2023年黑五前两周，一个做厨房小家电的卖家深夜给我发消息：广告后台显示昨天出了480单，ERP里只有310单，财务说真正回款的只有260单。三份报表，三个数字，三个部门，谁也不信谁。运营说是财务算错了，财务说运营在刷单，供应链说发货数据不会骗人。我让他先把三张表拉出来按小时对齐，结果发现光是”日期”这一列的口径就有四种：广告是按点击发生日归因，ERP是按订单创建日，仓库是按出库日，财务是按结算日。
这不是数据质量问题，这是指标体系在设计阶段就没有定义口径的问题。跨境电商广告投放的指标体系，难点从来不是”不知道要看哪些指标”，ACOS、ROAS、CTR、CVR这些词任何一篇入门文章都会告诉你。真正的难点是：这些指标之间的层级关系、归因口径、时间窗和决策触发条件没有对齐，导致你有一堆数字，却做不出一个动作。
这篇文章我把这几年在亚马逊、独立站、TikTok Shop三种投放场景下踩过的坑，以及最后稳定跑起来的一套处理方法拆开讲。涉及具体金额和比例的地方，我会标注是实测数据还是情景推演，你可以按自己类目做校准。
我先说结论，后面再展开论证。一套能用的广告指标体系，判定标准不是”覆盖了多少个指标”，而是”每一个指标是否对应一个明确的操作动作”。如果一个指标你看了三个月，从来没有因为它调整过出价、预算、否定词或投放位，那它就不该出现在你的日常看板上。
我用三个问题筛指标，任何一个答不上来就直接从看板里删掉。
按这三个标准筛一遍，一个中等规模的亚马逊店铺，日常真正需要盯的指标通常不超过12个。我见过有团队做了47个指标的自动化看板，每天早会看40分钟，最后能落地动作的只有3个。
指标不是平铺的，是分层的。我用一套三层结构，从2019年一直用到今天，换了三个类目都没有失效。
| 层级 | 作用 | 典型指标 | 更新频率 | 责任人 |
|---|---|---|---|---|
| 北极星层 | 判断整体投放是否健康 | TACOS、增量利润、新客获取成本 | 周/月 | 运营负责人 |
| 诊断层 | 定位问题出在哪个环节 | CVR、CTR、CPC、新客占比、搜索词相关性 | 日/周 | 广告运营 |
| 手术层 | 直接触发操作 | 竞价、预算、否定词、投放位、分时出价 | 实时/日 | 广告运营 |
关键点在于：北极星层不直接触发操作，手术层不直接判断健康度。很多人犯的错误是拿ACOS直接调竞价，ACOS是诊断层偏上的指标，它受价格、库存、竞品、季节、评论数共同影响，你单看它调价，等于用一个滞后且多因的结果去反推一个单因的动作。
这是我最想强调的一条。在我们团队内部有个硬规定：任何新指标进入看板之前，必须先写清楚它的数据源、统计口径、时间窗和归因方式，否则不批准上线。
原因很简单。跨境电商的数据链路特别长：广告平台→店铺后台→ERP→财务→老板的报表。每过一道手，口径就可能变一次。广告后台的”转化数”是归因口径，店铺后台的”订单数”是下单口径，ERP的”发货数”是履约口径，财务的”确认收入”是结算口径。这四个数字天然就不该相等，但如果你不提前定义清楚，团队每天都会在这上面消耗两小时。
我把一个典型的投放团队日常拆给你看，你就知道问题出在哪了。这个场景来自我参与过的三个不同规模团队，模式高度相似。
早上9点，广告运营打开广告后台，导出昨日数据。与此同时，店铺运营打开卖家中心看订单，供应链打开ERP看库存和发货，财务打开自己的表格看回款。四个人四张表，然后开始对。
广告运营说：昨天ACOS 24%，花了1.8万，出了480单，很好。
财务说：昨天回款只有7.9万，你花了1.8万，广告费占比22.8%，而且里面还有3千的退款没冲掉。
供应链说：有几个爆款已经断货了，广告还在投，这部分钱是白花的。
店铺运营说：站内活动昨天有折扣，自然单也涨了，广告到底贡献了多少，说不清楚。
这个早会通常开40分钟，最后结论是”再看看”。这就是典型的有数据、无决策状态。
我把这些年遇到的口径冲突归类，基本逃不出这四种。
