很多品牌商家在电商 ROI 在线计算器里只填入成交额、广告费和订单量,却把退款当成售后部门的问题。结果是:渠道 A 看起来 ROI 为 3.2,渠道 B 只有 2.7,预算全部投向 A;等到月末把退款、退货运费、优惠券核销和二次销售损失放回订单,A 的真实贡献利润反而比 B 少了 18%。渠道对比中最容易被忽略的,不是退款金额本身,而是退款发生的时间、退款类型和退款成本归属。
我复盘过不少品牌的渠道报表,最常见的错误不是不会算除法,而是把“支付成功”当成“收入确认”,把“退款率”当成一个孤立百分比。一个高客单、低转化、低退款的渠道,和一个低客单、高转化、高退款的渠道,不能只用支付 ROI 排名。真正应该比较的,是经过退款修正、履约成本修正和现金回收周期修正后的渠道贡献。
我建议品牌商家在电商 ROI 在线计算器中至少保留三个口径:支付 ROI、签收 ROI 和退款后贡献 ROI。它们不是谁对谁错,而是分别回答三个问题:用户愿不愿意付款、订单能否完成履约、最终留下多少钱。
| 口径 | 计算方式 | 适合回答的问题 | 最容易造成的误判 |
|---|---|---|---|
| 支付 ROI | 支付 GMV ÷ 广告费 | 广告带来了多少支付金额 | 把未发货、拒收和已退款订单也算成结果 |
| 签收 ROI | 签收金额 ÷ 广告费 | 投放带来的成交是否完成了主要履约 | 忽略签收后退货与售后补偿 |
| 退款后贡献 ROI | 退款后贡献利润 ÷ 广告费 | 每 1 元广告费最终留下多少利润 | 需要更完整的数据,不能只看平台报表 |
如果团队仍然只允许看一个指标,我会优先选择退款后贡献 ROI,而不是支付 ROI。原因很简单:支付 ROI 能指导流量扩张,退款后贡献 ROI 才能指导预算分配。

退款的第一层是销售额冲减,即订单最终没有留下相应收入。第二层是已经发生但无法完全追回的成本,例如首程快递费、仓储拣配费、支付手续费和包装耗材。
第三层是退货后的商品损耗,包括拆封、试穿、过季、残次、重新质检和二次上架折价。第四层则是现金流影响:订单先支付、后退款,退款周期可能跨越广告结算周期,导致表面上现金充裕,实际上可用资金被售后占用。
因此,在计算器里只新增一个“退款率”输入框还不够。至少还要记录退款率、退货率、退款金额率、退款原因结构、平均退款时长和退款订单的不可回收成本。
在实际复盘中,我通常把单渠道退款后贡献利润写成下面的结构。这里的“贡献利润”不是财务报表意义上的净利润,而是用于渠道决策的经营贡献。
退款后贡献利润
= 实际保留销售额
商品成本
广告费
平台佣金与支付手续费
可变履约成本
退款订单不可回收成本
售后处理成本
优惠与赠品成本
退货造成的商品折损
其中,实际保留销售额不能简单用支付 GMV 乘以“1-退款率”。如果退款率是按订单数计算,而不同订单的客单价差异很大,直接相乘会产生偏差。更稳妥的做法是使用退款金额率,或者按客单价、商品品类和退款原因分层计算。
电商报表通常按支付日期统计,退款报表则可能按申请日期、审核日期、完成日期或原订单日期统计。两个报表的时间口径不一致,就会出现一个月销售额很高、下个月退款率突然异常的情况。
例如,某品牌在 6 月 28 日至 6 月 30 日集中投放,支付订单大多在 6 月计入,但消费者在 7 月初收货后集中申请退货。若团队只看 6 月渠道 ROI,渠道表现会被高估;若 7 月把这些退款全部归给 7 月流量,又会错误惩罚 7 月的投放。
我在做渠道复盘时,会先建立“支付月,发货月,签收月,退款完成月”的订单 cohort,而不是把每个月报表直接相减。只有把退款追溯到原始支付订单,才能判断这笔退款到底是哪一批流量带来的。

