2024 年 11 月，一个做家居收纳的跨境团队找到我，老板开口第一句话是：“我的物流成本占了售价的 22%，同行只要 17%，这 5 个点被谁吃掉了？”我们花了整整两天导出数据，最后的结论让他沉默了很久，他的物流成本其实并没有比同行高，高的是“异常订单”占比；而那些异常订单，全部藏在报表的“平均时效”里，一个数字都没露出来。
这件事几乎是我做跨境物流数据咨询以来最常见的开场。绝大多数人复盘物流，第一反应是打开运费账单，看每公斤单价、看每票总成本、看同比涨跌。方向没错，但起点错了。
这篇文章我想把“从哪里开始”这件事讲透：为什么第一步不是看运费，而是先定口径、先切异常；为什么平均值会骗人；为什么我在给客户做复盘设计时，第一周几乎不产出任何结论，只做三张底表。文中会用到我 2023，2025 年服务过的 13 家跨境团队（年 GMV 从 800 万到 4.6 亿人民币不等）的脱敏数据，也会以我自己常用的数据分析工具数跨境为例，说明具体怎么落地。
如果你只记一句话，请记这句：物流数据复盘的起点不是成本，而是口径；不是平均值，而是异常分层。成本是结果，异常是原因，口径是前置条件。跳过前两步直接看成本，你得到的是一个无法归因的数字。
什么叫口径不清？举个最常见的例子。同一个团队里，客服说的“妥投时效”是从下单到买家签收，物流专员说的“时效”是从仓库交运到末端派送完成，财务说的“物流成本”是当月实际付款金额，运营说的“物流成本占比”是按出库订单分摊。
这四个人坐在一张桌子上复盘，数据永远对不上，最后往往演变成“你的数据是不是算错了”。我在 2024 年 3 月做过一次现场测试：让一个日均 800 单的团队，五个人分别用自己理解的口径统计“上个月物流成本占比”，结果五个答案分别是 18.4%、21.1%、19.7%、23.2%、20.6%，最大差值 4.8 个百分点。
而这 4.8 个点，足以让一个净利率 8% 的生意看起来“还不错”或者“快要亏了”。口径不统一的时候，任何复盘结论都是噪音。
我自己的习惯是，拿到一份物流数据，第一件事不是算总成本和平均值，而是先把订单分成四层：正常单、时效异常单、成本异常单、履约异常单（丢件、破损、拒收、退运）。
为什么？因为在一个日均 1000 单的成熟跨境业务里，正常单的成本和时效通常是稳定的、可预测的，它们的波动幅度很小，优化空间也有限。真正吃掉利润的是那 5%，15% 的异常单，它们往往贡献了 30%，50% 的额外成本。
但如果你只看整体平均值，这 5%，15% 会被 85%，95% 的正常单稀释掉，你在报表上最多看到“本月物流成本占比上升 0.6 个百分点”，根本看不出发生了什么。
整体时效是一个被平均出来的谎言。同样是“7 天送达”，可能是 90% 的订单 4 天送达、10% 的订单 30 天送达；也可能是 100% 的订单都在 6，8 天送达。前者买家体验是“有时快有时慢，不可信”，后者买家体验是“稳定”。
而对跨境生意来说，不可信比慢更致命。因为不可信会直接推高客服咨询量、差评率和退货率，这三项都是真金白银。
我见过太多复盘报告，最后一页写着“建议优化物流渠道结构”“建议加强异常管理”。这不是结论，这是愿望。可执行的动作应该长这样：“把 SKU A 到 SKU Q 这 17 个 ASIN，从渠道 X 切换到渠道 Y，试运行 4 周，观察单均物流成本与 30 天差评率。”没有明确对象、明确动作、明确观察期的复盘，等于没复盘。
国内的仓配复盘相对简单：一套履约链路、一个计价体系、一个时效承诺。跨境电商不是这样。它的复杂度不是线性增加的，而是乘数级叠加的。
一票跨境订单的成本至少包含：头程运费、清关与关税、尾程派送费、平台佣金中的物流相关部分、包装耗材、仓储费（含长期仓储与超龄附加）、退货处理费、汇率折算差异、支付手续费中的跨境部分。这些项目分属不同部门、不同系统、不同结算周期。
发货当月产生的订单，头程费用可能在上个月结算，尾程费在下个月结算，关税在清关时就付掉了，退货处理费可能延迟 60 天。如果你按“自然月现金支出”统计成本，那你统计的其实是三个月前的业务表现。
