电商利润计算最容易出现的错觉，是商品每天都有订单、后台显示毛利为正，月底结算却发现现金没有增加。真正的问题往往不在公式不会算，而在于把退款当成售后部门的“事后统计”，没有把逆向物流、商品折损、补发、人工和不可二次销售损失回填到商品定价中。经营负责人真正需要的，不是一个看起来漂亮的毛利率，而是一个能够回答“这件商品还值得不值得继续卖、投、扩量”的利润底线。

一、先讲核心结论：退款损耗不是售后指标，而是定价变量

1. 真实利润不能只用销售额减商品成本

传统电商利润计算常见的表达是：销售额减去采购成本，再扣除平台费用、物流费用和推广费用。这个公式并没有错，但它通常只描述了订单完成时的静态利润，没有回答退款发生之后还剩多少。

一笔订单从支付到最终确认，至少会经历下单、发货、签收、售后、退款或退货、商品检验和库存再处理等环节。只要其中一个环节产生了额外支出，订单的实际贡献利润就会发生变化。

更适合经营决策的口径，是把退款造成的预期损耗直接放进商品利润模型。这样算出来的不是财务报表意义上的净利润，而是用于比较 SKU、渠道、活动和投放价值的“退款调整后贡献利润”。

通用计算方式可以写成：

退款调整后贡献利润 = 实际收入 − 商品直接成本 − 平台及支付费用 − 履约成本 − 推广成本 − 退款相关损耗 − 其他直接变动成本

其中，退款相关损耗不能简单等同于退款金额。商品退回来之后，可能完整入库，也可能需要重新包装、质检、折价销售，甚至直接报损。退款金额只是收入端的变化，退款损耗还包含退回之后发生的成本。

2. 定价应该覆盖“平均损耗”，而不是覆盖最理想订单

如果某个 SKU 的历史退款率为 8%，但每次退款的平均损失为 18 元，那么它在每笔支付订单上应该预留的预期退款损耗约为 1.44 元。这个金额不一定在每笔订单上真实发生，但会以概率和平均值的方式影响整个商品组合。

因此，经营负责人不能只问“这笔订单赚了多少钱”，还应该问“这个商品在正常退款水平下，每笔订单平均会被带走多少钱”。

这也是我判断商品是否具备扩量条件时，最看重的一个区别：单笔订单利润是结果，预期退款损耗是定价和投放决策必须提前承担的风险。

3. 经营判断的重点是“利润底线”，不是“利润平均值”

平均利润可以掩盖问题。一个店铺可能有 80% 的 SKU 贡献利润正常，但剩余 20% 的高退款商品正在消耗大量客服、仓储和推广资源。全店平均毛利率看起来稳定，经营结果却在恶化。

我通常会把商品分成三种利润口径：理想贡献利润、历史预期贡献利润和压力情景贡献利润。

• 理想贡献利润：不考虑退款，或者只考虑极低售后情况下的利润，用于判断商品的基础盈利能力。
• 历史预期贡献利润：根据近 30 天或近 90 天实际退款数据计算，用于日常定价和投放。
• 压力情景贡献利润：把退款率、广告费或退货折损率上调，用于判断大促、换季和流量结构变化下是否会亏损。

如果一个 SKU 只有在理想口径下赚钱，在历史口径下接近盈亏平衡，在压力情景下明显亏损，我不会把它定义为“可以放心放量”的商品。它可能仍然值得保留，但必须有明确的优化条件和预算边界。

二、真实场景：为什么 GMV 增长，利润反而越来越薄

1. 经营负责人常见的月底复盘现场

我见过一种非常典型的复盘方式：运营先展示成交金额、支付订单数和投产比，商品负责人展示销量排名，财务再从结算单中确认平台扣费和回款。所有数字分别看都不差，但三张表合在一起时，利润却无法对应到具体商品。

问题通常出在时间差上。订单在本月支付，退款可能发生在下月；广告费用按点击或曝光发生，退款损耗却滞后进入售后表；商品退回仓库后，是否还能二次销售又由仓库单独记录。结果是本月订单看起来赚钱，损失在后续周期慢慢释放。

如果经营负责人只看支付日利润，就会高估近期上新的商品；如果只看最终退款后的结果，又可能因为数据回填滞后，错过及时调整价格和投放的窗口。

2. 一个退款订单可能产生五种损耗

退款并不是一个单一金额。为了避免漏算，我会把退款损耗拆成五类，并要求数据表至少保留这五类字段。

1. 收入损失：订单全额退款、部分退款或优惠分摊变化造成的实际收入减少。
2. 逆向物流损失：退货产生的寄回运费、换货运费、补发费用和异常配送费用。
3. 商品折损损失：拆封、试用、污染、挤压、过季或包装破坏导致的降价销售和报损。
4. 售后处理损失：客服、质检、仓库重新上架和人工复核产生的直接成本。
5. 机会成本：库存被退货占用、周转变慢、无法及时销售新品所造成的资金和仓储压力。

