私域复购预测：用订单与行为画像做精准触达

私域运营做到一定阶段，会遇到一个共同的瓶颈：拉新越来越贵，而手里已经有大量成交过的老客户。这时候，把”对所有人定时群发”升级为”预测谁可能复购、再精准触达”，往往是性价比最高的增长动作。

私域复购预测，是指利用客户的订单数据和行为画像，通过消费周期、行为信号、RFM 价值层级等维度，判断哪些客户在近期更可能再次购买，并据此把触达资源向高潜客户倾斜的运营方法。 它的目标不是精确预言，而是给客户排出优先级，让有限的触达落在对的人身上。

复购预测的三类核心信号

预测谁会复购，靠的不是单一指标，而是几类信号的叠加。

信号类型	看什么	说明
消费周期	平均购买间隔	临近或超过间隔，复购窗口在打开
行为信号	近期活跃动作	重新浏览、收藏、咨询等，兴趣回暖
价值层级	RFM 综合表现	高频高额且活跃的客户复购概率天然高

三类信号各有侧重，组合起来才立体。

消费周期：算出”该回来”的时间

每个客户、每个品类都有大致的购买间隔。日用快消可能几周一次，耐用品可能几个月甚至更久。

• 统计客户的历史购买间隔，得到平均消费周期。
• 当某客户距上次购买的时间临近这个周期，就进入了复购窗口。
• 超过周期较多仍未复购，则可能正在流失，需要另作挽回处理。

举个可以直接照做的例子。假设一位客户过去下过 5 单，你把相邻两单的日期相减，得到 4 个间隔：18 天、22 天、20 天、45 天。别急着求平均——那个 45 天很可能是一次断更或囤货，直接拉平均会把周期算长，害你提醒得太晚。更稳的做法是取中位数，把 4 个间隔排序后取中间值，约 21 天，这才更接近他真实的购买节奏。还有个边界情况得先想好：如果一个客户只下过一单，个人间隔根本算不出来，这时候别硬猜，退回用同品类所有客户的中位间隔兜底，等他复购满两单、有了自己的节奏后再切回个人周期。

行为信号：兴趣正在升温的前兆

订单是结果，行为是先兆。客户在真正下单前，往往会有一些活跃迹象：

• 重新浏览商品页、加购物车或收藏
• 主动点开私域推送的内容或活动
• 咨询客服、询问价格或库存

这些行为回暖，是复购意向正在升温的信号，比单纯的时间维度更即时。

有一点容易被忽略：行为信号本身也分权重。同样是”活跃”，客户点开一条群发和他连续两天翻同一个商品页、还追问了库存，完全不是一个量级。前者可能只是手滑，后者几乎是把购物车摆你面前了。你在打分时最好给”带明确购买意图的行为”——问价、问库存、问发货时效——更高的权重，而给泛泛的浏览、点赞较低的权重。否则一堆低意图点击会把真正想买的人淹没，你还以为自己找准了人。

价值层级：用 RFM 打底

历史价值高的客户，复购概率天然更高。用 RFM 三个维度——最近一次消费、消费频率、消费金额——给客户分层，是预测的稳固底座。最近还活跃、过去又高频高额的客户，是复购预测里的优先人群。RFM 的维度含义与分层方法，可参考 RFM 模型是什么。

把三类信号叠加，就能给客户排出一个复购优先级：消费周期临近 + 行为回暖 + 价值层级高的客户，是最值得优先触达的一群。

那具体怎么合成一个分数？给你一个能直接改的粗模型：周期贴合度、行为热度、价值层级各占一部分权重，起步可以按 4:3:3 试。周期上，距离平均间隔越近分越高、超期越远分越低；行为上，按上面说的意图强弱给分；价值上，用 RFM 分层直接映射成高中低三档分值。三项加权求和后排序，取分数最高的前 15%-20% 作为本轮重点触达人群，剩下的按分数梯度分配轻重。权重不是拍死的，跑两三轮后拿实际复购率回看：如果高分人群的复购率明显高过低分人群，说明模型有区分力；如果两头分不开，多半是某个维度权重给错了，就单独调它，一次只动一个，才看得清是哪一项在起作用。

从预测到精准触达

预测只是手段，落到触达动作上才有价值。精准触达可以从时机、人群、内容三个维度设计。

卡对时机

触达时机	触发条件	动作示例
周期临近	距上次购买接近平均间隔	补货/续购提醒
行为回暖	出现浏览、收藏、咨询	顺势推荐、答疑跟进
周期超期	超过间隔较多仍未购	转入挽回/唤醒动作

核心是在客户兴趣升温或周期窗口打开时触达，而不是不分时机的固定群发。

分对人群

按复购预测的优先级，对不同人群用不同力度：

• 高潜客户（周期临近 + 行为活跃 + 价值高）：优先投入，可由专人跟进或推送专属权益。
• 中潜客户（部分信号符合）：用轻量内容触达，观察反馈再决定是否加码。
• 沉睡客户（长期无消费无行为）：用低成本批量动作试探，反应差的减少投入。

配对内容

不同人群匹配不同的触达钩子，效果差异很大：

• 给高频客户推新品、搭配和升级款，引导提客单。
• 给周期临近的客户做补货、续购或会员到期提醒。
• 给沉睡客户用一份有价值的内容或低门槛活动重新打开对话。

复购率本身的算法和提升逻辑，可参考复购率是什么，把预测动作的效果落到可衡量的指标上。

落地的几个提醒

复购预测好用，但用之前要清楚它的边界：

• 是概率，不是预言：预测出的高潜人群只是更值得优先投入，不代表一定会复购。
• 依赖数据质量：订单和行为数据越完整准确，预测越可靠；数据稀疏时区分力会变弱。
• 要留反馈闭环：每轮触达后回看实际复购情况，反过来校准你的周期、信号阈值和人群划分。
• 不同品类差异大：消费周期、行为信号的权重要按自己的品类和客群调整，没有通用参数。

一个容易踩的坑

见过一个做母婴的团队，把”周期临近”的阈值一刀切设成 30 天。结果奶粉客户提醒得刚好，纸尿裤客户却总在快断货前两天才收到提醒——因为纸尿裤消耗快、周期本来就比奶粉短一截。后来他们把周期按品类分别算，提醒时点各自往前挪 3-5 天，纸尿裤补货提醒的点击和转化很快就上来了。这件事的教训很实在：周期阈值别用全店一个数，至少拆到品类；客单价高、决策重的品类（比如大件耐用品），还得进一步拆到人，因为同一个品类里，快用完就补的人和囤一批慢慢用的人，节奏差得远。

顺带说一句什么时候不该急着上复购预测：如果你的老客户总量还很小、人均订单不足两三单，数据稀到算不出稳定周期，那先别折腾模型，把基础的会员复购提醒和内容触达做扎实、把订单和行为埋点补齐，等样本厚起来再谈预测，反而更划算。

小结

私域复购预测的核心，是用消费周期、行为信号和 RFM 价值层级三类数据给客户排出复购优先级，再把触达资源向高潜客户倾斜。落地时抓住三件事：卡对时机（周期临近、行为回暖时触达）、分对人群（高中低潜区别对待）、配对内容（不同人群不同钩子）。记住这是概率判断，要持续用实际复购数据校准。

企客连连正在研发面向中小团队的客户分层与精准触达工具，欢迎访问 /product/ 加入内测候补名单，提前体验自动复购预测与分群触达。