去年 9 月，一个做厨房小家电的卖家拿着物流账单找我：同一批货，A 渠道每公斤 42 元，B 渠道每公斤 47 元，他一整年都选 A，理由很朴素，每单省 5 元，一年 12 万单就是 60 万。我没跟他争单价，而是让他把过去 90 天的物流数据按”下单，出库，上网，清关，派送，签收”六个节点拆开，再叠加客服工单和退货原因。三天后他自己算出来：A 渠道省下的 60 万，被退件重发、差评导致的转化下滑和客服人力吃掉了大约 78 万。
这不是渠道的问题，是复盘口径的问题。
跨境电商的物流方案，绝大多数人是在”选”，少数人是在”算”，几乎没有人是在”复盘之后按规则切换”。这篇文章我想把我在多个类目上反复验证过的一套方法写清楚：先用数据复盘定位问题出在链路哪一段，再用分层逻辑反推应该配什么样的物流方案，最后给出不同阶段、不同品类、不同市场下的取舍建议。
我先把结论摆出来，后面再用案例和数据展开。如果你只记住一句话，那就记住这句：物流渠道的性价比，不在报价单上，而在你自己订单数据的分层结构里。
我在过去几年接触过上百个跨境卖家的物流决策过程，归纳下来基本逃不出三种模式，而三种都有系统性缺陷。
这三种方式的共同问题，是把物流当成一个”采购问题”，而不是一个”数据问题”。采购问题追求单价最优，数据问题追求全链路单位经济最优，两者经常得出完全相反的答案。
我把这套方法压缩成四个层次，后面的所有内容都是围绕这四层展开的。
四个层次缺一个，方案就会在某个环节漏钱。只对齐口径但不看分布，你会低估异常订单；看了分布但不分层，你会用高价值订单的成本去补贴低价值订单；分了层但没有阈值，你永远在救火。
回到开头那个卖家。他的产品是空气炸锅配件，客单价 29.9 美元到 59.9 美元，主销德国、法国、英国，2023 年日均订单 320 单左右。他原本全线走 A 渠道经济小包，2023 年 4 月到 9 月，物流差评率从 1.8% 爬到 4.3%，他自己一直归因于”旺季爆仓、货代不靠谱”。
我让他按目的国拆开看。整体物流差评率 4.3%，但拆开后德国是 2.1%，法国是 3.4%，英国是 8.7%。问题高度集中在英国，而英国订单只占他总订单的 19%。
继续往下拆，英国订单里 8.7% 的差评中，有 71% 集中在”下单后 25 天以上才签收”的订单。再往下拆时效分布：英国订单的 P50 是 17 天，P90 是 31 天，P99 是 46 天。平均值 19 天看起来还行，但 P90 已经超出了他商品页承诺的 20 天。
我让他把财务口径接进来。A 渠道单票运费平均 43 元，B 渠道（英国专线）平均 51 元，差价 8 元。看起来 A 便宜，但把下面这些项加回来之后完全反过来了。
| 成本项 | A 渠道（经济小包） | B 渠道（英国专线） |
|---|---|---|
| 单票基础运费 | 43 元 | 51 元 |
| 单票退件重发分摊 | 9.2 元 | 2.6 元 |
| 单票赔付与退款分摊 | 6.8 元 | 2.1 元 |
| 单票客服工单分摊 | 4.4 元 | 1.3 元 |
| 单票差评导致的转化损失分摊 | 6.1 元 | 1.5 元 |
| 单票全链路成本 | 69.5 元 | 58.5 元 |
“差评导致的转化损失分摊”这一项最容易被忽略，但它的计算并不玄学。他的英国站 Listing 在 2023 年 5 月到 9 月，评分从 4.5 掉到 4.2，同期广告 ACOS 从 24% 涨到 33%，自然流量占比下降 11 个百分点。把这部分多花的广告费摊到订单上，就是每单 6.1 元。
结论已经很清楚了，但我不建议他全部换成 B 渠道。因为 B 渠道贵 8 元基础运费，对低价 SKU 来说会直接吃掉毛利。正确的做法是分层：按 SKU 毛利率和目标市场承诺时效，把订单切成三层，分别配置渠道。
最终方案是：英国市场客单价高于 39.9 美元的订单全部切 B 渠道；客单价低于 39.9 美元的订单保留 A 渠道，但把详情页时效承诺从 20 天改成 30 天；德国、法国维持 A 渠道不变。切换后三个月，英国物流差评率从 8.7% 降到 3.2%，整体物流差评率从 4.3% 降到 2.0%，单票平均全链路物流成本反而下降了 4.7 元。
上面这个案例并不复杂，但为什么大部分卖家自己做不出来？因为复盘过程中有六个反复出现的误区，我几乎在每个卖家身上都能看到其中至少三个。
