01 / 先讲核心结论
ROI 只是收入与广告费用的比例，不自动等于利润率。只有把一单订单中真正能留下的金额算清楚，再把广告费放进去，才能得到可执行的盈亏平衡点。
当商品售价为 100 元时，如果扣除货品、平台佣金、支付费、仓储物流、售后损耗和优惠后，只剩下 30 元，那么这 30 元才是广告前可以贡献给投放的金额。此时，单笔广告成本不能长期超过 30 元，否则每增加一单，经营利润反而会下降。
如果广告投放带来 1 单需要花 25 元，单笔广告后利润约为 5 元；如果需要花 35 元，哪怕后台显示成交、ROI 看起来不低，实际经营结果仍可能是亏损。这个判断比单看行业平均 ROI 更可靠。
四个概念分别服务于投放优化、商品定价、经营决策和风险控制，不能混成一个数字。
02 / 背景和真实场景
不是不会除法，而是收入和成本分散在多个系统、多个口径和多个时间窗口里。预算测算如果没有统一口径，结果自然会摇摆。
新手常把支付成交额当作可支配收入。实际上，成交额还要经历退款、优惠券、平台服务费、达人分佣、快递费和货品成本。若只看成交额与广告费之比，往往高估了广告的真实价值。
某个活动日可能因为平台补贴、店铺券或短期自然流量出现漂亮 ROI，但这些条件未必每天都存在。测算时要把一次性优惠、临时补贴和稳定能力分开，否则会用特殊日子的表现指导日常预算。
预算是资源约束，不是销售目标本身。若目标销售额、目标订单数和可接受成本没有同时写清楚，投放团队只能不断“加预算试试”，很难判断继续加钱会带来增长还是带来更多亏损。
在开始计算前，我会先约定统计范围：按支付口径还是发货口径，按下单日期还是支付日期，退款计入当日还是退款发生日，广告归因窗口是 7 天还是 15 天。口径不一致时，同一笔订单可能在广告报表、店铺报表和财务报表中出现不同金额。
| 指标 | 建议口径 | 为什么要先约定 | 新手常见问题 |
|---|---|---|---|
| 销售额 | 支付成功且剔除最终退款的净销售额 | 更接近真实收入 | 把下单金额直接当成到账金额 |
| 广告费 | 与销售额同一日期范围内的实际消耗 | 避免跨期比较 | 用充值额或预算额代替实际消耗 |
| 订单量 | 有效支付订单，明确拆单与合并订单规则 | 便于计算获客成本 | 把商品件数误当订单数 |
| 退款率 | 退款金额 ÷ 支付金额，注明观察周期 | 反映收入质量 | 只看申请退款，不看最终退款 |
| 毛利 | 按商品或 SKU 计算的收入减变动成本 | 不同商品不能混算 | 用店铺平均毛利掩盖低毛利 SKU |
03 / 公式拆解
我建议先从单笔订单出发，再扩展到日、周、月。这样即便预算规模变化，模型也不会因为总额变大而失去解释能力。
例如，一笔有效订单的净支付客单价为 120 元，贡献毛利率为 35%，那么广告前贡献毛利是 42 元。如果广告获客成本为 30 元，单笔广告后贡献为 12 元；如果获客成本升到 45 元，则每单减少 3 元。
这个公式建立在广告归因销售额、有效订单收入和成本口径一致的前提下。若后台 ROI 的归因销售额包含重复归因、未扣退款或使用了不同时间窗口，就不能直接套用。
仓租、基础人员工资、软件订阅、摄影设备折旧等固定成本，不会随着某一笔订单立即变化。判断单次投放时先看贡献利润；判断整月是否赚钱时，再用贡献利润覆盖固定成本。
如果本月希望获得 2 万元经营利润，不能只设“销售额 20 万元”。应当把目标利润加入总成本，反推需要的订单量、广告效率与预算上限。
自然流量订单不应简单归为广告成果。测算广告增量时，可以建立投放前基线，再比较投放期间的新增有效订单，避免把原本会发生的订单全部算给广告。
04 / 在线计算器使用方法
所谓“在线计算器”，核心不是按钮有多复杂，而是输入字段是否完整、公式是否透明、输出结果能不能支持下一步动作。以下是一套适合新手复用的静态测算框架，也可以在 E数通中按业务数据搭建分析看板。
输入标价、平均成交价、优惠金额和最终退款率，先得到有效订单的净支付客单价。不要只填商品详情页的标价。
输入采购价、包装耗材和加工成本。若有多个 SKU，按 SKU 分开记录，再按订单结构计算加权平均值。
记录平台佣金、支付手续费、技术服务费、达人分佣和活动服务费。比例费与固定费用要分列。
