天猫数据：天猫新手怎么用：从活动表现到降低退款影响

很多新手商家第一次看天猫数据，最先盯住的是成交金额和支付买家数，但真正决定活动是否值得继续做的，往往是退款金额、退款原因、发货时效和活动后自然流量变化。我在复盘店铺大促时遇到过一个典型案例：活动当天成交额增长了 176%，活动后 14 天实际沉淀的成交额却只比日常高 31%；如果只看活动大屏，这是一场成功活动，如果把退款、补发、客服和优惠成本放进去，它几乎没有带来新增利润。

所以，天猫数据的正确用法不是“看哪个数字涨得最多”，而是建立一条从流量进入、商品被点击、订单支付、发货履约、退款发生，到活动后复购与自然流量的完整链路。本文会按照新手最容易遇到的实际场景，讲清楚哪些数据值得看、如何判断活动表现、如何拆解退款影响，以及什么时候应该继续参加活动，什么时候应该主动收缩。

一、先讲核心结论：新手不能只看成交额

1. 把活动结果拆成三层，而不是一个销售数字

我建议新手把每次活动的结果拆成三层。第一层是平台展示给你的表面结果，包括访客数、浏览量、点击率、支付订单数和成交金额；第二层是经营结果，包括支付转化率、客单价、毛利、退款率、发货时效和客服处理成本；第三层是活动后的延续结果，包括自然流量、老客复购、搜索排名变化和库存健康度。

第一层决定活动有没有声量，第二层决定活动有没有利润，第三层决定活动是不是值得复制。很多新手在第一层表现不错时就马上加预算，结果第二层被退款和履约成本吃掉，第三层又没有留下任何有效资产。

核心判断可以用一句话概括：活动成交额是起点，不是结论；退款后的有效成交和活动后的自然增长，才是更接近真实结果的指标。

2. 先算有效成交，再判断活动是否成功

新手可以先使用一个简化公式：

有效成交额＝支付成交额－已退款金额－预计未完成退款金额

如果还要判断盈利，则继续往下算：

活动贡献利润＝有效成交额－货品成本－平台及支付相关费用－推广费用－优惠成本－履约成本－售后处理成本

这里的“预计未完成退款金额”非常重要。活动刚结束时，很多订单还在发货、签收或售后期，后台看到的退款率通常不是最终退款率。对服装、鞋靴、家居和预售商品来说，活动结束后的 7 天、14 天甚至 30 天，退款数据仍可能继续变化。

我在做活动复盘时，会把订单按支付日期分成多个同期群，而不是把当天所有退款直接相加。这样可以避免一个常见错误：把刚支付、尚未进入退款窗口的订单，和已经完成售后的订单放在同一个分母里。

3. 判断活动时，至少看四个时间窗口

• 活动前 7 天：观察日常访客、支付转化率、退款率和库存基础，确认活动前是否已经异常。
• 活动当天：观察流量来源、商品点击、支付转化和客服咨询高峰。
• 活动后 7 天：重点看发货、签收、退款申请和活动后的自然流量。
• 活动后 14 至 30 天：观察退款最终收敛、复购、搜索成交和库存回补情况。

如果店铺客单价较高、决策周期较长，活动前后的窗口还应延长。低价快消品可以快速判断，但高价耐用品不能用三天数据直接下结论。

二、背景和真实场景：新手为什么会被天猫数据“带偏”

1. 活动大屏呈现的是即时反馈，不是最终经营结果

活动期间的实时数据通常变化很快。访客上涨、订单涌入、排名变化和销售额跳升，会让人产生一种“只要继续加券、加广告，结果就会更好”的错觉。但即时数据的本质是刺激后的响应，它并没有完整反映退货、缺货、延迟发货和售后争议。

在一次家居用品活动复盘中，活动当天支付转化率从日常的 4.8% 提升到 8.9%，看上去非常理想。活动后 10 天，退款率从 6.2% 上升到 18.7%，其中一半集中在“尺寸不合适”和“与预期不符”。原因不是商品突然变差，而是活动期间吸引了大量低意向用户，详情页却没有同步补充尺寸和使用场景说明。

