评估 Temu 店铺的本地化运营质量，不能只看商品页面写着“本地发货”，也不能只看包裹最终有没有送达。真正值得检查的是：平台承诺的时效是否兑现、库存是否确实靠近消费者、物流节点是否连续可核验、异常是否有人处理，以及退货能不能在本地完成。履约物流是一条可观察的运营链路；我会把它拆成承诺、库存、交接、运输、签收、售后六段，用订单和物流事件交叉验证，而不是凭页面标签下结论。
一件商品从本地仓库寄出，只能说明履约链条中的某个环节可能在当地。它并不能自动证明库存长期在当地、订单能在承诺时间内出库、物流信息可追踪、末端配送稳定，也不能说明退货和退款由本地流程承接。
我评估本地化时，会先问一个更具体的问题：消费者在某个地区下单后，订单从“可购买”到“妥投”经历了什么？如果页面承诺两天送达，但订单三天后才出现首次承运扫描，那么末端快递即使只用了两天，消费者体验仍然是延迟。要判断运营质量，起点应是消费者看到的承诺，终点应是消费者实际收到商品或解决问题，而不是仓库发货时间。
我通常把检查对象拆为六段：商品承诺、库存位置、订单处理、承运交接、末端配送、退换货处理。每一段都要找到能验证的时间戳或记录，并检查这些记录是否能对应同一笔订单。
这六段不是六张互不相关的检查表。它们之间存在因果关系：库存不准会带来拆单、取消或跨区调拨；出库慢会消耗承诺时效；节点缺失会增加客服咨询；退货绕回境外则会拉长退款周期并放大获客成本。本地化的判断核心，是整条链路是否能在目标市场稳定交付，而非某一个仓库或某一家承运商是否位于当地。
检查报告不宜简单写“本地化良好”或“物流不稳定”。我会把每个结论分成三档：已验证，意味着有订单级证据支持；部分验证，意味着有迹象但样本或证据链不完整；未验证，意味着目前无法排除其他解释。例如，“订单从当地仓发出”若只有面单始发地，最多属于部分验证；若有仓内出库记录、当地承运商首次扫描和订单追踪记录相互对应，结论才更有支撑。
这类分级能避免两种常见误判：一是把某一笔快速送达的订单当成稳定能力；二是把追踪页面没有更新直接等同于包裹没有移动。日志缺失本身是值得处理的问题，但它与实际运输失败不是同一件事。
消费者通常不会区分商家备货、仓库拣货、承运商揽收和末端派送。对消费者来说，关键是付款后何时收到货，以及延迟时能否获得可信更新。因此，运营团队若只报告“出库及时率”，可能会漏掉面单创建后迟迟没有首次扫描的空窗；若只报告“妥投率”，又可能掩盖大量超过承诺期才送达的订单。
我会将消费者可见时长拆成几段：下单到仓库接单、仓库接单到出库、出库到首次承运扫描、首次扫描到妥投。拆分的价值不只是找到慢点，还能定位责任边界。比如前两段耗时高，通常优先查库存与仓内流程；后两段耗时高，则要进一步看承运线路、区域覆盖和末端服务。
“当地仓”不代表一个国家所有消费者都能获得相同体验。偏远邮编、岛屿地区、节假日、偏远地区转运和不同承运商服务等级，都可能造成显著差异。只在大城市下单测试，容易把覆盖能力误当成全国能力。
因此，样本至少要按地区、商品类型、承运路线和订单时段分层。测试不需要一开始就铺满所有邮编，但应覆盖主要消费区域、边缘地区和高风险路线，并明确哪些区域没有被测试。没有覆盖到的区域应标成未知，而不是默认与核心城市表现一致。
日常时段表现好，不足以说明促销高峰也能兑现承诺。订单量突然上升时，库存同步、仓内波次、打包人力和承运商揽收能力都会承压。另一方面，单次活动期延迟也不应直接被外推成全年常态。
我会将平日、促销期、节假日前后分别记录，并确保比较的商品和地区尽量相近。这样才能判断问题来自季节性运力、临时库存不足，还是运营流程长期存在瓶颈。
检查物流时，外部法规、平台规则和企业内部目标不是一回事。以美国市场为例，联邦贸易委员会关于邮购、网络和电话订单的规则，对卖家在无法按承诺发货时的通知与退款等义务有要求；美国《INFORM Consumers Act》则涉及特定在线市场上的卖家信息披露与消费者保护安排。它们可以作为合规背景，但不能据此推导 Temu 的内部物流评分、仓库审核阈值或具体承运时效。
