Analitika, atribucija in donosnost

Kako meriti stopnjo ponovnih nakupov

Posted on July 18, 2026 by

Stopnja ponovnih nakupov je delež vaših strank, ki so kupile več kot enkrat: stranke z dvema ali več naročili ÷ vse stranke, ×100. Formula vzame deset sekund. Da jo izmerite tako, da po njej lahko ukrepate, je potrebna še ena odločitev, in prav to večina trgovin izpusti: določitev časovnega okna. “Od vseh, ki so kdaj kupili, koliko jih je kdaj kupilo znova” meša stranke, ki so se pridružile prejšnji mesec, s strankami, ki so imele pet let za ponovno naročilo, dobljena številka pa se premika s starostjo vaše trgovine, ne z vašim zadrževanjem. Različica, ki jo je vredno spremljati, temelji na kohortah: od strank, katerih prvo naročilo je bilo v določenem četrtletju, kolikšen delež je oddal drugo naročilo v fiksnem obdobju, recimo 180 dneh. Ta članek vas vodi skozi izračun, pasti in kaj z odgovorom početi.

Težava, ki jo ta številka razkrije

Plačujete naraščajoče stroške oglasov za pridobivanje strank, a v resnici ne veste, ali se vračajo.

Večina lastnikov zna navesti svoj prihodek, svoj ROAS, svojo stopnjo konverzije. Vprašajte jih, kolikšen odstotek novih strank iz lanske pomladi je kdaj oddal drugo naročilo, in soba obmolkne. Vendar ta odgovor določa skoraj vse naprej: koliko si lahko privoščite plačati za pridobivanje, ali vaše predpostavke o CLV držijo, ali vaša ponakupna e-pošta sploh kaj počne in ali se vaša rast obrestuje ali pa je le tekalna steza, kjer se vsak mesec začne od nič.

Trgovina, kjer skoraj nihče ne kupi dvakrat, ni nujno pokvarjena – nekateri izdelki so resnično za enkratni nakup. A vedeti morate, katero trgovino vodite, saj obe potrebujeta nasprotni strategiji. Ena naj iztisne največ vrednosti iz prvega naročila; druga naj v zadrževanje vloži pravi denar. Napačno ugibanje je drago v obe smeri.

Zakaj vseskozna številka zavaja

Povlecite “stranke z 2+ naročili ÷ vse stranke” iz skrbniškega dela svoje trgovine in dobili boste številko. Tukaj je razlog, zakaj ji za odločanje ne zaupam.

Kaznuje rast. Vsaka nova stranka vstopi v imenovalec z nič dnevi priložnosti za ponovni nakup, tako da trgovina v močni fazi pridobivanja gleda, kako njena vseskozna stopnja ponovnih nakupov pada, čeprav se glede zadrževanja ni nič spremenilo. Nasprotno je še slabše: trgovina, ki je nehala pridobivati, gleda, kako stopnja raste, ko stare stranke počasi ponovno naročajo, kar je videti kot izboljšanje, v resnici pa je stagnacija.

Prav tako ne more pokazati vzroka in učinka. Marca ste zagnali ponakupni tok. Je deloval? Vseskozna številka, onesnažena z leti zgodovine, se komajda premakne v katero koli smer. Kohortna številka (marčevski prvi kupci proti januarskim, vsak izmerjen pri enaki starosti) lahko na to vprašanje odgovori.

Kako jo pravilno izmeriti, korak za korakom

1. Za svojo trgovino opredelite “ponovni nakup”. Drugo naročilo kadar koli je standard. Robne primere določite vnaprej: izključite preklicana in v celoti povrnjena naročila ter se odločite, ali drugo naročilo na 2. dan šteje (pogosto gre za pozabljen artikel, ne za zadrževanje; sam ga štejem, a dosledno).

