2024 年 3 月，我做过一次很难看的复盘。一个家居收纳类新品，广告日预算从 80 美元一路加到 600 美元，用了 11 天，ACOS 从 22% 爬到 47%，退货率同时从 6% 涨到 11%，最后我不得不把预算砍回 120 美元，而这个时候库存已经在海外仓压了 40 天，仓储费开始按月吞利润。
真正让我难受的不是亏钱，而是把每一天的操作重放一遍之后我发现：整条链路上几乎没有哪一步是我”判断错”的。选品逻辑没问题，素材点击率也不差，转化率在同类里排中上。我只是在几个关键节点上，没有问出该问的问题，加预算那一刻我没问”库存还能撑几天”，改投放结构那一刻我没问”改完之后谁来盯时区”，砍预算那一刻我没问”这是流量问题还是转化问题”。
从那以后我做了一件事：把跨境广告里最高频的几类决策，要不要加预算、要不要换投放结构、要不要给新品开广告、要不要在大促前抢量，全部改写成问题清单。答不上来的，不放量；答”否”超过两条的，直接毙掉。这套清单用了两年多，帮我拦下的失败方案，大概比帮我选中的成功方案更值钱。
这篇文章就是把这套清单完整拆开：先给结论，再讲清单为什么有效，然后拆常见误区、给出判断逻辑，用我自己的案例和数据观察说明怎么落地，最后针对不同情况给出行动建议和取舍原则。
我的核心结论只有一句话：判断一个广告投放方案该不该上，不取决于广告结构本身，而取决于它能不能通过五层问题的连续筛选。这五层依次是生意层、库存层、流量层、执行层、风险层，任何一层答不出关键问题，方案就不该进入投放。
很多人把广告决策理解成”投放技巧问题”，出价方式、匹配类型、广告位溢价、分时调价。这些当然重要，但它们属于第五、第六顺位的优化点。我在自己经手的方案里做过粗略统计：最终亏钱的广告方案中，约七成的根因不在投放技巧，而在前两层，要么这个 SKU 的毛利结构本来就撑不住这个出价，要么库存根本不够支撑放量周期。
所以这份清单的排序是刻意从”生意”往”操作”倒着排的。先问赚不赚钱，再问有没有货，再问流量能不能拿到，再问人能不能接住，最后才问平台会不会拦你。顺序错了，你会发现自己在精心优化一个注定亏钱的方案。
下面这张表是我现在用的清单骨架。每一层五到六个问题，合计 26 个问题。不是每个问题都要有精确答案，但标了”硬门槛”的问题必须答出具体数字，答不出就视为不通过。
| 层级 | 核心追问 | 硬门槛问题 | 答不出的后果 |
|---|---|---|---|
| 生意层 | 这单到底赚不赚钱 | 近 30 天净毛利率、可承受 ACOS 上限 | 出价从一开始就是错的 |
| 库存层 | 货能不能撑住放量周期 | 可用库存天数、在途到仓时间 | 跑着跑着断货，权重清零 |
| 流量层 | 广告能不能买到有效流量 | 核心词搜索量、竞品价格带、Listing 转化率 | 钱花出去，点击全是无关词 |
| 执行层 | 团队能不能承接 | 日预算管理人力、素材产能、客服响应时段 | 数据没人看，异常没人管 |
| 风险层 | 平台和政策会不会拦 | 合规认证、账号健康分、仓储限制 | 放量放到一半被下架 |
你会发现这五层里有三层跟广告后台完全无关。这正是清单的价值：它强迫你在打开广告后台之前，先把不该投的方案筛掉。我自己的经验比例是，一份新方案递到我面前，能完整通过五层的通常不超过三成。
使用方式很简单，我把它总结成”三次过筛”：
第一遍过筛最狠，也最有效。我给团队定的规矩是：方案提出人必须自己先回答硬门槛问题，答不出不要来找我讨论。这个规矩执行三个月后，我每周要处理的方案数量从十几个降到三四个，而且剩下的质量明显更高。
要理解清单为什么有效，得先理解人是怎么把广告方案做错的。我复盘过自己经手的、最终亏损收场的广告方案，把根因按频次排了一遍，结果比我预想的集中得多。