第五类损耗最容易被忽略。它未必会出现在一张退款账单里，却会通过库存周转变慢、库龄增加和仓储费用上升体现出来。对于季节性商品，这种损耗可能比一次退回运费更严重。

3. 退款率高不等于损失一定最高

比较退款时，至少要同时看退款订单数、退款金额、单笔退款平均损失和可二次销售比例。低客单价商品可能退款订单很多，但退回后还能快速重新销售；高客单价商品退款数量不高，却可能每件都产生较大的折损。

例如，A 商品退款率为 12%，每件退款平均损失 4 元；B 商品退款率只有 5%，但每件退款平均损失 32 元。假设两者客单价分别为 40 元和 260 元，B 商品的单位订单损耗可能更值得警惕。

所以，我不会把“退款率最低”直接当作“经营质量最好”。更准确的判断是：退款损耗占成交收入的比例是否可控，退款原因是否有办法改善，退款发生后商品价值是否还能恢复。

4. 退款数据应该回到商品和页面，而不是停在客服报表

退款原因是一个很有价值的商品反馈入口。尺码不合适、颜色与图片不符、质量问题、包装破损、物流太慢和“与预期不符”，分别对应不同的改进责任。

如果退款主要来自尺码信息不清，调整详情页和尺码表可能比涨价有效；如果退款主要来自供应商质量波动，继续投放只会放大售后压力；如果退款主要来自消费者冲动购买，促销机制和页面承诺就需要重新审视。

经营负责人要做的不是要求客服“降低退款率”，而是把退款原因变成可分配的改善任务。例如，页面问题交给内容团队，质量问题交给供应链，物流问题交给仓配，促销误导问题交给运营负责人。

三、先统一口径：四种“利润”不能混在一张表里

1. 销售额、支付金额和确认收入不是同一个概念

销售额通常是经营规模指标，支付金额反映消费者实际支付，结算金额则可能已经扣除了部分平台费用、退款或补贴。不同团队使用同一个“销售额”字段时，常常没有明确统计口径。

在建立 SKU 利润模型之前，必须先回答三个问题：

• 收入采用下单金额、支付金额、发货金额还是签收后的确认金额？
• 优惠券、平台补贴、商家补贴分别由谁承担，如何分摊？
• 退款发生在统计周期之后时，是否要回溯原订单的利润？

如果这些问题没有答案，后续的退款率、利润率和定价建议都会受到影响。数据表做得越精细，口径不统一造成的误判反而越隐蔽。

2. 毛利只能判断基础盈利能力

毛利通常用于判断商品售价和商品成本之间的空间。例如售价 100 元、商品成本 40 元，基础毛利为 60 元。这个结果可以说明商品采购或生产环节具备一定空间，但不能说明它适合投放。

电商商品还要承担平台扣费、支付费、仓配费、广告费、赠品、客服售后和退款折损。对于依赖广告获取订单的商品，毛利越高并不代表投产空间一定越大，因为高毛利可能来自较高售价，而高售价又可能带来较高退款或较低转化。

3. 贡献利润更适合做经营比较

贡献利润的价值在于，它把与订单量直接相关的变动成本集中到商品层面，用于比较“多卖一件”到底会增加多少利润。

建议至少拆出以下项目：

如果目标是判断商品是否值得继续销售，不能一开始就把所有总部费用平均分摊到每个 SKU。固定费用分摊会让小销量商品看起来异常亏损，也会掩盖订单层面的变动成本问题。

4. 净利润不能直接替代订单贡献利润

净利润适合评价企业整体经营结果，但不一定适合直接指导单个 SKU 的价格。房租、管理人员工资、系统费用和总部职能成本，即使停止销售某个商品，也可能不会立即消失。

因此，经营负责人要把两个问题分开：

• 订单贡献利润：多卖一件商品，能够为企业贡献多少钱。
• 企业净利润：扣除固定费用和期间费用之后，企业最终剩下多少钱。

前者用于商品、渠道和投放决策，后者用于预算、组织和年度经营目标。两者不能互相替代。

四、把退款损耗拆成公式，才能真正进入定价模型

1. 先计算不含退款的基础贡献利润

假设某商品成交价为 100 元，商品直接成本 42 元，平台及支付费用 8 元，正向履约成本 7 元，推广成本 10 元，那么退款前的基础贡献利润为：

100 − 42 − 8 − 7 − 10 = 33 元

33 元看起来是一个不错的结果，但它只是订单顺利完成且没有发生售后的理想状态。要判断商品是否真的具备扩量条件，还需要估计退款事件平均会带走多少金额。

2. 计算单笔退款事件的平均损失

退款事件的损失可以拆成：

单笔退款平均损失 = 逆向物流费 + 售后处理费 + 商品折损金额 + 补发或赔付费用 − 可回收商品价值

这里的“可回收商品价值”很关键。退回商品如果可以原价再次销售，商品折损接近于零；如果只能以八折销售，折价部分就是损失；如果完全无法销售，则商品成本和处理成本都要纳入。