2. Izberite zrnatost kohorte in okno. Stranke združite po mesecu ali četrtletju prvega naročila. Nato izberite okno, ki ustreza vašemu nakupnemu ciklu: za potrošni material je lahko naravnih 90 ali 120 dni; za pohištvo je lahko celo 365 dni kratko. Univerzalno pravilnega okna ni. Zasidrajte ga na svoj mediani čas med prvim in drugim naročilom (podatki o naročilih vam ga bodo povedali), nato pa ga zauvijek pustite fiksnega, da so trendi resnični.

3. Izračunajte na kohorto. Za vsako kohorto: stranke, ki so oddale drugo naročilo v oknu ÷ stranke v kohorti. Preglednica na izvozu naročil to obvlada; enako vrtilna tabela po ID-ju stranke z datumom prvega naročila in datumom drugega naročila kot stolpcema.

4. Primerjajte le enako z enakim. Kohorta, mlajša od vašega okna, se še ni skuhala. Če je vaše okno 180 dni, kohorta tega četrtletja še nima številke, ki bi jo lahko poročali. Objaviti jo vseeno je način, kako nadzorne plošče na koncu prikazujejo strašen “zlom”, ki je le aritmetika. Splošna tehnika (kohorte, starosti, branje trikotnika) je razložena v članku kako uporabiti kohortno analizo za zadrževanje strank v spletni trgovini.

5. Sledite trendu. Ena številka vam pove malo. Šest četrtletij kohort, vsaka izmerjena pri 180 dneh, vam pove, ali se zadrževanje izboljšuje in ali se izboljšave ujemajo s tem, kar ste izdali.

Rešen primer z izmišljenimi številkami: vaša kohorta 1. četrtletja je štela 500 prvih strank in 110 jih je znova naročilo v 180 dneh: 22-odstotna stopnja ponovnih nakupov. Aprila ste zagnali ponakupno zaporedje in opomnik za dopolnitev zaloge. Kohorta 2. četrtletja s 520 strankami kaže 140 drugih naročil v svojih 180 dneh: 27 %. Ta dvig za pet odstotnih točk, pri 55 EUR povprečnega drugega naročila, je približno 26 dodatnih drugih nakupov, vrednih približno 1.400 EUR na kohorto, preden se obrestuje v tretja naročila. Vse ilustrativno, a to je oblika argumenta, ki vam ga ta metrika omogoča graditi.

Kaj avtomatizirati okoli drugega nakupa

Merjenje najde razmik; avtomatizacija je način, kako ga zaprete, ne da bi koga zaposlili. Tokovi, ki neposredno vplivajo na stopnjo ponovnih nakupov:

Ponakupni tok. Sprožilec: oddano prvo naročilo. Časovnica: e-sporočilo o izkušnji z naročilom v nekaj dneh, ustrezen navzkrižni prodaji po dostavi. Cilj: da drugo naročilo deluje kot nadaljevanje, ne kot hladen ponovni začetek.
Tok za dopolnitev zaloge, če vaš izdelek poide. Sprožilec: dnevi od nakupa, ki ustrezajo ciklu uporabe vašega izdelka. Merjenje, ali se izplača, je obravnavano v članku kako meriti uspešnost toka za dopolnjevanje zalog.
Tok za ponovno pridobitev, za stranke, ki jih je vaše okno že odpisalo. Sprožilec: brez naročila znotraj vašega praga zamude. Njegov semafor je predmet članka merjenje uspešnosti toka za ponovno pridobitev.

Vsak tok potrebuje svojo metriko, a stopnja ponovnih nakupov po kohortah je streha nad vsemi – če tokovi delujejo, je to številka, ki se premakne.

Katere številke spremljati zraven

Stopnja ponovnih nakupov pri fiksnem oknu, po kohorti – glavna številka.
Mediani čas od prvega do drugega naročila – določa časovnico vaših tokov in vaše okno.
Povprečna vrednost drugega naročila proti prvemu – ponovne stranke se pogosto obnašajo drugače; radi bi vedeli, kako.
Dvanajstmesečna vrednost na stranko – stopnja ponovnih nakupov je motor, življenjska vrednost je izhod; povežite ju prek članka kako iz email podatkov izračunati življenjsko vrednost kupca.