这类问题说明，活动数据不只是用来评价流量，也用来检验商品表达是否准确。如果点击很高、支付也不错，但退款原因高度集中在同一类预期差，优先要修正详情页和客服话术，而不是继续扩大流量。

2. 订单金额、支付金额和实际收款不是一回事

新手经常把购物车金额、拍下金额、支付金额和最终有效金额混在一起。优惠券、满减、跨店优惠、赠品和部分退款都会改变订单的真实价值。特别是存在多件购买、组合优惠和分批退款时，不能只看订单原始金额。

我建议每天固定记录以下四个数：支付订单金额、支付买家数、已退款金额、退款订单数。对于有预售或分阶段发货的商品，再增加“已发货订单金额”和“已签收订单金额”。这样可以看出问题究竟发生在支付前、发货前，还是签收后。

3. 活动前的异常，会被误认为活动带来的问题

如果活动前 7 天退款率已经从 5% 上升到 11%，活动当天升到 15%，那么活动是否造成退款增加，不能只看 15% 这个结果。可能的原因包括新批次质量变化、客服承诺不一致、物流区域调整、主图修改，或者某个核心尺码提前缺货。

因此，复盘时必须保留活动前的基线。没有基线，就没有增量判断；没有增量判断，就容易把所有问题归咎于活动，最后错误地放弃一个本来有潜力的商品。

三、常见误区：这些数据看法会让新手越做越累

1. 误区一：成交额增长越快，活动质量越高

成交额增长只能说明更多用户完成了支付。它没有告诉你这些订单是否赚钱，也没有告诉你是否挤占了日常订单，更没有告诉你库存是否被低毛利商品占用。

我会把活动成交额拆成“日常自然成交”和“活动增量成交”。如果活动期间成交额增加 20 万元，但自然成交减少 8 万元，退款后又减少 5 万元，真正新增的有效成交只有 7 万元。继续投放时，预算应该按照 7 万元的增量价值来评估，而不是按照 20 万元的表面增长来评估。

2. 误区二：退款率高，就是商品质量差

退款率是结果指标，不是原因指标。相同的退款率，可能来自完全不同的问题：

• 商品与页面描述不一致，属于表达和预期管理问题。
• 尺码、规格或颜色选择复杂，属于购买决策问题。
• 发货慢、包装破损，属于履约问题。
• 活动价格刺激了低意向购买，属于流量和优惠策略问题。
• 商品本身存在质量缺陷，属于供应链问题。

所以，不能只看退款率的总数，必须看退款原因的结构。更有价值的指标是：各退款原因占退款订单的比例、各原因对应的商品规格、发货状态、客服咨询记录，以及这些订单是否集中在某个活动入口。

3. 误区三：只看店铺整体退款率，不看商品和订单分组

店铺整体退款率会掩盖单品差异。一个低退款高销量的日用品，可能把一个高退款的新品问题完全冲淡。新手至少要按商品、活动批次、价格区间、规格、流量来源和发货仓拆分数据。

如果一个商品只有某个颜色退款率高，问题可能是色差；如果只有某个尺码退款率高，问题可能是版型或尺码表；如果某个仓发出的订单退款率明显高，问题可能是仓内包装和出库检查。拆分之后，数据才会告诉你应该改哪里。

4. 误区四：为了降低退款，直接把优惠取消

取消优惠确实可能减少一部分冲动下单，但也可能导致转化率大幅下降。更合理的做法是先判断退款是否由优惠导致，还是由商品表达和履约导致。

例如，优惠后退款率比原价订单高 4 个百分点，但优惠订单的毛利仍高于原价订单，那么问题未必是不能做优惠，而是需要改变优惠门槛、限制多件购买，或者增加购买前确认。只有当退款成本超过优惠带来的增量利润时，才有理由收缩优惠。