评估时我会把来源标清：法规用于识别法律义务，平台公开帮助页面用于确认公开规则，订单日志用于验证实际执行，内部建议基准则明确标记为建议值。这样既避免把经验阈值写成平台规则，也方便团队后续复核。
面单创建通常说明订单进入了某个处理步骤，却不必然证明包裹已经交给承运商。若运营报表把标签创建时间当作发货时间，出库及时率可能很好看，但消费者仍看不到有效物流轨迹。
我会分别记录面单创建、仓库出库、承运商首次扫描三个时间戳，并计算相邻节点的时间差。若系统只能提供一个“发货时间”，就要注明定义和局限，不应和承运商扫描时间混用。
单笔订单只能说明那笔订单的经历。它可能刚好命中核心城市、库存充足、没有遇到周末或天气影响。若要判断稳定性，至少需要多个订单、多个地区和多个时间窗口。样本量不足时，应报告观察范围，不要只报一个平均数。
更重要的是同时看中位数和尾部表现。平均时效会被少数极慢订单拉高，也可能被大量快速订单稀释严重延误。建议并列展示中位数、90分位时长和承诺期内妥投率：中位数描述典型体验，90分位帮助识别尾部风险，妥投率则回答承诺是否兑现。
仓库地址在当地，不代表目标商品持续有货，也不代表库存能够按消费者所在区域履约。商品可能只在单一节点有少量库存，活动开始后迅速售罄；也可能因为库存账实不符，订单接下后才触发跨区调拨。
检查时需要把可售状态、下单结果、仓库出库记录和取消原因联系起来。如果页面显示可售但订单随后取消，应进一步区分缺货、地址限制、商品限制和支付问题。不能仅凭仓库地址推断本地库存策略成熟。
承运商的妥投状态有价值，但它不总能解释包裹是否由本人签收、是否放在安全位置、是否误投。高价值或易损商品尤其需要结合消费者反馈、投递证明和客服记录判断。若系统将“投递尝试”也合并为“完成”，妥投率的解释会失真。
我的做法是核对追踪状态定义，保留消费者投诉类型，并把“承运商标记妥投”与“消费者确认收到”分开观察。前者适合衡量承运商状态回传，后者更接近实际体验，但获取成本也更高。
全站时效可能被核心城市的大量订单主导。偏远区域即使频繁延迟，也可能只占总订单的一小部分，从而被平均值隐藏。相同问题也会发生在大件商品、特殊包装商品和需要额外验证的商品上。
最少要按地区、商品类别、发货仓、承运商和订单日期做切片。切片过细会造成样本不足，切片过粗又会掩盖问题。报告应在可解释性与统计稳定性之间取舍，并标出每个分组的订单数。
一次顺利送达可以证明正向路径可运行，但本地化还包括失败后的恢复能力。商品破损、地址错误、派送失败、消费者拒收和退货申请，都会检验客服、仓库和退款流程是否真正衔接。
我会把异常订单作为独立样本，不把它们简单删除。取消、拒收、补发和退款都是履约系统的一部分。若异常样本完全没有记录，团队就无法判断损失来自商品、仓库、承运商还是售后协同。
评估开始前，先写清楚这次要回答的问题：是判断某个市场是否具备本地履约能力，还是验证某个品类的承诺时效，或是评估一个现有仓库的旺季承载？问题不同，采样单位就不同。只想看全国总体表现时，按订单随机抽样可能可用；要定位某条线路，则必须按地区和承运商分层。
对小规模诊断，可先抽取连续订单，快速寻找明显断点；对正式评估，应分开覆盖不同地区、商品和时间窗口。若样本不是随机抽取，例如只挑选有完整轨迹的订单，必须说明存在选择偏差，不能把结果解释成总体表现。
截图适合呈现个案，却不适合做批量统计。建议建立一张订单事件表，每行对应一笔订单，事件字段使用统一时区、统一格式，记录来源系统与采集时间。至少保留订单创建、仓库接单、面单创建、出库、首次承运扫描、关键中转、妥投、异常、退款或退货节点。
数据处理时要区分事件时间和记录入库时间。承运商可能晚些时候补录扫描，若只用系统抓取时间，会把物流耗时误算为更长；若只用事件时间，又可能忽略信息对消费者可见的延迟。两者都重要，应分别保存。
