01 / 先讲核心结论
活动流量最容易亏在“看见了增长，却没有确认增量”
我在检查天猫活动时，第一件事不会问“这次成交额涨了多少”，而会问：“如果没有这次活动，这批订单中有多少仍然会发生？”这就是增量问题。活动把原本会从自然搜索、店铺访问或老客复购产生的订单搬到了优惠更深、成本更高的渠道，表面上成交上涨，实际利润却下降，这种情况就是最典型的活动亏损。
活动经营至少要同时看五层结果：第一层是曝光和进店，第二层是加购与支付，第三层是商品毛利与优惠成本，第四层是仓配、退款和客服等履约成本，第五层是新客后续复购与长期价值。只看第一层或第二层，增长负责人很容易把“流量制造的热闹”误判成“业务产生的增长”。
因此，我会把活动是否值得继续，归纳为一个更严格的公式：活动增量利润 = 活动带来的新增毛利 − 活动新增优惠 − 活动新增投放 − 活动新增履约与售后成本。如果还要考虑跨周期价值，则需要再加入经过折扣后的新客复购贡献，但不能把尚未发生、没有验证的数据直接当成当期利润。
我的底线判断
如果活动带来的新增订单没有覆盖新增成本，我不会因为成交额增长、排名提升或流量曲线漂亮，就把它定义为成功。先保护单位经济模型，再扩大规模，通常比先冲规模、活动后再补利润更稳健。
02 / 背景与真实场景
为什么增长负责人总会在大促后才发现亏损
店铺营业额上涨，现金和毛利却同时承压
活动日最容易形成一种错觉：支付买家数上升，店铺排名变好，直播间在线人数增加，团队群里不断出现“爆单”截图，于是所有人默认活动成功。但如果主推款原本毛利率只有 22%，活动叠加平台券、店铺券、跨店满减和达人佣金后，单笔订单的实际贡献可能已经转负。
我会把优惠拆成三类：消费者可见的价格让利、平台或渠道承担的补贴、为了获得流量而支付的佣金和广告费用。不同承担方在财务报表中的归属不一定相同，但在增长判断里都必须回到同一个问题：这笔订单给店铺留下了多少可用于覆盖固定费用的贡献。
特别要注意“满减门槛”带来的客单价幻觉。客单价上升可能只是消费者为了达到门槛而凑单，若凑单商品毛利低、退款率高，最终收入增加并不代表利润增加。
优惠渠道增长，原有订单只是换了入口
另一个常见场景是，活动期间总支付人数增加 15%，但自然搜索成交下降 12%，店铺老客成交下降 9%。如果没有拆分渠道和用户类型，报表只会留下“总支付人数增长”的结论。实际上，活动优惠可能让原本准备购买的用户延迟到活动日下单，也可能把原本从搜索进入的用户导向了更昂贵的会场或投放入口。
这并不意味着活动流量一定不好。会场可能带来新客，直播可能提高决策效率，搜索可能承接明确需求。关键在于建立活动前的自然基线，并观察活动期间各入口的交叉变化。只有总盘增长，同时自然盘没有被过度挤压，且新增成本能够被新增毛利覆盖，活动才更接近健康增长。
我会先定义“活动成功”，而不是先接受平台口径
平台通常会提供曝光、点击、收藏、加购、支付金额和投产比等指标，这些数据很重要，但它们并不自动等于经营结果。对增长负责人来说，活动成功至少要满足三个条件：一是有清楚的目标，例如拉新、清库存、验证新品、提升会员活跃或获取内容素材；二是有可比较的基线，例如活动前 7 天同星期结构或相似人群表现；三是有与目标匹配的结束标准，例如新客成本上限、单笔贡献下限、库存周转目标或退款后毛利底线。
如果目标是清库存，可以接受较低的单位利润，但要看库存占用释放后的现金价值；如果目标是拉新，可以暂时接受首单利润较低，但必须设置复购观察窗口；如果目标是品牌曝光，就不能用短期 ROI 一项指标证明活动有效，而要结合搜索增长、品牌词变化和后续自然访问。目标不同，允许的亏损边界也不同，不能用同一张排行榜替代经营判断。