四、专业判断逻辑：用一条数据链定位问题

1. 第一步：先建立活动前基线

活动前基线不需要很复杂，但必须稳定。我的做法是取活动前连续 7 天或 14 天，记录以下数据：

• 每日访客数与商品详情页访客数。
• 详情页点击率和支付转化率。
• 支付买家数、客单价和自然成交占比。
• 退款申请率、退款完成率和主要退款原因。
• 平均发货时长、揽收时长和客服响应时长。
• 库存可售天数和缺货规格数量。

如果店铺日波动很大，可以用中位数代替简单平均值。比如某天因为达人推荐突然获得大量访客，平均值会被抬高，中位数更接近日常经营水平。

2. 第二步：把漏斗拆成可以动作化的节点

我通常把用户路径拆成六个节点：曝光、点击、访问、加购、支付、签收。每个节点都对应不同动作，而不是全部归结为“转化不好”。

判断逻辑不是“哪个数字低就改哪个”，而是看相邻节点的落差。曝光到点击差，优先改素材；点击到加购差，优先改页面；加购到支付差，优先查优惠和库存；支付到签收后退款差，优先查商品预期与履约。

3. 第三步：用“增量利润”而不是“增量销售”做决策

活动是否值得继续，核心是活动带来的新增利润。可以采用下面的简化模型：

增量利润＝活动后有效成交额－活动前同期自然成交额－新增货品成本－新增推广与优惠成本－新增履约及售后成本

这里的活动前同期自然成交额，可以取活动前同星期、相近天气或相近流量条件下的日均值。不要直接拿活动当天和一个普通工作日比较，否则容易把周末、发薪日或平台大盘波动误当成活动效果。

对于新品，还应加入内容制作、样品、拍摄和试错成本。对于库存压力大的商品，则要把“避免滞销产生的仓储成本”纳入判断。活动不一定只有赚钱和亏钱两种结果，也可能是用较低利润换现金流，或者用较高退款换用户反馈。

4. 第四步：建立退款原因与动作的对应表

退款原因必须能够对应到具体负责人和改动动作，否则复盘会停留在描述问题。下面是一套我常用的映射方式：

五、具体案例和数据观察：一次活动如何从“看起来赚钱”变成可复制方案

1. 案例背景：家居收纳单品的活动复盘

下面这个案例使用的是我在店铺复盘中采用的匿名化口径，金额和比例做了区间化处理，适合新手理解方法，不代表任何平台的行业平均值。商品日常售价 89 元，活动到手价 69 元，活动前 7 天日均支付订单约 160 单，日均成交额约 1.42 万元。

活动当天支付订单 620 单，支付成交额 4.28 万元。活动当天看起来增长明显，但活动后 14 天完成统计后，确认退款订单 137 单，另有 23 单处于售后处理中。最终有效订单约 460 单，有效成交额约 3.17 万元。

如果只看支付成交额，活动相当于增长 3 倍；如果看退款后的有效成交，增长约 2.2 倍。再扣除活动优惠、包装升级、临时客服和额外仓配成本，实际贡献利润只比日常单日利润高约 38%。

2. 退款不是随机发生，而是集中在三个具体环节

把 137 单退款按原因拆开后，尺寸和容量选择错误占 38%，页面预期不符占 27%，等待发货占 19%，破损和其他原因占 16%。这说明问题并不主要是价格，也不是单纯的商品质量。

进一步按订单时间看，活动前两小时的退款率最低，活动中后段的退款率最高。后段订单中，客服咨询“什么时候发货”和“尺寸怎么选”的比例明显上升，而店铺没有及时更新页面上的库存和发货提醒。

这个结果改变了后续策略。店铺没有立即降低活动折扣，而是做了三项调整：第一，在首屏增加容量对照图；第二，将发货承诺改为按库存状态分层展示；第三，对高风险规格设置购买前提示。下一次同类活动中，支付转化率下降约 0.6 个百分点，但退款率下降约 7.4 个百分点，退款后的有效利润反而更高。

3. 这个案例真正可复制的地方是什么

案例的重点不是“某个页面改完退款就会下降”，而是建立了一个可复用的验证顺序：

1. 先按退款原因排序，找出贡献最大的两至三类原因。
2. 再按规格、活动时段、发货仓和流量来源交叉查看，确定原因是否集中。
3. 只修改一个主要变量，例如尺码说明、发货承诺或优惠门槛。
4. 等待足够的售后周期，再比较退款率和有效利润。
5. 如果转化下降但有效利润上升，不能只因为成交额变少就否定调整。