订单标识、运单标识和包裹标识也要分开。一笔订单可能拆成多个包裹，一个包裹可能经过不同承运商；如果把订单和运单一对一处理，拆单履约就会被统计错。遇到改派或换单，要保留原运单与新运单的关联。
不同地区、商品和下单时间可能对应不同配送承诺。将所有订单统一拿“几天送达”比较，会混淆承诺差异。应在下单时保存当时显示的预计送达窗口，之后用实际妥投时间比较，并计算承诺期内妥投率。
如果页面只展示动态区间，要保存下单时的区间上下界，而不是评估时重新打开页面后抄录。商品页、结账页和订单详情页也可能出现不同信息；应记录消费者在付款决策阶段实际看到的承诺，并保留页面时间戳或截图作为辅助证据。
我不会用一个“物流评分”代替全部判断。最少应分四类：速度，回答履约用了多久；稳定性，回答不同订单之间波动有多大；可见性，回答轨迹是否连续且及时；恢复能力，回答异常出现后是否通知、补救和闭环。
| 维度 | 建议指标 | 计算或解释方式 | 常见误读 |
|---|---|---|---|
| 速度 | 承诺期内妥投率 | 实际在承诺窗口内妥投的订单数，除以可评价订单数 | 忽略取消、拆单和未完成订单的处理口径 |
| 稳定性 | 妥投时长中位数与90分位数 | 分别观察典型订单与较慢尾部订单 | 只报告平均数，掩盖长尾延误 |
| 可见性 | 首次扫描延迟、轨迹完整率 | 区分面单创建、仓库交接及承运商事件 | 把标签创建误当成承运商已收件 |
| 库存真实性 | 可售后缺货取消率 | 识别下单后因库存原因取消或改派的订单 | 把所有取消都归因于库存不足 |
| 恢复能力 | 异常关闭时长、消费者通知覆盖率 | 观察异常被识别、沟通和解决的完整过程 | 只看最终退款，不看问题发现和告知延迟 |
| 逆向履约 | 退货签收至退款完成时长 | 单独记录退货运输、仓库验收及退款处理节点 | 把退货标签生成当成退货流程完成 |
一个延迟订单可能涉及多个环节。仓库晚出库、承运商漏扫、跨区转运中断、消费者地址错误，都可能形成相似的“未更新”表象。应先按时间戳还原事件，再判断问题归属。
“未知”不是报告失败，而是对证据边界的诚实描述。若没有仓库出库日志，不能把出库延迟断言为事实；若只有承运商扫描，不能反推仓库库存准确。先补齐证据，比用经验填补缺口更能帮助团队改进。
以数跨境为例，可以把它作为经营数据汇总、整理和分析的入口，讨论如何把商品、市场、订单表现与履约记录放进同一张分析视图。数跨境官网为 https://shukuajing.jiushuyun.com/。具体可用的数据源、连接方式和字段范围，应以其当前产品说明、账号权限及实际接入情况为准，不能预设任何工具天然拥有完整的仓库、承运商或平台内部数据。
我的专业判断是：数据平台擅长解决“数据分散后如何统一观察”，但不自动解决“数据来源是否完整、定义是否一致、事件是否真实”。物流评估必须保留订单原始记录、承运商轨迹和页面承诺等可核验来源。若某个指标只能从汇总看板看到，却无法回到原订单验证，应该标记为待核实，而不是当作最终证据。
实操时，我会先对齐订单日期、商品标识、目的地地区、发货仓、承运商和运单标识。然后按订单连接页面承诺、库存变化、出库事件和追踪节点。最常见的麻烦不是缺少漂亮图表，而是不同系统里同一地区名称写法不一、时间采用不同格式、一个订单对应多个包裹。
例如，订单系统把目的地写成州或省，承运商数据只提供邮编；有的事件以当地时间记录，有的以协调世界时记录；同一运单在承运商更换后还可能生成新的追踪号。数据整合前若没有统一映射，区域时效对比就会混入匹配错误。
建议保留一张字段字典，说明每个指标的定义、来源、更新频率、时区及缺失值处理方式。对“发货时间”这样的模糊字段，拆成“仓库出库时间”和“承运商首次扫描时间”；对“到货时间”，明确使用承运商妥投事件还是消费者确认收货。