例如，一件商品退回后产生 8 元逆向物流费、2 元质检和重新包装费，商品从原本 42 元的可售价值下降到 30 元，那么商品折损为 12 元，单笔退款平均损失就是 22 元。

3. 用退款率计算每个支付订单的预期损耗

如果近 90 天的退款率为 10%，单笔退款平均损失为 22 元，那么每个支付订单的预期退款损耗为：

10% × 22 = 2.2 元

将它回填到基础贡献利润中：

退款调整后贡献利润 = 33 − 2.2 = 30.8 元

这个数字意味着，在当前退款水平和损耗结构不变的情况下，每获得一笔支付订单，平均可贡献约 30.8 元。它比单纯看 33 元更接近实际经营结果。

4. 退款损耗率和退款率必须分别管理

退款率回答的是“有多少订单发生了退款”，退款损耗率回答的是“成交收入中有多少被退款相关损失消耗”。两个指标的管理意义不同。

常用计算方式包括：

• 订单退款率 = 退款订单数 ÷ 支付订单数
• 退款金额率 = 退款金额 ÷ 支付金额
• 单均退款损耗 = 退款相关总损失 ÷ 支付订单数
• 退款损耗率 = 退款相关总损失 ÷ 支付金额

建议在数据看板中同时展示这四个指标，而不是用一个“退款率”概括全部问题。特别是高客单价商品，退款金额率和退款损耗率往往比订单退款率更能反映经营风险。

5. 小样本商品不能直接套用全店平均退款率

一个 SKU 近 30 天只有 20 个订单，其中 3 个退款，退款率就是 15%。如果下一周新增 100 个正常订单，这个比例会明显变化。因此，样本量不足时，退款率不应该直接作为稳定定价参数。

我会采用三种方式降低小样本误判：

1. 设置最低订单量，例如支付订单低于 100 单时，只作为观察数据，不直接修改价格。
2. 同时参考同品类、同价格带和同渠道的历史数据。
3. 用 30 天短周期观察趋势，用 90 天周期作为定价基准。

如果商品刚上架就出现明显质量问题，则不能因为样本少而等待。统计稳定性和经营风险处理是两件事，前者用于判断比例，后者用于处理重大异常。

五、用一个完整案例看出：高销量 SKU 可能并不值得扩量

1. 案例背景与数据口径

下面用一个演示案例说明完整计算过程。数据不是任何平台的行业平均值，而是为了展示模型逻辑构造的情景数据。假设一家品牌店铺有三类商品：基础款、活动引流款和高退款款。

从成交价和成本结构看，A 和 C 的基础利润较高，B 的价格最低、推广成本较高。很多团队看到 B 的销量增长后，会自然地认为它是最值得投入的商品，但还需要把退款损耗纳入。

2. 计算三类商品的退款前利润

A 商品退款前贡献利润为 100 − 42 − 8 − 7 − 10 = 33 元。B 商品退款前贡献利润为 79 − 38 − 6 − 8 − 14 = 13 元。C 商品退款前贡献利润为 159 − 72 − 12 − 12 − 25 = 38 元。

如果只看退款前利润，C 最好，A 次之，B 最差。若 B 的订单量特别高，团队可能会用规模来解释它的低单笔利润，但这仍然无法回答它是否在持续制造售后负担。

3. 计算退款调整后贡献利润

A 的预期退款损耗为 6% × 18 元 = 1.08 元，退款调整后贡献利润为 31.92 元。B 的预期退款损耗为 11% × 20 元 = 2.2 元，退款调整后贡献利润为 10.8 元。C 的预期退款损耗为 16% × 38 元 = 6.08 元，退款调整后贡献利润为 31.92 元。

这个结果有两个值得注意的地方。第一，B 的利润进一步被压缩，低价促销和高推广成本叠加后，商品几乎没有多少安全空间。第二，C 虽然退款损耗很高，但当前仍然与 A 贡献相近，不能只因为退款率高就立刻下架。