这是我在 2023 年给一家做户外装备的客户做复盘时踩的第一个坑：账面物流成本在 6 月突然下降 12%，团队庆祝了一周，后来发现纯粹是因为 5 月的一批海运尾款延后到 7 月支付。
主流跨境平台大多对卖家承诺的时效有考核，但考核口径和买家感知口径并不完全一致。平台考核的是“是否在承诺时间内完成扫描/妥投”，买家感知的是“我什么时候能拿到东西”。中间这段时间差，往往被卖家忽略。
我统计过 6 家客户在 2024 年上半年的数据：平台后台显示的“准时妥投率”平均为 96.2%，但同期买家在站内信和评论中主动提及“慢”的比例折算下来，对应的满意度口径只有 89% 左右。7 个百分点的差距，就是复盘时容易漏掉的部分。
现在大部分有一定规模的跨境卖家都是双轨：一部分 SKU 走海外仓备货，一部分走国内直发。这两种模式的成本结构完全不同，海外仓是“仓储费 + 尾程派送”，直发是“头程 + 清关 + 尾程”。
更麻烦的是，同一个 SKU 可能在不同月份走不同模式。如果你把两种模式的订单混在一起算“该 SKU 的物流成本”，得到的数字既不能指导备货决策，也不能指导渠道谈判。
我在 13 个项目里做过统计，团队说“复盘做不出结论”的原因，80% 以上集中在下面四类问题。它们不是技术问题，是认知问题。
平台后台的报表是为“考核”设计的，不是为“经营分析”设计的。它告诉你“你有没有达标”，但不告诉你“为什么没达标、影响多少钱”。
更关键的是，平台后台的物流数据维度通常是固定的：订单号、渠道、时效、费用。它不会告诉你这个订单的包装重量是否异常、是否被合并发货、是否走了备用渠道、是否发生了两次派送。而这些恰恰是成本差异的真正来源。
我做过一次对照：同一批 4,200 个订单，平台后台能提供的分析维度是 9 个，公司 ERP 能提供 21 个，而把物流商账单、仓储 WMS 出库记录、客服工单三份数据打通之后，可用维度上升到 34 个。维度数量直接决定了你能提出多少种假设。
这是最普遍、也最隐蔽的误区。均值会把长尾吃掉。我习惯在任何一份物流数据里至少看四个数字：P50（中位数）、P90、P95、P99。
举个真实例子。某客户 2024 年 8 月的美国线直发时效，P50 是 6.2 天，看起来不错；但 P95 是 21 天，P99 是 43 天。也就是说，大约每 20 单里有 1 单要等三周，每 100 单里有 1 单要等一个半月。而跨境买家的差评，几乎全部来自这个尾部。
我们后来做的事很简单：把这批 P95 以上的订单单独拉出来，看它们的共同特征。结果发现 68% 集中在三个 SKU 上，共同点是体积重远大于实重、且申报价值偏低容易触发查验。这是一个只看均值永远发现不了的结论。
当出问题时，第一反应是“这家物流商不行，换掉”。但在我的经验里，物流商本身的问题大约只占根因的 35%，45%，剩下的大头在卖家自己这边：产品包装设计、申报资料准确性、SKU 与渠道的匹配度、备货节奏。
我印象最深的一次，是 2024 年一家做宠物用品的客户，连续三个月投诉某渠道“时效崩了”。我们做了渠道对比测试：把同样的订单拆到三个渠道，结果发现被投诉的渠道确实比另外两个慢 2.1 天，但更关键的是，这家客户的包裹平均体积重比实际重量高 47%，导致所有渠道都把它归入“泡货”慢线处理。换渠道只能缓解，改包装才是解药。
“物流专员没盯紧”“客服没及时跟进”，这类结论在复盘会上很常见，但它不产生任何改进。因为人不是原因，流程缺口才是原因。
正确的追问方式是：为什么这个异常订单在发生后第 6 天才被发现？是我们的监控阈值设错了，还是根本没有监控？把结论从“谁做得不好”转成“哪个环节缺少自动触发”，复盘才真正闭环。
讲完误区，说方法。我把自己的复盘框架压缩成一句话：用三张底表建立事实，用一个口径字典统一语言，用一组阈值定义异常。这套结构我在 13 个项目里迭代了两年，目前是最稳定的版本。