03 / 拆解常见误区
八个最容易把活动亏损“藏起来”的看数方式
误区一：把 GMV 当作利润
GMV 只描述成交规模，不会主动告诉我优惠、佣金、广告、运费、退款和售后之后剩下什么。一个活动可能带来 100 万成交额，但若综合贡献率从 25% 降到 3%，规模越大，现金压力反而越大。
误区二：只看投产比 ROI
ROI = 成交金额 ÷ 投放费用，常常没有扣除商品成本和优惠成本。高客单低毛利商品可能得到漂亮的 ROI，却没有足够利润；低客单高毛利商品的投产比不高，也可能更值得持续投放。
误区三：把支付订单都算增量
活动用户包含自然转化用户、被优惠刺激的用户和纯粹被活动吸引的用户。若不做活动前后对照或用户分层，所有活动订单都被视为新增，会高估活动价值。
误区四：忽略退款后的收入
大促期间支付金额通常先发生，退款则在之后几天甚至更长时间出现。若复盘只使用支付口径，服饰、鞋类、美妆试用装等品类的真实贡献会被显著高估。
误区五：把优惠当作营销费用之外的事情
有些团队把广告预算计入活动成本，却把店铺券、平台券、赠品和价保损失遗漏。消费者看到的每一元让利，都是需要被解释的收入减少或成本增加。
误区六：用全店平均数掩盖商品差异
引流款、利润款、形象款和清仓款的毛利结构不同。全店平均毛利可能看起来安全，但真正承担流量的 SKU 已经低于边际贡献底线。
误区七：只比较活动日和普通日
星期、发薪日、天气、竞品大促、直播排期和库存状态都会影响销售。只用活动日对比前一天，很容易把周期波动、自然趋势或外部事件误认为活动效果。
误区八：为了复盘而复盘，没有可执行结论
报表列了几十个指标，但没有明确回答“下次该增加什么、停止什么、换什么人群、调整什么门槛”。复盘的终点不是图表，而是下一次预算、货品和优惠策略的改变。
一个简单的反问方法
- 如果去掉优惠，这批用户还会不会买？如果大部分会买，优惠可能主要是在补贴原本的需求。
- 如果去掉广告，这批订单还能保留多少？如果订单高度依赖投放，必须把广告成本完整计入单位经济模型。
- 如果把退款、赠品、运费和客服工时算进去，单笔订单还有没有正贡献？如果没有，规模增长需要暂停或更换货品。
- 如果把新客放到 30 天或 60 天窗口观察，复购是否足以解释首单让利？如果没有证据，就不能把未来价值当作当期收益。
04 / 专业判断逻辑
先统一口径，再建立从流量到利润的判断链
第一步：把指标放进同一条链路
我会把活动链路写成：曝光 → 点击 → 访问 → 加购 → 下单 → 支付 → 发货 → 收货 → 退款后净收入 → 毛利 → 增量利润。每个环节的分母都不同，不能直接横向比较。例如点击率提升不代表支付转化提升，支付转化提升也不代表退款后利润提升。
- 流量质量：访问用户来自什么入口、什么人群、什么设备和地域。
- 转化质量：新客与老客、主推 SKU 与凑单 SKU 的支付结构。
- 收入质量：支付金额、收货金额、退款后净收入分别是多少。
- 成本质量：优惠、佣金、广告、仓配、售后是否有完整归因。
第二步：明确增量和替代
最理想的对照方式是随机留出一小部分相似人群不参加优惠，或在相似地区、相似时段保留对照组。如果业务条件不允许，我会使用活动前同星期表现、未触达人群、相似商品或历史同类活动做近似对照，并在报告中明确这是估算而非精确因果结论。
增量订单可以粗略表示为：活动组实际订单 − 对照组在同等条件下预计订单。增量收入则是增量订单乘以退款后客单价。只有当增量收入对应的新增毛利足够覆盖新增成本，才有继续加码的理由。
