Temu广告花费上升，订单却没同步增长，问题未必出在出价：有时是商品的可售价格没有给广告留空间，有时是货品本身不适合当前的履约成本，还有时则是广告把一个尚未验证的选品问题放大了。我做投放复盘时，会先把选品、定价、履约和广告放进同一张利润表，再判断该加预算、改价格，还是暂停测试；单看点击率或订单数，很容易把亏损商品误判成“就差一点流量”。
广告的作用，是把商品展示给更多潜在买家，并帮助卖家观察哪些需求、素材和价格组合能产生有效行为。它可以加快验证，却不能自动改善产品质量、消除高退货率，也不能把不合理的履约成本变没。商品的基本经济模型如果已经不成立，增加曝光通常只会更快地消耗预算。
因此，我不会把“广告订单增长”直接等同于“投放成功”。我至少要继续追问：订单扣除商品成本、平台相关费用、履约成本、退款损耗和广告费用后，是否仍有可接受的贡献；新增订单来自更有效的流量，还是单纯用更高花费买来；当预算增加后，边际成本是否仍能承受。
核心判断顺序是：先确认商品可卖，再确认定价有空间，接着确认广告有可接受的获客上限，最后才扩大预算。其中任何一环不确定，都应把预算视作测试费用，而非默认可持续的增长投入。
三道门不是一次性审批。商品进入投放后，价格、竞争、库存和用户反馈都会变化。我的做法是先用小规模预算验证，再按商品表现分层；只有商品、利润与广告信号同时成立，才讨论扩量。
| 判断状态 | 商品与利润信号 | 广告动作 |
|---|---|---|
| 待验证 | 成本或需求假设尚未确认 | 小额、限时、单变量测试，不追求规模 |
| 可优化 | 有订单但贡献偏薄，或流量转化有明显阻塞 | 先修价格、页面或履约，再比较投放变化 |
| 可扩量 | 多批次数据下贡献可接受，库存和质量可支撑 | 逐步增加预算，设置边际成本与库存止损线 |
选品阶段，团队通常在问“有没有需求、竞争是不是太强”；定价阶段在问“这个价能不能卖、能不能覆盖成本”；广告阶段则在问“流量能不能带来订单”。这三套判断常由不同的人、不同的表格、不同的时间段完成，最后各自看起来都合理，合在一起却可能互相矛盾。
例如，选品表按照供应商报价判断毛利不错，但报价没有包含包装、头程、仓储或可能发生的售后损耗；定价表又用标价计算毛利，没有扣促销折让；广告复盘只看广告投入产出比，却使用了与财务结算不同的销售额口径。这时，团队不是缺一张更复杂的广告报表，而是缺一条能够从商品假设追到实际贡献的证据链。
Temu不同站点、类目、经营模式和账号阶段的业务规则可能存在差异，广告入口、计费方式、可用数据、结算口径和活动安排也可能调整。我不会假设所有卖家面对完全一致的广告设置，更不会把某个账号中的投放经验说成平台通用机制。实际执行前，要以账号后台的当前规则、结算记录和平台通知为准。
卖家较能控制的，通常是商品组合、供应链谈判、包装方案、价格策略、页面信息质量、广告测试方法和库存节奏。较难控制的，则包括平台分发变化、竞品降价、需求季节性以及部分履约和售后结果。把外部变化记入复盘，能避免团队把市场变动误判成某个广告按钮的效果。
广告平台可能展示曝光、点击、消耗、订单或归因销售额；经营表格可能展示实际结算、退款和货品成本。两者回答的问题不同。投放数据更适合观察流量和归因行为，结算及成本记录更适合判断是否赚钱。归因销售额不是净利润，广告面板中的投入产出比也不等于商品完整经营回报。
我会为每个商品建立统一识别码，把广告报告、商品主数据、采购成本、库存和结算记录尽量关联起来。如果产品名称经常改、同款多规格混在一个名称下，或者促销期间没有记录实际成交价，再精细的分析也可能得出错结论。
这条链路的价值，不是让每个环节都有更多表格，而是让前一个环节提出的假设能被后一个环节验证或推翻。比如，如果页面点击不少而下单少，问题可能是价格或商品表达；若下单正常但退款明显，继续加流量并不是优先答案。
标价减采购价，只能得到非常粗略的价差。实际经营还要考虑采购附加成本、包装、履约相关支出、平台结算差异、促销让利、退货损耗和广告成本等。不同类目和经营方式的费用结构不同，因此不宜套用一个行业通用比例。最好直接依据自己的结算单、采购记录和售后记录核算。