服饰、鞋类和部分美妆套装经常出现“订单退款率不高,但退款金额率很高”的情况。原因是高客单订单更容易发生整单退款,低客单订单则可能只是部分退款或使用优惠券后的小额补偿。
假设渠道 A 有 1000 个订单,退款 100 单,退款率为 10%;渠道 B 有 1000 个订单,退款 150 单,退款率为 15%。如果 A 的退款订单平均金额为 600 元,B 的退款订单平均金额为 180 元,那么 A 的退款金额损失可能远高于 B。
| 渠道 | 总订单 | 退款订单 | 订单退款率 | 退款订单平均金额 | 退款金额 |
|---|---|---|---|---|---|
| 渠道 A | 1000 | 100 | 10% | 600 元 | 60000 元 |
| 渠道 B | 1000 | 150 | 15% | 180 元 | 27000 元 |
如果管理层只看订单退款率,会认为渠道 A 更健康;如果结合退款金额和商品毛利,结论可能完全相反。渠道比较应至少同时保留订单口径、金额口径和毛利口径三个退款指标。
仅退款通常影响收入和毛利,但未必产生逆向物流;退货退款则会同时引发逆向运费、质检、重新包装和商品折损。两种售后在报表中都可能被统称为退款,但它们对渠道利润的影响并不相同。
我建议在数据表中至少区分以下类型:未发货退款、拒收退款、签收后仅退款、签收后退货退款、部分退款、平台赔付和商家主动补偿。尤其是“部分退款”,经常被误认为是客服费用,实际上它会直接减少订单收入。

GMV 是交易规模,不等同于商家最终确认收入。优惠券、平台补贴、达人佣金、退款、部分退款和售后赔付都会改变商家实际得到的金额。
在计算器中,建议把金额拆成“买家支付金额、平台补贴、商家优惠、退款金额、最终保留销售额”五个字段。平台补贴是否计入商家收入,要根据结算规则确定,不能因为它出现在成交金额里,就默认它全部属于商家。
如果品牌正在比较投放渠道,最好统一使用“商家可确认销售额”作为收入起点。否则,一个渠道使用含补贴 GMV,另一个渠道使用结算收入,结果从一开始就不具备可比性。
不同商品的退款行为差异非常大。服装的尺码和试穿问题,食品的临期和口味问题,家电的安装与体验问题,护肤品的肤感预期问题,都不能用一个全店平均退款率解释。
我通常会先按“品类,价格带,流量来源,活动类型”切分,再决定是否使用平均值。若某个细分单元的样本量不足,可以回看近 8 至 12 周的同类订单,而不是直接套用全店数据。
| 切分维度 | 为什么必须切分 | 建议观察指标 |
|---|---|---|
| 品类 | 商品体验和售后原因不同 | 退款率、退货率、质量退款率 |
| 价格带 | 高客单订单的退款金额权重更大 | 退款金额率、退款订单毛利损失 |
| 流量来源 | 搜索、推荐、内容和私域用户意图不同 | 签收率、退款原因、首购复购 |
| 活动类型 | 大促可能改变冲动购买和囤货行为 | 活动后 7 天、14 天、30 天退款表现 |
有些团队在订单退款后,从渠道成本里扣除对应广告费,认为既然收入没有了,广告费也应该按退款比例冲回。这种做法会低估退款订单真正造成的损失。
广告费通常在点击、曝光或转化发生时已经支付,平台不会因为订单后来退款,就把前期流量成本自动退回。退款订单不仅没有贡献收入,还消耗了原本可以用于其他有效订单的预算。
正确做法是:退款订单仍然承担其对应的获客成本。若使用订单级归因,可以按订单分摊广告费;若只有渠道级数据,则至少在渠道整体贡献模型中保留完整广告费。
退款原因决定了问题应该由谁负责。因尺码不合适产生的退货,可能需要修改尺码表;因页面承诺过度产生的退款,可能需要调整素材;因缺货和延迟发货产生的退款,可能需要修正库存和供应链。
如果只在计算器里输入退款率,团队只能知道结果变差,却不知道应该减少哪类预算、修改哪个页面或更换哪个 SKU。
退款往往滞后于支付,复购则更滞后于首单。一个渠道可能首单 ROI 不高,却带来较高的复购;另一个渠道支付 ROI 很高,却主要依赖低价和冲动消费,后续退款与复购都不理想。
我不会用单日或单场直播数据直接决定长期预算。最低限度要同时看支付后 7 天、14 天和 30 天的退款表现,并将首购用户的复购收入单独列出。