第一类是锚定在竞品身上。看到某个竞品在核心词首页，出价高、评价多、广告位满，就默认”这个打法可行”。但你看不到对方的到岸成本、看不到对方是不是在做清库存、看不到对方是不是在用广告补贴做排名再靠复购赚钱。用自己的成本结构去复制别人的打法，是最常见的亏法。
第二类是用单一指标代替整体判断。最典型的就是只看 ACOS。ACOS 低的方案不一定赚钱，如果毛利率只有 12%，ACOS 15% 依然亏；ACOS 高的方案不一定亏，如果是清库存、如果是为新链接冲排名、如果是带动同店铺其他 SKU 的关联购买，30% 的 ACOS 也可能是划算的。
第三类是忽略约束条件的时间维度。库存、账号健康分、仓储容量、汇率、平台政策，这些都不是静态的。加预算这个动作本身会加速消耗，会让原本”够用 60 天”的库存变成”只够 25 天”。方案在纸面上成立，在时间轴上不成立。
第四类是把测试期结论当终局结论。三天没转化就砍，七天没回本就停，这是我最常看到的自毁行为。冷启动链接的数据收敛需要时间，过早止损等于把已经花掉的测试费全部浪费。
我发现一个挺有意思的规律：投放结构设计得越精细的方案，越容易在前两层翻车。因为做结构设计的人，注意力全在后台里，分广告组、拆匹配类型、设置分时段溢价、规划广告位。这些工作有明确的反馈，做完有成就感，很容易让人产生”我在认真做事”的错觉。
而核算净毛利率、盘点库存天数这类工作，枯燥、没有即时反馈、还要去翻好几个系统。于是它们被排到了最后，然后被跳过。
我自己的解决办法是把顺序强制倒过来：先算钱，再算货，最后才允许打开广告后台。这条规矩听起来很笨，但它把我个人的方案失败率压到了一个我能接受的水平。
说完根因，我把最容易踩的几个具体误区单独拆出来。这些误区有个共同特征：它们看起来都”很有道理”，但会在关键时刻把你带偏。
ACOS 是广告花费除以广告销售额，它衡量的是广告效率，不是生意健康度。真正决定你能承受多高 ACOS 的，是净毛利率。这个关系我用一张利润瀑布图看得最清楚。
以我手上一个售价 29.9 美元的收纳盒为例。产品成本 6.8 美元，头程海运加关税 3.2 美元，平台佣金 15% 即 4.49 美元，FBA 配送费 4.6 美元，退货与售后摊销 1.9 美元，汇率损耗与支付手续费约 0.8 美元。在广告花费为零的情况下，这个 SKU 的净毛利是 8.11 美元，净毛利率 27.1%。
也就是说，广告花掉 8.11 美元，这个订单就刚好不赚不亏。折算成 ACOS，就是 8.11 ÷ 29.9 ≈ 27.1%。27.1% 就是它的盈亏平衡 ACOS，任何超过这个数的投放，都是在用利润买销量。
而我通常会把安全线设在盈亏平衡点的 80% 左右，也就是实际 ACOS 控制在 22% 以内，留出退货波动和汇率波动的空间。这个数字才是清单里”可承受 ACOS 上限”那一栏该填的东西，不是拍脑袋定的 25% 或 30%。
这是我认为最贵的一个误区。冷启动链接前三天拿到的数据，本质上是被采样偏差主导的噪声。曝光不足、点击样本小、转化事件稀少，这时候的转化率和 ACOS 都不具备统计意义。
我做过多组对比观察：同一个链接、同一套投放结构，分别在第 3 天、第 7 天、第 14 天读取转化率，结果差异非常大。第 3 天读到的转化率往往偏离稳定值 40% 以上，第 7 天偏离缩小到 15% 左右，第 14 天才基本收敛。换句话说，你在第 3 天砍掉的链接，很可能本来会在第 9 天跑出来。
所以我的清单里有一条硬规矩：冷启动测试期不得短于 7 天，且累计点击量不得低于 300 次，两个条件都不满足就不允许下结论。这个门槛不算高，但它拦住了大量冲动止损。
很多人讨论广告预算，讨论的是”每天多少钱”。但真正影响结果的不是总额，是结构，测试、放量、收割三个阶段各自占多少，以及每个阶段的退出条件是什么。
我见过太多方案是这样的：定一个日预算，然后一路跑到月底，表现好就加，表现差就减。这种打法的问题在于它没有阶段目标，所以没有退出条件，所有调整都靠情绪驱动。