若把尚未扣除的费用当作可投广告的钱，投放看起来可能“有利润空间”，直到退款、仓储或活动成本出现才发现现金贡献为负。对于小件、低价、高退货风险商品，几分钱或几个百分点的口径差异，可能就足以改变是否继续测试的结论。
同一项广告销售额，在不同成本结构下意味着不同结果。高贡献商品可以承受较高获客成本；薄利商品即使面板上的广告回报看起来相似，也可能无法覆盖所有经营成本。反过来，如果广告报告把部分原本会发生的订单归因给广告，仅凭归因回报也可能高估广告的增量价值。
因此，我会把广告归因结果视作一个观察信号，而非唯一利润答案。能做时，可比较投放前后、不同商品组或不同时间段的整体订单变化，并记录促销、缺货、价格变更等干扰因素。若没有足够对照条件，就明确标注“归因观察”，不把它包装成严格的增量结论。
点击率偏低可能来自主图不清晰、商品定位不准，也可能是展示的人群和商品本身不匹配；点击率高但订单差，可能是价格、规格信息、配送预期或评价信任造成的阻塞。只对某一个指标做动作，容易改错地方。
我会把流量路径拆成曝光、点击、商品页行为、下单、履约和售后。点击率帮助判断展示是否吸引注意，但无法独立证明商品能成交；下单率也不能独立证明订单有利润。每个阶段都要配一个适合的诊断问题，而不是见到红色数字就立刻改素材。
短时订单增长可能与促销、站点流量、节日需求、价格变化或偶然的展示机会有关。如果库存、供应速度和质量控制跟不上，爆量也会转化为断货、发货风险或售后压力。对刚上线的商品，我更看重多个观察窗口是否重复出现相近信号，而不是某一天的峰值。
所谓“重复验证”不一定要等待很长时间，而是要确认增长发生时的条件。若首次增长完全依赖大幅降价，第二轮测试应该验证更接近常态的价格；若订单集中来自单一款式，扩充整个系列之前先确认这款的供应和退货情况。
广告实验最常见的隐性成本，是团队每次都改很多变量。结果变好时不知道是哪项起作用；结果变差时也找不到该回滚的设置。尤其当测试预算有限，多个变量同时变化会让本来有限的样本更难解释。
更有效的顺序是先指出一个具体假设，例如“在价格不变时，清楚展示尺寸能否改善点击后的下单表现”。再限定测试期间，尽量保持其他条件一致。如果受平台机制限制无法完全控制变量，就记录变更时间并缩小结论范围，不把相关性写成因果关系。
我建议每个商品至少保留三种口径。销售额用于描述成交规模；结算收入用于核对卖家最终可获得的收入；广告前单件贡献用于判断广告最多能消耗多少空间。费用字段应按自身业务实际填写，不能直接照抄其他卖家的比例。
一个简化的估算框架如下，其中退款损耗可用历史期望值估算，也可以先单独列示风险情景。公式用于内部判断，不替代平台实际结算或会计核算。
广告前单件贡献 = 预估结算收入 − 采购及包装成本 − 履约相关成本 − 预期售后损耗 − 其他可归属变动成本
单件广告可承受上限 = 广告前单件贡献 − 目标单件贡献底线
如果广告前单件贡献为负，或单件广告可承受上限小于零，这个商品就不能靠加广告预算来解决。若卖家处于战略测试阶段，可以接受短期亏损，但应把亏损定义为有期限、有预算、有验证目标的研究费用，并设停止条件。
假设一个商品的示意成交价为10.00美元，预计结算收入为6.80美元，采购及包装成本为2.20美元，履约相关成本为1.50美元，预期售后及其他变动损耗为0.50美元。那么广告前单件贡献是2.60美元。若经营者希望每件至少保留0.80美元贡献，单件广告花费上限就是1.80美元。
这只是情景模拟，不是任何卖家的真实账单，也不是平台通用费率。当实际结算低于预期、促销幅度变大或退款损耗上升，1.80美元上限也必须随之调整。反过来，若实际贡献更高，并且供货和售后稳定，才有讨论提高上限的基础。
| 项目 | 模拟金额 | 说明 |
|---|---|---|
| 预估结算收入 | 6.80美元 | 示意值，执行时用实际结算数据替换 |