4. 加入销量之后，才能判断总贡献

假设 A、B、C 三个 SKU 在一个月内分别售出 2,000 件、5,000 件和 1,200 件。单件贡献利润并不能直接代表月度总贡献，还要乘以有效订单量，并结合库存和售后处理能力。

B 的订单量是 A 的 2.5 倍，但月度贡献利润仍然低于 A。如果 B 继续增加广告预算，首先要确认边际订单是否仍能维持 10.8 元贡献，而不能默认历史平均值会一直有效。

C 的月度贡献低于 A，但它可能拥有更高的客单价和品牌价值。是否继续经营，不能只看当前利润，还要看它的退款原因能否改善，以及改善后的利润弹性是否足够。

5. 做一次压力测试，才能看出定价风险

假设大促期间 B 的退款率从 11% 上升到 18%，推广成本从 14 元增加到 18 元，单笔退款平均损失仍为 20 元，那么退款前贡献利润会从 13 元下降到 9 元，预期退款损耗则从 2.2 元上升到 3.6 元，最终只剩 5.4 元。

这意味着，B 不是不能做活动，而是活动价格、广告成本和退款率必须绑定管理。如果活动后只看 GMV，可能会把一个每单只贡献 5.4 元的商品误判为增长引擎。

六、如何把退款数据反向用于改善商品定价

1. 先计算最低可接受售价

定价不是简单地“成本乘以加成率”。一个能够承担退款损耗的最低售价，至少要覆盖商品成本、平台及支付费用、正向履约成本、推广成本、预期退款损耗以及目标最低贡献利润。

如果平台费和推广费按成交价比例收取，最低售价可以用一个简化模型表达：

最低售价 = 固定变动成本与目标贡献之和 ÷（1 − 按比例收取的费用率）

例如，商品成本 42 元、履约成本 7 元、预期退款损耗 2.2 元、目标贡献利润 20 元，平台及支付费用按成交价的 8% 收取，则最低售价约为：

（42 + 7 + 2.2 + 20）÷（1 − 8%）≈ 77.39 元

如果还需要承担每单 10 元推广成本，则最低售价约为：

（42 + 7 + 2.2 + 10 + 20）÷（1 − 8%）≈ 88.26 元

这只是管理测算，不是平台统一定价规则。实际还要考虑税费、优惠承担方、活动补贴、佣金阶梯、仓储费用和渠道差异。

2. 退款损耗应该按品类和渠道设置参数

所有商品共用一个全店退款损耗率，是最常见也最危险的简化方式。服饰、鞋类、家居、食品、定制商品和数字化商品的退款结构完全不同，渠道和流量来源也会改变退款行为。

建议至少按以下维度设置参数：

• 商品品类：服饰、家居、食品、数码配件等。
• 价格带：低价、高价和高客单组合商品。
• 销售渠道：自然搜索、直播、短视频、分销和老客复购。
• 活动类型：日常销售、满减、限时折扣、赠品和大促。
• 退款原因：质量、描述、尺码、物流、冲动购买和服务问题。
• 二次销售状态：原价再售、重新包装、折价销售和报损。

维度越细并不一定越好。若样本不足，过度拆分会让每个参数都不稳定。我的建议是先按“品类 × 渠道 × 价格带”建立基础模型，再对退款损耗异常的 SKU 单独处理。

3. 不要把所有退款问题都用涨价解决

涨价可以提高单位订单的损耗承受能力，但它不是处理退款的万能办法。如果退款原因是页面描述不清，涨价可能降低转化却没有降低退款；如果退款原因是质量问题，涨价甚至会提高消费者预期，导致投诉更加集中。

在决定涨价之前，我会先判断退款损耗属于哪一类：

4. 用价格弹性判断是否值得涨价

涨价后，单位利润可能增加，但转化率、订单量和广告效率可能下降。经营负责人不能只计算“每件多赚多少钱”，还要估计价格变化对订单量的影响。

假设原价 100 元，退款调整后每单贡献 31.92 元，每月 2,000 单，月贡献为 63,840 元。若涨价 5%，单笔贡献增加到约 36 元，但订单量下降 15%，剩余 1,700 单，月贡献约为 61,200 元，反而低于涨价前。

如果涨价后订单量只下降 5%，则月贡献约为 68,400 元，涨价才具有价值。这个例子说明，定价动作必须结合历史价格测试、转化率和流量成本判断，不能只看静态利润。

七、用数据工具把利润分析从“月底复盘”变成“日常动作”