正确的做法是给每个阶段设定明确的目标指标和退出条件。测试期的目标是拿到足够的点击样本，退出条件是”点击量达标且转化率置信区间收敛”；放量期的目标是边际 ACOS 不恶化，退出条件是”连续三天边际 ACOS 超过上限”；收割期的目标是保护自然排名，退出条件是”自然位次连续下滑”。
这条最容易被忽略，因为它是”人”的问题而不是”数”的问题。日预算 100 美元和一个日预算 800 美元的账户，管理复杂度不是差 8 倍，可能是差 5 到 6 倍，因为你需要盯的搜索词数量、需要否定的词、需要调整的广告位、需要协调的素材，都会成倍增长。
我自己的经验是：单个运营能稳定管理的日广告花费上限大约在 300 到 500 美元之间，超过这个量级，如果没有配套的自动化监控和预警，异常发现时间会从半天延长到两三天。这两三天里烧掉的钱，往往比请一个人还贵。
前面讲的是”错在哪”，这一节讲”怎么对”。我把五层清单里的问题逐层展开，每个问题都给出判断标准和常见答案，你可以直接拿去用。
生意层只有一件事要做：确定这个 SKU 的广告出价天花板。具体做法是把上文的利润瀑布跑一遍，得出盈亏平衡 ACOS，再乘以 0.8 作为实际目标上限。
需要回答的问题包括：
这里我要强调一点：如果第五个问题答不出具体数字，后面的问题都不用问了。因为出价天花板没有确定，所有投放结构设计都是无根之木。
库存层的核心问题只有一个：这批货能支撑多长时间的放量投放。但回答它需要拆成几个子问题。
我给自己定的硬门槛是：放量方案的可用库存天数至少要覆盖 45 天。这个数字来自补货周期的经验值，如果低于 45 天，你几乎必然会在放量过程中遇到断货，而断货带来的排名损失，通常需要两到三倍的时间和预算才能恢复。
流量层要回答的是：在可承受的 ACOS 范围内，能不能买到足够多的有效流量。有效流量指的是有转化可能的搜索流量，不是泛流量。
关键问题包括：
流量层我用的判断是：如果 Listing 自然转化率低于类目中位数的 70%，那么无论出价多高，广告都很难跑正。因为广告流量和自然流量的转化率相关性极高，自然转化上不去，广告只会更快地烧钱。
这两层经常被合并考虑，但问题性质不同。执行层问的是”我们能不能接住”，风险层问的是”平台会不会拦”。
执行层的问题：
风险层的问题：
风险层最大的特点是：它的失分成本远高于其他层。前四层出问题亏的是钱，风险层出问题可能直接丢掉整个账号。所以这一层我用的是”一票否决”制，只要有一条不过，方案暂停。
讲完逻辑，我用两个真实案例说明清单在实操中的样子。这两个案例一个是我踩的坑，一个是我用清单拦下的坑。
回到开头那个收纳盒。我把那 11 天的数据完整拉出来，得到一个很典型的曲线。
| 天数 | 日预算（美元） | 当日 ACOS | 累计库存消耗天数 | 实际发生了什么 |
|---|---|---|---|---|
| 第 1-3 天 | 80 | 21% – 24% | 3 天 | 结构健康，判断可以放量 |
| 第 4-6 天 | 280 | 29% – 33% | 6 天 | 边际 ACOS 开始上升，被当作”放量正常波动” |
| 第 7-9 天 | 450 | 37% – 42% | 9 天 | 竞品同步降价 8%，价格带被打穿 |
| 第 10-11 天 | 600 | 45% – 47% | 11 天 | 库存只剩 29 天，被迫踩刹车 |
回看这张表，问题其实从第 4 天就暴露了：边际 ACOS 从 22% 涨到 31%，这是一个明确的恶化信号，但我当时把它归因为”放量期的正常波动”。这个归因错误，让方案多跑了 7 天。
如果用现在的清单，第 4 天就会触发两条检查：一是边际 ACOS 连续两天超过可承受上限（22%），二是库存消耗速度快于补货周期。两条加起来，方案会立刻回退到 150 美元级别，而不是继续加码。
