我2024年3月接手过一个户外用品卖家的多店诊断。当时他们跑着9个亚马逊店铺，月广告花费5.2万美元，广告归因销售额26.8万美元，综合TACOS 19.4%。老板坐下来第一句话是：”我想再开3个店，把流量入口做大。”我把9个店铺的搜索词报告全部拉下来做了交叉去重，发现61%的投放关键词至少出现在3个店铺里，其中”camping lantern”这一个词，有5个店铺同时在打，硬生生把CPC从0.78美元抬到1.34美元。
那一刻的结论很反常识：多店经营在流量获取上，最大的竞争对手不是同行，是你自己。店铺之间没有做流量隔离，多开的每一个店，都在替平台抬高你自己的获客成本。
这篇文章我想把”跨境电商运营方案设计：流量获取场景的多店经营怎么做”这件事讲透。不是讲怎么开店，而是讲在流量获取这个具体场景下，店铺矩阵该怎么设计、预算该怎么分、关键词该怎么隔离、数据该怎么归因、什么时候该收手。文中会用到我在”数跨境”上跑过的一套多店广告归因方法，也会给出可以直接抄走的判断表。
先把结论放在最前面，省得你看到一半觉得我在讲废话。
多店经营的流量获取能力，等于”账号资产结构 × 预算分配机制 × 单店归因精度”三者的乘积，不是店铺数量的加法。三者里任何一项接近零，整体结果就接近零。我见过开20个店月销还不如单店精品的，也见过只开3个店但把每个店的流量池切得干干净净、TACOS稳定在9%以内的。
很多人脑子里的模型是这样的：1个店每月自然流量1万，那10个店就是10万。真实情况是，同一个品类、同一个站点、同一批关键词，你能吃到的搜索流量总量是有天花板的。第1个店吃掉了头部词，第2个店只能吃腰部和长尾，第5个店开始就只能捡剩下的。
我用过一组样本推演数据（基于3C配件类目2024年上半年的店铺扩张记录整理，非平台官方口径）：
我判断一个团队能不能做多店，只看一件事：他们能不能用文档的形式，把第1个店的流量获取过程完整写出来，从关键词挖掘、广告结构、竞价策略，到内容素材、Deal节奏、复购触达。写得出来的，多店是复制；写不出来的，多店是赌博。
写不出来的团队开10个店，结果是10个各不相同的问题；写得出来的团队开10个店，结果是1个模型跑10遍。
把复杂的运营方案剥掉，剩下的就是三件事：
这三个问题解决不了，多店就是成本放大器；解决得了，多店才是流量放大器。
我不是凭感觉说变难。2023年到2025年之间，跨境电商的流量结构发生了几个肉眼可见的变化，这些变化直接改变了多店经营的玩法。
2022年之前，多开店确实有用。平台流量供给充足，多一个店铺就多一个搜索入口，铺货型卖家靠数量就能吃到流量。2023年之后，几个主要平台都在做同一件事：把流量向”高质量账号”倾斜。
具体表现是：新账号的流量冷启动期变长（我自己实测过，2022年新店大概14天能跑出稳定曝光，2024年这个数字普遍拉长到30-45天）；店铺绩效指标对流量分配的影响权重变高（ODR、迟发率、退货率一旦超标，自然流量掉得比广告停投还快）；品牌备案、透明计划之类的门槛把大量低质量账号挡在了流量池外面。
这意味着多店经营的容错空间变小了。以前10个店里有3个养废了不心疼，现在3个废店可能会拖累整个主体在平台侧的信用画像。
2024年之后，一个跨境电商卖家的流量入口至少有这么几层：
多店经营真正难的地方在这里：每多一个店铺，不是多一个流量入口，而是多了一套需要独立配置的流量入口组合。9个店铺 × 5层流量入口 = 45个需要单独设计的配置项。这还没算上区域站点差异。
2024年我在数跨境上跑过一批同类目卖家的广告数据对比，同一个细分类目里，头部20个卖家的店铺数量中位数从2022年的2个上升到2024年的6个。店铺变多，关键词池没有变大，结果就是长尾词的CPC全面上涨。
有个数据我印象很深：某家居细分类目的腰部长尾词平均CPC，2023年Q1是0.42美元，2024年Q3涨到0.79美元，涨幅88%。而这个类目的平均客单价只涨了11%。流量成本涨得比客单价快得多，这是多店经营必须面对的基本面。
我在实际咨询里遇到的”想做多店”，背后动机完全不一样，方案也完全不同：
