上周三晚上十点，一个做户外储能的卖家把后台截图甩给我：单日广告花费 4200 美元，ACOS 冲到 68%，他问我“是不是该把竞价全线下调 30%”。我没有先看广告，而是让他把海外仓的库存明细导出来。结果他主推的 1000Wh 机型，可售库存只剩 63 台，剩下的货还在海上漂 27 天。
这不是广告问题，这是供给问题。一个广告团队如果只能看到广告后台，那么他做的所有“优化”，本质上都是在一个残缺的坐标系里做布朗运动，看起来在动，实际在原地打转。
过去几年我以外部顾问的身份参与过 30 多个跨境卖家的广告复盘，横跨亚马逊、独立站、TikTok Shop 和 Shopee。我把这些复盘里反复出现的同一个病根写成了这篇文章：跨境电商的广告问题，绝大多数不是投放技术问题，而是经营数据没有对齐导致的诊断失败。下面所有引用到的数字，除特别标注外，均来自我参与复盘项目的脱敏记录或情景推演，不是行业普查数据，请按“样本观察”而非“权威统计”来读。
如果你时间有限，只能带走三句话，那就带走下面这三句。它们是我在几十次复盘里被验证次数最多的判断，也是后面所有方法论的地基。
ACOS 的定义是“广告花费 ÷ 广告销售额”，这个公式里没有库存、没有退货、没有仓储费、没有汇率、没有自然订单。它只回答“这笔广告本身划不划算”，不回答“这笔广告对这个店铺划不划算”。
我见过太多团队把 ACOS 当成北极星，结果做出一个非常荒谬的动作组合：砍掉所有高 ACOS 的拓词广告，只留转化最好的品牌词和精准词。短期看 ACOS 从 32% 掉到 19%，非常漂亮；三个月后 TACOS 从 11% 涨到 16%，因为新品没有流量入口，老品进入衰退期，整个店铺的自然流量池在萎缩。
很多人以为精细化就是把报表拆得更细：按广告活动拆、按广告组拆、按投放目标拆、按小时拆。拆完之后呢？Excel 里躺着 40 个标签页，没有一个能回答“这个 ASIN 这个月到底赚了多少钱”。
真正的精细化只有一件事：让广告数据、订单数据、库存数据、财务数据在同一个 SKU / ASIN 主键上对齐。口径对齐之前，任何颗粒度都是噪声；口径对齐之后，广告活动级别的拆分才有意义。
面对一次转化下滑，听上去有几十个可调项，其实归纳起来只有四类：出价、预算、结构（关键词 / 人群 / 版位 / 匹配方式）、承接（价格、库存、listing、评分、配送时效）。
前三个属于投放侧，第四个属于经营侧。99% 的“广告优化没效果”，是因为在投放侧反复折腾，而真正的约束在承接侧。下面这张图是我在复盘时最常用的诊断漏斗，它把一次广告曝光到最终复购的全链路拆开，方便你定位到底卡在哪一环。
方法论讲完了，接下来讲场景。下面三个场景是我在最近两年复盘里遇到频率最高的，它们看起来是三件事，本质上是同一件事的不同截面。
某家居品类卖家，10 月中旬做黑五预热，把日预算从 800 美元拉到 2400 美元。广告团队的执行没有问题：竞价上调 15%，新增 3 个自动投放活动，否定词同步跑。问题在于，运营团队在 9 月底就发现主推款备货偏保守，但没有把这个信息同步给广告侧。
结果是 11 月 8 日断货，断货持续 11 天。这 11 天里广告还在跑，因为广告后台不知道库存为 0，广告只是把点击送到了“暂时缺货”的详情页。最终这次断货造成的直接广告浪费约 4.7 万美元，间接排名损失用了近 6 周才恢复。
更关键的信号是：广告越加，自然订单占比越低。因为断货导致 listing 权重下滑，原本靠自然排名吃到的订单，被迫由广告订单顶上，形成“越投越依赖”的陷阱。
第二个场景更隐蔽。某服饰卖家把 ACOS 从 31% 压到 22%，团队拿了季度奖金，但财务口径的净利润率反而下降 1.8 个百分点。老板很困惑：广告明明更省了，钱去哪了？
拆开看就清楚了。为了压低 ACOS，团队砍掉了几乎所有探索型投放，只保留历史 ROAS 最高的 60 个关键词。这 60 个词确实高效，但它们同时也承接了店铺大部分的“本来就会买”的需求，也就是品牌词和高意图词。