Kje se vklopi Omnisend

Merjenje živi v preglednici, zgrajeni na vašem izvozu naročil; nobeno e-poštno orodje tega ne spremeni in ne bom se pretvarjal, da moje. Kjer si Omnisend v mojih trgovinah zasluži svoje mesto, je na strani ukrepanja: polje “skupno število naročil” na vsakem sinhroniziranem kontaktu naredi segment strank z le enim naročilom dvominutno opravilo, ponakupni, dopolnjevalni in ponovnopridobitveni tokovi, ki ga ciljajo, pa so standardni sprožilci spletnih trgovin, nastavljivi brez razvijalčevega časa. Pred odločitvijo sem testiral Klaviyo in Omnisend; Omnisend je zmagal po enostavnosti samostojnega upravljanja in ceni, in ti tokovi v mojih trgovinah tečejo od takrat. (Partner Shopimationa v pridruženem programu; priporočen, ker ga uporabljam, ne obratno.)

Eno svarilo ne glede na orodje: avtomatizacija ne more popraviti izdelka, ki ga nihče ne potrebuje dvakrat, ali dostavne izkušnje, ki je ljudi razjezila. Najprej izmerite; številka vam bo povedala, ali imate težavo s sporočili ali drugačno težavo.

Vaš naslednji korak

Ta teden izvozite leto naročil in izračunajte stopnjo ponovnih nakupov ene kohorte pri enem oknu. Prvi kupci iz lanskega 2. četrtletja v 180 dneh so dober začetek. Če vas številka preseneti v katero koli smer, je nadaljevanje sistem, ne eno samo e-sporočilo: kako zgraditi sistem za zadrževanje strank v spletni trgovini je širši priročnik.

Analytics, Attribution, and ROI

How to Measure Repeat Purchase Rate

Posted on July 17, 2026 by

Repeat purchase rate is the share of your customers who have bought more than once: customers with two or more orders ÷ total customers, ×100. The formula takes ten seconds. Measuring it in a way you can act on takes one more decision, and it’s the one most stores skip: fixing the time window. “Of everyone who ever bought, how many ever bought again” mixes customers who joined last month with customers who’ve had five years to reorder, and the resulting number drifts with your store’s age rather than your retention. The version worth tracking is cohort-based: of customers whose first order was in a given quarter, what share placed a second order within a fixed period, say 180 days. This article walks through the calculation, the traps, and what to do with the answer.

The problem this number exposes

You’re paying rising ad costs to acquire customers, and you don’t actually know whether they come back.

Most owners can quote their revenue, their ROAS, their conversion rate. Ask what percentage of last spring’s new customers ever placed a second order and the room goes quiet. Yet that answer determines almost everything downstream: what you can afford to pay for acquisition, whether your CLV assumptions hold, whether your post-purchase emails are doing anything, and whether your growth is compounding or just a treadmill where every month starts from zero.

A store where hardly anyone buys twice isn’t necessarily broken — some products genuinely are one-and-done. But you need to know which store you’re running, because the two need opposite strategies. One should squeeze maximum value from the first order; the other should spend real money on retention. Guessing wrong is expensive in both directions.

Why the all-time number misleads

Pull “customers with 2+ orders ÷ all customers” from your store’s admin and you’ll get a figure. Here’s why I don’t trust it for decisions.

It punishes growth. Every new customer enters the denominator with zero days of repurchase opportunity, so a store in a strong acquisition phase watches its all-time repeat rate fall while nothing about retention changed. The opposite is worse: a store that stopped acquiring watches the rate drift up as old customers slowly reorder, which reads as improvement and is actually stagnation.

It also can’t show cause and effect. You launched a post-purchase flow in March. Did it work? The all-time number, polluted by years of history, will barely twitch either way. A cohort number (March’s first-time buyers versus January’s, each measured at the same age) can answer the question.

