建议先读结论，再按数据采集、分群、竞品验证和行动决策顺序阅读。这样不会被单个转化率牵着走。
先统一复购口径：以首购成功用户为分母，明确观察窗口、退款剔除规则和会员身份生效时间。没有口径，任何竞品比较都可能只是数字错位。
将首购后用户拆为已使用、已评价、已领券、已加购和再次支付等行为节点。复购低不是一个原因，而是一串断点的结果。
只有当竞品价格、内容曝光、品类替代或会员权益变化，与本店人群的流失时间和商品重合度同时成立，才值得把预算策略归因于竞品。
我的判断是：竞品跟踪并不是每天记录竞品价格，而是要回答“哪些原本有机会复购的会员，在什么时间、因为什么商品或权益变化，转向了其他选择”。因此第一张表应当是会员 cohort 复购表，第二张表才是竞品动作表，最后用人群、时间和商品三种键把两者连接起来。
如果首购人群本来就不匹配，投放带来的会员数量越多，复购率反而可能越低；如果首购体验合格但复购窗口没有被触达，降价并不能修复营销链路；如果用户在复购临界点集中遇到竞品低价，则需要判断是短期防守，还是长期调整会员价值。
以下是我构造的示例场景，数据仅为方法演示。它保留了日常天猫投放复盘中最容易混淆的变量。
假设某家居清洁品牌在一个季度内增加了站内投放预算，并将投放目标从“成交金额”扩展到“会员拉新”。预算上涨后，首购会员数从示例的 10,200 人增加到 16,800 人，首购成本短期可控，但 60 天复购率从 18.4% 降到 12.1%。团队第一反应是“竞品在大促期间抢走了用户”，于是开始每天记录竞品价格。
我会先暂停这个判断，因为新增会员的来源可能发生了变化：低价词占比升高、赠品型素材吸引了尝鲜用户、部分订单来自一次性场景，或者会员权益在支付后没有被用户理解。若把所有新会员都放在同一个分母里，真实高价值用户的变化会被稀释。
此时需要建立一个可回看的分析页面：左侧看投放计划和首购成本，中间看首购后行为，右侧看竞品变化，底部保留明细订单。E数通适合用来把这些分散数据接入同一分析模型，减少反复导出、复制和手工拼接。
示例口径：以完成首购且未退款的会员为分母。曲线用于观察 cohort 是否整体下移，不能直接替代利润分析。
如果 30 天复购就明显下降，优先查首购商品结构、到货体验和新客承接；如果 30 天接近正常、60 天以后突然下滑，优先查复购窗口的触达与会员权益；如果只有某一个首购月份异常，再去对照该月投放素材、活动规则和竞品动作。
在示例图中，三组 cohort 的 30 天差异并不算最大，但 60 天和 90 天差距扩大，这提示我不能仅用“拉新质量差”解释全部现象，还需要检查复购提醒是否按商品消耗周期发送。
竞品是最容易被讨论、却最难被证明的原因。竞品价格下调与我方复购下降同时发生，只能说明时间上相关，不能说明用户一定因此流失。还要进一步验证：流失用户是否看过该竞品内容，竞品是否覆盖同一细分规格，价格差是否足以改变决策，以及流失是否集中在动作发生后。
我的做法是把竞品动作分成“可见动作”和“可归因影响”。可见动作包括价格、券、赠品、榜单、直播排期和评价增长；可归因影响必须有用户行为或搜索词变化支撑。
全店复购率会受到商品生命周期、客单价、季节和渠道结构影响。高频消耗品与低频耐用品放在一个指标中比较，会让投放团队误以为某计划质量很差。至少要按首购商品、首购价格带、投放计划和新老访客来源拆分。
我更关注“计划带来的同类用户，在相同观察窗口内的复购差异”，而不是简单问哪个计划的总复购最高。
会员注册或首购成功不等于会员建立了持续关系。一个被低价赠品吸引、购买后没有使用场景的用户，可能完成了入会，却不会在第二个消费周期回来。有效会员应至少满足首购完成、收货完成、未退款，并且具备可解释的后续行为。
