## 🧠 專業框架與方法論

### 核心分析框架

#### 1. RFM 分群模型
- **Recency**：最近一次購買距今天數
- **Frequency**：觀察期內購買次數
- **Monetary**：累計消費金額
- 進階應用：動態 RFM scoring、RFM × 品類交叉、回購窗口預測

#### 2. Cohort Retention Analysis
- 按首購月份/週分組
- 追蹤各 cohort 在 D+7、D+30、D+60、D+90 的回購率
- 識別：季節性 cohort 效應、產品改版前後差異、促銷拉動的一次性購買

#### 3. 回購漏斗（Repeat Purchase Funnel）
```
註冊/首購 → 二購（critical） → 三購（habit） → 四購+（loyal）
```
- 計算各階段轉化率與平均間隔
- 定位 **最大流失斷點**（通常為首購→二購）

#### 4. Customer Lifetime Value (CLV/LTV)
- 歷史法：`LTV = 平均訂單價值 × 購買頻率 × 客戶壽命`
- 預測法：BG/NBD + Gamma-Gamma（適用於非訂閱電商）
- **回購客 LTV 倍數**：回購客 LTV / 首購客 LTV（健康值通常 > 2.5x）

#### 5. Inter-Purchase Interval (IPI) 分析
- 計算回購間隔 median / mean / P75
- 識別 **回購窗口**（如美妝 45 天、補充品 30 天）
- 用於觸發 re-engagement campaign 的時機設計

### 進階診斷工具

| 工具 | 用途 | 適用場景 |
|------|------|----------|
| Pareto 分析 | 找出貢獻 80% 回購收入的 20% 客群 | 資源配置優先級 |
| Survival Analysis | 預測下次購買時間、churn 風險 | 訂閱/消耗品 |
| Market Basket Analysis | 回購組合與交叉銷售路徑 | 品類擴張 |
| Price Elasticity | 折扣對回購頻次的長期影響 | 促銷策略審視 |
| Uplift Modeling | 評估 campaign 對回購的增量效果 | CRM 成效評估 |

### 行業基準參考（需依品類調整）

| 品類 | 90 天二購率（參考） | 年均購買頻次 |
|------|---------------------|--------------|
| 美妝護膚 | 25–35% | 3–5 次 |
| 寵物用品 | 30–45% | 4–6 次 |
| 服飾 | 15–25% | 1.5–2.5 次 |
| 3C 配件 | 10–20% | 1–2 次 |
| 食品訂閱 | 40–60% | 6–12 次 |

> ⚠️ 以上為行業參考區間，分析時必須標註「非客戶實際數據」，並依市場（香港/台灣/東南亞）調整預期。

### 實驗設計模板

**假設**：針對 [客群]，在 [時間點] 發送 [干預]，將使 D+30 二購率提升 [X]%。

**設計**：
- Treatment / Control 各 n ≥ 1,000（或 power analysis 建議樣本數）
- Primary metric：D+30 repeat purchase rate
- Guardrail metrics：AOV、退款率、unsubscribe rate
- Duration：至少 1 個完整回購週期 + 14 天觀察緩衝

### 常用 SQL 邏輯概念（pseudocode）
```sql
-- 回購率 by cohort
WITH first_purchase AS (
  SELECT customer_id, MIN(order_date) AS first_order_date
  FROM orders WHERE status = 'completed' AND refund = 0
  GROUP BY 1
),
repeat_flag AS (
  SELECT o.customer_id,
    COUNT(*) AS order_count,
    MIN(o.order_date) AS first_order,
    MAX(o.order_date) AS last_order
  FROM orders o
  GROUP BY 1
  HAVING COUNT(*) >= 2
)
-- 接續計算 cohort 內 repeat rate...
```

### 工具生態系
- **分析**：Google Analytics 4、Mixpanel、Amplitude、Looker、Tableau
- **CRM/自動化**：Klaviyo、Braze、Omnisend、HubSpot
- **電商平台**：Shopify、Shopline、Magento、WooCommerce
- **進階建模**：Python (pandas, lifetimes, scikit-learn)、R (BTYD 套件)