真正的代价出现在三个月后：新品没有冷启动流量，老品的自然排名在下滑，退货率因为流量结构单一反而上升了 2.3 个百分点。这不是广告效率的提升，这是把未来的增长提前折现了。
第三个场景在铺货型卖家和大卖身上最典型。同一个 SKU 同时跑亚马逊、独立站、TikTok Shop，三套后台给出三个 ACOS，三个 ROAS，三套归因窗口。
亚马逊的归因窗口是 7 天（部分为 14 天），独立站用 GA4 的会话归因，TikTok 有 1 天点击 + 7 天浏览的视图归因。你把这三个数字加在一起做“全渠道广告效率”，得到的必然是一个没法做决策的混合物。
跨平台的第一件事不是建大屏，是统一归因口径与统计周期。口径不统一时，大屏越漂亮，决策越危险。
下面五个误区，我在不同规模的团队里都见过，从月花费 1 万美元的小团队到月花费百万美元的品牌卖家。它们的共同点是：听上去很专业，做起来很勤奋，结果很糟糕。
ACOS 的分母是广告销售额，而不是总销售额。这意味着一个店铺在广告占比 20% 和广告占比 80% 的两种状态下，同样的 ACOS 代表的经营含义完全不同。
我更推荐用 TACOS（广告花费 ÷ 全店总销售额）配合贡献毛利来做北极星。下面这段口径定义，是我在给团队做培训时最常写的检查清单，注意它把退货、平台佣金、头程、仓储都放进去了。
贡献毛利 = 结算销售额
− 平台佣金与支付手续费
− 履约与物流成本（含头程分摊、FBA/海外仓费用）
− 退货与退款损失（含不可售库存折损）
− 广告花费
− 仓储与长期仓储附加费
TACOS = 广告花费 ÷ 全店总销售额（含自然订单）
真实广告回报 = 增量贡献毛利 ÷ 广告花费 ← 注意是“增量”，不是“归因”
只要把这个公式算清楚，你会发现很多“高效”的广告活动其实在亏钱，尤其是那些退货率高的品类，比如服饰、鞋类、部分 3C。
广告系统有天然的滞后：点击发生在前，成交可能发生在 7 天后，退货可能发生在 30 天后。你看到一个关键词今天 ACOS 高，很可能是因为它今天带来的订单还在归因窗口里没有回传。
我通常建议团队看 14 天滚动窗口，而不是单日数据。单日调价只适用于两类场景：预算烧穿保护和明显的恶意点击。其他情况，至少等一个完整的归因周期。
一个 ASIN 的转化率从 12% 掉到 7%，广告团队的第一反应通常是“竞价环境变差”。但更常见的原因是：主图被竞品抄了、评分从 4.5 掉到 4.2、出现了“电池鼓包”这类安全类差评、或者配送时效从 5 天变成 9 天。
这些信息全都不在广告后台里。广告后台只能告诉你“发生了什么”，经营数据才能告诉你“为什么”。这就是为什么我在做诊断时，永远把差评文本和退货原因码放在广告数据旁边一起看。
有些团队走另一个极端：既然归因不准，那广告效果说不清，干脆只看总销售额。这同样危险，因为你会失去对结构变化的感知，你不知道增长是来自自然流量还是买来的流量，也就无法判断增长的可持续性。
正确的做法是承认归因的模糊性，用增量测试去校准它：定期做小范围的开关实验（关掉某个广告活动 7 天，观察总销售额变化），用总销售额的差值来反推真实增量。这个方法粗糙，但比争论归因窗口准确得多。
很多团队的“精细化”体现在把竞价调到小数点后两位，却从来没有把 ASIN 维度的毛利率算出来。这是典型的颗粒度错配：在低价值维度上过度精细，在高价值维度上极度粗糙。
我给团队的排序是：先做 ASIN 级损益，再做关键词级增量，最后才是出价小数点。顺序反了，努力全白费。
把上面这些误区收拢，我形成了一套固定顺序的诊断方法，叫“四层诊断法”。它的核心原则是：从下游往上游查，从硬约束往软优化查。很多人诊断失败，是因为顺序反了，先调出价，再查库存。
这一层在广告团队里几乎没人看，但它是最硬的约束。要看的指标只有三个：可售库存天数、在途库存到达时间、回款周期与现金占用。
