怎麼算？
1.1 回購率的公式是什麼？
回購率衡量的是「客人買過之後，有沒有再回來」。最常見的寫法是：
回購率 ＝ 重複購買的客戶數 ÷ 客戶總數 × 100%
公式本身沒有爭議，爭議在分子跟分母各自該放誰。
1.2 分母要不要算進新客？
先看分母。假設一家保健食品電商，要看 2025 年 7 月到 2026 年 6 月這 12 個月：
| 資料 | 人數 |
|---|---|
| 這 12 個月內有下單的人 | 3,200 |
| 其中，12 個月前就買過的舊客 | 2,100 |
| 其中，這期間第一次購買的新客 | 1,100 |
| 這 12 個月內下單兩次以上的人 | 940（舊客 735、新客 205） |
算法 A（所有人一起算）＝ 940 ÷ 3,200 ＝ 29%
算法 B（只看舊客）＝ 735 ÷ 2,100 ＝ 35%
分子的認定完全一樣，都是「這期間下單兩次以上」，差別只在分母要不要放進那 1,100 個新客。同一份資料，同一段期間，兩個數字差了 6 個百分點。
差別會隨新客佔比放大。那 1,100 個新客裡，有些是上個月才第一次下單的，還沒有時間回購，卻已經被算進分母。所以新客進得越多，算法 A 的數字被壓得越低。
這件事在會員經營上特別容易造成誤判。公司辦了召回活動，同一期間又剛好有一波新客進來，整體回購率沒有起色，看起來像是活動沒效果，但舊客那群人的行為可能一點問題都沒有。
要判斷會員經營做得好不好，得把新客排除在分母之外。（新客留不留得住是另一件事，我在廣告費花了，新客卻只來一次就消失寫過。）
1.3 買第二次才算回購，還是回來就算？
再看分子。這裡有兩種常見的認定：
一種是「這段期間內下單兩次以上」，也就是上面那組數字用的算法。另一種是「以前買過的人，這段期間有再回來買」，回來一次就算，不要求兩次。
後者算出來的數字會明顯高一些，因為門檻低。兩種都有人用，重點是講清楚你用的是哪一種，而且前後期要一致，同一家公司，去年用前者、今年用後者，趨勢圖就沒有意義了。
1.4 算的是哪個範圍的回購率？
這是最容易被跳過的一個問題：你說的回購，是回來買同一個系列，還是回來買什麼都算？
我以前在電銷通路看過一組結構，同一群客人，範圍不同，數字差很多：
- 只看 VIP 客戶：回購率可以到 80%
- 放大到整個保健食品類：剩下 60%
- 再細到關節保養系列：只剩 30%
中間的落差不是客人變心了，是他們回來買了別的東西。買過關節保養的人，下一次可能買美容保養品或一般食品。所以「關節保養系列的回購率只有 30%」跟「這群客人的黏著度很低」是兩件事。
定義裡要講清楚範圍：是整個品牌、單一通路、單一品類，還是單一系列。範圍不同，同一份資料可以算出好幾個都正確的回購率。
1.5 同一個客人，系統認得出來嗎？
分母是「客戶數」，但系統裡的客戶編號筆數，不一定等於真實的人數。
同一個人用兩個 email 下過單、貨到付款那次留家人的名字、公司採購用個人手機下單、換過一次手機號碼，這些在系統裡都是不同的客戶編號。一個人被拆成三筆，每筆都只買過一次，回購率自然難看。
所以定義裡要寫明用什麼欄位歸戶：手機、email，還是兩者比對。歸戶規則不一樣，客戶總數就不一樣，回購率跟著動。
1.6 期間要拉多長？
期間長短直接決定數字高低，而合理的長度取決於品類的回購週期。
保養品或保健食品的消耗週期大概一到三個月，用 12 個月來看，看得到完整的回購行為；家電、家具兩三年才換一次，用 12 個月去看，數字會低到沒有參考價值。怎麼抓這個長度，我在停滯客怎麼喚醒裡拆得比較細。
2. 這個數字要用在哪裡？
回購率不是拿來看高低的，是拿來回答決策問題的。不同的問題要用不同的算法，選錯了，數字再準也用不上。