将仓储、快递、退货运费、补发、破损和客服补偿纳入变动成本。看似小额的售后，在低客单价商品中影响很大。
输入点击成本、点击率、详情页转化率、支付转化率和加购率，检查广告获客成本是否与 ROI 结果相互印证。
分别输入日预算、月预算、目标销售额和目标利润，不要把“预算”与“目标”放在同一个字段。
至少输出保本 ROI、目标 ROI、最大 CAC、保本订单量、目标订单量和预算消耗天数。
保留乐观、基准和保守三版假设。每次调整一个变量，记录结果变化，避免在多个输入同时变化时无法归因。
| 字段组 | 字段 | 示例值 | 计算作用 |
|---|---|---|---|
| 收入 | 平均成交价、优惠、退款率 | 120元、8元、6% | 得到有效净客单价 |
| 商品 | 采购成本、包装成本 | 54元、2元 | 计算商品相关变动成本 |
| 平台 | 佣金率、支付费率、分佣率 | 5%、0.6%、3% | 计算订单扣费 |
| 履约 | 发货运费、平均售后成本 | 7元、3元 | 避免低估交付成本 |
| 投放 | 广告费、归因订单数、归因销售额 | 按实际报表填入 | 计算 CAC 与 ROI |
| 经营 | 月固定费用、目标利润 | 示例假设 | 推导保本与目标订单量 |
05 / 常见误区
高 ROI 可能来自高客单价、低预算或平台归因窗口较长，并不代表增量利润更高。一个 ROI 为 5 但规模很小的计划，未必比 ROI 为 3 且稳定带来大量有效订单的计划更有价值。我会同时看贡献利润、订单增量和边际成本。
行业平均数通常隐藏了商品价格、毛利、渠道、季节和归因差异。两个卖同一大类商品的店铺，成本结构也可能完全不同。正确做法是先由自己的贡献毛利率推导保本 ROI，再根据现金流和增长目标设置安全区间。
销售额是规模指标，不是收益指标。测算中至少要经过“净销售额—变动成本—广告费—固定成本”四道扣减。
投放带来的订单如果退款率更高，表面 ROI 会与最终净收入脱节。应按商品、渠道和活动来源观察退款质量。
同时改售价、转化率、成本和预算会产生漂亮但不可解释的结果。一次只改一个变量，才知道哪个因素真正影响盈亏。
日数据容易被大促、周末、发货延迟和归因回流影响。我通常会同时看当天、近 7 天、近 28 天，并给新计划保留足够观察期，避免因为一天波动就暂停或加码。
预算消耗只是动作完成，销售目标是否达成要看有效订单、净销售额和利润。若预算快速消耗但 CAC 超过上限，应先排查流量质量和素材，而不是机械增加预算。
引流款、利润款和复购款在同一个店铺承担不同角色。引流款可能首单利润低，但如果后续复购可被合理验证，可以使用首购和复购的分层模型；如果没有可靠复购数据，就不能提前把未来收益当成今天的利润。
06 / 专业判断逻辑
先计算广告前贡献毛利。如果广告前贡献毛利已经为负，除非存在经过验证的复购、订阅或其他收入，否则单纯放大广告只会放大损失。正向贡献是继续讨论预算的前提，而不是投放后的结果。
把广告前贡献毛利换算成最大 CAC，再与当前 CAC 比较。如果当前 CAC 为 28 元、最大 CAC 为 35 元，表面上有 7 元缓冲；但如果数据波动范围是 ±10 元，实际安全性仍然不足。
归因订单不等于增量订单。我会比较投放前基线、相似人群或相邻区域的自然订单，结合品牌搜索、直接访问和老客占比判断广告的真实增量。
预算从 1000 元增加到 5000 元，流量池、竞价位置和人群质量都可能改变。必须观察每增加一段预算带来的新增订单，不要用小预算的平均 ROI 直接预测大预算结果。
电商可能先支付广告费和采购款，之后才收到平台结算。即使模型显示盈利，也要核对库存周转、账期、退款冻结和补货资金，给预算设置现金流上限。
以上进度条是“预算安全度”的示例展示，不代表任何真实账户数据。可将当前 CAC ÷ 最大 CAC 作为基础比例，再结合退款、波动和现金流风险进行修正。
07 / 具体案例与数据观察
下面的“E数通”案例只用于说明如何组织数据，数字均为虚构示例，不代表 E数通官方报价、实际客户结果或平台经营数据。实际使用时，应以自己的商品、渠道和财务数据替换。