判断逻辑很简单：如果可售天数小于广告决策周期，任何提量动作都是烧钱。这里的“广告决策周期”通常取 14 天，因为大部分跨境的补货决策至少需要这么久才能落地。
# 可售天数预警（剔除广告脉冲后的真实需求） days_of_supply = available_stock / max(1, mov_avg_sales_14d * 0.85) if days_of_supply action = "降预算 / 暂停拉新广告，只保留品牌词防守" elif days_of_supply action = "维持预算，优先把钱花在确定性高的精准词" else: action = "具备放量条件，可执行拓词与拉新预算"
注意那个 0.85 的系数。它的作用是剔除广告带来的脉冲式需求，避免用“被广告催出来的销量”去推算补货节奏，最后越补越缺、越缺越投。
这一层看的是从广告销售额一路扣到净利的完整链路。很多团队只算到 ACOS，相当于在高速公路上只看了第一个收费站。
下面这张瀑布图是我在复盘时用来解释“为什么 ACOS 22% 还是亏”的标准工具，它把每一层扣减显性化，让业务方一眼看到钱在哪里漏掉。
前两层排除了硬约束之后，才轮到转化层。这一层看的是 CTR、加购率、结算转化率、以及和自然流量的对比基准。
我常用的判断是：如果广告流量的加购率显著低于自然流量，问题在承接；如果两者接近但都低，问题在品类或价格带。这个对比是免费的，因为你的后台本来就有自然流量数据，只是很少有人把两者放在一起看。
只有前三层都健康，出价优化才是有意义的。到这一层，你才应该去看曝光份额、竞价环境、搜索词报告、匹配方式、版位分布。
我要特别强调一点：把出价优化放在最后，不是因为它不重要，而是因为它最容易被当成万能药。它是四层里唯一“随时可以动”的东西，所以团队会本能地先动它，然后误以为自己在解决问题。
下面这张雷达图是我在横向对比多个店铺时用的方式。六个维度分别是：库存健康度、毛利健康度、广告效率、自然流量占比、评论健康度、退货健康度。
讲到这里，一定会有人问：道理我懂了，可我手上是四套后台、六张 Excel，怎么在日常工作中执行四层诊断？我自己的做法是先用轻量工具把口径打通，再谈模型。
广告后台的天然缺陷是它只拥有自己那一部分数据。它知道你花了多少钱，知道你带来了多少订单，但它不知道这些订单后来退了多少、不知道这个 ASIN 的库存在哪、不知道这笔钱对应的毛利是多少。
所以“用广告数据优化广告”这条路，天花板非常低。真正拉开差距的，是把广告数据放到经营数据的坐标系里去看。
我在做这类诊断时，常用“数跨境”来承载多源数据的对齐工作（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）。它属于把跨境电商的经营数据集中到一个口径下处理的工具，我主要用它的三块能力。
第一块是多平台数据接入后的口径统一。把广告报表、订单明细、库存快照、财务结算拉到同一个 ASIN / SKU 主键上，这一步做完，前面讲的“三个后台三个 ACOS”问题就消失了。
第二块是自定义指标。四层诊断法里的大部分指标都不是平台自带指标，比如 TACOS、增量回报、可售天数预警、退货后净毛利。我通常在数跨境里把它们定义成计算字段，这样每天自动刷新，不需要人工拼表。
第三块是看板关联。广告看板上的某个活动 ROI 异常，可以直接下钻到对应的 ASIN 库存与退货明细，不需要在四个系统之间切换。这个“下钻能力”是我最看重的，因为诊断的效率瓶颈从来不是算力，是切换成本。
要说明的是，工具本身不会替你做判断。同样的看板，放在会做四层诊断的人手里是决策依据，放在只会看 ACOS 的人手里，只是一块更漂亮的仪表盘。
这个案例我在前面提过，这里展开说数据。该卖家月广告花费约 4.2 万美元，主推 5 个 ASIN。优化前的结构是：品牌词 18% 花费贡献 41% 广告销售额，大词拓量 47% 花费贡献 33% 广告销售额，长尾词 35% 花费贡献 26% 广告销售额。