| 你要決定的事 | 該用哪個算法 | 為什麼 |
|---|---|---|
| 舊客經營有沒有做起來 | 只看舊客這群 | 排除新客干擾，只看既有客人的行為 |
| 廣告帶進來的新客留不留得住 | 只看新客這群的次購率 | 混在整體裡會被舊客的數字蓋掉 |
| 整體客群的黏著程度 | 所有人一起算 | 看的是整批客人的組成 |
| 某個系列要不要繼續做 | 該系列的回購率，同時看客人有沒有轉買別的 | 只看單一系列會低估客人的黏著度 |
| 會員制度要不要調整 | 分級之後各級分開算 | 整體數字會把高價值客的行為平均掉 |
最後一列常常被忽略。整體回購率 30%，可能是前 20% 的客人回購率 70%、其餘客人 15% 的組合。這兩種結構要做的事完全不一樣，但整體數字看不出來。（客戶分級怎麼設計那篇講的是分級的做法。）
3. 回購率多少才正常？
先講結論：回購率沒有跨產業通用的標準，它高低的意義取決於品類的消耗週期與售價帶。
保健食品這類消耗型、單價中等的商品，用 12 個月的舊客回購率來看，常見區間大概落在 20% 到 40% 之間。
⚠️ 資料標註：上述區間為實務觀察，非官方統計。台灣零售業各品類的回購率，目前沒有公開的產業調查數字可以引用，建議對照同業公開財報或平台後台的產業平均值另行確認。
其他品類的區間差異很大，與其去找一個外部標準，更實際的做法是跟自己比：
- 用同一個定義，把過去八到十二季的數字拉出來，看趨勢
- 同一段期間，新客與舊客分開看
- 同一段期間，不同商品線分開看
趨勢比絕對值有用。一個 25% 的回購率，如果去年同期是 32%，這比「25% 算不算及格」重要得多。這也是為什麼定義必須固定下來：定義變了，趨勢就沒意義。
基準這件事的邏輯，跟毛利率是一樣的：先找到對的比較對象，數字才有意義（毛利率完全攻略裡整理了各業別的參考區間，可以對照著看）。
4. 怎麼覆核一個回購率數字？
這是這篇的重點。拿到一個算好的回購率，不管是 AI 算的、同事算的，還是系統直接顯示的，可以從五個地方檢查。
4.1 先問定義，不要先問對錯
問「這個數字對不對」，是質疑對方的判斷，對話會卡住。問「這個數字是怎麼算的」，是問一件單純的事實，而且問完你就有得對照了。
具體要問五件事：分母放了哪些人、分子的認定是買兩次還是回來就算、期間多長、算的是哪個範圍、同一個客人怎麼認。這幾個答案拿到手，數字對不對通常就不用吵了，因為你會直接看出來它算的是不是你要的。
4.2 拿一個你已經知道答案的問題去測
你心裡大概清楚上個月營業額多少、最大的客戶佔比多少、哪個品項賣得最好。先問這幾題。如果連這些都跟你的認知差很遠，那多半資料本身就有問題，後面的數字不用看了。
這一招對「別人算的」跟「自己用 AI 算的」都適用，成本也最低。
4.3 看分母的絕對數字，不要只看百分比
百分比會把問題藏起來。35% 看起來很正常，但如果分母是 2,100 人，而你印象中公司會員數有五千多，那中間三千人去哪裡了？可能是歸戶把一個人拆成很多筆，也可能是篩選條件砍掉了不該砍的。
分母的絕對值，是最容易發現定義出錯的地方，因為你對自己有多少客人是有感覺的，但百分比可能會偏誤。
4.4 拉出趨勢，不要只看單一期間
單一數字沒有防呆能力。同一個定義套到過去八到十二季，如果中間某一季突然跳動，那一季通常有事：辦大檔、一波新客進來，或者定義被改過。
4.5 平均值和中位數擺在一起看
這條主要用在客單價與客戶價值。平均值會被少數大單拉著跑，中位數不會。
有人會問，那為什麼不乾脆只看中位數？因為兩個回答的問題不一樣。平均值跟營業額對得起來，可以拿來反推、也可以跟同業的公開數字比；中位數告訴你「典型的那位客人」大概花多少，跟營業額對不起來。