无论你用什么工具，复盘必须能拼出下面三张表。缺任何一张，你的分析都会出现盲区。
第一张：订单履约表。一行一个订单，字段至少包含订单号、SKU、下单时间、出库时间、交运时间、清关时间、妥投时间、发货仓、物流渠道、目的国、买家实际支付金额。这张表回答“发生了什么”。
第二张：物流成本表。一行一个成本事件，字段包含订单号或批次号、费用类型（头程/尾程/关税/仓储/退货处理）、金额、币种、结算月份、归属业务月份。这张表回答“花了多少钱、什么时候花”。
第三张：异常事件表。一行一个异常，字段包含订单号、异常类型、发现时间、首次预警时间、处理动作、处理耗时、最终结果、责任环节。这张表回答“哪里出了问题、多久才发现”。
第三张表是最容易被忽略的，也是最有价值的。我统计过，能持续维护异常事件表的团队，平均问题闭环时间比不维护的团队短 41%。
口径字典不是文档工程，是决策基础设施。我通常只用一张表来承载它，字段包括：指标名称、业务定义、计算公式、数据来源系统、统计周期、归属规则。
下面是我给客户做的一个简化示例，展示了口径字典应该长什么样：
指标名称: 妥投时效
业务定义: 买家下单时间 → 物流签收时间，按自然日计算，含节假日
计算公式: DATEDIFF(day, order_time, delivered_time)
数据来源: 订单履约表(平台) + 物流轨迹表(物流商)
统计周期: 按周/按月聚合
归属规则: 按【下单时间】归属业务月，而非签收时间
备注: 与"平台考核时效"不同，后者从交运时间起算
指标名称: 单均物流成本
业务定义: 归属业务月内所有物流相关费用的合计 / 出库订单数
计算公式: SUM(费用金额_折算人民币) / COUNT(DISTINCT 出库订单号)
数据来源: 物流成本表 + 订单履约表
统计周期: 自然月
归属规则: 头程按批次分摊到 SKU，尾程按订单归属，仓储费按日均库存占比分摊
备注: 必须剔除汇率重估影响，否则月度对比失真
这张字典写完之后，团队里关于“数据不对”的争论会减少一大半。口径字典的作用不是记录，而是终止无效争论。
阈值不需要一开始就很精细，但必须有。我给客户的初始阈值通常是四条：时效超过 P90 分级、单均成本超过渠道均值 130%、任一节点停留超过 48 小时未更新、退货原因中含物流相关关键词。
运行 4，6 周之后，用实际数据回头校准。比如某客户发现 48 小时阈值太宽松，因为他们的目的国分拣节点正常只需 8 小时，最后调整为 24 小时，异常发现时间从平均 3.4 天缩短到 1.1 天。
下面这个案例是我 2024 年下半年做的项目，客户是年 GMV 约 1.2 亿人民币的家居品类卖家，主营美区与欧洲，日均出库约 1,400 单，直发与海外仓并行。我把全过程拆开来写，因为它几乎包含了上面提到的每一个坑。
客户找到我时的情况是：2024 年 6，8 月毛利率从 28.1% 降到 23.9%，掉了 4.2 个百分点。团队已经排查了采购成本、平台广告、退货率，都只有小幅波动，加起来解释不到 1 个点。
物流负责人给出的结论是“物流商涨价了”。但当我们把三家主力物流商的报价单逐条比对之后，合同单价其实没有任何变化。这就是典型的“结果被当成原因”。
我们花了三天时间做口径对齐，主要解决三个问题。第一，把成本归属从“现金支出月”改为“订单归属月”，用批次号和订单号做映射。第二，把汇率影响单独剥离成一个观察项，不混进物流成本。
第三，也是最重要的，把直发和海外仓两种模式的成本拆开算，不再混合。仅这一步，就让 6 月的“物流成本占比”从原来报的 21.3% 变成了直发 27.6%、海外仓 14.8%。原本一个模糊的 21.3%，现在变成了两个可以分别优化的数字。
口径统一之后，我们做了一张毛利流失拆解。方法很简单：以 5 月的毛利率 28.1% 为基准，逐项扣减，看每一类因素贡献了多少个点。