下面用一组情景模拟数据演示分析逻辑，不代表数跨境用户真实数据、Temu 实际表现或任何店铺的运营结果。假设某商家在四周内观察 240 笔订单，其中核心城市 150 笔、次级城市 60 笔、边缘地区 30 笔。若全站妥投中位数为 2.8 天，管理者可能觉得整体表现可以；但进一步拆分后，核心城市中位数 2.1 天，次级城市 3.2 天，边缘地区 5.4 天。
如果边缘地区的页面承诺窗口与核心城市相同，就不能只说“远一点所以慢”。需要核对该地区是否真的有本地库存、是否经过二次转运、末端承运商是否覆盖，以及承诺是否设置过于激进。若边缘地区原本就展示更长窗口，判断重点则转向承诺兑现率，而不是要求所有地区达到同一绝对时长。
在同一模拟场景里，若边缘地区的 90分位时长达到 8.1 天，且首次扫描延迟显著高于其他地区，可能说明风险不只在干线距离，也可能包含仓库交接、揽收频率或信息回传问题。此时应抽查具体订单的交接记录，不能直接将问题归为承运商慢。
在模拟数据中，240 笔订单里若有 18 笔出现晚于承诺或轨迹中断的情况，下一步不是马上计算“异常率”然后结束，而是把 18 笔逐单归类：库存原因、仓库处理、承运商交接、运输延误、投递失败、信息缺失或尚不能判断。分类要有证据字段，不能只靠客服备注里的主观描述。
如果其中 7 笔的首次扫描间隔超过一天，4 笔在边缘地区出现转运中断，3 笔是地址或投递问题，剩余 4 笔证据不足，那么运营动作就不同。前一类要与仓库交接记录核对，第二类要检查线路与扫描覆盖，第三类要看地址校验和末端投递沟通，最后一类则先补采数据，避免误归责。
数跨境等数据分析工具在这个环节的价值，是帮助团队按地区、商品和时间段切片，把风险订单集合筛出来，并跟踪指标变化。根因确认仍应回到订单、仓库和承运商的原始事件。工具能提升分析效率，但不能替代事实核验。
例如“首次扫描延迟不超过 12 小时”可以作为某个团队的内部观察线，却不是普遍适用的行业事实。仓库截单时间、承运商揽收频次、营业日定义和目的地都会影响合理区间。建议先用四到八周的历史数据建立基线，再按市场、路线和商品设定预警线。
若没有足够历史数据，可先使用“建议基准”做试运行，并在报告中明确标注。基准的作用是触发复核，不是直接判定违规或绩效不合格。发现异常后需要结合订单证据判断，并记录基准何时、为何调整。
新市场测试的目标不是证明每一笔订单都快，而是确认配送承诺有现实基础、关键区域可服务、异常发生时能够追踪。初期应选择有代表性的商品和邮编，分别覆盖主要城市、次级区域和边缘区域，并实际走完下单、追踪、妥投及必要的退货流程。
如果新市场尚无足够样本，不建议因为一两单表现良好就全面扩大广告或库存投入。可以先小批量上线，设置更保守的配送承诺和库存补货机制，等路线稳定后再逐步扩量。
投诉增加可能来自某一条线路、一种商品包装、一个仓库班次或促销期集中发货。先将投诉按目的地、商品、承运商、订单日期和问题类型分类，再与非投诉订单对照。若只根据总投诉量暂停整个市场，可能牺牲表现良好的区域，仍无法解决真正的瓶颈。
对每个异常群组，先比较承诺期内妥投率、首次扫描延迟、轨迹缺失率和退款处理时长。如果时效正常但“未收到”投诉增加，重点查妥投证明与末端投递；如果妥投慢且面单后无扫描，重点查交接流程；如果取消上升而运输正常，重点查库存准确性。
活动高峰期要同时看订单进入速度和各环节排队时间。若仓库接单至出库时间变长，增加仓内人力或调整截单安排可能有效；若出库后首次扫描明显延迟，则需要检查揽收频次、交接时间和承运商容量；若首次扫描正常但干线时长增加，则要与承运路线和旺季运力计划核对。
促销复盘应比较同类地区、同类商品、相似星期和相近承诺窗口，避免直接把活动周和普通周的总平均进行比较。也要看延迟是否集中在订单峰值后的特定日期，识别积压是一次性清空还是会持续影响后续新订单。