这是最普遍、代价也最大的误区。物流时效天然是长尾分布，平均值和 P90 之间的差距可能高达 50% 以上。
当你只盯平均值时，你看到的是”还行”；当你看到 P90 和 P99 时，你看到的才是”最贵的那批订单长什么样”。物流成本从来不是均匀分布的，它高度集中在最差的那 5%，10% 订单上。
大多数卖家的物流成本账里只有一列：运费。但真正吃掉利润的是退件重发、赔付、客服工时和评分下滑带来的流量成本。
我给一个粗略的经验基准：在客单价 20，60 美元的品类里，售后侧的隐形成本通常等于基础运费的 40%，80%，渠道越不稳定、时效越长，这个比例越高。如果你的物流成本核算里没有这几项，你做的其实是”运费对比”，不是”物流复盘”。
很多卖家会把订单按 GMV 分成大中小三档，然后给大单配好渠道。这个逻辑看着合理，其实错位。真正决定物流方案的经济性的，是三个变量：毛利率、体积重（抛比）、客户对时效的敏感度。
一个 15 美元的高毛利轻小件，可能比一个 80 美元的低毛利大件更值得走贵渠道；一个 60 美元但客户明确用于节日礼物的订单，时效敏感度远高于同价位的日常补货订单。按 GMV 分层，会系统性地把资源配错地方。
这是最贵的一个误区。旺季爆仓时才决定换渠道，你面对的是：渠道涨价、舱位紧张、客户已经下单、承诺时效已写进 Listing 的四重挤压。
正确做法是在旺季前 6，8 周就把触发规则写好：当某渠道的上网时长 P90 超过 X 小时、或某国妥投率低于 Y% 时，自动把该国家的高价值订单切到备用渠道。规则先定，触发自动，人只做确认。
月度复盘解决的是”策略问题”，周度监控解决的是”异常问题”。两者不能互相替代。
一个月度周期里，一个渠道可能从第 8 天开始恶化，到月底你才发现，中间 20 多天产生的差评已经沉淀到 Listing 上了。我的建议是：策略类指标月度看，异常类指标周度看甚至日度看。
平台的物流评分是滞后的、聚合的、被平台口径加工过的。它能告诉你”出问题了”，但不能告诉你”问题在哪个国家、哪个渠道、哪些 SKU、哪一段链路”。
把平台物流分当成结果指标来验收，把自有数据当成过程指标来诊断，这个顺序不能反。
误区讲完，接下来是我实际使用的一套判断框架。它的核心思想是：不要从”选渠道”出发，要从”定位问题在哪一段链路”出发。物流方案是诊断结果的输出，不是输入。
订单层要解决的问题是”我把订单切成几类，每一类用一套物流规则”。切分维度我建议用四个，优先级从高到低。
四个维度全做完会有几十个组合，实操中不需要那么细。我通常先按国家切，再在每个国家内部按毛利率切两到三档，就足够覆盖 90% 的决策场景。
物流层要做的是把”总时长”拆成可归因的几段。我用的拆分口径是六段，每段都要有明确的时间戳来源。
| 链路节点 | 数据来源 | 健康基准（欧美线） | 异常时的典型原因 |
|---|---|---|---|
| 下单 → 出库 | OMS 订单时间 vs 仓库出库扫描 | ≤ 24 小时 | 备货不足、拣货排期、周末不发货 |
| 出库 → 上网 | 出库扫描 vs 物流商首扫 | ≤ 36 小时 | 货代集包排队、航班舱位不足 |
| 上网 → 起飞 | 首扫 vs 航班离港 | ≤ 48 小时 | 安检、带电产品特殊处理 |
| 起飞 → 清关放行 | 航班离港 vs 清关完成 | ≤ 72 小时 | 申报价值、HS 编码、VAT 资质 |
| 清关 → 尾程派送 | 清关放行 vs 派送商揽收 | ≤ 36 小时 | 尾程商交接、地址异常 |
| 派送 → 签收 | 派送商揽收 vs 签收 | ≤ 72 小时 | 派送失败、二次派送、自提点滞留 |
这张表是我做物流复盘时最先拉出来的东西。它的价值在于：当你发现某国时效恶化时，你可以立刻判断是换渠道能解决的（上网→起飞、清关），还是换渠道解决不了的（下单→出库、派送→签收）。
财务层要做的是给每一段链路标上钱。我的做法是建立”单票全链路成本”口径，包含六个科目：头程或干线运费、尾程派送费、仓储与操作费、退件与重发成本、赔付与退款、客服人力分摊。
然后再加一个”外部性科目”：评分与流量成本。这一项不需要精确，但必须存在，否则你的决策会系统性偏向便宜渠道。
前三层都是内部数据，第四层是外部验证。它回答的问题是：我们优化了指标，客户感知到了吗？