我想强调一个经常被忽略的维度：时间不是数据的一个属性，时间是数据的一个坐标轴，而且每个系统的坐标轴原点不一样。
广告系统的时间轴以”点击”为原点，ERP的时间轴以”下单”为原点，仓库以”出库”为原点，财务以”结算”为原点。当你的转化周期变长，比如高客单价商品、需要比价的品类、需要等发薪日的市场，这四个原点之间的距离就会拉大，报表差异也随之拉大。
所以处理口径问题的第一步不是去修数据，而是先画一张时间轴，把每个系统的”日期列”标注清楚它到底是哪个事件的日期。这一步做完，很多争吵会自动消失。
下面这五个误区，我在不同团队里反复见到。它们不是”新手才会犯”的错误，有些团队做了五年依然卡在这里。
ACOS = 广告花费 / 广告归因销售额。它衡量的是广告自身的效率，不衡量店铺整体是否赚钱。
问题在于，ACOS的分母是广告归因销售额，不是店铺总销售额。当你加大广告投放，自然排名上升，自然单增加，这部分销售额不进ACOS的分母。于是会出现一种情况：ACOS从30%降到22%，看起来很健康，但店铺整体利润率反而在下降，因为广告花的是真金白银，自然单的增长可能只补回了一部分。
我见过一个做宠物用品的店铺，ACOS连续三个月下降，从34%一路降到21%，老板很满意。但同期TACOS从9%涨到14%，净利润率从11%掉到6%。原因是他们在用低效流量冲广告销售额，把ACOS这个比值做漂亮了，但总盘子变大了，绝对利润没跟上。
ROAS是ACOS的倒数，逻辑一样。但ROAS有一个更隐蔽的陷阱：它是可以被人为做高的。
做法很简单：砍掉所有低ROAS的投放，只保留品牌词和精准词。ROAS会立刻飙升到8甚至10。但代价是流量规模塌缩，排名下滑，新品起不来，半年后品牌词的自然搜索量也跟着跌。这是典型的”用未来的增长换今天的报表”。
我的判断是：ROAS要跟”投放规模”一起看，单独看ROAS没有任何意义。同样卖100万，用3万广告费做到和用15万广告费做到，是两个完全不同的生意。
我看过最夸张的一份看板，82个字段。运营自己也说不清其中20个是怎么算的。这个看板的实际使用情况是：每周导出一次，存进文件夹，没人打开。
指标的价值不在数量，在于它是否进入了决策回路。一个指标如果没有对应的阈值、责任人和动作，它就是一个装饰品。我建议的做法是：先砍到10个以内，跑一个月，看看每个指标实际触发了多少次动作。触发零次的，下个月继续砍。
归因窗口的选择会直接改变你看到的数字，但很多团队从来不去看这个设置。
以亚马逊广告为例，Sponsored Products默认是点击后7天加浏览后1天，Sponsored Brands是点击后14天。独立站这边，Meta在iOS隐私政策变化后，归因回传进一步受限，很多转化根本回传不回来。这意味着你在后台看到的”转化数”本身就是一个有偏样本。
我的处理方式是：对同一批广告，同时导出7天点击、14天点击、30天点击三套归因数据，做趋势对照，而不是做绝对值对照。绝对值永远对不上，趋势方向通常是一致的。趋势一致，就足以支撑决策。
这是跨境电商特有、也是最容易被忽略的一条。国内电商断货相对好处理，跨境电商的补货周期动辄30到60天，断货一次可能影响一个季度的排名。
而广告系统不知道你的库存。它只知道这个ASIN昨天出单好、转化率高，于是继续给流量。结果是你花钱把流量推到断货的Listing上，客户看到”暂时无货”就走了，钱白花，排名还掉了。
所以我的指标体系里，库存可售天数是广告投放的一级约束条件，不是供应链的独立指标。可售天数低于30天的SKU，广告预算自动进入限制模式。这一条规则帮我们避免过至少两次六位数的浪费。
前面讲的是”不要做什么”，这一节讲”具体怎么做”。我把自己在用的三层结构拆开，每一层说清楚指标、阈值和对应的动作。
北极星层我只保留三个指标，全部按周和月看，不按天看。
| 指标 | 定义 | 健康区间（示意） | 触发动作 |
|---|---|---|---|
| TACOS | 广告总花费 / 店铺总销售额 | 成熟期 8%-12%，新品期可放宽至 20% | 连续两周超上限，冻结增量预算 |