轨迹断点有两种截然不同的后果：包裹确实停滞，或包裹继续运输但事件没有被及时上传。两者都影响消费者信任，但处理方向不同。应抽查承运商官网、替代追踪来源、签收证明和消费者反馈，确认包裹是否实际移动。
如果运输正常而数据回传滞后，优先修复追踪号映射、事件同步频率和状态映射；若包裹实际停滞，则需处理线路、交接或末端服务。不要用“轨迹异常”作为最终根因，因为它描述的是观察到的状态，不一定描述真实物流过程。
退货流程至少要记录退货申请、标签生成、消费者寄出、退货仓签收、商品验收、退款批准和资金到账。不同商品类别可能采用不同退货仓或验收规则，应按商品和退货原因拆分。只看退款完成日，会看不出时间究竟耗在消费者寄回、仓库验收还是财务处理。
如果退货需要跨境寄回，或消费者无法找到清晰退货地址，本地化水平就不能仅凭正向物流判断为成熟。对低客单价商品，退回成本甚至可能高于商品价值；此时要评估替代补救方案、合规要求和消费者体验，而不是机械追求每件商品都回仓。
本地备货通常有机会缩短部分运输时间，但也会增加库存前置、仓储、调拨、滞销和库存分散的成本。跨境直发可能减少本地库存压力，却更依赖跨境线路、清关和较长的消费者等待。不能只把两者的妥投天数放在一起比较，应同时看库存周转、缺货率、退货成本、承诺兑现和资金占用。
| 方案 | 更适合的条件 | 主要收益 | 主要代价 | 必须验证的风险 |
|---|---|---|---|---|
| 本地备货 | 需求相对稳定、商品周转较快、目标地区订单密集 | 有机会缩短备货及运输链路，改善部分地区交付体验 | 增加库存资金、仓储、调拨和滞销风险 | 库存准确性、仓间分配、旺季补货及退货处理能力 |
| 跨境直发 | 需求不确定、长尾商品多、订单量尚不足以支撑当地库存 | 减少本地库存前置，保留商品组合灵活性 | 时效较长，对跨境运输和节点可见性依赖更高 | 承诺是否诚实、清关延迟、追踪连续性及售后成本 |
| 混合履约 | 核心商品销量稳定、长尾商品需求波动大 | 将本地库存资源集中在确定性较高的需求上 | 规则复杂，库存与路由需要持续协调 | 同一商品不同地区承诺是否一致，拆单是否增加成本 |
对多数成长阶段商家，我倾向于先验证混合策略，而不是把所有商品一股脑压到本地仓。把销量稳定、补货周期可预测、退货可控的商品作为本地备货候选；需求波动大、体积大或售后不确定的商品，先用小规模订单观察需求与履约成本。
缩短页面承诺有可能提升转化，但如果仓库出库和运输能力没有同步改善，延迟投诉、退款和客服成本会抵消转化收益。承诺设定应基于地区和路线的实际分布，尤其要留意慢速尾部，而非只按最好的一批订单设计。
若消费者偏好更快送达，可以优先针对有稳定库存和可靠线路的区域提供较快承诺；若覆盖范围广但路线差异明显，应使用区域化时效。无法做到精准分区时，略保守但稳定兑现的承诺，往往比激进但频繁失约更可持续。
追踪系统可以不断加入更多事件，但不是事件越多就越有用。对消费者来说，关键是订单何时被接收、何时交给承运商、是否延误、预计何时到达以及失败后怎么办。对运营来说，关键是仓库、交接和末端节点能否归因。
若预算有限，先确保订单、运单、仓库出库和承运商扫描可以对应，统一时区与事件定义，再考虑更复杂的实时看板。没有数据字典和稳定主键的可视化，只会更快地产生不一致的数字。
管理层需要少数稳定指标观察趋势，运营人员需要订单级明细定位根因，两者不应强求用同一张报表完成。可以保留一组管理指标，例如承诺期内妥投率、妥投90分位和退货退款时长；再为仓库、物流和客服分别提供可以钻取的明细字段。
如果管理报表细到每条扫描事件，阅读成本会过高；如果运营报表只给一个总分，行动又无从下手。指标体系应采用“总览发现风险、分层定位问题、订单复核证据”的三级结构。
如果团队尚未建立完整物流分析体系，可以先用一周完成一次轻量诊断。目标不是立即得出全国运营评级，而是找到最值得优先处理的断点，并明确哪些结论仍缺数据。