这套方法的价值在于，它把“凭感觉优化”变成了可验证的实验。即使最后没有达到预期，也能知道是哪一个假设不成立。

六、不同情况下的行动建议：新手应该先改哪里

1. 流量少、转化也低：先不要急着参加大活动

如果活动前店铺每天只有少量有效访客，详情页转化又低，直接参加大型活动往往只能放大问题。此时应先做小范围验证，确认主图、价格、核心卖点和库存是否能承接流量。

• 先选择一个主推规格，减少用户选择成本。
• 把商品最容易被误解的尺寸、材质和适用限制放到首屏。
• 通过少量精准流量观察点击率和加购率，不要一开始追求大成交额。
• 至少积累一周基线，再决定是否扩大活动规模。

这一阶段的取舍是牺牲短期销售速度，换取更清晰的商品反馈。如果商品表达还没有被验证，过早扩大流量，退款和客服成本通常会一起放大。

2. 流量高、点击高、支付低：优先查价格和承诺

这类店铺的问题通常不在曝光，而在用户进入页面后没有完成决策。常见原因包括活动价格不够清晰、优惠门槛复杂、运费突然出现、发货时间不确定，或者核心规格缺货。

我会先把详情页首屏简化为四个信息：到手价、核心利益点、发货时间、规格选择提醒。然后观察加购到支付的变化。如果支付仍然低，再查客服咨询是否集中在优惠和库存问题。

3. 支付转化高、退款也高：不要继续放大流量

这是最需要谨慎的情况。支付转化高说明活动有吸引力，但退款高说明商品承接失败。继续加大流量，可能让客服、仓库和售后同时超负荷。

具体动作应分成两条线：一条线降低新订单风险，另一条线处理已经产生的订单。新订单侧可以减少高风险规格曝光、补充购买前确认、调整发货承诺；存量订单侧要提升发货准确性、主动通知缺货和延迟情况，避免用户在等待过程中产生不必要的退款。

如果退款原因主要是质量缺陷，应暂停扩量并抽检库存；如果主要是页面预期不符，应立即修正素材；如果主要是发货时间过长，应先控制活动订单量。不同原因对应不同动作，不能用同一个“加客服”解决所有问题。

4. 退款率高但毛利仍高：看长期价值，不要机械追求低退款

有些商品退款率偏高，但退款订单的处理成本低、未退款订单毛利高，而且活动带来的新客后续复购不错。这种情况下，目标不一定是把退款率降到最低，而是识别哪些退款可以在购买前被筛掉，哪些退款属于正常试用决策。

例如，服饰类商品的尺码试穿退款很难完全消除，但可以通过尺码建议、版型说明和多身材模特展示减少误购。相反，如果退款来自明显的质量问题，就不能把它归类为正常试穿成本。

好的经营不是让所有用户都下单，而是让更适合商品的人下单。适当降低低意向订单，有时会让支付转化率变差，却让有效利润、评价质量和客服效率变好。

5. 库存压力大：可以接受较低利润，但要设退款红线

库存压力大的商品可以通过活动换现金流，但必须提前设定三个红线：最低有效毛利、最高退款成本和最晚清库存时间。

七、从数据到执行：新手可以照着做的复盘流程

1. 每天只做一次基础记录

新手不需要一天打开几十个报表。每天固定一个时间，把核心数据记录到同一张表里即可。建议字段包括日期、活动状态、商品、访客、点击率、加购率、支付订单、支付金额、已退款金额、退款订单、发货时长和主要退款原因。

记录的关键不是字段越多越好，而是口径保持一致。比如退款率的分母到底是支付订单、发货订单，还是签收订单，必须在表头写清楚。否则不同日期之间无法比较。

2. 活动结束后先做“事实复盘”