我使用的活动贡献公式
单笔活动贡献 = 退款后实收 − 商品采购成本 − 平台及渠道佣金 − 优惠让利 − 广告分摊 − 履约成本 − 售后成本
活动增量贡献 = 活动组贡献 − 对照组预计贡献 − 因活动产生的额外固定成本
这里的“广告分摊”需要谨慎处理。若广告费用是为了全店品牌建设，不能把全部费用机械分给某个活动；但如果广告计划、投放人群和活动商品高度绑定，就应该按照点击、成交或可解释的归因规则进行分摊。无论选哪种规则，最重要的是稳定、透明、可复核，不能在结果不理想时临时改变口径。
| 观察对象 | 至少要看什么 | 容易产生的误判 | 我会追加的问题 |
|---|---|---|---|
| 活动总盘 | 净收入、毛利、退款率、总成本 | 成交额增长就是成功 | 增长来自新增还是原有需求迁移？ |
| 流量渠道 | 访问、点击、支付、新客、渠道成本 | 低成本流量都值得放大 | 渠道用户的商品结构和退款结构是否健康？ |
| 商品 SKU | 件数、售价、优惠、毛利、库存周转 | 爆款越多越好 | 爆款是否带来连带购买，还是只消耗利润？ |
| 用户分层 | 新老客、会员等级、首购成本、复购 | 新客数量就是用户资产 | 新客在后续窗口是否有有效行为？ |
| 履约售后 | 发货时效、拒收、退款、客服、逆向物流 | 成本都在财务月底才处理 | 活动是否改变了订单的服务难度？ |
05 / 示例数据观察
以 E数通为例：把“活动报表”变成“亏损定位图”
说明：以下 E数通店铺、活动、金额、渠道和指标均为演示性示例，不代表 E数通真实经营数据，也不构成任何平台官方结论。我用这个示例展示分析方法：增长负责人可以把自己的天猫生意参谋、广告后台、订单和售后数据按同样的字段接入，再替换成真实数据。
假设某 E数通示例店铺在一次 3 天活动中主推三类商品：利润款、引流款和套装款。活动期间支付金额明显上升，广告报表给出的整体 ROI 也不错，但退款后净收入和活动贡献并没有同步增长。进一步拆解发现，低价引流款吸引了大量价格敏感用户，优惠成本和售后咨询上升；套装款的客单价较高，但其中一部分订单本来就会通过自然搜索成交；利润款则真正带来了相对健康的新增。
以上数字为便于说明的虚构样本，仅用于演示“支付金额增长、净收入小幅增长、贡献下降”可能同时发生。
示例一：不同渠道的活动增量贡献
示例口径：单位为千元，增量贡献已扣除相应渠道可识别的优惠、投放与履约成本。数值仅用于演示。
示例二：活动前后漏斗效率变化
示例口径：将各阶段转化率按活动前基准归一为 100，便于观察效率变化，不代表真实平台大盘。
从示例里，我会得到四个动作
- 不再把所有活动渠道混成一个 ROI：会场可能带来规模，搜索可能带来高意向，老客触达可能成本低但增量有限，必须分开判断。
- 把引流款从利润判断中单独拿出来：如果它承担的是获客任务，就用新客成本、后续行为和连带购买评估；如果既没有复购，也没有带动其他商品，就应减少预算。
- 将套装订单做订单级拆解：看主件、赠品、凑单品各自的毛利和退款，避免用高客单价掩盖低贡献。
- 给活动后留出观察窗口：至少持续观察退款、评价、客服咨询和新客二次访问，不在活动结束当天直接下最终结论。
示例订单级拆解表
| 商品角色 | 支付客单价 | 优惠后毛利率 | 示例退款率 | 主要风险 | 建议 |
|---|---|---|---|---|---|