1. 为什么需要商品级数据看板

当店铺 SKU 较少时，人工表格还能勉强维持；当商品、渠道、活动和退款原因逐渐增多，依靠多个表格拼接会出现三个问题：数据更新慢、口径难统一、问题无法追溯。

经营负责人真正需要的是一条从订单到动作的链路：订单数据进入后，系统自动关联商品成本、平台费用、履约成本、推广费用和退款状态，再按照 SKU、渠道和活动输出利润变化。

以九数云为例，适合把订单、商品、退款、广告和库存等数据连接到同一分析模型中，再通过可视化看板观察商品级利润。它的价值不在于替负责人做最终判断，而在于减少人工汇总、重复导表和跨部门对账，让经营团队更快发现异常。

在实际使用这类数据分析工具时，我不会一开始就搭建几十个页面，而是先建立一张“商品利润主表”，只保留能触发行动的字段。字段过多会增加维护成本，也会让使用者在重要指标中迷失。

2. 第一张看板应该包含哪些字段

建议第一版看板至少包括以下字段：

• SKU、商品名称、品类和渠道。
• 支付订单数、成交金额和实际收入。
• 退款订单数、退款金额和退款率。
• 退款相关损耗、单均退款损耗和退款损耗率。
• 商品成本、平台费用、履约成本和推广成本。
• 退款前贡献利润和退款调整后贡献利润。
• 退款原因排名、可二次销售比例和库存库龄。
• 当前售价、最低可接受售价和目标贡献利润。

其中，“当前售价”和“最低可接受售价”的差值非常有用。差值较大，说明商品具有一定缓冲；差值很小，说明一个退款率上升、一次广告成本上涨或一次供应商调价，都可能让商品跌破利润底线。

3. 用九数云搭建分析时，先解决数据关联问题

数据工具不是接入后就会自动生成正确利润。订单表、退款表、商品成本表和广告表通常使用不同的键值，必须先确认 SKU 编码、订单编号、渠道名称和日期字段是否一致。

建议按以下顺序处理：

1. 确认订单表中每个订单对应的 SKU、数量、成交价和优惠承担方。
2. 确认退款表能够通过订单编号或商品明细关联回原订单。
3. 将商品成本表按 SKU 和生效日期维护，避免历史成本被当前成本覆盖。
4. 将广告费用按渠道、商品或订单归因，并标记归因规则。
5. 建立退款损耗明细，区分运费、折损、质检、补发和报损。
6. 对退款后仍可销售的商品记录恢复价值，避免重复计算全部商品成本。

如果成本只保留一个当前值，商品换供应商后，历史利润会被重新计算，经营负责人就无法解释上个月为什么利润变化。成本表必须保留生效时间，必要时还要保留供应商、批次和采购单价。

4. 看板不应该只是展示，而应该绑定预警动作

一个没有行动规则的利润看板，很容易变成新的数据墙。建议为关键指标设置状态标签，而不是只显示数字。

5. 数据工具使用中的三个常见坑

第一个坑是把平台结算金额直接当成商品收入。结算金额可能已经扣除了多项费用，若再单独扣平台费，会造成重复计算。

第二个坑是把广告费用平均分摊给所有商品。没有订单归因能力时，可以使用明确的分摊规则，但必须标注为估算口径，并定期与渠道整体投产进行校验。

第三个坑是把退款订单全部视为完全损失。商品退回后如果可以原价或接近原价再售，就不能把全部商品成本都作为损失重复扣除。

九数云这类工具能够帮助企业减少手工整理和看板维护，但最终结果仍然取决于数据口径、关联规则和成本字段质量。工具解决的是可见性和效率问题，不会自动替企业做出正确的成本定义。

八、不同情况下的行动建议：从发现问题到执行改善

1. 高销量、高退款、高退款损耗的 SKU

这类商品优先级最高，因为它同时具备规模和风险。它的问题不是“卖不动”，而是每增加一笔订单，可能同时增加售后和库存处理压力。

建议按照以下顺序行动：

1. 按退款原因拆解，而不是先调整售价。
2. 检查最近 30 天商品页面、主图、规格说明和客服话术是否发生变化。
3. 抽查退回商品，统计原价再售、折价销售和报损比例。
4. 对质量问题进行批次追踪，确认是否集中在某个供应商或生产批次。
5. 在问题修复前限制广告预算，不以历史销量作为继续扩量的唯一依据。

如果退款主要来自可修复的页面误导，应先做内容实验；如果退款主要来自商品结构性问题，则要重新计算价格和库存，不要让运营团队用更大流量掩盖商品缺陷。

2. 高销量、低退款，但退款后利润很薄的 SKU

这类商品容易被误认为是“健康爆款”。它的退款率不高，但可能因为商品成本、平台扣费、推广成本或履约成本过高，最终贡献利润仍然很低。

建议检查：

• 是否存在低价活动持续时间过长。
• 广告订单的边际获客成本是否高于自然订单。
• 大包装、赠品或多仓发货是否推高履约成本。
• 平台费用是否因渠道或活动发生变化。
• 是否应通过组合销售提高客单价，而不是继续降低单价。