真正有用的是兩者的差距。差距小，代表客群的消費金額集中；差距大，代表有一小群人把平均值撐起來，而這群人通常才是要優先處理的對象。所以是兩個一起看，不是二選一。
5. 回到開頭那個問題
他問的是質疑的方法。從我的經驗看，比較有效的質疑不是從數字下手，是從定義下手，而且順序有差。
第一步不是講出你的懷疑，是先把材料拿到手。可以用學習的角度開口：「總經理，我們部門也想用這個方法看自己的數字，可以看一下你丟給 AI 的檔案跟你問它的話嗎？」你要的是原始檔和提示語，不是他的結論。拿不到這兩樣，後面都無從查起。
如果拿不到，退一步問算法本身也可以：「這個回購率是怎麼算的？分母是所有下過單的人，還是只算舊客？」這是問一件事實，不帶判斷，通常不會讓人防衛。
等你知道對方用的是哪一個算法，才有得對照。如果發現算法跟要做的決定對不上，公司要調的是會員預算，而那個數字是含新客一起算的，你要講的就不是「你算錯了」，是「這個算法回答的是另一個問題」。
不過在那之前，其實還有一件事更值得先確認：我們公司對回購率的定義，寫在什麼地方？多數時候答案是沒有寫在任何地方。既然沒有寫下來，誰算都不算錯，也都不算對。
所以如果只做一件事，我會建議把常用指標的定義寫下來：每個指標寫清楚分子、分母、期間、範圍、客戶怎麼歸戶、低於多少要查。寫一次，之後每次算都拿它對照。有了它，AI 算出來的數字才有東西可以核對，換人接手也不用重新發明一次定義。
如果你自己就是那個把資料倒進 AI 的人，狀況會不太一樣：你不會知道自己沒問什麼。這一題我另外寫一篇，寫完再回來補上連結。
如果你正在看一份自己不太確定的報表，想找人一起看：
60分鐘諮詢，幫你解一個問題
常見問題
Q：回購率怎麼算？
A：基本公式是重複購買的客戶數除以客戶總數，但分母有幾種常見放法，算出來的數字差很多。一種是「這段期間內有下單的所有人」，另一種是「這段期間開始前就已經是客人的那群人」。要判斷舊客經營的成效，用後者；前者會被期間內新進的客人稀釋。
Q：回購率多少才正常？
A：沒有跨產業的通用標準，取決於品類的消耗週期與售價帶。保健食品這類消耗型商品，用 12 個月的舊客回購率來看，常見區間大概在 20% 到 40%（實務觀察，非官方統計）。比起找外部標準，用同一個定義拉出自己過去八到十二季的趨勢更有參考價值。
Q：為什麼我的回購率一直在掉，但客人好像沒有變少？
A：值得先看分母是怎麼算的。如果分母包含期間內新進的客人，新客成長本身就會把回購率壓下來，這時候掉的是數字，不一定是舊客的回購行為。把新客和舊客拆開來看，再判斷要不要動。
Q：單一系列的回購率很低，代表這個商品不好嗎？
A：不一定。範圍越窄，回購率越低，因為客人可能回來買了別的替代或關聯品項。判斷一個系列要不要繼續做，除了看它自己的回購率，也要看買過它的客人後來有沒有回來買其他東西。只看單一系列，會低估這群客人的黏著度。
Q：AI 幫我算的指標，可以直接相信嗎？
A：算術可以相信，定義要自己確認。AI 拿到表格多半會寫程式去跑，加總除法很少出錯；但期間多長、分母放誰、算的是哪個範圍，這些它會自己選一個常見做法，不會主動問你。先把定義講清楚再讓它算，數字才對得上你要問的問題。
Q：公司沒有指標定義表，要從哪裡開始？
A：定義沒有寫下來，就無法對答案，所以這件事值得優先處理。先從老闆最常看的三到五個指標開始，不用一次做完，每個指標寫清楚分子、分母、期間、範圍、客戶歸戶方式。寫的過程通常會發現同一個指標在不同部門有不同算法，光是把這件事攤開來，就已經解掉一部分問題了。
本文作者有 18 年企業現場營運管理經驗，專注中小零售業的指標診斷與獲利結構優化。