| 利润款 | ¥399 | 29% | 6% | 流量规模有限 | 扩大高意向搜索和内容承接，控制优惠深度 |
| 引流款 | ¥99 | 8% | 14% | 优惠后贡献接近于零 | 仅保留可证明带来连带购买的场景 |
| 套装款 | ¥599 | 18% | 11% | 凑单、赠品和逆向物流成本高 | 重做套装结构，设置低退货组合 |
| 清仓款 | ¥159 | 3% | 9% | 占用客服与仓储资源 | 以库存现金回收和仓储释放价值衡量 |
06 / 增长负责人自查表
活动前、中、后，我会按这 18 项逐项确认
活动前：先把亏损边界写清楚
- 我是否写清本次活动唯一主目标：拉新、利润、清库存、会员活跃或新品验证？
- 我是否定义了活动成功和停止条件，而不是只填写一个成交额目标？
- 每个参加活动的 SKU 是否有真实成本、毛利率和最低可接受贡献？
- 平台券、店铺券、品类券、赠品、佣金和价保是否已经进入成本测算？
- 我是否按新客、老客、会员和高意向人群设置不同优惠，而不是全店一刀切？
- 活动前 7 天或更长周期的自然流量、转化和退款基线是否已经保存？
活动中：及时发现“越卖越亏”
- 我是否每隔固定时段查看退款后预估贡献，而不只是支付金额和实时 ROI？
- 流量上涨是否集中在低毛利 SKU，主推利润款的访问和成交是否同步？
- 优惠领取率很高时，是否真的提高了支付转化，而不是只增加了补贴领取？
- 渠道之间是否出现明显的自然流量下滑或订单迁移？
- 库存、发货时效和客服咨询是否已经逼近风险阈值？
- 是否存在异常高客单、批量下单、疑似羊毛党或高退款人群？
活动后：不要在支付峰值时写结论
- 我是否至少等待主要退款和取消订单回流，再计算最终净收入？
- 我是否拆分新客首购、老客复购、活动触达和自然成交的贡献？
- 我是否比较了活动组与合理对照组，而不是只比较活动日和前一天？
- 我是否把客服、仓配、赠品、逆向物流和价保损失纳入复盘？
- 我是否明确下一次要保留、减少、暂停和重新测试的策略？
- 我是否把结论沉淀成可以复用的商品、人群、渠道和优惠规则？
自查完成度示例
下面是一个示例团队对 18 项检查的完成情况。进度条不是自动读取真实后台数据，实际使用时可以按已确认项目更新百分比。
07 / 不同情况下的行动建议
不是所有亏损都该立即停止，也不是所有增长都该继续加码
| 经营状态 | 我看到的信号 | 优先动作 | 需要接受的取舍 |
|---|---|---|---|
| 利润为正、增量明确 | 新增毛利覆盖优惠与投放，退款稳定 | 扩大高贡献人群和 SKU，逐步增加预算 | 规模扩大后边际成本可能上升，不能无限复制 |
| 利润为正、增量不明确 | 订单增长但自然盘同步下降 | 减少全量补贴，加入对照与分层测试 | 短期成交额可能回落，但能减少无效让利 |
| 利润为负、拉新有效 | 首单亏损，但新客有较高二次访问或加购 | 设置复购窗口和新客上限，观察后续价值 | 不能用未验证的未来复购掩盖当期现金压力 |
| 利润为负、复购也弱 | 低价用户高退款、低评价、少回访 | 停止深优惠，重做商品、人群或承接内容 | 可能放弃一部分虚假繁荣的流量规模 |
| 清库存目标 | 库存周转慢、仓储费持续增加 | 比较清仓损失与继续持有成本，分批处理 | 允许较低毛利，但要确认现金回收和空间释放价值 |
| 履约已超载 | 发货延迟、退款咨询、差评明显上升 | 收紧投放和优惠，先保障服务能力 | 牺牲短期销售，避免长期店铺体验受损 |
什么时候可以接受首单亏损