事实复盘只回答发生了什么，不急着解释原因。可以按照下面顺序记录：

1. 活动期间总曝光和有效访客是多少。
2. 哪个商品获得了主要流量，哪个商品贡献了主要成交。
3. 成交额增长来自流量增长、转化提升，还是客单价变化。
4. 退款订单何时发生，主要原因是什么。
5. 发货、客服和库存是否出现异常。
6. 活动后自然流量是否高于活动前基线。

这一阶段不要急着写“因为价格低所以退款高”之类的结论。先把事实分开，避免把猜测写成原因。

3. 再做“假设复盘”

事实复盘完成后，再提出假设。例如“退款增加可能来自容量展示不清”，就需要检查退款原因、咨询记录和不同规格的退款率。如果只有小容量规格退款明显上升，且咨询集中在“实际能装多少”，这个假设才有一定证据支持。

每个假设都要对应一个可执行动作和一个观察指标。比如修改容量对照图后，观察下一批订单的规格退款率；调整发货承诺后，观察未发货退款率；改变优惠门槛后，观察支付转化率与退款后毛利。

4. 最后输出四种决策之一

每次活动复盘结束，必须落到四种决策之一：继续扩大、保持当前规模、调整后再测、暂停活动。不要写“持续观察”就结束，因为持续观察本身不是策略。

• 继续扩大：有效利润为正，退款原因可控，库存和履约能够承接。
• 保持当前规模：订单质量稳定，但扩量会明显增加售后或仓配压力。
• 调整后再测：流量和支付有潜力，但某类退款原因集中且可以通过页面或流程修正。
• 暂停活动：质量问题、严重缺货或退款后贡献利润持续为负。

八、不同方案的取舍：降退款并不等于所有指标都上涨

1. 降低折扣与提高转化之间的取舍

降低折扣通常会减少冲动下单和部分低意向流量，但也可能降低支付转化。适合在退款主要来自低意向购买、优惠后毛利过低时使用。

如果退款主要来自尺码、规格和页面描述，单纯降低折扣不会解决根因。此时应该优先改页面和购买前提示，否则只是让更贵的订单产生同样的退款问题。

2. 限制高风险规格与销售规模之间的取舍

对于某个规格退款明显高于其他规格的商品，可以暂时降低该规格的曝光或库存承诺。这会牺牲一部分销售额，但能够减少缺货、错发和售后压力。

是否值得这样做，要看高风险规格贡献的毛利与售后成本。如果该规格贡献了 30%的销售额，却消耗了 60%的售后工时，限制它通常是合理的；如果它只是试用型规格，且用户复购率高，则可以通过说明和客服推荐继续保留。

3. 提升客服介入与人工成本之间的取舍

客服并不是越多越好。对于规格复杂、客单价高、退款损失大的商品，购买前咨询可能降低误购；对于低客单价商品，如果每个订单都依赖人工确认，客服成本可能超过退款节省。

我会优先把人工用于高风险订单，而不是平均分配给所有用户。高风险信号包括多次修改规格、反复询问发货时间、购买多个相近规格、优惠叠加复杂，以及历史上容易产生退款的地区或商品组合。

4. 追求低退款率与扩大订单量之间的取舍

退款率低不一定代表经营好。可能是商品没有获得足够订单，也可能是售后入口和处理流程不完善。相反，订单快速增长时，退款率暂时上升也不一定意味着活动失败。

真正需要关注的是退款率是否超过商品和利润可以承受的边界，以及退款原因能否通过具体动作改善。对于新品，可以接受短期波动，但必须设定验证期限；对于成熟商品，如果退款原因突然结构性变化，则应立即排查供应链和页面变更。

九、权威口径、数据工具与新手的最小配置

1. 哪些数据可以直接参考，哪些只能作为内部判断

天猫后台的交易、流量、商品和售后数据，应作为店铺内部经营判断的主要来源。平台活动规则、发货规则、售后规则和消费者权益相关要求，则应以活动报名页面、商家后台规则中心及平台最新公告为准。