How to measure it properly, step by step

1. Define “repeat” for your store. Second order ever is the standard. Decide edge cases up front: exclude cancelled and fully refunded orders, and decide whether a second order on day 2 counts (often it’s a forgotten item, not retention; I count it, but consistently).

2. Pick a cohort grain and a window. Group customers by first-order month or quarter. Then choose the window that fits your purchase cycle: for consumables, 90 or 120 days might be natural; for furniture, even 365 days may be short. There is no universal correct window. Anchor it to your median time between first and second orders (your order data will tell you), then keep it fixed forever so trends are real.

3. Compute per cohort. For each cohort: customers who placed a second order within the window ÷ customers in the cohort. A spreadsheet on an order export handles this; so does a pivot on customer ID with first-order date and second-order date as columns.

4. Only compare like with like. A cohort younger than your window isn’t done cooking. If your window is 180 days, this quarter’s cohort has no reportable number yet. Publishing it anyway is how dashboards end up showing a scary “collapse” that’s just arithmetic. The general technique (cohorts, ages, reading the triangle) is laid out in how to use cohort analysis for ecommerce retention.

5. Trend it. One number tells you little. Six quarters of cohorts, each measured at 180 days, tells you whether retention is improving, and whether the improvements line up with things you shipped.

A worked example, with invented numbers: your Q1 cohort was 500 first-time customers, and 110 of them ordered again within 180 days: a 22% repeat rate. In April you launched a post-purchase sequence and a replenishment reminder. The Q2 cohort of 520 customers shows 140 second orders in its 180 days: 27%. That five-point lift, on €55 average second orders, is roughly 26 extra second purchases worth ~€1,400 per cohort, before compounding into third orders. Illustrative throughout, but that’s the shape of the argument this metric lets you make.

What to automate around the second purchase

Measurement finds the gap; automation is how you close it without hiring anyone. The flows that act directly on repeat rate:

Post-purchase flow. Trigger: first order placed. Timing: an order-experience email within a few days, a relevant cross-sell after delivery. Goal: make order two feel like a continuation, not a cold restart.
Replenishment flow, if your product runs out. Trigger: days-since-purchase matching your product’s usage cycle. Measuring whether it earns its keep is covered in how to measure replenishment flow performance.
Win-back flow, for the customers your window has already written off. Trigger: no order within your lapse threshold. Its scoreboard is the subject of measuring win-back flow performance.

Each flow needs its own metric, but repeat purchase rate by cohort is the roof over all of them — if the flows work, this is the number that moves.

Which numbers to track alongside it

Repeat purchase rate at a fixed window, by cohort — the headline.
Median time from first to second order — sets your flow timing and your window.
Second-order AOV vs. first-order AOV — repeat customers often behave differently; you want to know how.
Twelve-month value per customer — repeat rate is the engine, lifetime value is the output; connect them via how to calculate customer lifetime value from email data.

Where Omnisend fits

The measurement lives in a spreadsheet built on your order export; no email tool changes that, and I won’t pretend mine does. Where Omnisend earns its place in my stores is on the acting side: the “total orders” field on every synced contact makes a one-order-only segment a two-minute job, and the post-purchase, replenishment, and win-back flows that target it are the standard ecommerce triggers, configured without developer time. I tested Klaviyo and Omnisend before settling; Omnisend won on ease of self-management and price, and those flows have been running in my stores since. (Affiliate partner of Shopimation; recommended because it’s what I use, not the other way round.)

One caution regardless of tool: an automation cannot fix a product nobody needs twice or a delivery experience that annoyed people. Measure first; the number will tell you whether you have a messaging problem or a different problem.

Your next step

Export a year of orders and compute one cohort’s repeat rate at one window this week. Last year’s Q2 first-time buyers within 180 days is a fine start. If the number surprises you in either direction, the follow-up is a system, not a single email: how to build a customer retention system for ecommerce is the wider playbook.