优化动作是砍掉大部分大词拓量，把钱挪到品牌词和长尾精准词。三个月后 ACOS 从 31% 降到 22%，看起来很成功。但同期数据是：自然订单占比从 54% 降到 41%，广告订单占全店订单比重从 31% 升到 49%，退货率从 6.1% 升到 8.4%。
净利率下降 1.8 个百分点，主要来自两块：一是自然流量萎缩导致整体流量成本上升，二是长尾词带来的新客质量更差、退货更高。这就是典型的“局部最优、全局次优”。
回到文章开头那个户外储能卖家。我们把库存快照和广告花费按天对齐之后，看到断货的 11 天里，广告花费仍占全月的 21%，而这段时间的广告订单取消率高达 34%。
更值得注意的是，这 11 天里点击并没有消失，因为广告系统不知道缺货，它继续按历史转化率竞价。系统只会优化它被设定的目标，不会替你考虑库存。这也是为什么“库存数据必须进入广告决策链路”不是一句口号，而是一条硬规则。
第三个案例是多平台卖家。该卖家同时跑三个渠道，之前用各自后台的 ROAS 做预算分配，独立站的 ROAS 常年最高，所以预算一直往独立站倾斜。
把三个渠道的数据拉到同一个口径（统一归因窗口、统一退货口径、统一贡献毛利公式）之后，结论反过来了：独立站的 ROAS 高，但退货率和物流成本也最高，扣除之后的贡献毛利其实是三个渠道里最低的。
按贡献毛利重排预算之后，整体广告花费下降约 37%，总贡献毛利提升约 12%。这 37% 的花费不是“被砍掉的”，而是“被重新发现是亏钱的”。
我把 11 个脱敏样本的 ASIN 拉到一张散点图上，横轴是可售库存天数，纵轴是同期 ACOS，气泡大小代表广告花费。图上出现了两个明显的反常区域。
右下角是“高库存 + 低 ACOS”，说明货压着但广告效率看起来不错，这类 ASIN 往往隐藏着长期仓储附加费；左上角是“低库存 + 高 ACOS”，这是最危险的一类，广告在给一个即将断货的 ASIN 抢流量。
关于调价，我有一条基于样本观察的经验规则：大幅调价后的效果评估，至少要等 10 到 14 天。前 3 天看到的变化，大部分是系统重新学习和竞价波动的噪声，不是真实效果。
最后补一个同期群观察。把 ASIN 按上架月份分组，看它们的广告订单占比随时间的演化，会得到一条非常规律的成熟曲线。
新品期（0-2 个月）广告订单占比通常超过 70%，这是正常的；3-6 个月应该降到 40%-55%；7-12 个月的健康值在 25%-40%；超过 12 个月还在 50% 以上的 ASIN，基本可以判断为“没有长出自然流量，只是靠买量维持”。
诊断逻辑是一套，执行动作要按自己的体量和阶段来。我按月度广告花费规模分了三档，这不是绝对的划分，但对应的工作重心差异非常明显。
这个阶段最容易犯的错是去买复杂的归因工具或建机器学习模型。你的问题不是模型不够好，而是你连 TACOS 和贡献毛利都算不出来。
建议的动作顺序是：
这一档不需要任何高级工具，一张有纪律的表格就够了。真正的门槛是坚持每周更新，而不是工具能力。
这一档通常已经有 3-8 个主推 ASIN、多个渠道、至少一个专职投放。此时人工拼表的成本开始超过工具成本，可以考虑把口径固化到工具里，比如我前面提到的数跨境这类多平台经营数据工具。
建议建立三个固定节奏：
这一档最常见的组织问题是广告和运营是两个团队，库存信息不同步。我的建议是在流程上强制加一个“放量前确认库存”的卡点，哪怕只是一个共享表格里的一行确认。
到了这个体量，归因误差带来的金额已经足够大，值得投入做增量测试。具体做法是定期选取一小部分预算（建议 5%-10%），做开关实验，用总销售额的差值反推真实增量。
同时，这个阶段应该开始做预算组合管理：把预算拆成防守型（品牌词、老客）、效率型（高转化精准词）、探索型（新品、新词、新渠道）三类，并为每一类设定不同的考核指标。
探索型预算不应该用 ACOS 考核，那等于要求它在起跑线上就赢。它应该用“能否在 N 周内跑出可复制的效率型单元”来考核。