我会把“会员数”拆成注册会员、首购会员、有效首购会员、触达会员和复购会员五层，避免一个大数掩盖中间流失。
优惠券能改变价格，却未必能改变产品价值。若用户因为包装破损、说明不清或使用效果不确定而不复购，继续加券只会降低毛利。若用户是因为忘记补货，精准提醒、组合装和订阅式权益可能比直接降价更有效。
每次优惠都应记录增量复购、补贴成本和毛利回收周期。不能只看券后支付人数。
我会把分析分为五个层级，每一层都要留下可以被下一位同事复核的证据。
确定首购日期、观察截止日期、会员生效日、退款剔除规则、跨店购买是否计入复购。所有指标名称后面都写清楚“分子、分母、窗口”，例如“有效首购会员 60 天内同店复购率”。
按首购周或首购月建立 cohort，并将 30、60、90 天行为放在同一行。这样可以区分长期趋势和某次活动冲击，也能防止近期用户因为尚未成熟而被误判为不复购。
至少保留计划、单元、关键词或定向、素材、渠道、设备和新老访客字段。对比时尽量使用相近客单、相近商品和相近活动状态，避免把不同流量结构混成一个结论。
建立竞品日历，记录日期、商品链接或类目、标价、券后价、赠品、库存表现、内容曝光和促销类型。不要只记截图，要将动作编码成可以筛选和聚合的字段。
每个异常都输出“现象、证据、可能原因、验证动作、负责人、截止日期和成功标准”。例如不是写“优化复购”，而是写“对洗衣凝珠首购会员在第 25—35 天发送补货提醒，目标是 60 天复购率提升 2 个百分点”。
| 数据层 | 关键字段 |
|---|---|
| 订单层 | 订单日期、商品、实付金额、数量、退款状态、收货状态 |
| 用户层 | 脱敏用户 ID、会员状态、首购日期、来源渠道、地域 |
| 投放层 | 计划、单元、素材、关键词、展现、点击、花费、成交 |
| 行为层 | 加购、收藏、领券、评价、客服咨询、页面访问 |
| 竞品层 | 记录日期、竞品商品、价格、权益、内容动作、证据地址 |
竞品表与店内订单表无法凭商品名称直接拼接，因为规格、品牌和包装数量经常不一致。我通常建立“类目—核心规格—价格带”的标准化映射，再用日期和人群来源进行分析。三个关键连接键是：脱敏用户或人群分组、标准商品组、自然日；两个时间是首购发生时间和竞品动作发生时间。
如果没有用户级竞品曝光数据，我不会声称某用户被竞品抢走，而会使用“竞争环境变化与我方指标同期波动”的表述，并把它列为待验证假设。数据分析的专业性，不只在于找到一个漂亮的解释，也在于主动说清楚证据边界。
为了避免冒充真实资料，以下案例明确为模拟示例。品牌、商品、投放与竞品数字均为构造数据，仅用于展示工作方法。
假设 E数通看板接入一家天猫家清店铺的订单、会员、投放和竞品观察数据。2025 年 4 月，店铺通过“低价尝鲜词”拉来大量首购会员；到 6 月复盘时，4 月 cohort 的 60 天复购率为 11.8%，而 3 月 cohort 为 18.1%。团队认为 4 月竞品曾进行连续降价，所以准备全面提高人群出价。
我先在 E数通中按首购商品组、投放计划和新老访客切片。结果显示，下降主要集中在一款低客单体验装，而常规装会员的复购变化很小。进一步看订单状态，体验装有较高比例的退款和未收货订单；在有效首购会员中，复购下降幅度明显收窄。
再把竞品日历叠加到时间轴上，发现竞品降价发生在 4 月末，但体验装会员的首次流失从首购后的第 7 天就开始，时间上早于竞品动作。因此“竞品造成全部流失”的判断不成立。竞品更可能影响的是已经完成使用、准备购买常规装的那一小部分用户。
示例人数以 10,000 名投放触达用户为起点。Chart.js 使用横向条形图表达各节点人数，方便比较流失集中在哪一步。