拆解结果是这样的：物流渠道结构变化 -1.1 个点，异常订单（丢件、破损、二次派送、退运）-1.7 个点，海外仓长期仓储费上升 -0.8 个点，汇率 -0.4 个点，其余 -0.2 个点，合计 -4.2 个点。
看到这个结果，方向立刻清楚了：最大的漏点是异常订单，占了 1.7 个点，接近总流失的 40%。而此前团队一直盯着的是渠道结构，那只是第二大的问题。
确定了异常订单是第一大漏点之后，我们把它拆到 SKU 层级。做法是把所有异常订单按 SKU 聚合，算出每个 SKU 的“异常率 × 单均异常成本”，得到一个“单 SKU 异常损失贡献值”，然后排序。
结果非常集中：17 个 ASIN 贡献了全部异常损失的 64%。进一步看这 17 个 ASIN 的特征，共同点非常明显，它们都是体积重远大于实重的产品，但被放进了标准小包渠道。
具体说，这些产品的实重平均 1.2 公斤，但包装后体积重平均 3.8 公斤，远超小包渠道的 2 公斤上限。结果是：入仓时被判定超规，转入慢线；部分被退回重新分拣；个别在目的国被要求补缴费用。每一次这样的操作，平均额外产生 4.3 美元的隐性成本。
这个客户原本的分析方式是：运营每周从平台后台导三份 Excel，手工 VLOOKUP 合并，做几张透视表。整个过程大概 6，8 小时，而且只能做到“月对比月”，无法回答“这个 SKU 这个渠道这个仓，本周比上周差在哪”。
我们在第三周引入了数跨境作为分析层。我的使用方式是：把多店铺、多物流商、多仓库的数据统一汇进来，先对齐口径，再用它做三件事。
第一件是周期对比。同一组 SKU、同一渠道，按周看物流成本占比和 P90 时效的变化，把原来 30 天的反馈周期压缩到 7 天。这对快速试错非常关键，我们改包装之后，第二周就能看到趋势，而不是等一个月。
第二件是异常下钻。从“整体异常损失增加”一路点到“具体 SKU → 具体渠道 → 具体目的国 → 具体异常类型”，这条路径原来需要手工做四层透视表，现在可以在一个视图里连续钻取。我们找到 17 个 ASIN 的过程，从原计划的 5 天缩短到 1 天半。
第三件是多维归因。把物流成本和售后数据放在一起看，可以验证一个假设：时效改善是否真的带来了差评率下降。这个验证非常重要，因为它决定了后续要不要继续为“更快的渠道”多付钱。
最终我们只做了四个动作。第一，17 个 ASIN 全部改包装，把体积重从平均 3.8 公斤压到 2.4 公斤，单件包材成本增加 0.18 美元，但物流成本下降 3.1 美元。
第二，12 个结构性亏损 ASIN 中，5 个转海外仓、4 个提价、3 个下架。第三，重整海外仓滞销 SKU，清掉三个 180 天以上的批次，长期仓储费下降 61%。第四，建立周度异常阈值告警，把异常发现时间从平均 3.4 天压到 1.1 天。
三个月后，毛利率回到 27.0%，回补 3.1 个百分点，还差 1.1 个点未回到 5 月水平，那部分主要来自汇率和海外仓整体费率上调，属于外部因素。重要的是，团队现在能清楚说出这 1.1 个点是什么，而不是笼统地说“物流变贵了”。
代价也要说清楚：整个项目投入约 6 个人周，改包装涉及重新做跌落测试和重新贴标，前两周出库效率下降约 12%，客服咨询量短期上升。所以这套复盘不是零成本的，它的前提是你能接受短期波动换取结构性改善。
我经常看到日均 200 单的团队在学日均 2 万单公司的复盘体系，结果是被数据淹没。复盘的颗粒度必须匹配你的业务体量，否则就是自我消耗。
这个阶段最重要的事情不是分析，而是记录。你需要的是一张能持续更新的表格，字段包含订单号、SKU、渠道、下单日期、妥投日期、物流总费用。用最朴素的表格工具就够了。
复盘频率建议每月一次，每次只看三个数：单均物流成本、P90 妥投时效、异常订单数。不要追求分位数、不要做多维下钻，样本量不够，切太细全是噪音。
这个阶段最大的跃迁是开始记录异常。因为订单量已经足够产生有意义的异常样本，而人脑记不住。异常事件表不需要复杂，六个字段就够：订单号、异常类型、发现时间、处理耗时、额外成本、责任环节。