如果前三层指标都改善了但第四层没动，说明你的优化没有触及客户真正在意的点，或者改善幅度还没越过客户的感知阈值。
我把这四层的使用顺序固定下来，避免每次复盘时东看一块西看一块。
注意顺序是”客户端 → 物流层 → 财务层 → 订单层”，而不是反过来。从客户端倒推，能保证你优化的是真问题；从订单层正推，很容易优化出一堆漂亮但客户无感的指标。
方法论讲完，接下来是执行层面的事。上面这套四层映射，手工做一次不难，难的是每周都做、每天都做。我在自己的运营体系里，是用数据工具把它固化下来的，主要用的是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）。
手工复盘的三个死穴：数据分散在平台后台、货代对账单、ERP 和客服系统四五个地方；口径每次对不齐；做完一次就散架，下个月要从头再来。工具化解决的就是这三件事。
我选择数跨界的直接原因是它能把多平台店铺的订单、库存、财务数据和物流节点数据放在同一套口径里做关联，省掉了我过去最耗时的”手工对表”环节。下面是我实际搭看板的步骤。
大部分卖家接入的订单数据只有”下单时间”和”签收时间”，这没法做链路归因。必须先补齐六个时间戳。如果货代能提供轨迹接口最好，不能提供的话，用轨迹表按运单号关联也可以。
— 物流链路明细表：按运单号关联订单与轨迹节点
select
o.order_id,
o.country,
o.sku_id,
o.amount_usd,
o.gross_margin,
o.volumetric_weight_kg,
o.channel_code,
l.outbound_time,
l.first_scan_time,
l.flight_depart_time,
l.customs_clear_time,
l.last_mile_pickup_time,
l.sign_time,
timestampdiff(hour, o.pay_time, l.outbound_time) as t_pack_hours,
timestampdiff(hour, l.outbound_time, l.first_scan_time) as t_scan_hours,
timestampdiff(hour, l.first_scan_time, l.flight_depart_time) as t_flight_hours,
timestampdiff(hour, l.flight_depart_time, l.customs_clear_time) as t_customs_hours,
timestampdiff(hour, l.customs_clear_time, l.last_mile_pickup_time) as t_handover_hours,
timestampdiff(hour, l.last_mile_pickup_time, l.sign_time) as t_delivery_hours,
timestampdiff(hour, o.pay_time, l.sign_time) as t_total_hours
from dwd_order o
left join dwd_logistics_track l
on o.tracking_no = l.tracking_no
where o.pay_time >= date_sub(current_date, 90);
这张表的产出是每一单的六段时长。有了它，”时效差”就从一个模糊判断变成了六个可以分别追责的数字。
数跨界这类工具里一般可以直接用分位数函数，或者在计算字段里写分位数逻辑。我通常按”国家 × 渠道 × 周”三个维度算 P50、P90、P95。
— 按国家与渠道计算签收时长的分位数
select
country,
channel_code,
date_format(sign_time, '%Y-%u') as stat_week,
count(*) as order_cnt,
percentile(t_total_hours, 0.50) as p50_hours,
percentile(t_total_hours, 0.90) as p90_hours,
percentile(t_total_hours, 0.95) as p95_hours,
sum(case when t_total_hours > 480 then 1 else 0 end) / count(*) as over_20d_rate