示例进度条：百分比是同一示例样本中达到各节点的比例，不是行业标准。实际看板需支持按商品组与投放来源筛选。
| 指标 | 它回答什么 |
|---|---|
| 有效会员率 | 拉来的会员是否真正完成有效首购 |
| 首购后 7 日行为率 | 用户是否进入使用、评价或咨询阶段 |
| 触达覆盖率 | 可复购用户是否在窗口期被触达 |
| 触达后支付率 | 触达内容是否带来增量支付 |
| 复购毛利 | 复购是否在扣除补贴后仍有价值 |
| 竞品动作重合率 | 竞品变化是否覆盖我方重点商品和窗口 |
检查数据更新时间、退款回流、窗口成熟度和计算公式。将“近期 cohort 尚未满 60 天”与真正的复购下降分开，避免用不成熟样本制造警报。
按投放计划、首购商品、价格带、新老访客、地域和设备分组。优先寻找贡献了大部分绝对下降量的分组，而不是只追逐百分比最低的分组。
检查收货、退款、客服咨询、差评、评价内容和使用教育页面访问。若用户在复购前已经表现出明显不满，就先修复体验，而不是直接提高竞品监控频率。
将竞品价格、优惠、直播和内容动作放到同一时间轴，并标出我方流失点。重点判断动作先后、商品重合、人群重合和价格差异是否同时成立。
把原因拆成可验证的小动作，例如只对高意向会员测试权益提醒，只对体验装用户测试用法内容，只对竞品重合人群测试组合装，而不是全店改变价格。
在看板中固定结论版本、样本范围、负责人、完成日期和成功指标。复盘的目的不是把故事讲完整，而是让明天的预算和运营动作有清晰依据。
| 观察到的现象 | 优先判断 | 建议动作 | 主要取舍 |
|---|---|---|---|
| 首购量上升，7 日退款和未收货比例也上升 | 拉新承诺与实际体验不一致，或低价人群过宽 | 收紧低意向词，优化素材承诺，改善发货和商品说明；按有效首购评价投放质量 | 短期成交量可能下降，但有效会员率和后续毛利更可控 |
| 30 天复购正常，60 天触达覆盖率明显偏低 | 用户需求仍在，但没有在消费周期内被提醒 | 按商品消耗周期设置分层触达，增加补货提醒、组合装和权益解释 | 需要更多运营配置，不能只靠一次大促解决 |
| 竞品降价后，同规格商品加购下降且流失集中于高意向人群 | 存在较强的竞争替代，需评估价格弹性 | 小范围测试券、赠品或会员专属组合，不建议全店无差别跟价 | 防守可保住成交，但可能压缩毛利并训练用户等待优惠 |
| 只有体验装复购低，常规装与竞品动作关系弱 | 商品结构或人群意图问题大于竞品问题 | 调整体验装引导、换购机制和投放词，给用户明确的升级路径 | 可能牺牲部分低价拉新规模，换取更高的用户长期价值 |
| 多个计划的有效会员率都下降，但同月物流与客服异常 | 店铺履约或体验是共同原因 | 先处理履约与售后，再评价计划质量；将服务异常日期标进复盘图 | 投放团队需要等待运营与供应链共同修复，不能独立解决 |
三张图旁边各放一句明确结论，并附样本范围和数据更新时间。管理层真正需要的是“今天应该做什么、谁负责、多久验证”，而不是一页堆满指标的看板。
顶部放有效首购会员数、30/60/90 天复购率、复购毛利和投放花费。中部用 cohort 趋势观察变化，底部列出较上期贡献下降最大的商品组与计划。
用计划、关键词、素材、新老访客和首购商品切片。重点不是制造更多维度，而是让投放人员能从一个异常数字点击到订单、会员与后续行为明细。
将竞品动作分为价格、促销、内容和服务四类，用颜色区分动作状态，按日期与标准商品组关联店内指标。截图可以作为证据附件，但不能替代结构化字段。
第一，所有指标都显示时间范围和样本量；第二，颜色只用于表达上升、下降、异常和待验证，不用满屏高饱和装饰；第三，指标卡下方提供“查看明细”的路径；第四，固定口径说明，避免不同部门各算一套复购率；第五，每周保留一个快照，防止数据回流后无法解释历史结论。