| 采购及包装成本 | 2.20美元 | 应覆盖适用的采购与包装支出 |
| 履约相关成本 | 1.50美元 | 按实际业务模式核算 |
| 售后及其他变动损耗 | 0.50美元 | 示意期望值，低样本时应保留风险缓冲 |
| 广告前单件贡献 | 2.60美元 | 结算收入扣除上述成本后的余额 |
| 目标单件贡献底线 | 0.80美元 | 经营者自行设定的目标，不是行业标准 |
| 单件广告可承受上限 | 1.80美元 | 仅在上述情景假设成立时适用 |
如果可获取的数据允许卖家观察每单广告花费，可以直接将其与单件广告可承受上限比较。如果只能观察总花费和广告归因订单，就可以用广告花费 ÷ 可比口径的归因订单数作为近似获客成本，但要注意归因规则、退款窗口和订单口径未必与实际利润一致。
当观察期样本很少时，单次偶然订单会显著影响平均值。与其声称一个精准的“目标成本”，不如先设一个可接受区间，再根据多个时间窗口更新估计。务必保留日期、价格、预算、库存、活动和广告设置的记录，避免把缺货或促销造成的变动归到广告本身。
下面的曲线仅是情景模拟，用于说明预算增加后的边际表现可能变差，并不代表Temu平台真实投放数据。真实账户应以后台记录重新计算。
漏斗的重点不是追求某个通用转化率，而是比较同一商品、相近条件和相同统计口径下的变化。若曝光充足但点击偏弱，先检视商品表达和目标需求；点击可观而加购或下单较弱，检查价格、规格和页面信息；成交不少但贡献差，则返回定价和履约模型。
若广告数据不提供完整的商品页行为数据，可用后台可见信号、订单和人工抽样记录组成近似路径，并清楚标记哪些环节缺失。不要用不可见的数据补成看似完整的漏斗。数据不够时，最专业的结论有时就是“当前只能定位到这一段，下一步需要补采样”。
为了避免把模拟数据伪装成卖家实绩，下面用一个虚拟的轻小家居收纳商品演示决策过程。示例不代表任何店铺、类目平均值或平台实际表现；数值仅用于说明怎么从选品、定价一路推到广告动作。涉及工具时，我会以数跨境作为“统一整理经营数据”的应用场景示例。数跨境官网为 数跨境官网；具体产品能力、数据来源、连接方式和适用范围应以官网及实际演示为准。
我不把任何工具描述成能自动替卖家做出正确经营判断。真正重要的是先约定商品编码、币种、日期、价格和订单口径，再把能获得的数据整理到可复核的位置。工具帮助降低整理和汇总成本，是否该停投、改价或扩量，仍要回到实际结算、成本和经营目标。
假设团队正在比较三款家居收纳品：可折叠布袋、塑料分隔盒和小型抽屉架。团队可以先收集各自的供应报价、包装体积、重量、可提供图片、供货稳定性、竞品价格观察和潜在合规资料。若需求信号强但包装体积大、运输破损风险高，它未必比需求中等但更容易履约的款式优先。
我会把选品比较拆成可验证字段，而非凭一个“潜力分”决定。比如，需求证据来自何处、采集时间是什么、是否受节日影响；成本是否含包装、是否有最低订购量；竞品价格是标价还是活动价；商品差异能否被图片展示。记录这些信息，才知道后续广告结果是否支持最初的判断。
以下评分是用于团队讨论的建议基准演示，每项按1至5分打分，权重由团队结合类目与经营模式设定。分数不是市场事实，也不应脱离原始证据单独使用。
假设布袋商品在两个价格情景下，预估结算收入和单位成本经过内部测算后，广告前单件贡献分别是2.60美元和2.10美元。若团队的目标单件贡献底线为0.80美元，对应的示意广告花费上限分别是1.80美元和1.30美元。价格看起来只差一点，广告空间却可能减少约28%。
这不是说价格越高越好。较高的成交价可能降低点击后的下单意愿；较低的价格可能提高销量，却挤压投放上限。正确问题是：在目标买家接受的价格范围内，哪一个价格与商品表达、广告成本和履约风险组合起来，仍符合经营底线？要回答这个问题，最好分阶段测试，不要在同一批数据中同时改价和改素材。