假设我为一个电商团队设计数据分析与经营决策场景，商品平均成交价为 120 元，预计稳定销售后每月固定经营费用为 18,000 元。团队计划用 30,000 元测试广告，但担心“投放数据很好看，月底仍然亏损”。因此，我先把单位经济模型建立起来。
| 项目 | 示例假设 | 备注 |
|---|---|---|
| 平均成交价 | 120 元 | 已考虑常见优惠后的平均支付价，仍需扣除最终退款影响 |
| 退款率 | 6% | 仅为示例假设，需按商品和渠道实际观察 |
| 货品成本 | 54 元/单 | 包含采购成本，不含广告费 |
| 包装与履约 | 9 元/单 | 示例包含包装、发货与平均售后成本 |
| 平台及支付费用 | 8.4 元/单 | 按示例费率折算，不代表任何平台规则 |
| 有效净收入 | 112.8 元/单 | 120 ×（1−6%） |
| 广告前贡献毛利 | 41.4 元/单 | 112.8−54−9−8.4 |
| 月固定经营费用 | 18,000 元 | 示例假设，用于月度经营盈亏 |
在这个示例里，广告前贡献毛利率约为 36.7%。若暂不考虑固定费用，保本 ROI 约为 2.73；但月度经营还要覆盖 18,000 元固定费用，所以实际目标不能简单设为 2.73，而应根据目标订单规模和目标利润再加安全边际。
示例基于广告前贡献毛利 41.4 元/单；单笔贡献 = 41.4 − CAC。数值仅为计算演示。
假设月广告预算为 30,000 元，当前测试 CAC 为 25 元，那么预计广告归因订单约为 1,200 单。按每单广告前贡献毛利 41.4 元计算，广告前贡献总额约为 49,680 元，扣除广告费后还剩约 19,680 元。这一数字略高于 18,000 元固定费用，理论上接近经营保本。
但这个结果并不等于“可以放心花 30,000 元”。原因有三点：第一，测试 CAC 未必能在更大预算下维持；第二，固定费用可能还有未纳入项目；第三，退款和结算会造成现金流时差。因此，我会同时制作保守版本：若 CAC 上升到 32 元，订单约为 938 单，广告后贡献约为 8,823 元，扣除固定费用后会出现明显亏损。这个敏感性差异正是预算决策要关注的地方。
示例假设预算增加后流量竞争加剧，CAC 从 22 元逐步升至 34 元；这不是任何真实平台的预测。
08 / 不同情况下的行动建议
如果贡献毛利率较高，退款率稳定，当前 CAC 低于上限，并且连续多个观察周期表现一致，可以小步增加预算。我的做法是每次增加 10% 至 20%，观察新增预算带来的边际 CAC，而不是一次性翻倍。
优先动作：扩展相似人群、增加素材测试、保护高贡献 SKU，并继续监测自然单是否被错误归因。
这时不能被 ROI 迷惑。先尝试提高客单价、减少无效优惠、优化采购和包装，再判断广告是否值得扩大。若产品本身只有很小的贡献毛利，投放效率稍有变化就会跌破保本线。
优先动作：做价格与组合测试，设置 CAC 硬上限，暂缓大规模扩量。
点击便宜不等于订单便宜。先检查详情页承接、评价、库存、配送时效和人群匹配，再决定是否优化广告出价。
重点检查承诺与实际体验是否不一致。应把最终有效收入放回模型，不能为了提高表面转化率而扩大错误流量。
广告可能承担品牌曝光或收割需求。要区分增量订单与本来就会购买的订单，避免用全店销售额评价单一计划。
| 目标 | 优先指标 | 可以接受的取舍 | 不应牺牲的底线 |
|---|---|---|---|
| 快速验证新品 | 有效订单、素材反馈、首购 CAC | 短期 ROI 低于成熟品 | 不能忽略退款、质量和合规 |
| 稳定盈利 | 贡献利润、经营利润、现金流 | 牺牲部分规模换利润稳定 | CAC 不得持续超过最大承受值 |
| 扩大市场覆盖 | 新增用户、有效触达、边际订单 | 允许边际 ROI 下降 | 下降必须在预算和现金流范围内 |
| 清理库存 | 库存周转、回款速度、净现金 | 接受较低毛利甚至接近保本 | 不能把库存损失隐藏在广告报表中 |
| 提升复购 | 首购成本、复购率、用户生命周期价值 | 首单利润可适度让渡 | 复购假设必须有 cohort 数据支持 |
09 / 数据观察与复盘
如果预算、广告、订单、商品和财务数据分散在不同表格里，团队很容易每天报数字，却无法回答为什么变化。优先推荐使用 E数通这类数据分析与决策工具，把原始数据整理为统一指标和可追溯的分析视图。以下仍然是方法说明，不代表具体产品功能承诺或真实客户案例。