from dwd_logistics_detail
group by country, channel_code, date_format(sign_time, '%Y-%u');
这里有一个我强烈建议加的字段：over_20d_rate，也就是超过 20 天才签收的订单占比。这个单一指标比平均值有用得多，因为它直接对应”会不会产生差评”。
这一步是整套看板里最值钱的部分。做法是把客服工单表、退款表、退货表按运单号或订单号关联回物流明细，然后按渠道聚合。
-- 按渠道聚合全链路物流成本 select d.channel_code, count(distinct d.order_id) as order_cnt, avg(d.freight_cost) as avg_freight, sum(r.refund_amount) / count(distinct d.order_id) as refund_per_order, sum(t.ticket_minutes) / 60.0 / count(distinct d.order_id) as cs_hours_per_order, sum(case when rr.reason_type = 'logistics' then 1 else 0 end) / count(distinct d.order_id) as return_logistics_rate from dwd_logistics_detail d left join dwd_refund r on d.order_id = r.order_id left join dwd_cs_ticket t on d.order_id = t.order_id left join dwd_return rr on d.order_id = rr.order_id group by d.channel_code;
跑完之后你会得到一张”每单真实成本”表。我在多个类目上做过这个动作，结果高度一致：所有卖家在第一次看到这张表时，都会发现自己原来排在第一位的渠道，真实成本排在倒数第一或第二。
看板搭完之后，最重要的一步是让它主动找你，而不是你主动去看它。我设的告警规则有下面这几条，供参考。
这四条规则覆盖了我遇到过的绝大多数突发情况。告警响起时，看板已经帮你定位到了国家和渠道，接下来要做的只是决定”切多少订单、切到哪个备用渠道”。
用这套看板跑了两年多之后，我得到一个和直觉相反的观察：绝大多数物流事故不是”渠道突然变差”造成的，而是”订单结构和渠道能力不再匹配”造成的。
渠道其实一直就是那个水平，只是你的品类变了、客单价变了、目的国结构变了，原本够用的渠道变得不够用了。这也是为什么我坚持复盘要按国家、按毛利率、按体积重分层，不分层，你永远看不到”不匹配”这件事，只能看到”最近变差了”这个模糊结论。
方法论和工具都讲完了，这一节我按不同阶段、不同品类、不同市场给出具体动作，你可以直接对照自己的情况挑。
这个阶段不要做复杂分层，做两件事就够了。第一，把详情页的时效承诺改保守，宁可写 25 天实际 15 天到，也不要写 15 天实际 25 天到。第二，每周记录一次各渠道的 P50 和超期率，只需要两个数字。
这个阶段的核心目标是积累历史数据，不是优化成本。因为样本量太小，任何优化都可能被噪声掩盖。
这是分层收益最大的阶段。建议动作：按目的国拆数据，找出物流差评率最高的 1，2 个国家；在这两个国家做双渠道并行测试，把 20% 订单切到备选渠道，跑满四周；四周后对比全链路成本和差评率，决定是否扩大切换比例。
同时开始建立”单票全链路成本”口径，哪怕一开始只能估。口径比精度重要。
这个阶段要做的不是选渠道，而是建渠道组合。至少保持三条线路：主力渠道、备用渠道、应急渠道。三条线路平时就要有真实单量在跑，比例可以是 70/20/10，否则旺季时备用渠道给不了你优先级和价格。
另外要把海外仓纳入评估。海外仓不是”更高级的方案”，它是”用库存资金换时效和复购”的方案，只有在动销率足够高时才划算。
| 品类特性 | 主要约束 | 建议方案组合 | 复盘重点指标 |
|---|---|---|---|
| 轻小件（<0.3kg） | 运费占比低、时效敏感 | 专线挂号为主，快递补急单 | P90 签收时长、物流差评率 |