| 动机类型 | 典型诉求 | 核心风险 | 流量获取重点 |
|---|---|---|---|
| 品类矩阵 | 不同品类分店运营，避免类目权重互相干扰 | 供应链与库存分散，资金占用高 | 站内搜索分层，品类词不重叠 |
| 区域矩阵 | 美区、欧区、东南亚分站点经营 | 合规、税务、本地化内容成本 | 站外本地内容 + 区域搜索词 |
| 渠道矩阵 | 平台店 + 独立站 + 社媒店并行 | 价格体系互相踩踏 | 站外内容引流，站内承接转化 |
| 账号冗余 | 分散封号风险，做备份账号 | 账号隔离不到位，反而全灭 | 低预算维持活跃，不追求规模 |
把动机搞清楚，方案才有落点。我见过太多团队把”账号冗余”当”品类矩阵”来做，给备份账号投大预算冲销量，结果账号关联被判，主号一起受牵连。
这一节是我踩过的坑，也是我看别人踩过的坑。按危害程度从高到低排。
这是最根本的认知错误。多店在自然搜索里确实可能占更多坑位，但前提是你的店铺之间没有关键词重叠。一旦重叠，多店带来的不是增量曝光，而是存量曝光的内部分配。
我做过一个测算：当两个店铺的关键词重叠率低于25%时，第2个店能带来约60%-70%的增量曝光；重叠率在25%-50%之间，增量降到30%-40%；重叠率超过50%，增量只有10%-15%，而广告成本会上升20%以上。重叠率50%就是多店的盈亏分水岭。
为了省事，很多团队直接把主力店的Listing、A+页面、主图、视频复制到其他店。短期看是效率，长期看是自杀。
平台的反重复机制会识别出高度相似的商品，轻则不给新店流量，重则判定为重复铺货。更麻烦的是消费者侧：同一个买家在不同店铺看到一模一样的图和文案，第一反应是”这是不是同一个卖家在刷屏”，信任度反而下降。
我现在给客户的最低要求是：不同店铺的主图至少要有3处可识别的差异点，A+模块的排序和文案结构要重写，视频素材不能直接复用。
平均分配的问题显而易见，不多说。真正隐蔽的是”按历史ROI分配”，看起来科学，实际是滞后指标驱动的分配。
历史ROI高的店，往往是因为它已经吃到了最容易的流量，继续加预算的边际产出是下降的；历史ROI低的店，可能是因为处在冷启动期，加预算反而能突破阈值。用历史ROI做分配，等于不断给已经饱和的店铺输血，让还没起量的店铺饿死。
ACOS是广告花费除以广告销售额。它的问题在于，它完全不考虑自然流量的溢出效应。一个店铺ACOS 35%看着很难看，但如果它的自然订单占比从20%涨到了45%，整体TACOS只有11%，那这个店其实非常健康。
反过来，一个ACOS 15%的店，如果自然订单几乎为零，全部靠广告撑着，那它其实是在给平台打工。
我的判断顺序永远是：先看店铺级贡献毛利（扣除货成本、头程、平台佣金、FBA费、广告费、退货损耗后的真实利润），再看TACOS，最后才看ACOS。
账号隔离涉及至少七个维度，任何一个是共用的，风险就存在。买指纹浏览器只解决了其中一两个维度。
| 隔离维度 | 常见错误做法 | 风险等级 | 整改成本 |
|---|---|---|---|
| 网络环境 | 多店共用同一出口IP，仅靠指纹浏览器区分 | 极高 | 中 |
| 设备指纹 | 同一台电脑切换多个店铺后台 | 高 | 低 |
| 注册主体 | 多个店铺共用同一营业执照或同一法人 | 极高 | 高 |
| 收款账户 | 多个店铺绑定同一收款账号的不同子账户 | 高 | 中 |
| 客服邮箱/电话 | 所有店铺共用同一个客服邮箱 | 中 | 低 |
| Listing素材 | 主图、视频、文案跨店直接复用 | 中 | 低 |
| 品牌备案 | 多个店铺共用同一品牌备案主体 | 高 | 高 |
我的经验是：隔离等级要和店铺价值匹配。主力店必须做全维度隔离，测试店可以适当放宽（因为它的生命周期本来就短），清货店按最低合规标准走。
很多团队的数据盘长这样：一个大看板，显示全公司本月GMV、总广告花费、整体ROAS。看着很爽，但完全无法回答”第5个店到底该不该继续投”这个问题。