一个计算器不可能同时完美服务所有场景。品牌商家先要明确,它是用于判断“这场投放要不要继续”,还是用于判断“哪个渠道值得增加预算”,或者用于判断“某个商品是否适合做低价引流”。不同决策需要不同的字段和时间窗口。
| 决策场景 | 核心时间窗口 | 重点字段 | 不宜作为唯一依据的指标 |
|---|---|---|---|
| 日常投放调价 | 支付后 3 至 7 天 | 支付 ROI、签收率、早期退款率 | 30 天复购率 |
| 月度渠道预算分配 | 支付后 14 至 30 天 | 退款后贡献 ROI、毛利、现金回收 | 单日支付 ROI |
| 商品与页面优化 | 按 SKU 累积 4 至 8 周 | 退款原因、质量退款率、部分退款率 | 全店平均退款率 |
| 新品冷启动 | 首批订单完成售后周期 | 有效签收成本、早期退货风险、库存周转 | 成熟商品历史均值 |
如果计算器的使用场景没有被定义,团队就会不断争论“哪个 ROI 才是真的”。实际上,三个 ROI 都可能是真的,只是它们对应的决策时间点不同。
我建议第一版计算器不要追求几十个字段,而是先把最影响结论的字段做准确。最低限度可以分成五组。
如果暂时拿不到退货商品折损率,可以先采用“保守、中性、乐观”三档假设,而不是把该成本直接填成零。没有数据时,透明的假设比虚假的精确更有价值。
退款数据天然有波动,尤其在大促、新品和异常流量期间。单一 ROI 会给决策者一种虚假的确定感。我更推荐计算器同时输出三种情景:低退款情景、基准情景和高退款情景。
例如,某渠道支付 GMV 为 100 万元,广告费 30 万元,商品成本率 40%。如果退款金额率分别为 8%、15% 和 25%,并且退款订单平均产生 18 元不可回收成本,那么三个情景下的贡献结果会明显不同。

当团队讨论“要不要继续投放”时,真正重要的是增加下一笔订单是否还能带来正贡献。平均 ROI 适合做渠道复盘,边际贡献则更适合做预算扩张。
如果某渠道在预算增加后,流量从高意向搜索人群扩展到宽泛推荐人群,转化率可能下降,退款率可能上升,获客成本也可能上涨。此时历史平均 ROI 仍然不错,但新增预算可能已经处于亏损区间。
因此,我会把预算按阶梯拆分,至少观察前 20%、中间 40% 和后 40% 预算的获客成本、退款金额率与贡献利润。渠道平均好,不代表继续加钱仍然好;新增预算的边际结果才决定能否放量。