如果商品具备稳定复购，可以接受较低的新客利润；如果商品主要依赖一次性广告订单，则必须用新客和老客分开核算，不能用复购订单的低成本掩盖首次成交亏损。

3. 低销量、高利润的 SKU

低销量不一定意味着商品没有价值。它可能是定位较窄、曝光不足、价格较高，或者商品页面没有把价值讲清楚。

此时不建议立刻降价。先判断低销量来自流量不足、点击不足、转化不足还是库存限制。如果退款率低、单位贡献高，可以进行小预算投放或优化内容，而不是直接牺牲价格。

这类商品还可以承担利润补充角色，与低价引流款组成组合。判断标准应该是组合后的整体贡献，而不是要求每个 SKU 都承担同样的流量目标。

4. 低销量、高退款的 SKU

这通常是最适合暂停或重做的商品。它既没有足够销量覆盖固定处理成本，又在售后环节持续消耗资源。

但在下架之前，仍然要区分是商品本身的问题，还是流量来源不匹配。例如直播间冲动购买带来的退款，不一定代表商品在搜索流量下也会表现差；高意向老客购买的退款率可能明显不同于低价广告流量。

建议先做一次渠道切分。如果所有渠道退款率都高，优先怀疑商品和供应链；如果只有某个渠道异常，优先检查内容承诺、受众匹配和活动机制。

5. 大促期间退款率突然上升

大促数据不能直接与日常数据混在一起。活动价格更低、流量更宽、消费者决策时间更短，退款率上升可能来自流量结构变化，也可能来自促销承诺不清。

大促复盘至少要拆出活动前、活动中和活动后的三个阶段：

如果活动带来的订单大部分来自低意向流量，那么活动后的退款损耗应单独保留，不要与日常订单混合后形成一个看似稳定的平均值。

6. 退款原因集中在质量问题

质量问题不能只作为退款成本处理。它还可能带来差评、平台处罚、客服补偿、复购下降和品牌信任损失。即使当前退款调整后贡献利润仍为正，也不代表商品可以继续扩量。

建议建立批次级质量追踪，至少记录采购批次、供应商、生产日期、仓库和退款原因。若某批次的质量退款率明显高于其他批次，应先隔离库存，再决定是否继续投放。

九、不同情况下的取舍：利润、规模和体验不可能永远同时最优

1. 涨价与保销量的取舍

涨价能够提高单位贡献，也可能带来转化率下降。适合涨价的商品通常具备三个特征：用户对价格不极度敏感、商品有明确差异化、退款损耗已经稳定且不是页面问题造成。

不适合直接涨价的商品，通常是同质化严重、主要依赖低价搜索、转化高度依赖活动的商品。此时更适合先从成本、组合销售、包装和广告结构入手。

2. 降低退款率与扩大销售规模的取舍

降低退款率可能需要增加详情页信息、优化包装、加强客服咨询或提升质检，这些动作都会增加成本和执行时间。不能把“退款率越低越好”作为脱离利润的单一目标。

如果降低退款率每单需要增加 3 元内容和服务成本，但平均减少退款损耗 1.5 元，这个动作未必划算。反过来，如果每增加 1 元质检成本可以减少 5 元折损和赔付，就应该尽快执行。

最终判断应使用增量模型：

改善动作净收益 = 减少的退款相关损耗 − 新增改善成本 − 可能损失的订单贡献

3. 保留高退款商品与直接下架的取舍

高退款商品也可能是品牌引流商品、复购入口或组合销售中的关键商品。直接下架可以快速停止损失，但可能同时失去关联销售和用户入口。

我会把高退款商品分成三种情况：

• 可修复型：退款原因明确，页面、质量或包装问题可以在一个周期内改善。
• 可定价型：退款是品类特征，商品仍有足够高的单位贡献，可以通过价格和库存控制承担。
• 不可持续型：退款原因复杂且无法改善，退款调整后贡献长期接近零或为负。

只有第三类商品才适合优先考虑下架。第一类需要设定改善期限，第二类需要设置利润和库存边界。

4. 全店统一策略与 SKU 精细化策略的取舍

全店统一退款损耗参数，优点是简单、维护成本低，适合商品少、数据量不足或刚开始建立模型的团队；缺点是会掩盖品类和渠道差异。

SKU 级精细化模型能更准确地指导定价，但需要更稳定的成本、订单和退款数据，也需要有人持续维护。数据量不足时，过度精细化会产生“看起来准确、实际上波动很大”的结果。