手工跑清单的最大问题是慢。每回答一个问题都要去翻不同的系统，利润数据在一个地方，库存数据在另一个地方，广告数据在平台后台，退货数据又在第三个地方。一个方案走完五层，熟练的人也要大半个小时。
我现在的做法是用 数跨境 把清单里的关键指标集中到一处，让”回答问题”变成”看一屏数据”。
数跨境的利润与成本归集功能，可以按 SKU 展示近 30 天的净毛利率，把产品成本、头程、平台佣金、FBA 费用、退货摊销等逐项列出。我不需要再手工做减法，直接读最后一个数字。
更实用的是它可以按阈值告警。我把”净毛利率低于 25%”设成预警线，任何一个 SKU 跌破，我在看板首页就能看到，不用逐个点开。
它会把可用库存、在途库存、预估日均销量整合起来，算出”可支撑天数”，并在低于设定天数时提醒。我把预警线设在 50 天，比 45 天的硬门槛留 5 天缓冲。
这一步帮我省掉的不是时间，而是”忘记检查”。手工流程里最容易漏的就是库存，因为它跟广告不在一起。
广告数据方面，我会关注几个固定字段：搜索词报告里的无效词占比、ACOS 的滚动 7 日均值、以及花费集中度，也就是前 20% 的搜索词吃掉了多少花费。花费集中度过高说明流量结构单一，风险大；过低说明投放太散，效率低。
这些指标放在同一个看板上之后，我的日常巡检时间从每天约 90 分钟压到 25 分钟左右。省下来的时间，我用来做竞品价格监控和素材迭代，这两件事的回报比盯数字高得多。
需要说明的是，工具解决的是”信息聚合”和”异常提醒”，不解决判断本身。阈值设多少、异常出现后怎么处理、要不要停还是要不要改结构，仍然是人的决定。把工具当决策替代品，会得到一堆没人看懂的告警。
我把 2024 年 3 月到 2025 年 10 月之间，用清单评估过的方案做了个简单分类统计，得到一组我觉得挺有说服力的数字。
被清单拦下的方案中，约 72% 在生意层或库存层就被终止。这个比例说明，真正需要复杂分析的方案其实是少数，大部分问题方案在入口处就能识别。
还有一个反直觉的观察：被拦下的方案里，有相当一部分在纸面上的 ACOS 表现是”健康”的。它们被拦下的原因是毛利率撑不住、库存不够、或者认证缺失，这些跟广告效率都没关系。
这也解释了为什么我很反对”用广告数据评判广告方案”。广告数据只能回答”投放做得好不好”，回答不了”这笔生意值不值得做”。
清单是通用的，但清单的使用方式要随情况变化。下面按四种常见场景给出具体行动建议。
新品的问题是没有基线。你没法知道这个 SKU 的自然转化率是多少、退货率是多少、真实毛利率能不能维持。这时候清单里很多问题的答案是”未知”。
我的做法是把”未知”当作待验证项，并用小预算测试来填充答案，而不是用预估数据蒙混过去。具体行动是：
这是清单最能发挥作用的场景，因为所有问题都有答案。我的行动建议是：
第一步，把近 30 天和近 7 天的数据分别拉出来，看趋势而不是看均值。如果近 7 天的边际 ACOS 已经比近 30 天均值高出 5 个百分点以上，加预算前必须先查原因。
第二步，用库存天数除以预估加预算后的日销，得出可支撑天数。低于 45 天不加，45 到 60 天加幅度不超过 50%，60 天以上才考虑翻倍。
第三步，加预算分阶梯执行，每次幅度不超过 60%，间隔至少 3 天。这样做的目的是让算法和你的判断都有时间适应，避免一次性放大带来的数据失真。
大促场景的特点是时间不可压缩。补货周期最短也要 7 天（空运），这意味着如果你在大促前 20 天才发现库存不够，方案基本无解。
这个场景下我的清单会额外加三个问题：一是大促期间的 FBA 入仓截止日期是哪天；二是仓库容量限制是多少；三是竞品的历史大促定价策略是什么。
行动上，我倾向于把大促方案的预算增量控制在日常的 2 到 2.5 倍。更高的倍数会导致大促后流量成本暴涨，而你的库存和排名承接不住那种回落。
止损场景下，清单的用法要倒过来。不是判断要不要投，而是判断该停哪一层。具体来说：先看风险层，账号健康分有没有问题；再看库存层，是不是快断货了；再看流量层，是不是竞品打价格战；最后才看投放结构。