下面使用一组情景模拟数据,模拟一家销售中高客单家居用品的品牌商家。该品牌同时经营搜索渠道、内容渠道和会员私域渠道,活动周期为 14 天,商品平均售价 399 元,商品成本率约 42%。
运营团队第一次提交的排名依据是支付 ROI。内容渠道支付 GMV 最高,ROI 达到 3.18,因此团队计划将下一周期预算提高 50%。但我要求把退款、首程运费、平台费用和内容服务费补齐后再做决定。
| 渠道 | 支付 GMV | 广告及服务费 | 支付 ROI | 支付订单数 | 订单退款率 |
|---|---|---|---|---|---|
| 搜索渠道 | 720000 元 | 240000 元 | 3.00 | 1805 单 | 7.8% |
| 内容渠道 | 954000 元 | 300000 元 | 3.18 | 2391 单 | 18.6% |
| 会员私域渠道 | 438900 元 | 135000 元 | 3.25 | 1100 单 | 5.1% |
只看支付 ROI,会员私域渠道第一,内容渠道第二,搜索渠道第三。只看支付 GMV,内容渠道第一。这个结果很容易让团队把内容渠道定义为“规模渠道”,并接受更高的退款作为规模扩张的代价。
进一步核对后发现,内容渠道的退款金额率达到 21.4%,高于 18.6% 的订单退款率,说明退款订单的客单价明显更高。与此同时,内容渠道有较多直播间组合装订单,退货时需要逆向物流,且退回商品中约 13% 需要折价处理。
搜索渠道的退款订单更多来自缺货和发货延迟,原因虽然不理想,但商品退回后可售率较高。会员私域渠道的退款率最低,且复购用户占比更高,不过该渠道需要承担较多会员权益和人工维护成本。
| 渠道 | 退款金额率 | 商品退回可售率 | 单均履约及售后成本 | 复购用户占比 | 退款后贡献 ROI |
|---|---|---|---|---|---|
| 搜索渠道 | 9.2% | 93% | 31 元 | 18% | 1.12 |
| 内容渠道 | 21.4% | 87% | 48 元 | 11% | 0.84 |
| 会员私域渠道 | 6.3% | 96% | 39 元 | 29% | 1.36 |
结果发生了反转:内容渠道从“规模优先渠道”变成了“需要先治理再扩量的渠道”。它并不是不能投,而是不能按照原来的预算逻辑继续投。搜索渠道虽然前端 ROI 不突出,但订单质量相对稳定;会员私域渠道的首单贡献最高,还具备复购价值。

这个案例最重要的结论不是“退款高的渠道都应该停掉”。内容渠道仍然带来较强的新品触达和用户增长,只是它的流量价值不能完全用首单利润衡量。
我们将内容渠道拆成三个动作:先减少高退款素材的预算,保留退款原因稳定的内容单元;再把组合装页面改成更清晰的规格说明,降低用户因预期不符产生的退货;最后将预算增加与 14 天退款金额率绑定,而不是与支付 ROI 绑定。
这种处理比直接停投更合理,因为停投会损失内容资产和潜在新客,盲目扩量又会放大售后成本。对于退款较高但具备拉新价值的渠道,正确动作通常是限制边际预算,而不是简单二选一。
这类问题通常不是投放定向问题,而是承诺能力超过了供应链承载能力。尤其在大促期间,广告预算增加后,如果库存同步延迟、仓库处理能力不足,退款会快速上升。
行动优先级应放在库存和履约,而不是先修改广告素材。建议设置可售库存阈值、发货时效预警和区域限投规则。当某个 SKU 的可履约库存低于未来 3 天预计销量时,自动降低预算或切换到替代 SKU。
如果用户收货后认为商品与页面、视频或直播演示不一致,继续增加投放只会把问题放大。此时最该检查的是内容承诺,而不是继续寻找更便宜的流量。
我会抽取退款订单中的用户评价、客服聊天和售后原因,建立“承诺,实际体验”对照表。例如页面强调“轻薄”,但用户实际期待的是“保暖”;内容强调“显瘦”,但不同身材用户的效果差异没有说明,这些都可能形成高退款。
行动上可以降低夸张表达,增加尺寸、适用边界、使用限制和真实场景展示。短期内转化率可能下降,但如果退款金额率同步下降,退款后贡献 ROI 往往会上升。
这通常出现在高客单商品、套装商品和需要安装体验的商品中。订单数量看起来健康,但少量整单退款就足以吞掉大量毛利。
计算器应该采用订单金额加权,而不是简单的退款订单数比例。对于高客单 SKU,建议单独设置“整单退款损失”“部分退款损失”和“退回后折价损失”三个字段。
| 情况 | 表面现象 | 真正风险 | 建议动作 |
|---|---|---|---|
| 订单退款率低 | 售后订单数量不多 | 高客单整单退款吞噬毛利 | 按退款金额和订单毛利加权 |
| 退货率中等 | 商品多数可以收回 | 折价、翻新和质检成本未计入 | 增加退回商品可售率字段 |
| 部分退款较多 | 订单没有完全关闭 | 收入被持续让渡,毛利被稀释 | 单独统计部分退款金额 |
退款不是唯一影响 ROI 的因素。某些渠道退款率很低,但需要较高的达人服务费、内容制作费或平台佣金,最终贡献仍然有限。
在这种情况下,不能因为退款表现好就默认渠道值得加预算。应该把退款后收入、商品毛利、渠道费用和复购收入放在同一张决策表中,比较每增加 10000 元预算能带来的边际贡献。
新品上线初期最容易出现“用成熟商品平均退款率套用”的问题。新品的页面表达、包装、价格、用户人群和供应链都可能不同,历史平均值只能作为起点,不能作为结论。
我建议使用三段式估计:第一阶段采用同品类、同价格带的保守基准;第二阶段每积累 100 至 300 个签收订单就更新一次退款区间;第三阶段售后周期稳定后,再将实际数据用于预算扩张。