多店经营需要的是店铺级、入口级、关键词级的三层归因。汇总数据只能告诉你整体在涨还是在跌，归因数据才能告诉你涨的部分该加码、跌的部分该砍掉。
这是顺序错误。正确的顺序是：先设计店铺角色和流量池划分 → 再去开店 → 再按设计配置流量入口。
先开店的团队，往往在开了7、8个店之后才发现”这几个店其实是重复的”，这时候已经付出的成本包括：账号注册成本、Listing制作成本、广告测试成本、库存分散成本。撤销一个店比新开一个店贵得多。
前面讲了问题，这一节讲方法。我把它拆成六步，每一步都有明确的判断标准。
不要问”这个店该投什么广告”，先问”这个店在矩阵里扮演什么角色”。角色定了，流量入口自然就定了。
我用的是四角色模型：
角色定完之后，要做的是流量池隔离。核心是防止不同店铺在同一层入口上互相抢量。
站内搜索层：用关键词去重工具把所有店铺的投放词和自然排名词拉出来做交叉比对，重叠率超过40%的词必须指定唯一归属店铺，其他店铺一律不投。
站内推荐层：这一层比较难控制，但可以通过差异化商品结构间接影响。不同店铺的关联购买推荐位如果是同一批商品，说明商品结构过于相似，需要调整。
站外内容层：不同店铺绑定不同的内容账号和话题标签，避免同一个TikTok账号同时给多个店铺引流（这既触发平台风控，也让内容标签混乱）。
站外搜索层：独立站和平台店的品牌词要分开，不要用同一套品牌词同时做Google Ads和平台站内广告，否则会互相抬价。
这是我改动最大的一步。核心逻辑是：每追加一笔预算，都应该投给”当前边际ROI最高”的那个店铺，而不是”历史ROI最高”的店铺。
# 多店广告预算的边际贡献分配逻辑（伪代码）
目标：在总预算 B 约束下，最大化 Σ(各店铺贡献毛利)
def allocate_budget(stores, total_budget, step=500):
每个店铺先给一个保底预算（维持账号活跃的最低花费）
budgets = {s.id: s.baseline_budget for s in stores}
remaining = total_budget - sum(budgets.values())
while remaining >= step:
best_store = None
best_roi = 0
for s in stores:
关键：算的是"在当前预算基础上再加 step 的边际ROI"
roi = s.marginal_roi(budgets[s.id], extra=step)
每个店铺角色有各自的及格线
主力店要求 >= 2.5，测试店 >= 1.5，清货店 >= 3.0
if roi < s.hurdle_rate:
continue
if roi > best_roi:
best_roi = roi
best_store = s
if best_store is None:
break # 所有店铺的边际ROI都低于及格线，停止加预算
budgets[best_store.id] += step
remaining -= step
return budgets这套逻辑的价值在于：它会自动把预算从”已经饱和的店铺”转移到”还没饱和的店铺”，而历史ROI分配法做不到这一点。
归因公式我建议这样拆：
店铺级贡献毛利 = 店铺总销售额 − 货成本 − 头程物流 − 平台佣金 − 仓储配送费 − 广告费 − 退货损耗 − 店铺专属人力成本
注意最后一项”店铺专属人力成本”。很多团队不摊这部分，导致看起来每个店都赚钱，实际加起来没赚钱。多店经营的人力成本不是线性的，每多3个店，大概需要增加1个专职运营。
没有明确阈值的多店管理，最后都会变成”凭感觉决定哪个店继续投”。我建议每个店铺角色都设两条线：
关键是提前写下来，不要临场判断。临场判断最大的问题是沉没成本会干扰决策：已经投了3个月的店，很难下决心关。
多店矩阵不是一次性设计完就固定的。每季度要复盘一次：有没有店铺的实际表现和设定角色严重不符？如果有，是调整它的流量配置，还是重新定义它的角色？