坚持记录 8，12 周，你就能得到自己的异常分布基线。有了基线，你才能判断“这周异常变多”是真实恶化还是正常波动。同时开始按渠道、按目的国做分组对比，逐步淘汰表现最差的渠道。
到这个体量，Excel 手工合并会直接成为瓶颈。你需要的是：统一的数据汇聚（多店铺、多渠道、多物流商）、固定的口径字典、自动化的阈值告警。
这个阶段我强烈建议引入专业分析工具，因为人工的时间成本已经超过工具成本。以数跨境这类工具为例，它的核心价值不是“报表更好看”，而是把订单、成本、售后三条线放在同一个口径下，让你可以在一个视图里完成从总览到 SKU 的下钻。这在本阶段是刚需，不是加分项。
大团队最容易犯的错是所有人看同一份报表。正确的分层是：操作层看日维度异常清单，关注“今天要处理什么”；战术层看周维度渠道与 SKU 表现，关注“下周改什么”；战略层看月维度成本结构与模式占比（直发 vs 海外仓），关注“季度资源投向哪里”。
三层的口径必须一致，但视图必须不同。我服务过的一家 4 亿规模的客户，最初就是因为把战略层的月报表直接给操作层用，导致异常订单平均 5 天才被发现。报表的刷新频率决定了你的反应速度。
复盘这件事最难的从来不是技术，而是取舍。你的时间、预算、团队注意力都是有限的，下面四组取舍是我被问得最多的。
自建的优势是完全贴合业务、口径可控、长期边际成本低；劣势是前期投入大、依赖技术人力、迭代慢。采购工具的优势是上手快、维度全、维护成本低；劣势是口径受限于工具设计，特殊业务场景可能无法完全覆盖。
我的判断标准很简单：如果你没有至少一个全职数据岗位，就不要自建。半自建的体系（拿工具做采集、拿表格做补充分析）在日均 500，5000 单这个区间通常是最优解。
全量复盘听起来严谨，但当 SKU 超过 300 个时，逐项复盘的时间成本会超过收益。更务实的做法是：用帕累托做全量监控、对头部 5%，10% 做深度复盘。前面案例中 17 个 ASIN 贡献 64% 异常损失，就是典型的长尾分布。
抽样也不是随便抽。要保证抽样的分层代表性：按时效分层（P50/P90/P99）、按渠道分层、按目的国分层。按分层抽样得到的结论，通常能解释 85% 以上的整体问题。
这两个目标在多数时候是冲突的。更快通常意味着更贵。关键是要区分：是所有订单都需要更快，还是只有一部分订单值得更快。
我的经验是，把订单按客单价和买家敏感度分两档：高客单、高复购潜力的订单，时效优先，愿意多付 15%，25% 的物流成本；低客单、一次性购买的订单，成本优先，接受长时效但必须保证时效稳定。用同一个标准对待所有订单，通常是两头都做不好。
直发的复盘重点是头程与清关，因为这两个环节波动最大；海外仓的复盘重点是仓储周转与尾程派送，因为仓储费随时间累积、尾程决定买家体验。
很多团队把两者用同一套指标复盘，结果两边都看不清。正确的做法是设计两套指标：直发看“头程单公斤成本 + 清关滞留率 + 端到端 P90 时效”；海外仓看“库存周转天数 + 长期仓储费占比 + 尾程准时率”。指标不同，复盘会才能开得下去。
写到这里，我想回到最开始那个问题：数据复盘从哪里开始？我的答案始终没变，从口径开始，从异常切入，从可执行的动作结束。顺序错了，后面每一步都会歪。
如果你今天就要动手，我建议按这个顺序做四件事，不要跳步。
一个月之后，你会有口径、有基线、有分位数、有优先级清单。这时候再去谈换物流商、改包装、调渠道结构，每一个决策背后都有数字支撑，而不是感觉。
最后说一个我自己的判断：跨境物流复盘的竞争壁垒，从来不在工具，而在口径和数据积累的连续性。工具谁都可以买，但一套运行了 12 个月、口径前后一致、异常记录完整的自有数据集，是买不到的。它会在你和物流商谈判时、在你决定是否开辟新市场时、在你判断某个 SKU 该不该继续做时，持续给你答案。
所以别等数据完美了再开始。今天先写下三个指标的定义，就是你物流复盘真正的第一天。
我们团队做跨境没两年，每次物流复盘会大家都各说各的：有人盯运费，有人盯时效，有人盯退货。我作为运营负责人挺困惑的，到底有没有一个先看什么的顺序，能让我在半小时内判断这个月物流方案到底行不行？