我只会在三个条件同时满足时接受有限的首单亏损。第一，亏损上限是提前写下来的，不会因为活动热度临时扩大；第二，新客来源、行为和后续转化能够被识别，至少有清晰的观察窗口；第三，商品体验、库存和现金流能够承受这次试验。
例如，某类新客首单贡献为负，但 30 天复购率、连带购买率和会员入会率显著高于老客平均水平，那么可以把活动视为获客试验。不过，我会把预算拆成测试预算和放量预算，先用小样本验证，而不是因为首日订单多就直接全面加码。
什么时候必须停止继续买流量
当退款后单笔贡献持续低于底线、渠道新增订单无法解释、商品库存或履约能力已经超载，或者活动只在补贴期间有效而停止优惠后迅速归零时，我会先停投并查因。停止不是失败，而是保护更多预算不被低质量流量消耗。
如果问题来自落地页、详情页、库存、客服或优惠规则，停投后要修复具体环节再小规模重测；如果问题来自商品本身的毛利结构和人群匹配，继续优化投放通常不能解决根因。
把复盘变成下次活动的决策卡
锁定基线和阈值
保存自然流量、主要 SKU、渠道、用户类型、退款和毛利数据；明确单笔贡献下限、预算上限和停投条件。
看结构，不只看总量
按小时或固定时段查看渠道、SKU、新老客、优惠领取和库存变化，发现低贡献流量放大时及时调整。
补齐退款和履约成本
将取消、退款、拒收、赠品和逆向物流回流到订单级明细，得到更接近真实的净收入与贡献。
观察新客质量
比较新客二次访问、复购、会员行为和客诉情况，判断首单让利是否带来可验证的后续价值。
08 / 工具与协同
为什么我会优先推荐 E数通来做这类增长自查
这篇文章的重点不是推荐某个工具来替代判断，而是说明增长负责人需要一套稳定的数据工作方式。对于同时管理多个店铺、渠道、商品和活动的团队，我会优先考虑 E数通这类面向经营分析的工具，原因在于它更适合把分散在不同系统中的数据组织成统一的分析视图，并通过指标、看板和权限协作让业务、投放、商品、财务与供应链看到同一套口径。
在活动亏损排查中，我关注的不是“有没有一个漂亮大屏”，而是以下工作能否低成本重复：按活动批次筛选订单；按渠道、SKU、新老客和优惠类型下钻；把支付、退款和履约状态关联起来；比较活动组与基线；记录异常原因；将结论推送给下一次活动计划。E数通在这里的价值，可以理解为帮助团队减少手工拼表和口径争议，让我把时间更多放在判断和行动上。
统一口径
把 GMV、净收入、贡献、退款率和新客成本定义清楚，减少不同团队各算各的。
快速下钻
从总盘进入渠道、商品、用户和订单，定位究竟是哪一层造成了亏损。
持续复用
把一次活动的复盘字段沉淀为模板，减少下一次从零开始整理数据的成本。
说明：以上是基于本文分析场景的工具适配建议，具体能力、数据接入方式和使用效果应以实际产品版本及企业环境为准。
09 / 热门问答 FAQs
关于天猫活动亏损，增长负责人最常问的八个问题
天猫活动成交额上涨，为什么还可能是亏损？
我以前也容易把支付金额增长理解成经营改善，但成交额没有扣除商品成本、优惠、佣金、广告、物流和退款。比如活动让成交额上涨 30%，同时综合贡献率从 20% 降到 5%，那么新增规模可能没有覆盖新增成本。判断时，我会使用退款后实收和单笔活动贡献，而不是只看 GMV。
活动 ROI 达到 5，是否说明投放值得继续？
不一定。ROI 通常是成交金额除以广告费用，可能没有扣除商品毛利和活动优惠。假设商品售价 200 元，毛利 30 元，广告带来一笔成交只花 40 元，即使其他渠道口径让 ROI 看起来不错，这笔订单仍然可能为负。我的做法是同时看 ROI、毛利率、退款后贡献和增量订单。