我见过最典型的情况是：一个原本定位”测试店”的店铺，因为某个品意外跑出来了，实际贡献毛利超过了主力店。这时候正确的做法不是继续让它当测试店，而是把它升级成主力店，追加内容资产和品牌投入。
前面讲的方法论，落地需要一个能同时聚合多平台多店铺数据、并且支持店铺级归因分析的工具。我自己在项目里主要用的是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys），它是九数云旗下的跨境电商数据分析平台，核心能力是多平台多店铺的数据聚合、广告投放分析、利润与成本核算。
多店经营的数据复杂度是单店的平方级。3个店铺的时候，用Excel还能勉强拼；超过6个店铺，Excel就在崩溃边缘了，不同平台的数据字段不一样、时区不一样、币种不一样、归因窗口不一样。
我之前帮一个卖家手工拉9个亚马逊店铺的搜索词报告去重，光是数据清洗就花了两天。用数跨境之后，多店铺搜索词交叉比对基本是分钟级的操作，这是我最直接的效率感受。
回到开头那个案例。这家卖家的情况是：9个亚马逊店铺，主要做户外照明和露营装备，月广告5.2万美元，TACOS 19.4%。
我用数跨境做了三件事：
7周之后的数据变化：
| 指标 | 优化前（第0周） | 优化后（第7周） | 变化幅度 |
|---|---|---|---|
| 在营店铺数 | 9 | 7 | -2 |
| 月广告花费 | 52,000美元 | 38,000美元 | -26.9% |
| 广告归因销售额 | 268,000美元 | 285,000美元 | +6.3% |
| 综合TACOS | 19.4% | 13.3% | -6.1个百分点 |
| 关键词跨店重叠率 | 61% | 24% | -37个百分点 |
| 头部词平均CPC | 1.34美元 | 0.91美元 | -32.1% |
| 自然订单占比 | 31% | 44% | +13个百分点 |
注意最关键的一点：广告花费降了26.9%，销售额反而涨了6.3%。这不是魔法，就是把内部互相抢量的部分去掉之后，钱花在了该花的地方。
第二个案例是做美妆工具的卖家，TikTok Shop美区开了5个店铺。他们最初的做法是所有店共用一个内容团队的素材，同一条短视频在5个店铺的账号上都发。
结果很糟糕：平台判定为重复内容，播放量从平均8万掉到1.2万；5个店铺的流量标签高度重合，推荐系统无法区分，导致每个店铺的转化率都上不去。
调整方案是把内容流量做分层：
调整后3个月，5个店铺的平均视频完播率从14%回到27%，店铺转化率从1.8%提升到3.4%。同样的人数、同样的内容产能，只是把流量池切开了，效率就翻倍了。
第三个案例是做家居收纳的卖家，在Shopee和Lazada的马来西亚、泰国、菲律宾、越南四个站点都有店。
问题出在关键词策略上：团队用一套中文关键词表翻译成四种语言，直接铺到所有站点。结果泰语和越南语的翻译质量很差，”storage box”翻译成越南语后有7种不同表达，团队只用了其中1种，直接损失了大量长尾流量。
调整做法是：每个站点的关键词表必须由本地化人员或本地买家账号重新验证一遍，不能直接翻译。同时把不同站点的热门品类做区分，泰国站主推布艺收纳，越南站主推塑料收纳，菲律宾站主推桌面收纳，避免站点之间流量意图重叠。
调整后，四个站点的自然搜索流量占比从38%提升到57%，广告花费下降18%。
这三个案例行业不同、平台不同，但优化逻辑是同一个：
方法论讲完了，这一节按”你现在有几个店”给具体动作。
这个阶段的建议很直接：不要急着开店，先把第1个店的流量模型写出来。
具体动作：
判断标准：如果你能把这套模型讲给一个新人听，他能照着跑出第二个店，那你就有做多店的资格了。
这是最容易出问题的阶段。店铺数量已经超过大脑能同时管理的上限，但还没到必须上系统的程度。
具体动作：
判断标准：如果某个月的广告花费上涨超过20%，但总销售额涨幅低于10%，说明内部消耗已经很严重了，马上停下来做隔离。
这个阶段的核心任务从”怎么开店”变成了”怎么关店”。
具体动作：