先看三个口径明确的指标，顺序是：履约时效达成率、单均物流成本、异常件占比。时效达成率用「实际签收日减下单日」对比承诺时效，按国家/渠道分层算，别只看全站平均；单均物流成本用「当月物流总支出÷当月发出订单数」，把头程、尾程、燃油附加、退件处理费全摊进去，很多团队只算尾程，结果账面好看、实际亏损；
异常件占比按「超时未签收+丢件+破损+拒收退回÷发出订单数」，超过5%就要单独归因。半小时复盘的做法是：先看这三个数的环比和分层，找出最差的2个国家×渠道组合，再往下拆是揽收慢、清关慢还是末端派送慢，这样会议就不会散。
我们同时用平台后台、货代给的 Excel、还有自己的 ERP，三边的订单量经常差几十单，运费金额也差几千块。每次复盘光对数就要花一天，还总被老板问数据准不准。我想知道有没有办法把口径先定下来，不然复盘根本推不下去。
核心是先定「主数据源」和「对账颗粒度」，再谈分析。订单维度以平台后台的已发货订单为唯一主源，物流维度以货代账单为费用主源，两者用「物流单号」做关联键，而不是用订单号，因为一个订单可能拆多个包裹。
对账颗粒度建议到「物流单号+费用项」，费用项至少拆成头程运费、尾程派送、燃油/偏远附加、退件费、赔偿冲减五类。月度差异控制在总单量的1%以内、总费用的0.5%以内就算可接受，超出部分单独建「差异台账」记录原因，比如汇率日、账单跨月、赔付未入账。
这样复盘时先看差异台账，再看好坏趋势，能省掉大量无效对数时间。
上个月我们美国站时效变差，我第一反应是换货代，但换完还是差。后来发现是那批新品体积大、走不了原来的渠道，价格又定得低，利润被运费吃掉了。我现在复盘时会怀疑自己是不是归错因了，想找个方法能把物流问题和运营问题分开看。
可以用「同渠道同品类对照组」来拆。做法是：把订单按渠道和品类分组，只对比用了同一物流方案、同一价格带的 SKU，如果同类 SKU 时效也变差，问题在物流；如果只有新品或低价品变差，问题在选品和定价结构。
再加一个「物流成本占售价比例」指标，超过25%（轻小件可放宽到15%）就说明定价没有覆盖物流波动，属于运营侧问题。判断顺序建议是：先看渠道整体时效是否恶化，再看异常是否集中在特定品类/重量段，最后看毛利是否被物流吃掉。这样你换货代之前就知道该不该换，避免白折腾。
我们复盘会开得挺热闹，PPT 里问题列了一堆，但下个月该踩的坑还是踩。老板说我们复盘没闭环。我想知道具体该怎么把结论变成动作，比如要不要做 AB 测试、怎么定调优周期，才能真的让下一轮方案更好。
落地的关键是给每条结论配「动作+负责人+验证指标+复盘日期」。比如结论是「德国线尾程超时集中在某邮编段」，动作就是切一部分单量到备用尾程渠道，负责人是物流对接人，验证指标是该邮编段7日签收率，复盘日期定在两周后。
建议按「小流量 AB 测试」推进，新渠道先放5%到10%单量跑两周，对比签收时效、异常率、单均成本三个指标，达标再放量到30%，不达标直接回滚。调优周期跟物流链路匹配，头程和清关按月看，尾程和异常按周看，别一周一换渠道，数据量不够会误判。
最后把这套动作登记在项目协作表里，用某项目管理工具或某项目管理平台跟踪到关闭，复盘才算闭环。
读者评论
口径不统一这件事我深有体会。之前团队里运营和物流对物流成本占比各算各的，月底对账差了三四个点，开了两次会都在吵数据对不对。后来统一了口径表，问题反而变少了。不过实操里最难的是让几个部门都认同一套定义，尤其是财务那关。
分位数那段说到点上了。我们自己也发现差评基本集中在尾部订单，但真去拉P95以上的单子会发现问题很散，有包装的、有申报的、还有渠道本身的问题，68%集中在三个SKU这种结论我还没跑出来过，可能跟品类有关。
双轨制混算的问题我踩过。同一个SKU半年内直发和海外仓都走过，年底算下来单均成本根本没法指导第二年备货。后来拆开分别算才好些，但拆完发现样本量又不够了，这种小体量卖家怎么处理还没想清楚。