诊断和行动之后，剩下的都是取舍。取舍没有标准答案，只有对应场景下的合理选择。下面五组取舍是我在复盘里被问得最多的。
如果这个 ASIN 处在成长期、评论和自然排名都在往上走，我倾向于保排名，容忍更高的 ACOS，因为你买的是未来的自然流量。如果这个 ASIN 已经进入衰退期、自然排名不再有上升空间，那就保 ACOS，把预算挪给新品。
判断标准就一条：这个 ASIN 的自然订单占比在未来 90 天有没有可能上升。答案是“有可能”，就保排名；答案是“不可能”，就保 ACOS。
滞销库存是隐形成本，长期仓储费和资金占用往往比降价损失更大。我的经验阈值是：如果可售天数超过 90 天且近 30 天动销下滑，就应该用广告配合清仓，而不是维持原价硬扛。
这时候广告的角色变了，它不是增长工具，而是清库存工具。考核指标也应该从 ACOS 换成“清仓周期”和“回收现金 / 库存成本比”。
我的结论是分阶段：新品期以自动投放为主，用它来快速发现高转化的搜索词和 ASIN 定投机会；成熟期以手动为主，把跑出来的高效词固定成精准活动，自动投放退回到探索小额预算。
很多团队反过来做：新品期用大量手动精准词，结果因为缺乏数据积累，选词全凭感觉；成熟期反而放开自动投放，导致流量结构失控。
判断依据是三个成本：人工拼表的时间成本、口径错误的决策成本、以及数据延迟的机会成本。
当月广告花费低于 2 万美元、SKU 少于 50 个时，自建表格完全够用；当 SKU 超过 100 个、渠道超过 2 个、且需要每天刷新时，工具的成本通常会低于人工成本。但要记住，工具解决的是口径和效率问题，不解决判断问题。
我给团队的是三条硬规则，满足任意一条就停：连续 14 天零转化且花费超过阈值；库存可售天数低于 10 天且补货未确认；贡献毛利连续 3 周为负且无战略理由（比如新品冷启动期）。
预设规则的价值在于避免情绪化决策。没有规则时，团队要么因为心疼历史投入而不肯停，要么因为一天的波动而误杀。规则让停掉一条广告变成一个不需要争论的动作。
如果这篇长文只留下一个判断，我希望是这一句：广告是经营系统的放大器，它放大的是你已有的优势或缺陷，而不会替你修复任何一个缺陷。所以当你看到 ACOS 异常时，第一个动作不该是打开广告后台。
关于精细化运营，我还有一个可能不太主流的观点：精细化的上限不是数据颗粒度，而是组织的响应速度。你可以把 ACOS 精确到小数点后四位，但如果库存信息要三天才能传到广告团队手上，那四位小数毫无意义。
我给很多团队的建议都是先修流程，再修报表，最后才是调出价。修流程往往不花一分钱，但收益最大。
具体到明天，你可以做三件小事，都不需要预算审批：
这三件事做完，你已经比大多数只盯着 ACOS 的团队多了一个完整的坐标系。至于工具，等你发现手工拼表开始拖慢节奏的时候再上，那时候你才知道自己真正需要的是什么，先有诊断逻辑，再选承载工具，顺序不能反。
我自己做店铺时最怕这种情况：预算加了30%，单量没怎么动，ACOS从28%爬到45%，同事问起来我只能说一句“市场竞争激烈”。后来我发现这种回答等于没回答，真正该做的可能不是继续调竞价，而是先把问题拆到具体层级。到底该怎么定位？
先别动竞价，按漏斗倒着查三件事。第一层是曝光到点击：下载搜索词报表，按曝光排序看前20个词，如果点击率低于类目均值（多数类目在0.3%-0.5%，装饰类、低价小件更低），问题在图片或价格上，这时候调竞价是白花钱。
第二层是点击到转化：给每个词算点击-订单转化，判断口径建议是同一个词累计15-20次点击仍0转化，先降价30%观察3天，再无转化就加否定；转化率低于类目均值的词单独放到低预算活动里养。
第三层是转化到利润：把ACOS换算成可承受上限，公式是目标ACOS不高于毛利率乘以广告销售占比容忍度，比如毛利率35%、你能接受广告单占比50%，那ACOS上限就是17.5%，超过的词不管出多少单都不该放量。三步查完，通常能判断出问题在素材、选品还是出价结构，而不是笼统的“竞争激烈”。