以数跨境为例，我会优先把它放在“业务数据整理和分析流程”的语境里讨论，而不是假设某个特定报表或连接功能必然适用所有店铺。落地前先确认官网和实际演示中能否满足团队需要的来源、字段、更新频率和权限，再决定是否纳入工作流。若当前数据只能通过人工导出，也可以先用统一模板完成验证，不要为上工具而上工具。
具体可以先整理四类数据：商品主数据、采购与成本记录、广告表现记录、订单及售后结果。团队应对齐商品编码、币种、时区、日期范围和促销标记。若同一商品在广告表里叫“收纳袋”，采购表里叫“折叠袋”，售后表里又按供应商型号记录，必须建立可靠映射，否则汇总结果会漏单或重复。
我通常先做一张可追溯的商品周报，至少保留数据日期、商品编码、实际成交价格、广告消耗、可比订单数、退款记录、库存状态和成本版本。每次结论都能回溯到输入数据，比制作一张漂亮但无法解释口径的仪表盘更有价值。
假设某商品一周内广告预算从每天20美元提高到40美元，广告订单从每周18单增至29单，看上去增长明显；但同一期间，平均获客成本由1.10美元升到1.45美元，退款后的有效订单率也从90%降到82%。若单件广告可承受上限为1.30美元，那么后一个预算档位需要进一步拆解：多出的订单是否来自成本偏高的流量，退款增加是偶然波动还是商品预期不符？
我不会因为获客成本略超线就机械停投，也不会因为总订单增长就继续加码。要看超线幅度、样本量、有效订单、可售库存和试验期限。若额外订单质量尚可且只是短期样本波动，可以维持小预算继续观察；若多次观察均突破上限且售后变差，应先修正价格或商品表达，必要时暂停。
| 观察项 | 第一周模拟值 | 第二周模拟值 | 如何解读 |
|---|---|---|---|
| 日预算 | 20美元 | 40美元 | 第二周增加投放规模，需检查边际表现而非只比订单总数 |
| 广告归因订单 | 18单 | 29单 | 归因订单上升，但不能单独证明增量利润增加 |
| 平均获客成本 | 1.10美元/单 | 1.45美元/单 | 第二周高于1.30美元的示意上限，需要检查边际订单 |
| 退款后有效订单率 | 90% | 82% | 应确认是否与规格误解、质量或样本波动有关 |
曝光偏少时，不要立即判断商品没有需求。先排查商品是否正常可售、页面信息是否完整、库存是否可支撑、广告是否符合当前设置要求，并核对数据日期和报表延迟。若前置条件无误，再考虑商品竞争、展示素材和预算是否限制了测试。
对新品来说，目标不是强行追求大量曝光，而是获得足够的、可解释的测试信号。若曝光一直不足且原因无法定位，先减少变量、记录账号和商品状态，再按后台实际可用的诊断信息逐项核实。
先检查主图能不能让目标买家快速理解商品是什么、解决什么问题、规格或用途是否突出。若图片强调的是团队觉得有趣的功能，却没有呈现买家关心的使用场景，展示可能吸引不到正确人群。也要核实价格是否明显偏离自身观察到的可比商品范围，但不要仅凭个别竞品价格判断市场均值。
这一阶段适合一次测试一个素材或表达假设。保留原图、修改版、变更时间和观察范围，并尽量在可比条件下观察点击变化。若平台展示条件或流量来源发生明显改变，结论要标注为方向性观察。
点击说明展示产生了一定兴趣，却不代表买家接受实际商品。检查落地页是否清楚说明尺寸、材质、数量、适配范围、使用方式和包装内容；比较广告呈现的利益点与商品页实际信息是否一致；再看成交价、活动价和买家预期是否存在落差。
不要先把所有问题都归结为价格。商品描述含糊、规格容易误解或图片没有解释细节，同样会让用户退出。如果点击来自不匹配的需求，降价可能只会带来更多低质量订单。先找到最可能的断点，再设计一项能验证它的改动。
当获客成本高于允许上限，先用实际结算收入重算单件贡献，再确认该阶段是否发生大幅促销、退款增加、库存限制或特殊需求波动。若只是短时间内的波动，且商品贡献和有效订单仍有支持，可以设更小预算继续观察；若多个观察窗口持续超线，就不能把“学习期”当作长期亏损的理由。
结构性问题通常表现为：商品可售价格下的广告空间本来就不足，或者转化必须依赖无法长期维持的极低价格。此时优先回到供应链和产品方案，尝试降低包装体积、改善套装结构、调整采购条件或重新选择规格。只有成本结构改变后，投放模型才可能重新成立。