判断标准：如果矩阵里有超过30%的店铺处于”低毛利低增长”象限超过两个季度，说明矩阵本身需要重构。
| 维度 | 铺货型多店 | 精品型多店 |
|---|---|---|
| 店铺数量 | 15-50个，快速测试 | 3-8个，深度运营 |
| 单店SKU | 50-300个 | 200-800个 |
| 流量重点 | 站内搜索长尾词、低价流量 | 品牌词、内容流量、复购 |
| 账号隔离要求 | 高（数量多，平台风控敏感） | 中（数量少，但单店价值高，也要做全） |
| 数据工具需求 | 批量聚合、批量上架、批量投放 | 深度归因、利润分析、内容效果追踪 |
| 关停阈值 | 连续4周负毛利即关 | 连续8-12周负毛利才考虑 |
这个表格我自己用过很多次，最大的价值是防止用铺货的逻辑管精品店，或者用精品的逻辑管铺货店。两种模式的KPI、阈值、节奏完全不同，混用必出问题。
多店经营本质上是一连串取舍。这一节把最常见的五组取舍讲清楚，每组的判断依据是什么。
这是最核心的一组取舍。多开一个店，你获得的是一个新的流量入口（可能是递减的），你失去的是原本可以投入到现有店铺的精力。
我的判断标准是：当现有店铺的自然流量占比还在持续上升时，不要开新店。因为这说明现有店铺的流量天花板还没到，加投入的边际回报还在高位。
反过来，当现有主力店的自然订单占比连续3个月停滞在某个水平（比如42%上不去），并且广告TACOS持续上升，说明这个店的流量池接近饱和了，可以开始考虑新店。
全维度隔离意味着每个店都要有独立的注册主体、收款账户、品牌备案。这套下来，单店的一次性合规成本大概在几千到几万元不等，还要加上持续的维护成本。
如果是测试性质的店铺，生命周期可能只有3个月，为它做全维度隔离不划算。我的建议是分级隔离：
站内流量的特点是确定性高、起量快、成本可控但会持续上涨；站外流量的特点是不确定性高、起量慢、但一旦跑通就有复利。
我的建议是按店铺角色分配，而不是按比例分配。主力店和内容店必须有站外投入，因为站外内容沉淀下来是资产；测试店和清货店不要碰站外，因为还没验证清楚的东西不值得做内容。
这个问题很实际。多店数据工具的年费通常在几千到几万元区间，而一个专职数据分析岗的年成本通常在十几万以上。
我的判断依据是店铺数量和归因复杂度：3个店以内，人力或Excel能覆盖；3-8个店，工具开始明显划算；8个店以上，没有工具基本做不了结构化归因，只能靠感觉。
但要注意一点：工具替代不了判断。工具能告诉你哪个店铺的边际ROI最高，但不能告诉你市场环境变化了、这个类目明年该不该继续做。工具是眼睛，判断还是得人来下。
多店矩阵里最容易发生的事是：为了短期冲GMV，把所有店铺都变成清货店，卖同样的货、打同样的价格。短期数据很好看，长期是品牌资产归零。
我的建议是至少留1-2个店铺承担纯品牌职能，不背短期GMV指标。这类店铺的考核指标应该是品牌搜索量、内容互动率、复购率，而不是月销售额。
写到这里，我把核心观点收一下，然后给你可以直接执行的动作清单。
第一，多店经营的本质是流量池隔离，不是店铺数量扩张。当关键词跨店重叠率超过40%时，你新开的每一个店都在稀释已有店铺的流量效率，而不是创造增量。
第二，预算分配应该看边际贡献，不应该看历史ROI。历史ROI是滞后指标，边际ROI是前瞻指标。用滞后指标分配前瞻资源，是所有多店团队最普遍的结构性错误。
第三，多店的最优规模是可以被量化的。当新增店铺的增量贡献毛利小于它的增量管理成本时，扩张就该停止。这个临界点在大多数类目里出现在第5到第7个店铺之间。
多店经营这件事，最容易犯的错误是把增长问题当成规模问题。GMV不涨的时候，本能反应是”再开个店试试”。但绝大多数情况下，问题不在店不够多，而在现有的店之间没有做好隔离、预算没有分配好、归因没有做清楚。
先把一个店的流量模型跑通、写清楚、能量化，再谈复制。做不到这一点，多开的每个店都会变成成本中心，而不是流量入口。
如果你现在正好在做多店矩阵，建议从第一步开始：把关键词重叠率算出来。这一个数字，比任何运营方案都更能告诉你下一步该做什么。