止损的优先级是风险层大于库存层大于生意层大于投放层。我见过太多人一遇到 ACOS 飙升就去改投放结构，改了半天发现根本原因是竞品降价 10%。
清单解决的是”能不能做”，取舍解决的是”值不值得做”。有些方案能通过五层检查，但它依然可能不是当下最好的选择，因为资源是有限的。
这是最经典的取舍。高毛利品类（比如小家电配件）可承受的 ACOS 高，广告容错空间大，但库存周转慢，资金占用时间长。低毛利高周转品类（比如日用消耗品）资金回笼快，但出价天花板极低，广告几乎没有试错空间。
我的判断标准是看资金周转效率而不是单品毛利率。粗算方式是：毛利率乘以年周转次数。一个毛利率 35% 但一年只周转 2 次的品类，实际年化回报是 70%；一个毛利率 15% 但一年周转 6 次的品类，年化回报是 90%。后者反而更好。
但这个计算有个前提：广告能不能跑正。如果低毛利品类的广告跑不正、必须靠广告维持销量，那它的周转优势会被广告成本吃掉。所以取舎的落点还是回到清单第一层。
投放必然会面对这个问题。用高 ACOS 冲排名，短期能拿到更好的自然位次，但会牺牲当期利润；用保守出价保护利润，则可能被竞品持续挤压自然位次。
我的取舍原则是看这个链接处在生命周期的哪个阶段。新品期和上升期，可以用利润换排名，但要设上限，我通常允许 ACOS 在盈亏平衡点之上浮 20%，且持续不超过 21 天。成熟期和衰退期，则以利润为主，排名防守用自然优化而不是广告硬顶。
关键在于把”允许亏多少”和”允许亏多久”这两个数字提前写进方案。没有上限的亏损换增长，本质是赌博。
这个问题很多人纠结。我的看法比较直接：当日广告花费低于 200 美元、SKU 数量少于 20 个时，手工加表格基本够用，上工具反而增加学习成本。当日花费超过 300 美元或 SKU 超过 50 个时，信息量会超出人工处理的舒适区间，工具的价值开始显现。
判断标准很简单：如果你每周花在”找数据、对数据”上的时间超过 5 小时，那就是该考虑工具的信号。因为这部分时间不产生任何判断价值。
跨境卖家很容易被”多平台布局”吸引，但每个平台都意味着一套独立的广告逻辑、独立的库存管理和独立的团队能力要求。
我的建议是单平台广告 ACOS 稳定在可承受范围内连续 3 个月，再考虑开第二个平台。因为广告能力是可以迁移的（关键词逻辑、出价逻辑、素材逻辑有相通之处），但前提是你先在第一个平台把它跑通了。
清单最大的价值不是帮你做一次判断，而是帮你把这个判断变成可重复的流程。我在这一步上走过弯路，也总结出几条经验。
最开始我把清单做成了共享文档，结果是没人用。后来我把它改成方案模板的必填字段，没有填完生意层和库存层的方案，不进入讨论议程。这一改动之后，清单的使用率从几乎为零变成百分之百。
原因很简单：清单是”参考”的时候，它跟紧急的日常事务竞争注意力，必然输。清单是”门槛”的时候，它成了通路的一部分，绕不过去。
阈值（比如净毛利率 25%、库存 45 天）应该允许调整，因为不同品类、不同市场、不同阶段的最优值不同。但调整必须走流程，比如每季度复盘一次，而不是在某个方案被拦下时临时改。
我见过团队为了让自己喜欢的方案通过，临时把库存门槛从 45 天改成 30 天。这种调整一旦开了口子，清单就失去了意义。
清单里大部分问题是事实性问题，毛利率多少、库存多少天、退货率多少。这些应该由系统自动填充。人只负责回答判断性问题，比如”这个 ACOS 是否可持续””这个风险是否可接受”。
这也是我持续把数据往统一看板迁移的原因。前面提到的 数跨境 就是在这个思路下用的：把利润、库存、广告三类数据拉到一起，让清单从”需要一个小时填”变成”五分钟看完”。
方案成功了，不一定是清单对；方案失败了，也不一定是清单错。复盘的价值在于找出哪一层的问题被忽略了，或者哪一层的判断标准需要修正。