如何判断活动订单是新增，还是把自然订单搬过来了？
我会先保存活动前同星期的自然搜索、店铺访问和老客成交基线，再按渠道和用户类型对照活动期间的变化。如果活动渠道增加的订单，基本对应自然渠道减少，且总净收入没有同步提升，就可能存在订单迁移。更严谨的方式是保留相似人群或地区作为对照组，估算活动带来的真实增量。
新客首单亏损，应该马上停止活动吗？
我不会只根据首单结果立即下结论，但也不会把未来复购当作已经实现的利润。需要先确认亏损上限、样本规模和观察窗口，再看新客在 30 天或 60 天内的二次访问、复购、会员行为、连带购买和客诉。如果后续行为没有改善，就应停止深优惠；如果复购有证据，也要控制预算并继续验证。
清仓活动可以接受低毛利，如何避免越清越亏？
清仓的目标不一定是获得高商品毛利，也可能是回收现金、释放仓储空间、减少过季库存和降低后续管理成本。我会比较三种方案：继续持有库存的仓储与贬值成本、低价活动的实际贡献、其他渠道处理库存的回收价值。即使接受低毛利，也要把履约、退款和赠品成本算清，不能只看库存件数下降。
活动复盘应该等多久，才能得到相对可靠的结论？
时间取决于品类和退款周期。支付快、低退款的标品可以在活动后几天得到初步结果，但服饰、家居或高客单商品需要等待主要退款、拒收和售后回流。我通常分三次复盘：活动中看趋势，结束后 3 至 7 天看净收入与履约，结束后 30 天或更长时间看新客后续价值，并在报告中区分初步结论和最终结论。
为什么要按 SKU 拆解活动，而不能只看店铺总盘？
一个店铺里同时存在引流款、利润款、形象款和清仓款，它们的毛利、退款、库存和连带购买能力不同。全店平均数可能掩盖某个爆款正在亏损，也可能把真正贡献利润的商品表现稀释。按 SKU 拆解后，我会进一步看优惠后毛利、渠道来源、订单组合和售后，才能决定放量还是收紧。
E数通在活动亏损分析中适合解决什么问题？
如果我需要同时分析店铺、活动、渠道、SKU、用户和订单状态，手工表格很容易出现字段不一致、更新时间不同和复盘无法复用的问题。E数通可以作为经营分析工具，帮助团队组织数据、统一指标并建立下钻视图，但它不能替代业务目标、成本确认和因果判断。实际效果仍取决于数据接入质量、指标定义和团队执行。
10 / 最后总结
我会把活动亏损判断收敛成一张行动清单
核心观点总结
- 活动流量不是越多越好，只有能带来可验证增量、并覆盖新增成本，才是健康增长。
- 支付金额、ROI 和订单数都不是利润，必须回到退款后净收入和活动增量贡献。
- 渠道、SKU、新老客和优惠类型必须拆开看，否则迁移、补贴和低毛利商品会掩盖亏损。
- 活动目标不同，取舍不同：拉新看后续价值，清库存看现金回收和空间释放，利润活动看单位贡献。
- 复盘要有基线、阈值、观察窗口和下一步动作，不能停留在图表展示。
明天就能执行的五个动作
- 把最近一次活动的支付、退款、优惠、佣金、投放和履约字段放到同一张明细表。
- 按渠道、SKU、新老客分别计算退款后净收入和单笔贡献。
- 找到一个相似的活动前基线，先估算订单迁移，再讨论放量。
- 为每个主推 SKU 设置最低贡献和最大优惠，超过边界自动进入人工复核。
- 用 E数通或现有分析工具沉淀活动模板，确保下一次能快速复用并追踪结果。
把“活动热度”变成可解释、可复盘的增长
如果我想持续做好天猫数据：增长负责人自查表：店铺流量最容易出现的活动亏损，关键不是制作更多报表，而是让目标、口径、渠道、商品、成本和行动连接起来。先用一次活动完成小范围自查，再把有效字段沉淀为团队的日常经营机制。