| 增量利润 | 计入广告费后的可分配净利润 | 类目净利率的 80% 以上 | 低于下限，重估主推 SKU |
| 新客获取成本 | 广告花费 / 首次购买客户数 | 低于客户 12 个月毛利的一半 | 超标则收紧拉新预算，转向复购 |
TACOS比ACOS更能反映真实健康度，因为它把自然单也算进了分母。当TACOS上升但ACOS稳定时，说明投放没有变差，是整体盘子出了问题，可能是竞品降价，可能是Listing评分掉了，也可能是季节性下滑。这个区分非常重要，它决定了你该调广告还是调产品。
增量利润是我后来加进去的，因为它能防止一种很常见的自欺。广告销售额涨了、ACOS还行，但把退款、佣金、FBA费、广告费全扣完之后，利润是负的。这种情况在高客单价、高退货率的类目特别常见。
新客获取成本则回答了另一个问题：你是在拉新还是在收割老客。一个店铺如果连续三个月新客占比低于20%，广告在漂亮也只是在给已有客户做二次触达，增长已经停滞了。
诊断层的指标不直接触发动作，它的作用是回答”北极星出问题，是哪个环节的问题”。我通常按转化链路来排。
这六个指标构成一条链路，从上游到下游。排查顺序永远是从下游往上游倒推，不要从上游往下猜。因为下游指标变化更直接反映客户真实反应，上游指标更受平台机制影响，噪声更大。
手术层的定义是：改完之后，当天或次日就能看到反馈。这一层我常用的有五个动作。
手术层的关键是单次只改一个变量，且改完留出观察期。竞价改完至少要两天才能判断，预算改完要等一个完整的转化周期。今天改竞价明天改预算后天改投放位，最后你根本不知道是哪个动作起了作用。
把三层连起来，是一条完整的因果链：
库存可售天数 → 是否允许放量
↓
竞价与预算（手术层）
↓
曝光量 → CTR → CPC（诊断层上游）
↓
点击量 → CVR → 转化数（诊断层下游）
↓
广告归因销售额 → ACOS → TACOS（北极星层）
↓
退款率、佣金、物流费 → 增量利润 → 新客获取成本
这条链的意义是：任何一次调整，你都要预先知道它会在这条链的哪一段产生反馈、多久之后才能观测到。竞价调整的反馈在曝光量，通常24小时；CTR调整的反馈在点击率，通常3天；CVR调整的反馈在转化率，通常7天；TACOS的反馈要一个月。
不知道这个时间差，就会出现”刚改完没效果就再改一次”的循环，最后所有变量都在动，所有归因都失效。
下面三个案例都来自我实际参与的项目。涉及具体数字的部分，我已经做了脱敏和区间化处理，趋势和逻辑是真实的。
2022年，一个做家居收纳的店铺，运营团队报上来的数据是：连续两个月ACOS稳定在18%-20%，广告销售额环比增长42%。老板准备追加预算。
我介入后的第一件事是拉口径对照表。结果发现，运营团队看的”广告销售额”是广告后台归因口径，其中包含了大量跨期回传订单和站内活动的自然单。而店铺后台的实际订单增长只有19%。如果再扣掉退款（这个类目退货率约13%），实际有效增长只有11%左右。
三个数字：42%、19%、11%。同一批投放，三种口径，差了接近四倍。
修正口径之后，真实的TACOS是14%而不是报表上的9%。追加预算的决策被叫停，改为先优化转化链路。三个月后，同样的预算规模下，有效订单增长反而到了26%。
这是我最不愿意回顾的一次。2021年旺季，一个主推ASIN突然断货，供应链反馈补货需要45天。广告团队因为日报表上ACOS还很好看，没有及时暂停投放，持续投了11天。
这11天的直接广告花费约12万元，带来的转化很少（因为来访客户看到无货），更严重的后果是：Listing的转化率从11.2%掉到4.8%，恢复供货后用了将近两个月才把排名和转化率拉回来。
直接损失12万，间接损失（排名下滑带来的自然流量减少）我估算在25万以上。
这件事之后我加了一条硬规则：任何SKU的可售天数低于30天，广告活动自动进入”低预算保护模式”；低于15天，强制暂停。这个规则在后来的两年里至少触发了7次，每次都避免了一次类似的浪费。