我手上同时开了亚马逊、Shopee和独立站几个店，之前为了抢流量把同一批素材和关键词复制过去，结果广告互相竞价，还遇到账号关联审核。我现在拿不准到底应该先把账号矩阵隔离开，还是先统一投放策略再分店承接？
先做流量架构和账号隔离，再统一投放，不要反过来。我的做法是给每个店定义角色：引流店负责测新流量和爆款验证，利润店承接已验证的关键词和人群，测试店只做小预算新渠道。账号层至少隔离IP、浏览器环境、收款、邮箱、域名和发货信息，广告账户按平台和店铺分仓，素材和受众在渠道层统一去重。
判断依据是单店贡献毛利、CAC、首单ROAS和自然流量占比；如果某个店连续7天CAC高于贡献毛利或出现关联审核，立即停止跨店复制人群包。数据口径建议用平台7天归因加独立站UTM 30天，跨店购买按用户ID去重，否则会高估流量效果。
我们团队有5个店，老板要求每个店都投广告，结果预算越摊越薄，核心店排名掉，新店也没起来。我作为运营负责人，很想知道多店预算到底该怎么切，才能不互相打。
不要平均分，按店铺角色和验证阶段切。我的口径是70%给已验证利润店，20%给潜力店放大，10%给新店或新渠道测试；测试预算以能跑出50到100个转化或至少3天数据为下限。防内部抢流量要三步：广告账户排除已购人群和跨店受众，否定关键词按店铺定位隔离，促销码和UTM按店区分；
发现两个店争同一关键词时，保留贡献毛利更高的那个。判断依据看边际CPA和边际ROAS：某店ROAS低于盈亏平衡线1.2倍且连续7天没有改善就降权；某店加预算后边际ROAS不降，才继续放量。
我之前把独立站爆款主图和广告文案直接搬到东南亚和欧洲店铺，点击率一开始还行，转化却很低。后来才发现支付方式、尺码、评价和物流时效都不一样。我想知道多店本地化流量获取到底要改哪些地方，才能少走弯路。
复制只能做初筛，不能做放大。每个店要重建三样东西：关键词库、信任素材和承接页。关键词库用平台搜索词报告、竞品广告库和Google Trends按国家取30天滚动数据，排除大促日；信任素材要换本地评价、支付图标、退换货和时效；承接页要匹配本地尺码、电压、语言和节日场景。
测试时先上3到5个主题，每个主题给同等小预算，看CTR、CVR和加购率，CTR高于类目均值1.5倍且CVR不低于店铺基准才加预算。判断依据是本地化后的首单ROAS是否覆盖物流和退货成本，如果某国退货率超过8%且贡献毛利为负，就不要继续复制。
我们店群去年GMV涨得挺好看，但年底一算账，广告费、退货和仓储把利润全吃掉了。我现在复盘时很困惑，多店流量获取到底该用什么指标衡量，才能知道哪个店真值得继续投。
把店铺级损益和渠道级归因绑在一起看，别只看GMV。核心指标是贡献毛利，计算为GMV减平台佣金、广告费、物流、退货、支付和仓储分摊；流量获取看CAC、首单ROAS、复购ROAS、自然流量占比和核心词排名。
数据口径建议广告按平台7天归因、独立站按UTM 30天归因，跨店购买用用户ID或手机号去重，并单独剔除大促日。判断标准：贡献毛利为正且自然流量占比持续高于15%的店可以加预算；贡献毛利为负且自然流量占比低于15%的店，先停投，优化承接页和复购再决定是否重启。这样能避免把流量繁荣当成经营成功。
读者评论
关于关键词重叠率，我自己拉过几个店的搜索词报告，难点其实在口径。按完整词去重算，重叠率常常只有20%多；按词根归并再算，直接冲到60%以上，判断结论完全相反。文章给的50%这条线没问题，但没提口径这件事，实操时很容易自己说服自己没重叠。建议至少固定一套词根归一规则再去看。
边际递减的结论我认可，但拐点位置跟品类关系太大，不能直接套第3到第4个店。我们做低客单配件，第4个店还在拿增量；朋友做大件家居，第3个店就开始内部抢词了。搜索词总量和客单价决定的，测自己的类目比看图有用。
按边际贡献分预算这个思路是对的，但小团队根本算不到店铺级贡献毛利，头程和仓储一摊销就吵架，最后又退回看ROAS。我们现在的做法是先看广告花费占比加自然订单占比做粗筛，能挡住明显该砍的店就够了，不必追求精确归因。