扩量前先确认供货周期、可售库存、补货现金占用和售后处理能力。广告带来的需求若快于补货能力，短期订单并不一定是净收益。扩量时分档增加预算，每次变动后观察成本、有效订单率、库存覆盖和结算贡献，而不是只盯销售额。
我会提前设定回撤条件，例如获客成本连续多个观察窗口超过上限、有效订单率明显变差、库存覆盖低于补货所需时间，或者供应商无法保持质量一致。阈值应由商品实际风险和业务目标制定，不能把本文模拟数字当作平台标准。
负面反馈常常比点击指标更早暴露商品问题。检查描述是否夸大功能、尺寸展示是否容易误解、不同批次质量是否一致，以及包装运输能否保护商品。若问题来源不明，先抽取订单或售后样本人工查看，再决定改图、改描述、换供应商或暂停投放。
继续购买流量，可能让尚未修复的问题触达更多买家。判断时不要只看评价数量，也要阅读反馈具体提到的场景和问题。少量但高度一致的质量投诉，可能比数量较多、内容分散的主观意见更值得优先调查。
新品缺少稳定数据，测试预算可以承担一部分学习成本，但每一笔测试都应回答明确问题：目标需求是否存在、价格是否被接受、素材是否传达清楚，或某种规格是否更适合。若预算花完后只能说“好像有流量”，说明测试设计没有给团队留下可执行信息。
我倾向于把新品预算分成探索和确认两部分。探索阶段允许多个假设小范围试错；确认阶段只对已经出现积极信号的组合追加验证。探索预算用来寻找方向，确认预算用来检查该方向能否重复，而不是把所有钱押在一次爆量上。
低价商品可能拥有较低的尝试门槛，但每单可吸收的履约和广告费用也更少。若团队计划用低价款带动组合销售或后续购买，必须有可验证的后续机制和数据；没有证据时，不要把未来复购当成当前亏损的自动补偿。
高价商品可能单件贡献更大，却更依赖清楚的价值呈现和用户信任。到底选择哪种，不应只看客单价，而要比较“每一笔有效订单最终留存多少贡献”，并把库存风险和售后责任一起纳入决策。
如果商品价格已经贴近买家可接受范围，单纯降价可能伤害广告空间；若商品竞争力不足，盲目维持高价也可能让点击无法成交。加预算适合已经有稳定转化和贡献证据的商品；改价则需要清楚记录价格变化前后的流量质量、成交和单件贡献。
两个动作不是绝对二选一，但最好分批测试。先判断当前主要瓶颈是流量不足、转化受阻还是利润空间不足，再选择能够改变该瓶颈的动作。若同一轮同时扩预算、降价、换图，团队短期内可能看到更多订单，却很难知道哪项变化值得长期保留。
集中资源能更快优化一个商品，但供应、需求或规则变化时，团队可能过度依赖单一款式。多款同时测试能够分散风险，却会切碎预算和分析注意力。如果团队人手有限，不必追求“每个候选商品都投一点”，而应先筛出少数具备明确假设和可核算贡献的候选。
对已有盈利迹象的商品，可采用“核心款稳定投入、候选款小额验证”的组合；对还没有验证出核心款的店铺，则优先控制每个测试的变量和亏损，不要仅为了产品数量看起来丰富而开太多投放组。
当商品、广告和订单数据分散在多个文件中，统一整理可以缩短重复汇总时间，也更容易发现口径冲突。以数跨境为例，可以把评估重点放在团队真正需要的字段、数据更新方式、权限和追溯能力上，并通过官网了解其当前提供的产品信息；接入前要核对实际数据样本，而不是仅凭宣传描述推断适用性。
但自动汇总并不会自动识别错配商品、异常成本或错误归因。商品编码映射、退款窗口、活动标记和成本版本仍需要人负责。数据量少、规则尚未稳定时，一张结构清晰的人工模板可能更合适；重复对账耗时变高后，再比较工具投入、维护成本和节省的人力是否值得。
启动之前，我会用几句话记录：这次想验证什么、主要改动是什么、哪些变量保持不变、观察多久、预算上限是多少、什么情况暂停。这样做不是增加形式，而是避免测试结束后临时编出一个解释，让任何结果都被说成“有价值”。
如果样本量不足以支持结论，应把结果标为未确定，并决定是否值得再投入一轮。没有成交可能是商品不合适，也可能是测试曝光不足；判断必须结合实际过程，而不是机械地给商品贴上“失败”标签。