2023年一个做小家电的店铺，运营通过收缩广泛匹配、砍掉低效词，把ACOS从26%降到19%。报表很好看。但财务给的月度数据是：净利润率从8.3%降到7.9%。
我去查了三个数：广告花费降了18%，广告销售额降了22%，店铺总销售额降了16%，退款率从9%涨到14%。
真实情况是：被砍掉的那部分流量里，有一部分是”高风险但高转化”的词。这些词带来的客户里确实有较高比例退货，但同时也贡献了配件复购。砍掉之后，退货是少了，但配件复购也没了，整体利润反而下降。
这个案例的教训是：不要把ROAS低的词一刀切，要看它的客户生命周期价值，而不是单次订单价值。配件型、耗材型类目尤其要注意这一点。
讲完案例，说下工具层。上面这些口径问题，靠人工对表是撑不住的，数据源太多，更新频率太高。我目前的处理方式是把广告后台、店铺后台、ERP、财务四路数据统一到一个计算层。
我用的工具是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys），主要用在三件事上。
第一件是多平台广告数据的统一汇总。亚马逊、独立站、TikTok Shop的广告数据结构差异很大，字段名、归因逻辑、时间基准都不一样。统一到一个数据模型里之后，我才能做跨平台的TACOS和增量利润对比，而不是每个平台各看各的。
第二件是口径对齐后的对照表。我把广告归因口径、店铺订单口径、财务结算口径三套数据放在同一张表里，标注各自的差异量和差异率。这个表每周更新一次，它的作用是让口径差异本身变成一个被监控的指标，而不是每次开会重新争论。
第三件是店铺级的利润核算。把广告费、平台佣金、物流费、退款、仓储费全部归集到SKU口径，算出真实的单品利润。这一步做完之后，广告决策的依据从”ACOS”变成了”投放这个SKU的边际利润”，判断质量是完全不同的量级。
我想强调的是：工具解决的是效率问题，不是判断问题。你依然要自己想清楚该看哪些指标、阈值定在哪里、触发什么动作。工具只是让你在同样的时间内能多验证几轮。
前面讲的是通用框架。实际执行时，不同业务形态的落地方式差异很大。我按四种常见情况分别给建议。
这个规模不要上复杂系统，人工加表格就够了。重点做三件事。
这个阶段最该避免的是”过早自动化”。你还没弄清楚自己类目的转化规律，自动化只会把错误逻辑放大。
这个规模靠人工对表一定出问题。必须做三件事。
这个规模下，我前面提到的数跨境这类工具的价值开始显现，主要是把多平台数据统一到同一模型上。但即使有工具，数据字典依然要你自己定义。
铺货型的特点是SKU多、单SKU数据少、不适合做深度的单品模型。指标体系要相应简化。
| 维度 | 铺货型重点 | 精品型重点 |
|---|---|---|
| 核心指标 | 整体TACOS、上架成功率、单SKU盈亏平衡周期 | 单SKU的增量利润、新客获取成本、复购率 |
| 分析粒度 | 品类层、店铺层 | ASIN层、搜索词层 |
| 投放策略 | 自动广告为主，低预算广覆盖 | 手动精准为主，重点词深度优化 |
| 主要风险 | 长尾SKU持续失血，无人发现 | 单SKU断货造成排名坍塌 |
铺货型最需要的是一个”止损规则”：单个SKU连续N周广告花费超过M元且累计利润为负，自动下架。这条规则比任何精细优化都重要。
新品期和成熟期的指标权重完全不同，用同一套阈值会两边都出问题。
新品期前30天，TACOS容忍度可以放到20%-25%，重点看的是CTR、CVR和评论累积速度。这个阶段的目标是建立初始权重和评价基础，不是赚钱。
成熟期则相反，TACOS要压到8%-12%，重点看增量利润和新客占比。这个阶段继续用新品期的容忍度，就是把利润持续补贴给一个已经不需要补贴的Listing。
我的做法是在系统里给每个SKU打生命周期标签，不同标签自动套用不同阈值。这个动作看起来简单，但能避免大量”用错标准”的误判。
指标体系本质是一系列取舍。这一节我把最关键的四个取舍讲清楚，你可以按自己的阶段选。