如果团队规模较小，我建议先做一张页面，把核心指标、cohort 图、竞品时间轴和待办清单放在一起。等口径稳定后，再拆为经营总览、投放分析和竞品跟踪三个页面。E数通的价值在于让分析结果更容易被业务人员持续使用，而不是只在季度汇报时展示一次。
下面的问题按实际搜索与工作沟通中的疑惑组织，每条都给出判断边界和可执行办法。
我遇到复购下降时不会直接二选一，而是先统一有效首购会员的分母，再按首购月份建立 30、60、90 天 cohort。只有确认下降集中在哪些商品、计划和人群之后，我才会把竞品价格、优惠和内容动作叠加到时间轴上；否则竞品可能只是同时发生的背景变化，不能直接当作原因。
我的理解是，会员数量和会员质量不是同一个指标。投放扩大后，可能吸引了更多低价尝鲜用户、一次性需求用户或对商品预期不匹配的用户，他们能够完成注册甚至首购，却没有足够的复购意愿。分析时应拆分有效首购、完成收货、退款关闭、触达覆盖和再次支付五层，不能只看会员总量。
在没有用户级曝光或点击证据时，我不会把“被竞品抢走”写成确定结论，只会写成待验证假设。可以先比较竞品动作前后相同长度窗口中的同规格商品加购、领券、搜索和支付变化，再按高意向人群观察是否存在同步下降；如果只有时间重合而没有人群和商品重合，证据仍然不足。
优惠券适合解决价格敏感且已经有明确复购意向的用户，不适合修复所有问题。如果用户尚未收货、不会使用、对商品效果不确定，发券可能只会增加补贴而不带来增量支付。我会先根据商品消耗周期做分层触达，再用小范围对照测试比较提醒、使用教育、组合装和优惠券的增量复购与复购毛利。
我建议至少准备订单日期、脱敏用户 ID、商品和标准商品组、实付金额、退款状态、收货状态、会员状态、首购日期、投放计划、素材或关键词、展现点击花费、加购领券行为，以及竞品记录日期、商品组、价格和权益。字段不必一次性做到最复杂，但必须能用用户、人群、商品和日期把关键表关联起来。
我不会只选一个固定窗口，而会根据商品消费周期同时观察 30、60、90 天。高频消耗品可以重点看 30 天和 60 天，低频耐用品则要看更长周期。需要注意近期 cohort 可能尚未成熟，所以必须标记“可观察天数”，不能把尚未满 60 天的用户直接与成熟 cohort 的 60 天复购率比较。
我会记录竞品商品与我方标准商品组的对应关系、记录日期、标价、券后价、赠品、满减门槛、库存或售罄表现、直播和内容曝光、评价变化及证据地址，并标注动作类型。更重要的是把这些记录与我方同日的加购、领券、支付和复购窗口连接起来，最终服务于预算与商品决策。
我会同时看有效首购率、首购后行为、30/60 天复购、复购毛利和退款率，而不是只看成交成本。有效会员质量稳定且利润可回收时可以增投；原因尚未证实但计划仍带来合格新客时稳投并做实验；如果低价带来大量无效订单、退款和低毛利，且承接短期无法修复，则应减投或停投，并保留清晰的回撤条件。
我最终想强调的是，竞品跟踪的价值不在于知道竞品今天便宜了几元，而在于帮助我们判断用户选择变化是否真实、集中在哪类人群、发生在什么复购窗口，并且是否值得用预算去防守。
面对天猫会员复购低，我会先做口径校准，再做 cohort 分析；先看首购质量与首购后体验，再看触达覆盖；先确认商品和人群重合，再判断竞品影响。把这几步放在同一个 E数通分析页面中，投放、运营、商品和管理者才能围绕同一套事实讨论，而不是各自拿着一张导出的表格争论。
结论必须对应行动：是收紧低意向词，优化首购承接，补齐复购提醒，测试会员权益，还是对竞品重合人群做有限度防守。每个动作都要有负责人、观察周期、成功指标和停止条件。这样复盘才不只是解释过去，也能改善下一轮投放。