第一，消费者看到的承诺是否与实际履约能力相匹配？第二，问题集中在哪些地区、商品或履约节点？第三，下一步投入资源能否改变结果，还是需要先补足证据？如果报告只能给出“整体时效尚可”，却无法指出最慢的环节和受影响的人群，就还没有完成运营诊断。
一个有用的结论可以这样写：“本次样本覆盖三个地区、两类商品和两个下单时段；核心城市订单大多在承诺窗口内妥投，边缘地区样本较少且首次扫描记录不完整，因此只能确认核心城市履约表现，边缘地区仍需补样。当前优先动作是核对该地区交接记录并延长追踪观察，而不是直接扩大库存。”这种写法既说明判断，也交代边界与下一步。
我对本地化运营质量的判断，最终落在一个不太“营销化”的问题上：当订单增长、地区变复杂、促销压力上升时，消费者得到的承诺是否仍然可信？本地仓、当地承运商和快速页面标签都是输入条件，不是结果。只有库存、交接、运输、信息回传和售后形成可追溯闭环，才谈得上稳定的本地履约能力。
下一步，不必先追求一个笼统的物流总分。先挑一个市场和一个具体问题，例如“边缘地区为什么频繁晚于承诺”，然后抽取订单级事件、核对来源、分解时间、复盘异常。若已有数据分散在多个系统，可用数跨境这类数据分析入口协助汇总和切片，但仍要保留原始记录作为证据。先让结论能回到订单，再决定是否扩仓、换线或调整承诺；这是评估本地化运营最稳妥的顺序。
我在评估一个目标市场的运营质量时，常会看到页面承诺的送达时间很短，但实际订单的体验差异很大。我想知道应该看平均时效，还是看更多订单的波动情况。
按国家或地区、物流渠道和商品类型分组，统计从下单到签收的中位数、P90时效（90%的订单在此时间内送达）及超时率，并与页面承诺时效对照。若中位数达标但P90明显偏长，说明部分地区或订单仍有履约短板；建议连续观察至少数周，避免被促销或节假日单周数据误导。
我曾遇到物流页面长时间没有更新，后来商品却突然送达的情况，因此不确定轨迹是否只是展示问题。我想在检查本地化运营时，分清物流数据不完整和实际履约延误。
重点核对揽收、离开发货地、进入目的国、清关完成、交接本地承运商和签收等节点，并记录节点缺失率及节点间停滞时长。可抽样比对订单记录、承运商查询结果和消费者签收时间；若大量订单卡在同一节点，优先排查交接、清关或本地承运商处理能力，而不是只看最终是否送达。
我在看订单表现时发现，签收率不错并不一定代表消费者体验好，破损、错发或退货也可能增加售后压力。我想知道这些问题该如何按物流环节定位。
分别统计丢件率、破损率、错发率、拒收率和物流原因退货率，并按仓库、承运商、商品类别及地区拆分。将退款或售后原因与物流轨迹、包装和签收记录关联：集中发生在某承运商时检查运输环节，集中在某仓库或品类时检查拣货与包装；同时区分消费者原因退货，避免把商品问题全部归到物流。
我在比较跨境直发和本地履约时，发现本地方案配送更快，但仓储、备货和退货处理成本也更高。我想用一套可落地的口径判断是否值得切换。
按每个已签收且未退款订单计算总履约成本，纳入头程或入仓、仓储、拣配、末端配送、退货处理及库存损耗，再与准时签收率、取消率和物流投诉率一起比较。建议按地区和商品周转情况做试点，并明确库存持有周期与滞销损失；只有服务改善带来的增量收益能覆盖新增成本，且试点结果稳定时，才扩大本地备货。
读者评论
我遇到过面单生成后两天才有揽收记录的情况，后来包裹其实正常送到，但这段空窗确实让人不放心。除了看实际运输时间，我觉得物流信息多久能同步给消费者也值得单独记录。
按地区和时段拆分很有必要，不过小样本的90分位数容易被个别订单带偏。实际做评估时，最好同时写清订单数和样本范围，避免一个数字看起来比它实际更可靠。
退货路径比正向配送更难验证，尤其是退款时间可能还受商品检查影响。若要比较不同订单，建议把退货签收、审核完成和退款到账分成几个节点，不然很难定位究竟卡在哪一步。