国家统计局发布的网上零售额、实物商品网上零售额等数据，可以帮助理解宏观消费趋势，但不能直接替代单个店铺的转化率和退款率。行业报告中的平均数据也只能作为参考，因为品类、价格带、季节、流量来源和售后政策差异很大。

本文中的匿名案例和图表数据，已经明确标注为情景模拟或案例口径。新手在实际使用时，不要把示意基准当成行业标准，应使用自己的活动前基线和活动后同期群数据。

2. 一个表格就能完成基础复盘

如果暂时没有复杂的数据系统，可以先用电子表格建立以下字段：

3. 什么时候需要使用专业数据工具

当店铺每天订单量较大、商品规格复杂，或者多人共同负责投放、客服、仓库和运营时，单纯依靠手工表格容易出现口径不一致和更新滞后。此时可以使用电商数据分析工具，或者搭建某项目管理工具与表格结合的协作流程，把活动任务、数据负责人、整改动作和复盘结论放在同一个可追踪的流程里。

工具的价值不在于自动生成漂亮报表，而在于让每一个异常都有负责人、截止时间和验证结果。比如“某规格退款率异常”不能只停留在图表上，还应关联到尺码表修改、客服培训、库存检查和下一次活动的验证数据。

如果工具不能帮助你从“看见异常”走到“完成整改并验证”，它就只是一个展示数据的界面。

十、FAQ：新手最容易问错的几个问题

1. 活动当天退款率很低，是不是说明活动做得很好？

不一定。活动当天很多订单还没有发货或签收，退款具有时间滞后性。建议至少观察活动后 7 天，服饰、家居和预售商品最好观察 14 至 30 天，再判断最终退款表现。

2. 退款率达到多少就一定不能继续参加活动？

没有适用于所有品类的统一红线。应结合毛利、客单价、退款处理成本和退款原因判断。质量问题、虚假描述和严重缺货属于需要立即处理的风险；正常尺码试穿则应通过页面和推荐机制优化。

3. 只看支付转化率能不能判断详情页好不好？

不能。支付转化率还会受到价格、优惠、库存、运费和客服影响。详情页应同时看点击后的停留、滚动、加购、规格选择和退款原因，才能判断页面是否准确承接用户预期。

4. 活动后自然流量没有上涨，是不是活动完全没有价值？

也不一定。活动可能完成了库存周转、现金回款或新品初期验证。但如果活动后的自然流量、收藏加购和复购都没有改善，就不应把活动当成长期增长渠道，只能把它当成一次交易型促销。

5. 退款原因填写不准确，应该怎么处理？

不要只依赖退款原因下拉选项。可以把客服咨询、商品规格、发货状态、物流异常和售后备注一起纳入分析。对于高退款商品，抽样阅读真实对话和售后留言，通常比只看汇总比例更容易发现页面承诺与实际体验之间的差距。

十一、总结：真正要优化的不是退款率，而是错误订单

1. 把数据从结果表变成决策表

天猫新手使用数据时，最容易犯的错误是把数据当成绩单：成交额高就是好，退款率高就是坏，转化率低就是页面差。但经营数据更像一张诊断表，数字本身不会告诉你答案，只有把它放进时间、商品、规格、流量和履约场景里，才知道应该采取什么动作。

2. 从“降低退款”升级为“减少不匹配订单”

退款不是所有情况下都应该被压到最低。真正值得减少的是那些因为页面误导、规格不清、发货承诺不准确或优惠刺激而产生的错误订单。错误订单越少，客服、仓库、资金和评价系统承受的压力就越小。

下一步可以这样做：先导出最近一次活动的支付和退款数据，建立活动前 7 天基线；再按商品、规格、退款原因和发货状态交叉拆分；找出贡献最多的两类退款原因；只选择一个页面或履约变量进行修改；最后用活动后 7 至 14 天的同期群数据验证有效利润是否改善。

我最看重的不是一次活动能卖多少，而是活动结束后，店铺是否更清楚什么人适合买、什么订单不该接、什么问题值得优先解决。当数据能够帮助你做出这些判断，天猫后台才真正从“报数工具”变成了经营工具。

免费注册

咨询方案

扫码咨询方案