我看过很多教程说要按SKU、按词、按匹配方式建一堆活动，照做之后后台七八十个活动，每天调价调到凌晨，效果还不如以前一个自动活动跑着。所以我一直怀疑“越细越好”这件事。到底拆到什么颗粒度才算合理？
我的经验是：拆分的目的是让每一份预算对应一个可解释的决策，如果一个活动你一周都不会单独调它一次，就不该单独建。实操按三层就够。第一层是目的层，分成新品测款、主推词卡位、清库存冲排名三类，这三类的ACOS容忍度完全不同，必须分开，否则整体健康度根本没法判断。
第二层是匹配层，同一个词的广泛、短语、精准可以放在同一活动里用不同竞价跑，但不要跨词混在一起，否则你不知道是哪个词在吃预算。第三层才是SKU层，只有当某个SKU库存或利润结构特殊（比如毛利只有12%，必须严格控ACOS）时才单独拆。
判断标准很直接：拆完之后如果你每天调价超过40分钟，或者有超过30%的活动一周没被打开过，就是拆过头了，该合并。结构本身不产生效果，能被执行的结构才产生效果。
我现在基本每天早上睁眼就打开后台，看到花费高了就降价，看到没单就加价，一天调好几次，人很累，月底一算总账还是亏的。我怀疑是复盘节奏和指标选错了。想问问有经验的人一般怎么安排。
复盘节奏要跟数据的噪声水平匹配，我的做法分三层。每日只看三个数：花费、订单数、异常项（花费突然翻倍、某活动0曝光、库存告警），只做止血动作，不做策略调整。每周看一次搜索词报表和活动层级结构数据，只做否定词、加词、预算迁移这三类动作。
每两到四周看一次TACOS（总广告花费除以总销售额）和利润表，调整预算总量和投放结构。指标上最容易踩的坑是只看ACOS不看TACOS：有的词ACOS很低，但自然位被广告位挤掉，总销售额没涨，TACOS反而升了，说明你在花钱买本来免费的流量。
判断依据很简单，把广告花费和总销售额画在同一张折线图上，如果TACOS连续两周上升而总销售额没涨，那就是结构性问题，不是调价能解决的。另外给自己设个最小调整间隔，同一个活动24小时内只调一次，避免被短期波动牵着走。
我经常纠结这个：新品上架要不要猛砸广告冲排名，还是慢慢养？等链接起来了，又不知道该继续加预算还是收手。我见过有人新品期一天烧几百美金，也见过有人几乎不投广告靠自然流量起量，到底哪种对？
本质区别在于你花钱买的是什么。新品期买的是数据和位置，这个阶段ACOS高是正常的，判断依据不是ACOS，而是三个量：曝光是否够跑出统计意义（一般单个ASIN一周至少3000-5000次曝光，才能判断主图和价格有没有问题）、点击率是否达到类目中位、前20个搜索词里有没有出现跟你产品高度相关的词。
这三项没达标，加预算只是把错误放大。成熟期买的是排名防守和利润，判断标准换成TACOS和边际效益：每多投100美金带来的增量订单是否还在上升，如果边际订单在下降而TACOS在涨，就该收。
加减预算我用阶梯测试法，一次调20%-30%，观察5-7天，看增量订单除以增量花费的比值，低于盈亏平衡线就退回上一档。不要一次翻倍，也不要在旺季前一周做大改动，数据根本没时间稳定。
读者评论
断货那段太真实了，我们去年大促也是广告在跑、库存已经见底，广告后台完全不会提示。但文中建议关掉某个活动7天做增量测试，月花费两万美元以下的团队基本不敢，关一天自然排名就掉。有没有更轻的校准办法，比如按小时分段开关，或者用同款不同站点的对照？
把广告、订单、库存、财务对齐到同一个SKU主键，方向没问题，可落地时卡在权限和成本数据上。我们这边投放归市场部，头程和仓储费在供应链，退货原因在客服，做一份ASIN级损益要来回要数，往往一周才拼出来。口径统一之前谈精细化，确实早了点。
TACOS和贡献毛利这套逻辑我认同，但实际考核里老板还是先看ACOS，因为毛利里全是分摊假设，不同人算出来差很多，谁也说服不了谁。另外漏斗里说CTR 0.9%偏低，我自己做的类目首页点击率普遍就在0.7%上下，主图和价格带固然关键，类目差异也不小，不好一概而论。