| 大件重货（>2kg） | 抛比高、运费占比大 | 海运头程 + 海外仓前置 | 库存周转天数、仓储费占 GMV 比 |
| 带电产品 | 可承运渠道少、安检严 | 带电专线，保留一家备用 | 上网时长 P90、退件率 |
| 带磁/液体 | 渠道稀缺、价格高 | 单一特货渠道 + 提前备货缓冲 | 清关放行时长、超期率 |
| 高客单价（>150 美元） | 赔付风险大 | 快递或海外仓，配保险 | 妥投率、赔付率、单票全链路成本 |
| 季节性强（节日礼品） | 时效窗口固定 | 旺季前锁定舱位，走海外仓 | 超承诺时效订单占比 |
不同市场的物流逻辑差别很大，我用同一套复盘框架在四个主要市场跑过，结论如下。
行动建议解决的是”做什么”，取舍解决的是”不做什么”。物流决策里真正难的部分，永远是放弃什么。
我给的方法很简单：物流成本占售价的比例，是有经验上限的。不同品类不一样，但可以参考这个基准。
| 客单价区间 | 物流成本占售价比上限 | 可承受的时效溢价 | 建议策略 |
|---|---|---|---|
| 15，30 美元 | ≤ 20% | 几乎不可承受 | 走经济渠道，主动下调时效承诺 |
| 30，60 美元 | ≤ 25% | 可承受 10%，15% 溢价 | 对高毛利 SKU 升级渠道，其余维持 |
| 60，120 美元 | ≤ 22% | 可承受 20%，30% 溢价 | 高价值订单优先走稳定渠道或海外仓 |
| 120 美元以上 | ≤ 18% | 可承受 30% 以上溢价 | 快递或海外仓为主，配保险与签收确认 |
注意一个反常识点：客单价越高，物流成本占比上限反而应该越低，而不是越高。因为高客单价订单的利润空间更大，但一旦出问题，退款和赔付的绝对值也更大，同时客户对服务质量的预期也更高。
海外仓不是升级，是置换：你用库存资金占用和滞销风险，换时效和复购。所以决策判据不是”要不要”，而是”动销率够不够”。
我给的一个参考基准：单 SKU 在目标市场月均销量能稳定超过 40 件、且退货率低于 8% 时，海外仓前置通常才有正收益。低于这个量级，仓储费和滞销清理成本会吃掉时效带来的收益。
单一渠道的好处是价格谈判空间大、操作简单、对账容易；坏处是抗风险能力为零。多渠道并行的好处是韧性；坏处是管理成本高、单渠道量小拿不到好价格。
我的判断是：日单量 300 单是一道分水岭。低于这个量级，建议单渠道为主、另签一家备用（不发货，只注册）；高于这个量级，建议至少两家并行发货，比例 7:3 或 8:2。
这是最容易吃亏、也最容易改进的一项。很多卖家把详情页时效写成”最快 7 天”，结果 P90 是 25 天，于是一批本来可以接受的客户变成了差评客户。
我的做法是：详情页承诺时长 = 当前 P85 签收时长 + 3 天缓冲。这样 85% 的订单会早于承诺到达，剩下 15% 中还有一部分在缓冲期内，最终超出承诺的比例能压到 5% 以内。而”早于承诺到达”本身就是一个正向体验。
代价是转化率可能会略微下降。这个取舍需要用数据验证，我建议用 A/B 测试：一组写激进时效，一组写保守时效，跑两周看”转化率提升”和”物流差评率上升”哪个影响更大。我的经验是，在客单价 30 美元以上的品类，保守承诺的净收益通常更高。
写到这里，我把整篇文章的核心观点收拢一下。
第一，物流方案是复盘结果的输出，不是决策的起点。先诊断链路、再定方案，顺序反了就会一直在选渠道，永远选不对。
第二，看分布，不看平均。P90 和超期率这两个数字，比平均时效有用得多，因为它们直接对应会不会产生差评。
第三，算全链路成本，不算运费。售后侧的隐形成本在客单价 20，60 美元的品类里通常等于基础运费的 40%，80%，不算进去就等于没算。
第四，按国家 × 毛利率 × 体积重分层，而不是按 GMV 分层。分层维度选错了，资源就一定会配错。
第五，用阈值和告警替代人工判断。规则先定、触发自动，才能在旺季之前而不是之后完成切换。
最后说一个我自己的独特判断：跨境物流的优化空间，其实不在”换更便宜或更好的渠道”，而在”把订单和渠道匹配得更准”。同一个渠道在你的订单结构里可能既是最优解也是最差解，取决于你把哪些订单放进去。渠道没有绝对好坏，只有匹不匹配。
物流这件事，最贵的从来不是运费，而是”用错的渠道发了错的订单”这件事持续了太久而没人发现。复盘的价值，就是让这个”太久”变成”一周”。