5. 追求短期利润与建设长期模型的取舍

企业在利润压力较大时，最容易采取立刻涨价、停止投放或压缩售后服务等动作。这些措施可能短期改善数字，却不一定改善商品本身。

更稳妥的做法是把动作分成两类：一类是今天就能执行的止损动作，例如限制高损耗 SKU 的广告预算、暂停异常批次发货；另一类是需要周期完成的结构改善，例如更换供应商、重做页面、优化包装和建立成本主数据。

经营负责人不需要等到所有数据完美后才行动，但必须把“临时止损”和“长期改善”分开记录，否则团队会把短期动作误认为最终方案。

十、建立每周可执行的利润管理节奏

1. 周一：检查数据完整性

每周第一步不是看利润排名，而是检查数据是否已经回填。重点确认订单、退款、广告、商品成本和库存是否覆盖同一统计周期。

• 是否存在没有匹配 SKU 的订单。
• 是否存在退款但没有原订单编号的记录。
• 是否有成本变更却没有生效日期。
• 是否有平台费用尚未结算或重复扣除。
• 是否有退回商品状态仍未更新。

数据质量异常时，不应直接发布定价建议。宁可标记“待核实”，也不要让不完整数据制造虚假的精确感。

2. 周二：看退款损耗排名

建议同时按三种方式排名：退款损耗总额、单均退款损耗和退款损耗率。三种排名对应不同管理优先级。

• 总额高：说明规模影响大，优先治理。
• 单均损耗高：说明每次售后经济后果严重，适合排查商品和物流。
• 损耗率高：说明相对收入侵蚀明显，优先复核定价和活动。

如果一个 SKU 在三种排名中都靠前，通常是最值得投入改善资源的对象。

3. 周三：核对退款原因与商品动作

退款原因不能停留在“质量问题”“不喜欢”“描述不符”等粗分类。建议每周抽取高损耗 SKU 的退款订单，阅读客服记录和用户反馈，确认分类是否准确。

同一个“描述不符”，可能包含颜色偏差、尺寸不符、材质误解和功能预期过高。原因分类越接近真实决策原因，后续改善才越有针对性。

4. 周四：做价格和预算测试

价格调整不应直接全量发布。可以选择一部分流量、部分渠道或一个短周期进行测试，观察成交率、广告成本、退款率和退款调整后贡献是否同步变化。

如果涨价后成交率下降，但退款率也明显下降，仍然可能是有效动作；如果成交率下降、退款率不变，则说明商品价值表达或价格竞争力存在问题。

5. 周五：形成经营决策而不是数据汇报

每周复盘最后必须落到具体决定：

1. 哪些 SKU 下周继续放量。
2. 哪些 SKU 限制预算或暂停活动。
3. 哪些 SKU 需要修改页面和客服话术。
4. 哪些 SKU 需要供应链抽检或更换包装。
5. 哪些 SKU 需要重新测算最低可接受售价。

每个决定都应包含负责人、完成时间、预期指标和复核周期。没有这些字段，利润看板仍然只是信息展示。

十一、30天落地计划：不要一开始就追求复杂系统

1. 第1周：统一指标和成本口径

第一周的目标不是做漂亮看板，而是把字段定义写清楚。建议建立一份利润口径说明，明确收入、成本、退款和费用的分子分母。

至少要写清：

• 退款率按订单、件数还是金额计算。
• 退款损耗是否包含商品成本。
• 退回后可二次销售的商品如何计价。
• 推广费用如何归因到 SKU。
• 优惠和补贴由平台、商家还是消费者承担。
• 成本按采购入库价、生产成本还是标准成本计算。