我现在的复盘模板是这样的：先对照五层清单，逐层标注”当时的判断”和”实际发生的情况”，找出偏差最大的那一层，然后只修正那一层的标准。一次复盘只改一个地方，改多了会混乱。
下面是我现在实际使用的清单简化版，你可以直接复制到自己的方案模板里。带星号的是硬门槛，必须填具体数字。
# 广告投放方案评估清单 v3.2
L1 生意层
*Q1.1 近 30 天净毛利率 = ____%（低于 25% 直接终止）
*Q1.2 可承受 ACOS 上限 = 净毛利率 x 0.8 = ____%
Q1.3 退货率 = ____%（高于类目均值 1.5 倍需额外说明）
Q1.4 SKU 定位：利润款 / 引流款 / 清库存
Q1.5 若为引流款，关联订单组合毛利率 = ____%
L2 库存层
*Q2.1 当前可用库存 = ____ 件
*Q2.2 加预算后预计可支撑天数 = ____ 天（低于 45 天直接终止）
Q2.3 在途库存到仓日期 = ____
Q2.4 完整补货周期 = ____ 天
Q2.5 断货对自然排名的预估影响等级：高 / 中 / 低
L3 流量层
*Q3.1 核心词月搜索量 = ____
*Q3.2 Listing 自然转化率 = ____%（低于类目中位数 70% 需额外说明）
Q3.3 首页竞品价格带 = ____ 至 ____
Q3.4 评分 = ____ / 评论数 = ____
Q3.5 当前搜索词报告中无效词占比 = ____%
L4 执行层
*Q4.1 每日负责人 = ____，巡检时段 = ____
Q4.2 异常响应流程与时限 = ____
Q4.3 每周可产出新素材数量 = ____
Q4.4 客服覆盖时段是否匹配目标市场时区：是 / 否
L5 风险层（一票否决）
*Q5.1 目标市场强制认证是否齐全：是 / 否
*Q5.2 知识产权排查是否完成：是 / 否
*Q5.3 账号健康分是否在安全区间：是 / 否
*Q5.4 投放期内是否存在仓储或政策限制：是 / 否
结论
硬门槛未通过项：____（任意一项未通过，方案终止）
非硬门槛"否"的数量：____（2 项及以上，预算规模减半）
批准预算规模：____
这份清单不复杂，但它把原本散落在各处的判断集中到了一页纸上。真正的价值不在于模板本身，而在于它逼你在打开广告后台之前，先把该问的问题问完。
这两年我最大的体会是：跨境广告投放的成败，很少取决于你用了多高级的投放技巧，而取决于你在什么时间点问出了什么质量的问题。技巧解决的是”怎么投得更好”，问题清单解决的是”该不该投”，后者的杠杆大得多。
很多人愿意花几十个小时研究广告后台的每一个开关，却不愿意花二十分钟算清楚一个 SKU 的净毛利率。结果是他们在错误的地方付出了极高的努力。
我的独特判断可以总结成三条。第一，广告方案的大部分失败在打开后台之前就已经注定，所以评估顺序必须从生意层和库存层开始，而不是从投放结构开始。第二，能承受多高的 ACOS 是一个可以用减法算出来的数字，不是靠经验感觉出来的，算不出来就不该投。第三，清单的价值在于被固化成门槛，停留在文档里的清单等于没有。
如果你现在手上正好有一个准备放量的方案，我建议你今天做三件事。
第一件，把这个 SKU 的净毛利率完整算一遍，得出可承受 ACOS 上限，写下来。如果算出来的数字和方案里设定的目标 ACOS 差距超过 5 个百分点，先别投。
第二件，查一下可用库存天数和补货周期。如果覆盖不了 45 天，把放量幅度砍掉一半，或者先解决补货问题。
第三件，把上面那份清单模板存下来，用在下一个方案上。不用一次做到完美，先跑通一遍，你会在第二遍的时候明显感觉到区别，不是为了填表而填表，而是因为你终于知道自己该看哪里。
至于工具层面，我的建议是先手工跑通十次清单，再去考虑用统一看板把数据聚合起来。手工阶段你才能真正理解每个指标为什么重要，而不是把一堆看不懂的数字堆在一个页面上。等你清楚知道自己每天要看哪几个字段、阈值该设在哪里，再把这些字段迁到统一的数据看板上，效率提升才是真实的。