我每周都拉报表，GMV、订单量、退款率看了一堆，但真到要换物流渠道或者谈价格的时候，又说不清到底哪个环节拖了后腿。老板问我"为什么这个月物流成本涨了"，我只能说"旺季涨价了"，感觉特别虚。
先用四个口径把物流问题拆开：时效达成率（实际签收天数≤承诺天数的订单占比）、运费占比（物流总成本÷GMV）、妥投异常率（含丢件、拒收、派送失败、超30天未签收）、客诉归因率（因物流原因的工单÷总工单）。这四个指标要按渠道、按国家、按周维度交叉看，只看月度总数一定会被旺季稀释掉异常。
判断依据是：时效达成率低于85%说明渠道本身不稳，此时谈价没有意义，先切单量；运费占比连续两周上升超过2个百分点，才值得进入议价或换渠道流程。复盘时把"物流原因退款金额"单独拉一列，这是最容易被忽略但老板最认的数字。
我一个月就三五百单，看别人讲复盘讲得头头是道，可我连渠道都没得选，货代就那两家。我怀疑这种复盘是不是只有大卖才需要做，我花时间做表格还不如多上两个listing。
单量小反而更该做，但复盘的颗粒度要降下来，不要做日报，只做"异常事件复盘"。具体做法：建一个只有五列的表格，日期、订单号、国家、异常类型、损失金额，每出现一次物流异常就记一行，一个月下来通常也就十几行。月底看两件事：哪类异常重复出现超过3次，涉及金额占比是否超过当月物流成本的10%。
判断依据是：小卖家的抗损能力弱，一次丢件可能吃掉十个订单的利润，重复出现的异常才是真正要解决的问题。至于渠道比价，小单量议价空间本就有限，重点应该放在"发货前拦截"，比如高风险国家要求客户确认地址、超重订单提前拆单，这些都不依赖渠道话语权。
我之前试过把一批货换到新渠道，结果那批货时效特别好，我立刻全量切过去，第二个月就爆仓了。后来才知道那批货刚好都是轻小件、又是淡季。我现在想认真做对比测试，但不知道怎么设计才算科学。
核心是控制变量和保证样本量。第一，测试必须同期进行，同一时间段内把订单按规则分流到A、B渠道，不要A渠道跑一周、B渠道跑下一周，因为航班、清关、天气都在变。第二，分流规则要尽量随机，可以按订单号尾号奇偶分，避免"重货给A、轻货给B"这种隐性偏差。
第三，每个渠道至少跑满200单或两周，低于这个量级的数据波动会盖过真实差异。第四，比较时不只看平均时效，要看P90时效（90%订单能在多少天内签收），平均值会被少量快件拉好看，P90才反映你最差的那批客户体验。
第五，记录测试期间的例外事件，比如某次清关拥堵，这类事件要在结论里单独标注，不能直接算进渠道能力。
我的主力渠道时效一般，但价格便宜、合作两年了，换掉要重新磨合、还可能涨价。可客户投诉又确实多，我夹在中间很难受。我想知道有没有办法在不换渠道的前提下把物流体验拉起来。
有三个不动渠道的杠杆，按投入产出排序。第一是发货节奏：把截单时间提前到渠道揽收前2小时，能显著减少"当天没赶上航班"的延误，这个改动零成本，通常能把时效达成率拉高5到10个百分点。
第二是包裹结构：把超长、超重、异形件单独拆出来走专线，主渠道只跑标准件，专线虽然单价高，但只占少数订单，整体成本上升有限，异常率却会明显下降。第三是前置拦截：对历史高妥投风险的国家和地址做标记，发货前主动联系客户确认，或者改走带签收凭证的渠道。
判断依据是：物流体验的投诉里，相当一部分来自"派送失败"和"地址问题"，这类问题换渠道解决不了，只有前置动作能解决。真正需要换渠道的信号是妥投异常率长期高于行业基线且与包裹结构无关，那时候再换才有说服力。
读者评论
全链路成本这个口径我认，但差评转化损失那 6.1 元我算不出来。ACOS 从 24% 涨到 33%，同期还有竞价环境、竞品降价、季节因素，全摊到物流头上会不会高估了？我更倾向只算退件重发和赔付这类能直接归因的，其余当参考值，不然容易为了证明换渠道正确而拼数据。
分层阈值 39.9 美元这个数太吃品类了。我做的是客单价 12 美元左右的家居小件，走专线基础运费就快吃掉一半毛利，没法按客单价切。后来改成按体积重和复购率分层，老客走稳一点的渠道。另外把详情页承诺从 20 天改成 30 天，转化率是会掉的，这个代价文章里没提。
思路没问题，难在数据。我们合作的几个渠道，后台只给一个签收时间，上网和清关节点根本拿不到，更别说按国家拆 P90 了。小卖家 90 天内单国订单也就几百票，拆到分位数样本量不够，波动很大。想问下没有节点数据时有没有退而求其次的替代指标。