没有口径说明时，团队很容易出现“财务说赚钱、运营说亏损、商品说成本没变”的争论。

2. 第2周：选择20个重点 SKU

不建议一开始把全店所有商品都纳入精细化分析。可以选择以下四类各 5 个 SKU：销量最高、退款损耗最高、利润最低和近期增长最快。

这 20 个 SKU 通常能够覆盖大部分经营问题，也能帮助团队验证模型是否可用。模型经过一轮复盘后，再逐步扩展到更多商品。

3. 第3周：建立退款损耗明细

这一周重点不是统计退款数量，而是核实退回商品的真实结果。建议从仓库、客服和财务分别获取信息：

• 客服提供退款原因和沟通记录。
• 仓库提供退回状态、质检结果和二次销售状态。
• 财务或物流提供逆向物流、补发和赔付金额。

如果三个部门的记录无法对齐，先建立订单编号和 SKU 编码的关联规则，再讨论更复杂的分析。

4. 第4周：发布定价和投放动作

第四周可以对重点 SKU 进行小范围调整。优先选择能够快速验证的动作，例如调整活动底价、限制高退款渠道预算、更新尺码表、修改页面承诺或更换包装。

每个动作都要设定观察指标。比如，页面修改不只看退款率，还要看咨询率、转化率、差评率和单均退款损耗；涨价不只看成交量，还要看退款调整后总贡献。

十二、容易被忽视的准确性问题

1. 退款发生时间与订单发生时间不同

如果采用支付日统计，近期订单的退款损耗会被低估；如果采用退款发生日统计，某个月的退款可能对应更早的订单。两种口径都可以使用，但不能混在一起。

我建议同时保留两个视图：支付订单视图用于观察近期经营规模，订单 cohort 视图用于观察某一批订单最终产生了多少退款和损耗。

2. 部分退款会改变商品和订单的计算方式

组合商品、满减商品和多件多折商品发生部分退款时，优惠分摊会重新变化。若直接按退款金额平均分配，可能把成本和收入错误归到某个 SKU。

对于组合订单，最好保留商品明细、优惠分摊规则和退款商品明细。无法精确拆分时，应明确采用估算方法，并在看板中标记数据置信度。

3. 商品成本要保留历史版本

采购价格上涨、包装更换、供应商切换和汇率变化，都会改变商品直接成本。只维护一个当前成本，会让历史利润失真。

建议成本表至少包含 SKU、成本金额、生效日期、失效日期、供应商和成本类型。对于波动较大的商品，还可以按批次记录成本，避免用平均成本掩盖质量和采购差异。

4. 广告归因不等于广告真实增量

某个广告订单被归因给商品，不代表这笔订单完全由广告带来。品牌词、自然流量和重复访问可能被不同规则记录。推广成本可以纳入贡献利润，但必须清楚它是平台归因成本还是增量获客成本。

在投放决策中，我会同时看归因投产和退款调整后贡献，不会只看广告后台的成交金额。若广告带来的客户退款率显著高于自然流量，广告预算就应该使用渠道专属退款参数。

5. 数据精度不等于决策精度

把利润计算到小数点后两位，不代表结果一定准确。如果商品成本缺失、退款原因混乱、广告归因不稳定，再精细的计算也只是形式上的准确。

经营负责人应给数据增加置信等级：

• 高置信度：订单、退款、成本和处理结果均可逐单关联。
• 中置信度：部分费用通过明确规则分摊，核心趋势稳定。
• 低置信度：大量数据依靠全店平均或人工估算，只适合方向判断。

当数据置信度较低时，建议把结果用于预警和筛选，而不是直接做大幅度定价调整。

十三、最终行动清单：下一步从哪一张表开始

1. 先找出三组 SKU

今天就可以从近 30 天数据开始，找出三组商品：退款损耗总额最高的 10 个 SKU、退款调整后贡献利润最低的 10 个 SKU，以及销量增长最快但数据尚未稳定的 10 个 SKU。

如果一个 SKU 同时出现在两组或三组名单中，它就是优先级最高的经营对象。

2. 为每个重点 SKU 填写一张利润卡

3. 用一个决策问题结束每周复盘

每周不要只问“本周利润是多少”，而要问：“如果下周订单增加 30%，这个 SKU 的退款损耗、广告成本和履约能力是否仍然可控？”

这个问题会迫使团队关注边际利润，而不是沉浸在历史平均值里。一个商品过去赚过钱，不代表新增订单仍然有价值；一个商品退款率较高，也不代表只要原因可修复就应该马上放弃。

4. 独特观点：退款损耗决定的不是售价，而是增长上限

把退款损耗纳入电商利润计算，表面上是在修正商品定价，实际上是在重新定义增长上限。商品售价决定每单能留下多少钱，退款损耗决定其中有多少利润会在售后环节被拿走，二次销售能力决定损失能否恢复。

真正值得扩量的 SKU，不是销量最高的商品，而是订单增加之后，仍能保持正向、稳定且可解释贡献的商品。

下一步可以先用近 30 天数据做快速筛选，再用近 90 天数据验证参数稳定性。若企业已有多平台、多商品和多费用来源，可以使用九数云等数据分析工具连接订单、退款、成本、广告和库存数据，建立商品级利润看板；但无论采用何种工具，都应先统一口径，再计算损耗，最后把结果转化为定价、投放、页面和供应链动作。

当退款损耗真正进入商品利润表，经营负责人看到的就不再是“卖了多少”，而是“每增加一笔订单，企业究竟留下多少，以及这份利润能否持续”。

免费注册

咨询方案

扫码咨询方案