广告是一种放大器，它会放大正确的判断，也会同样放大错误的判断。清单不能保证你每次都判断对，但它能保证你不会在同一个地方跌倒两次。
我刚开始带跨境电商团队，广告一投就乱，今天看ACOS，明天看订单，后天又看库存。老板让我出一套判断方案，我不知道清单到底该从目标、利润还是数据开始问。每次开会大家各说各的，最后只好拍脑袋。
先问四个硬问题：这波广告的目标是什么，是清库存、推新品、保排名还是做利润；单笔订单能承受的广告成本是多少，用毛利率倒推，广告后毛利等于售价减平台佣金、物流、采购和广告花费，低于0就不要放；产品页自然转化是否达标，自然流量CVR低于类目均值时广告只会放大问题；
数据是否够量，单广告组至少累计100次点击、10个转化再谈调优。把这些问题写成周复盘表，每项只填是或否和数字，先淘汰明显亏损方案，再谈优化。
我做过亚马逊和独立站，最怕广告一亏就怪竞价，结果换了三套广告结构还是不出单。运营说是素材问题，产品经理说是价格问题，我需要一个能快速归因的判断顺序。我也试过直接加预算，最后发现是在给一个转化本就不行的链接放大亏损。
按自然转化、广告点击、广告转化顺序拆。先看业务报告里自然流量CVR：如果自然CVR低于类目均值，比如多数类目低于3%到5%，先改主图、价格、评论、详情页和库存，别加广告。自然CVR正常再看广告CTR：CTR低于0.3%到0.5%通常是关键词、素材或竞价位置问题；
CTR正常但CVR低，回到详情页、价格、评论和配送时效。实操上我会开一个低预算精准词广告组做对照，7天看Search Term，点击不少于10且无转化就否定，点击不少于20且有转化再看ACOS，避免把产品问题误判成投放问题。
我手里通常只有每天100到300美元广告预算，加预算怕亏，不加又怕链接起不来。每次看后台都纠结：这个广告组ACOS 40%，到底该继续喂还是直接关？老板只问结果，不给我试错空间。
先算利润红线再动预算。假设毛利率35%，目标净利率15%，TACOS安全线大约是20%，ACOS可以高于TACOS但不能长期超过毛利率。加预算用边际测试：每次只加20%到30%，观察3到7天，若订单同步增长、TACOS稳定或下降、广告订单没有严重挤压自然订单，就继续；
若花费涨、点击涨、订单不涨，就降回原预算。关停看两个信号：连续7天点击不少于100且0转化，或ACOS超过毛利率2倍且TACOS超过毛利率，同时自然CVR不达标。满足后先关词或关组，不要只降竞价，避免半死不活烧钱。
我做新品时最焦虑，广告开了三天没单就想关，同事又说要等一周。不同类目点击成本差很多，我到底该用几天、多少点击、多少转化作为判断口径？如果口径不对，很容易把还有机会的方案提前砍掉。
别按天数拍脑袋，按数据量口径。单个广告组建议至少累计曝光5000、点击100、转化10个，再看ACOS和TACOS；低流量类目可放宽到14天，但低于50次点击只能做否定词和创意测试，不能判断方案生死。Search Term层面，点击不少于10且0转化先加否定；
点击不少于20且有转化再看ACOS是否低于毛利。新品前7天重点看CTR和加购，14天看CVR和TACOS，21天还没达到类目CVR均值就暂停放量，回头改价格、评论和详情页。这个口径能避免用三天波动推翻一个还有机会的方案。
读者评论
库存层这关我深有体会，但实操里最难的是在途到仓时间给不准。头程延迟两周是常事，清单上填的 45 天可用库存，可能因为一批甩柜就变成 30 天。我现在会额外留 15% 缓冲，把在途单独列一栏每周更新，否则硬门槛填出来的数字还是纸上谈兵。
五层里执行层最容易被低估。我们团队就三个人，方案通过了也没人每天核对监控项，第三遍过筛基本落不了地。后来只留库存天数和 ACOS 两个自动提醒，其余靠周会过。清单写得完整，和能不能执行完整是两回事。