搜索用户往往带着相对明确的购买意图,商品与需求匹配时,退款原因更容易被控制。因此,搜索渠道可以重点观察签收 ROI、退款金额率和新增订单的边际贡献。
但搜索渠道也有明显边界:关键词竞争会推高点击成本,品牌词和高意向词可能存在自然流量替代,单纯增加预算未必能带来等比例增长。不能因为退款低,就忽略流量成本逐步上升的问题。
内容渠道经常承担教育市场、制造需求和新品触达的任务。它的首单退款可能高于搜索渠道,但也可能带来搜索增长、关注沉淀和后续复购。
这类渠道不适合只用 7 天退款后 ROI 判断全部价值。可以设置两套指标:一套是首单退款后贡献,用于控制预算底线;另一套是 30 天新增用户价值,用于评估是否值得继续建设内容资产。
不过,拉新价值不能成为掩盖亏损的万能解释。若内容渠道连续多个周期退款后贡献为负,且新增用户没有形成后续访问、加购或复购,就应该缩减预算,而不是继续用“品牌曝光”包装经营问题。
老客渠道通常退款率较低,但会员权益、客服维护、积分、社群运营和专属优惠都可能构成隐性成本。若把这些成本完全忽略,会员渠道会被高估。
我会把会员权益成本按订单或用户周期分摊,并同时看复购收入和毛利。对于高复购品类,首单退款后贡献可以允许略低;对于低频耐用品,则应更看重首单的即时贡献和现金回收。
直播和大促具有订单集中、优惠复杂和冲动购买比例较高的特点。直播结束后的支付 ROI 往往非常漂亮,但退货退款可能在接下来 7 至 14 天集中释放。
预算会议最好使用“冻结版”数据:支付后至少等待一个主要退款窗口,再确认渠道贡献。若必须提前决策,也要使用高退款情景而非单一基准情景。

在使用电商 ROI 在线计算器前,团队需要先写一页口径说明。至少明确 GMV 是否含平台补贴,退款按申请还是完成统计,广告费是否含服务费,商品成本采用采购价还是标准成本,以及复购收入是否计入首单渠道。
如果这一步没有完成,不同部门会拿着不同口径的数字争论。运营说渠道 ROI 很高,财务说渠道没有利润,客服说退款还没结束,三种说法可能都来自真实系统,却无法互相验证。
| 检查项目 | 检查问题 | 异常信号 | 建议处理 |
|---|---|---|---|
| 收入口径 | GMV 是否扣除退款和商家优惠 | 平台报表与结算金额差距大 | 改用商家可确认销售额 |
| 退款口径 | 退款率按订单数还是金额计算 | 订单退款率低但利润突然下降 | 增加退款金额率和毛利损失 |
| 履约成本 | 首程和逆向运费是否计入 | 退货越多,成本越高但 ROI 不变 | 按售后类型分摊履约成本 |
| 商品折损 | 退回商品是否全部可再次销售 | 库存账面增加但可售库存不足 | 记录可售率、折价率和报损率 |
| 时间窗口 | 是否覆盖完整退款周期 | 大促后 ROI 先高后低 | 建立支付 cohort 并延长观察期 |
计算器上线前,我建议用过去至少两个完整售后周期的数据回测。不要只拿表现最好的一周测试,否则模型会被偶然性误导。
回测时可以把历史订单分成三组:高退款渠道、中等退款渠道和低退款渠道,检查计算器是否能复现财务或结算结果。如果模型在所有渠道上都得出非常乐观的结果,通常说明某个成本字段没有纳入。
还要特别检查退款订单是否被重复扣除。有些系统已经在结算收入中扣过退款,导入计算器时又手动减了一次;另一些系统只提供支付 GMV,团队却误以为其中已经包含退款修正。