数据越精确，出数越慢。财务口径的利润数据要等到结算周期结束，通常滞后15到45天。广告口径的转化数据次日就能出，但包含大量待回传和待修正项。
我的取舍是：战术决策用广告口径，战略决策用财务口径。调竞价、调预算这类当天要做的动作，用广告口径够快；判断一个品类要不要继续投入、一个SKU要不要砍，必须等财务口径。
最怕的是用广告口径做战略决策。这就是前面案例一里”42%增长”的来源。
把所有平台数据强行统一到一套口径，会丢失平台特有信息。比如某些平台有独特的归因机制或流量位定义，统一之后这些细节就看不见了。
我的做法是双层存储：底层保留平台原始字段不做修改，上层构建统一口径的派生层。分析用上层，排查问题回到下层。这样既不丢失原貌，又能做跨平台对比。
这个设计在工具选型时很关键。如果一个工具只能给你一套口径的输出，你会在排查具体问题时失去线索。
自动化能省时间，但会把错误逻辑放大。我见过自动规则把一个表现不错的广告活动因为连续两天ACOS超标就关掉了，而这两天正好是周末低转化时段，属于正常波动。
我的取舍是分档：低风险动作自动化，高风险动作人工确认。
判断标准很简单：这个动作能不能在一个转化周期内被回滚，且回滚成本低于损失。能的就自动化，不能的就人工。
这是最现实的一条。一套理论完美的指标体系，如果团队执行不了，价值是零。
我评估团队执行能力看三个点：有没有专职的数据角色、每天能投入多少时间看数、能不能理解归因和统计口径。三项都弱的时候，指标数量必须压到5个以内，而且全部用最简单可核验的口径。
宁可先用一套粗糙但每个人都懂的体系跑三个月，也不要一上来就上复杂模型。体系是可以迭代的，但信任一旦崩了，团队会退回”凭感觉投”的状态。
回到最开始那个深夜消息。三份报表，三个数字，三个部门互相不信任。这个问题最后是怎么解决的？
不是靠上一个更贵的工具，也不是靠引入更复杂的指标。是靠一件事：把每个指标的定义、数据源、口径、时间窗、责任人和触发动作，写在一张纸上，让所有人签字确认。然后再去谈工具和自动化。
这张纸后来成了我们团队的数据字典，一共两页。两页纸解决的问题，比之前半年上的所有系统都多。
所以我对跨境电商广告指标体系的最终判断是三层：
第一层是口径。口径不统一，所有指标都是噪声。这一步没有捷径，必须人工讨论、定义、签字。
第二层是分层。北极星层判断健康，诊断层定位问题，手术层触发动作。三层之间不能串位，串位就会出现”用ACOS直接调竞价”这类错误。
第三层是约束。库存、现金流、团队执行力，这三个约束决定了你的指标体系能有多复杂。忽略约束去追求理论最优，是最常见的失败路径。
如果你现在就想动手，我建议按这个顺序，一周内能完成。
最后提醒一句：指标体系是会过时的。类目在变，平台规则在变，你的团队能力也在变。我建议每季度花半天时间，把整套体系重新过一遍，删掉失效的指标，加上新出现的瓶颈指标。体系的生命力不在于一次设计得多完美，而在于它能不能跟着业务一起演化。
我刚开始跑广告的时候，后台一打开几十个指标，曝光、点击率、CPC、ACOS、ROAS、加购率、转化率全堆在一起，每天盯到眼花还是不知道该调哪个。后来我怀疑，是不是问题根本不在数据本身，而在于我压根没分清楚哪些是指标、哪些是结论。
建议把指标拆成三层，日常只看最上面一层。结果层放广告销售额、ACOS/TACOS、ROAS、广告订单占比这4个，用来判断"这个月投得好不好"；过程层放曝光、点击率、CPC、加购率、转化率，用来定位"哪里出了问题"；诊断层放搜索词、ASIN/受众、广告位、投放时段，用来决定"具体动哪一刀"。
日常巡检只扫结果层4个数字，一旦某个数字偏离目标超过20%，再往下钻一层找原因，不要每天都把三层全看一遍。另外要给自己设数据门槛：单个关键词至少攒够10到15次点击才有判断价值，单个广告活动至少30次点击或3000次曝光才动它，低于这个量级的波动全是噪声。
TACOS的口径是广告花费除以店铺总销售额，成熟期品类通常压在8%到12%区间比较健康，新品期30%到40%也属正常，拿新品期的TACOS去对标成熟期，只会把自己逼到关广告。