展示净销售额、有效订单、广告消耗、贡献利润、退款率和库存周转。总览不是堆满数字，而是让负责人快速知道当前处于增长、保本还是风险状态。
按平台、计划、素材、人群和商品拆解 CAC、ROI、转化率与退款率。一个渠道的高 ROI，如果来自少量高客单订单，不能直接推断所有计划都值得扩量。
当 CAC 突然超过上限、退款率连续上升或消耗速度异常时，及时定位到日期、商品和计划。异常提醒应连接动作，例如暂停、降价、补充库存或复核归因。
截图能记录结果，却不能保存指标定义、筛选条件和数据版本。我更建议给每个看板配一段结论：发生了什么、为什么发生、影响了多少、下一步做什么、预计何时验证。这样团队会议不会停留在“这个数涨了、那个数跌了”。
数据工具的价值不只是把表格做得更漂亮，而是减少手工汇总、统一口径、保留分析链路，让预算决策更快、更稳、更容易被团队共同理解。
10 / 热门问答 FAQ
我刚开始做电商时，只想输入销售额和广告费，但算出的结果总觉得和账户余额对不上。更完整的输入至少包括平均成交价、退款率、采购成本、平台佣金、支付费、履约成本、售后损耗、广告消耗和有效订单数；如果要判断整月是否赚钱，还要增加固定费用和目标利润。字段越接近真实经营口径，保本 ROI 和最大 CAC 才越有参考价值。
我经常看到团队把 ROI、ROAS 和利润率混用。严格来说，电商广告报表里的 ROAS 通常是归因销售额除以广告花费，很多人也把它直接叫投产比；而经营 ROI 可能还会把商品、平台和固定成本纳入。不同归因窗口、退款口径、下单时间和支付时间都会造成差异，所以比较数字前必须先确认定义、周期和数据来源。
我不确定应该用商品毛利率还是净利润率来计算保本 ROI。若暂时只判断广告是否消耗掉订单贡献，常用关系是保本 ROI≈1÷广告前贡献毛利率；例如贡献毛利率为 25%，理论保本 ROI 约为 4。这里的毛利率必须扣除平台费、履约费、优惠和平均售后，而不是只用售价减采购价，否则会高估可承受的广告成本。
我会先检查三个地方：第一，广告归因销售额是否包含最终退款或重复归因；第二，商品成本、平台费用、达人分佣和履约成本是否被遗漏；第三，广告是否只是收割了原本会自然成交的订单。还要把固定人工、仓储、软件和样品费用放回月度利润表。高 ROI 只能说明收入与广告费的比例较好，不足以证明整个经营链路已经盈利。
我通常会同时设置预算上限和效率边界，而不是只选一种方式。固定金额适合控制现金流和测试范围，动态调整适合在数据稳定后扩大有效计划；但动态加预算必须观察边际 CAC，因为预算增加可能带来更贵、更弱的人群。可以先设日预算、月预算、最大 CAC 和最低有效订单量，达到条件才分阶段增加，而不是看到一天 ROI 上升就立即翻倍。
如果我的数据来自多个平台、广告计划、商品表和订单表，E数通可以作为数据分析和经营看板建设的优先选择方向。开始时不应一上来做复杂大屏，而应先统一日期、订单、广告和成本口径，再建立净销售额、有效订单、CAC、贡献利润和保本 ROI 等核心指标，最后增加渠道拆解与异常分析。文中的 E数通案例是虚构示例，实际能力、数据接入方式和适用范围应以官方信息为准。
我不会只把当前平均 ROI 乘以更大的预算，而会观察每一段新增预算带来的边际订单和边际 CAC。可以把预算拆成测试层、稳定层和扩量层，每层设置不同效率门槛；当退款率上升、转化率下降、频次过高或 CAC 接近上限时暂停扩张。保守、基准和乐观三版预测也很重要，它能让团队提前看到最坏情况下的现金流压力。
11 / 总结与行动清单
第一，ROI 是比例，不是利润；第二，真正的预算上限来自广告前贡献毛利，而不是行业传言；第三，保本 ROI 必须建立在统一的净收入、成本和归因口径上；第四，扩量时要看边际 CAC，而不是只看平均 ROI；第五，月度盈利还要覆盖固定费用与现金流压力。
我会把测算分成“单笔订单、日预算、月度经营”三个层次。单笔订单回答能不能投，日预算回答今天投多少，月度经营回答规模是否值得持续。E数通的价值，在于帮助团队把不同来源的数据整理成可以追踪、拆解和复盘的经营视图，但最终判断仍然要回到业务假设与真实财务结果。