每日：观察预算消耗、商品可售状态、异常成本、库存和明显售后问题，目的是及时发现风险，不急着依据单日波动改方向。
每周：比较不同商品、价格、素材或预算档位的可比表现，解释变化发生时的活动和供货背景，决定下一轮只测试哪一个关键变量。
每月：对广告、实际结算、采购及包装成本、退款和其他变动费用进行整体核对，更新单件广告可承受上限。历史假设若与实际偏差持续变大，应调整模型，不要继续使用过时成本。
清单中任何一项答不上来，不一定意味着必须停止经营，但意味着结论需要降级。把“不确定”清楚写出来，比在汇报里给出一个看似精确却无法追溯的数字更有用。
Temu广告优化不应从“预算还能加多少”开始，而应从“这件商品在当前价格和履约条件下，最多能承担多少获客成本”开始。选品决定可能的需求和风险，定价决定经营余量，页面与素材影响买家理解，广告负责验证并放大有效组合。任何一环脱节，订单增长都可能掩盖贡献恶化。
这套判断没有一个适合所有类目的固定获客成本，也没有一个能够代替实际结算的通用利润率。更可靠的做法，是用自有数据建立边界，用小规模实验更新假设，用退货和库存检验增长质量，并且把每次改变记录下来。
我最看重的不是一次投放能不能带来更多订单，而是团队能不能解释订单为什么来、留下多少贡献、下一轮还值不值得花钱。当选品、定价与广告共享同一套可追溯口径，投放才从“试着买流量”变成可以迭代的经营决策。
我在选品时常会看到搜索热度不错的商品，但不确定它是否适合靠广告起量。我担心只看销量会忽略竞争强度、履约成本和利润空间。
先核对商品需求、同类供给、履约可行性和广告后的利润空间，不要只凭热度决定。可以用小批量测试验证点击与成交：若有曝光但点击偏低，检查主图、标题和价格竞争力；若点击正常但转化偏低，优先排查商品卖点、评价和到手价。只有在扣除采购、平台费用、物流及广告成本后仍有可接受的贡献利润，才考虑扩大投入。
我给商品定价时，容易把售价减去采购价就当成利润。开始投广告后才发现，物流、平台费用和推广成本都会改变实际结果。
按单件贡献利润核算：售价减去采购成本、履约与物流成本、平台相关费用、促销让利及广告成本。可接受的广告获客成本上限，原则上不能超过广告前单件贡献利润；核算时还要统一费用口径，并把退款、折扣等实际发生项纳入。若广告后的贡献利润为负，先调整定价、成本或投放策略，不宜单纯靠增加预算解决。
我给新品开广告时，经常纠结预算太少看不出结果，预算太多又怕持续亏损。我也不确定应该按固定天数停投，还是等到有足够点击再做判断。
先设定可承受的测试亏损，并用目标获客成本倒推预算；分批观察，避免一开始就放大预算。判断时记录曝光、点击、花费、订单和广告后贡献利润，不要只按固定天数下结论。若累计花费已接近可承受上限仍无订单，应暂停并检查流量相关性、商品页面与价格；有成交但利润不达标，则先优化成本或转化，再决定是否继续测试。
我遇到过广告点击不算少、订单却迟迟不来的情况，一开始会怀疑商品本身不行。后来发现，价格、主图和页面信息也可能让买家在点击后放弃。
先按漏斗定位问题：检查点击率判断素材与流量是否匹配，再看点击后的转化表现。点击率低，优先核对投放词或受众与商品是否相关，并优化主图和标题；点击正常但转化弱，则对比同类商品到手价、优惠、规格说明、评价与履约信息。若这些因素调整后仍持续没有成交，再重新评估需求和竞争，考虑更换选品；
每次尽量只改一个关键变量，便于判断效果。
读者评论
把结算收入和广告面板销售额分开看很有必要。我之前复盘只按广告回报判断，后来把退款和包装成本补进去，才发现有些订单越多越不赚钱。低样本时确实不适合把单次获客成本当定论。
漏斗拆分对定位问题有帮助，不过平台能看到的数据未必覆盖加购、页面行为等环节。我会把缺失项单独标出来，否则用点击和订单反推页面问题，容易把猜测写成结论。
文中按单件贡献设广告上限，适合做初步筛选；但库存周转和现金占用也会影响是否扩量。有些商品单件账面还有空间，补货周期长或售后波动大时，我还是会把预算涨幅放慢。