上个月我做月报时吓一跳，广告后台显示带来1.2万美元销售额，店铺后台同期订单只有1万美元，差了整整两千。当时我第一反应是后台数据是不是虚高，甚至怀疑是不是有无效流量在刷，纠结了好几天到底该信哪个。
这不是数据错误，是两套归因口径天然不同。广告后台一般按"点击后7天、浏览后1天"的归因窗口把订单算给广告，而店铺后台按订单创建时间统计；再加上退款、跨月订单、汇率换算、税费、优惠券抵扣，以及广告位溢出带来的自然订单，差异是必然存在的。
正确做法是固定主口径：做投放决策时用广告后台的归因销售额，做利润核算时用店铺后台的财务口径，两者不要混着比。同时建一张对账表，按周记录两个数字，正常情况下差异落在5%到15%之间是可以接受的。
如果某周差异突然超过20%，按这个顺序排查：先确认归因窗口有没有被改过（尤其是接手别人账号的时候），再看是不是大促导致订单跨期结算，最后看有没有站外流量或其他渠道混进了同一批订单。把这个差异当成一个常规监控指标，而不是每个月重新怀疑一次。
我推第一个新品时，第三天看到ACOS 80%，手一抖就把预算砍了一半，结果一周后曝光掉到几乎为零，排名也跟着没了。后来复盘才想明白，我可能是用一个成熟期的标准去要求一个还没跑出数据的链接。
新品期不要用ACOS做开关，而要用它做趋势判断。原因是新品阶段链接没有评论、没有历史权重、没有自然流量，广告承担的是"买曝光和买数据"的功能，ACOS天生就高。
我会把新品期拆成两个观察窗：前7天完全不看ACOS，只看点击率、加购率和搜索词是否精准，这时候的目标是验证这个品有没有人点、点进来的人会不会加购；
第8天到第30天开始看ACOS的下降斜率，如果每周下滑3到5个百分点，说明系统在学习、转化在改善，就继续给预算，如果30天还在原地不动甚至往上走，才需要动结构，优先砍掉零转化的搜索词、收紧匹配方式、把预算集中到已出单的2到3个词上，而不是一刀关掉整个活动。
真正该设的止损线是"花掉多少个客单价的广告费还没有出单"，我一般设3倍客单价，触线就停，这比看ACOS百分比更能防止钱打水漂。
我手上同时跑着几个店铺和几个平台，运营说这个月ROAS 4.0，我一看另一个人做的表又写着2.5，两个人算的是同一批广告。开会时谁也说服不了谁，最后变成互相翻后台截图，特别消耗时间。
口径不统一基本卡在三个地方：时间范围、指标定义、数据来源。
解决办法是写一份不超过一页的指标字典，把每个指标的公式、数据来源、统计周期、归因窗口、币种和时区全部写死，比如"ROAS = 广告归因销售额 ÷ 广告花费，数据取自广告后台，按投放账号所在时区自然周统计，币种统一为美元"，任何人做表只能用这一份定义。
然后固定报表节奏：日报只看花费和订单是否异常，周报看结果层4个指标加搜索词变化，月报才做TACOS和利润盘。工具上如果团队已经用了某项目管理平台或某项目管理工具做任务流转，可以把周报的4个核心指标作为固定字段挂进任务里，让运营在提交周报时顺手填，避免月底再回头翻数据。
落地时最容易忽略的一点是新人交接，接手账号的人不知道归因窗口被改过是常见事故来源，所以在交接清单里加一条"确认广告后台归因窗口设置并截图存档"，能省掉后面很多扯皮。
读者评论
库存约束那条我认同方向，但落地卡在数据上。我们三千多个SKU，ERP的可售天数是按仓库加权的，海外仓和FBA补货周期差一倍，统一设30天阈值反而误伤了一批FBA商品。后来只能按仓分档，规则一多运营又不看了。想问的是，分仓阈值你们是怎么校准的？
小团队可能套不进这套三层结构。十个人的盘子，广告、店铺、供应链常是同一个人，所谓责任人划分其实是自己跟自己对话。对我们更现实的问题不是指标该不该删，而是谁每天有时间去核阈值。后来干脆只留了TACOS和库存天数两个，反而跑得动。
归因窗口那段我有不同看法。趋势一致确实能支撑方向判断，但预算分配是按比例切的，绝对值偏差在跨站点、跨类目对比时会被放大成错误结论。Meta回传不全的时候，趋势本身也可能被系统性扭曲，不只是噪声。