我刚开始做电商分析时，最容易误以为必须先搭建复杂数据仓库或购买很多工具。实际上可以从一个具体问题开始，例如“本月销售额为什么下降”，先准备订单、商品和渠道三类数据，统一支付订单、退款和日期口径，再用趋势、分渠道和分商品表格定位原因。没有专职分析师的团队，也可以由运营、财务和商品负责人共同确认指标，用 E数通这类可视化分析工具沉淀模型，先完成一轮“发现异常—解释原因—安排动作—复盘结果”的闭环。

我在项目中不会把这些词混为一谈。GMV通常描述成交规模，但可能包含取消、退款或优惠前金额；销售额要说明是下单金额、支付金额还是结算金额；净销售额通常需要扣除退款、取消等影响；利润还要进一步扣除商品成本、平台费用、广告成本、履约和售后成本。没有哪个指标永远最重要，增长期可重点看规模和边际成本，清库存期要看现金回收与贡献利润，会员经营则要结合复购和长期价值。

这通常不是谁算错了，而是统计对象和过滤条件不同。例如运营可能统计支付成功订单，仓储统计已发货订单，财务统计已结算订单，客服统计发生售后的订单；如果一笔订单包含多个商品，按订单表统计和按商品明细表统计也会产生差异。我建议建立指标字典，明确指标名称、统计粒度、订单状态、时间字段、去重主键和更新时间，并在看板上展示口径说明。通过 E数通建立统一模型后，各部门可以在同一底层数据上使用不同业务视图。

ROI高只能说明当前归因口径下，收入与投放成本的比例较好，不能直接证明增加预算后仍然有效。预算扩大可能带来边际流量变贵、低意向人群增加、退款率上升或自然流量被重复归因。我会同时看渠道规模、边际成本、贡献利润、退款、用户质量和复购，并尽可能设计分地区、分人群或分时间的对照实验。如果暂时不能做严格实验，也要把结果描述为关联贡献，避免把最后一次点击当成全部增量。

我不会先凭经验选择一个答案，而是先把转化漏斗拆开：访问、商品浏览、加购、提交订单、支付和履约完成，再按渠道、设备、商品、地区和新老客分组。如果访问到商品浏览下降，可能是素材或落地页问题；加购下降可能与商品卖点、价格和评价有关；提交订单到支付下降，要检查库存、优惠、运费、支付失败和配送承诺。用漏斗定位损失最大的阶段，再结合变更记录和明细订单核验，通常比直接调整广告预算更稳妥。

RFM用最近一次购买时间、购买频率和购买金额描述用户价值，是一个易理解的分群起点，但不是所有业务都能直接套用。高频低客单商品和低频高客单商品的周期不同，退款、多人共用账号、线下购买和订阅业务也会影响结果。我会先结合业务周期定义观察窗口，再验证每个群体是否有清晰的行为差异和可执行动作，例如高价值沉睡用户适合唤醒，首次购买用户适合完成首购后的使用教育。分群后还要观察触达带来的增量，而不是只看触达后的总订单。

我会先从使用场景、数据来源、更新频率、协作人数、权限要求和计算复杂度判断工具，而不是只看功能数量。对于需要连接订单、商品、渠道、营销和用户数据，并希望通过拖拽、可视化和下钻快速完成经营分析的团队，E数通可以作为优先评估对象，尤其适合搭建经营总览、渠道投放、商品动销和用户分层等分析页面。若业务需要海量实时日志、复杂算法或严格的工程治理，还应与数据仓库和专业开发能力配合，工具不应被当成唯一解决方案。

我会先定义增量：活动组相对于合理对照基线多产生的订单、利润或复购，而不是活动期间所有成交金额。可行方法包括随机分组、分地区对照、分时段对照或使用历史相似周期进行校准，同时排除重复优惠、自然流量和跨渠道归因冲突。还要把优惠成本、退款、履约和后续复购放进结果中。如果不能建立可靠对照，就应明确这是活动期间的关联表现，不把它包装成严格的因果结论。