第一种是退款后贡献 ROI 为正,且退款原因集中、可治理。例如主要问题是尺码说明不足、库存同步延迟或客服承诺不一致,这些问题通过页面、库存和话术调整后有机会改善。
第二种是首单贡献接近盈亏平衡,但 30 天复购价值稳定,且新增用户质量优于其他渠道。此时可以保留受控预算,但必须设置首单亏损上限和复购验证周期。
第三种是渠道的边际订单仍然有正贡献。即使平均退款率偏高,只要新增预算没有继续恶化,渠道仍可能具备扩量价值。不过,必须以边际数据而不是历史平均数据为依据。
如果渠道支付 ROI 高,但退款金额率正在连续上升,我会先冻结预算增幅,保留表现稳定的素材、商品和人群组合。预算上限可以与退款后贡献 ROI 绑定:低于底线时降额,恢复后再逐步放量。
如果退款问题集中在少数 SKU,也不应该直接否定整个渠道。可以先暂停高风险 SKU,把预算转移到退款原因较少、退回可售率较高的商品上。
如果连续两个完整退款周期,渠道退款后贡献为负,且主要退款原因无法通过页面、商品或履约改善,那么继续投放通常只是放大损失。
还有一种更危险的情况:支付 ROI 很高,但订单大量依赖低价、补贴或不可持续的优惠,退款后贡献为负,同时复购也没有改善。这类渠道可能制造了漂亮的成交曲线,却没有建立健康的商业模型。
| 判断结果 | 支付 ROI | 退款后贡献 ROI | 主要动作 |
|---|---|---|---|
| 健康扩量 | 高 | 高且稳定 | 逐步增加预算,观察边际变化 |
| 治理后观察 | 高 | 低但原因可控 | 限制预算,优先修复商品、内容或履约 |
| 保留试验 | 中等 | 接近盈亏平衡 | 设置小额预算和明确验证周期 |
| 停止重做 | 高或中等 | 连续为负且无法治理 | 停止扩量,重做商品、定价或流量策略 |
电商 ROI 在线计算器的价值,不是把一个数字算得更快,而是逼团队面对那些平台前端报表没有展示的损失:退款发生在什么时候,退回商品还能不能卖,广告费是否已经发生,售后原因能否被治理,以及新增预算是否仍然带来正贡献。
我对品牌商家的建议是,先不要急着追求复杂模型。用最近一个完整周期的数据,建立支付 ROI、签收 ROI 和退款后贡献 ROI 三层口径;再把退款订单按金额、原因、商品和渠道拆开;最后用低、中、高三种情景测试预算变化。
最值得警惕的不是退款率高,而是退款率高却没有被计入渠道决策;最值得珍惜的也不是支付 ROI 最高的渠道,而是能够在退款、履约和复购之后持续留下贡献的渠道。
下一步可以直接做三件事:下载渠道订单明细,补齐最近 30 天退款数据;在计算器中新增退款金额率、退货折损率和不可回收履约成本;用同一口径重新排列渠道。只要这三个动作完成,品牌商家通常就能发现,原本以为应该加预算的渠道,可能需要先治理;原本被低估的渠道,反而值得继续投入。


读者评论
文章把支付ROI、签收ROI和退款后贡献ROI分开,比较符合实际经营场景。尤其是退款订单仍应承担广告费这一点,容易被团队忽略。
按退款金额率而不是单看退款订单数来比较渠道很有参考价值。高客单商品的少量退款,确实可能造成比低客单商品更多的利润损失。
文中关于支付月、签收月和退款完成月的时间错配分析比较实用。用订单cohort追溯流量批次,能减少月度报表之间的误判。
退款原因拆分得比较细,能帮助商家把问题对应到商品、物流、页面或客服环节。不过实际落地还需要统一平台和售后数据口径。
文章更适合有一定数据基础的品牌商家。小商家如果暂时无法搭建完整模型,可以先从退款金额、不可回收履约成本和广告费三项开始核算。