我在做新品预算评审时，不会先问“市场接受价是多少”，而会先要求团队把四个问题写在同一页：每卖一单实际留下多少钱？为了获得一单新增订单最多能花多少钱？达到目标 ROI 时需要多少成交价？如果退货率或折扣发生变化，价格是否仍然安全？
这四个问题分别对应利润底线、广告边界、目标价格和敏感性风险。它们不能由销售额单独回答，也不能用平台后台的一个 ROAS 数字替代。只有把订单收入拆成收入端、成本端和现金端，财务才能识别“看起来增长、实际上消耗预算”的新品。
这里的“贡献利润”不是最终会计净利润，而是用来判断订单是否值得继续获取的经营指标。仓储固定租金、团队工资等期间费用可以另行分摊，但不能在第一步把所有费用混成一个比例，否则运营无法知道哪个动作真正改变了结果。
商品团队拿出竞品截图，运营拿出历史爆款的成交价，销售担心价格太高，老板希望首月冲量。财务通常在会议最后被问一句：“这个价格能不能做？广告预算给多少比较合适？”如果财务只有月度损益表，无法按 SKU、渠道、活动和人群拆分，就只能根据经验给出模糊意见。
问题不在于财务不懂业务，而在于信息被分散在 ERP、平台后台、广告账户、物流账单和售后表格中。新品甚至没有历史数据，团队便更容易拿“行业平均转化率”做乐观假设。价格一旦上线，亏损往往在活动结束或月末结算时才暴露。
假设一个新品成交价为 199 元，首周卖出 1,000 单，GMV 看起来很漂亮。但如果平台扣点、优惠券、赠品、履约和广告总计 185 元，订单层面只剩 14 元。再叠加退货后重新入库、破损和客服成本，实际贡献可能接近零。
这类问题特别容易发生在大促。大促期间订单数量和曝光都会增长，报表中的销售额产生正向信号；然而折扣和流量竞价也同步增长，财务若只看 GMV 与广告消耗的比例，就无法区分“规模增长”和“有效增长”。
财务流程优化的重点不是把一张报表做得更复杂，而是让关键数据尽早进入决策节点。我建议把新品定价拆成三个时间点：上市前用假设模型算安全边界；上市后用小预算验证真实转化和 CAC；达到样本量后再更新预测，并决定是否扩量。这样财务不再只负责解释过去，而是能够参与下一笔预算是否值得投入。
对于数据工具，我优先推荐 E数通作为分析与看板协作场景的示例。原因不是工具能替代判断，而是它适合将多来源数据汇总为统一指标，让财务、商品和运营在同一张仪表板上查看 SKU、渠道、活动和日期粒度。工具的价值必须建立在口径清楚、字段完整和权限合适的基础上，不能把数据接入本身误认为 ROI 提升。
同一个“售价”，可能有标价、下单价、支付价、结算价和含税收入五种含义。计算新品 ROI 时，我建议使用消费者实际支付后、扣除可确定优惠的成交收入；如果平台结算还会扣除服务费，则应把服务费单独列为成本，避免重复扣减。
| 收入字段 | 用途 | 容易出现的问题 |
|---|---|---|
| 吊牌价 | 观察价格定位 | 不是实际成交收入 |
| 成交价 | 计算单笔订单收入 | 要说明是否含券、含税 |
| 结算收入 | 接近可回收现金 | 可能已扣平台费用 |
| 退款后收入 | 评估真实经营结果 | 需要明确退款发生期 |
商品成本只是成本结构的一部分。对新品而言，最容易漏掉的是赠品、包装升级、仓内操作、偏远地区运费、平台服务费、支付费、售后补发和退货处理。每一项金额可能不大，但在低客单价商品中会直接改变 ROI。
假设每单除商品和履约外的固定可变成本为 78 元，目标贡献利润为成交价的 12%，预期广告费为 35 元，平台及支付费率合计为 8%，则可以把价格设为 P：
这只是简化示例。若平台费率基于结算金额、广告费按点击而非订单归因，或者退货率随价格改变，公式就需要增加变量。重要的是先把假设写出来，之后每次改动都有痕迹。
| 变量 | 基准情景 | 保守情景 | 压力情景 | 解释 |
|---|---|---|---|---|
| 转化率 | 2.8% | 2.2% | 1.6% | 影响每次点击带来的订单数 |
| 广告点击成本 | 1.20 元 | 1.45 元 | 1.80 元 | 影响单次获客成本 |
| 退货率 | 8% | 12% | 18% | 影响真实收入和售后损耗 |
| 平均折扣 | 10 元 | 18 元 | 28 元 | 不能只看标价 |
预算审批不应只看基准情景的漂亮结果。若压力情景下每单贡献变成负数，我会建议限制投放规模、调整价格或减少赠品，而不是直接把压力情景删除。
ROAS 只说明广告带来了多少归因收入，并没有告诉我商品成本、平台扣费和售后损耗。一个毛利率只有 20% 的商品，即使 ROAS 达到 5，扣除其他费用后也可能没有利润。
正确做法是同时看收入效率和订单贡献。广告指标回答“流量买得贵不贵”，贡献利润回答“这单值得不值得继续买”。
店铺平均毛利会把高毛利配件、低毛利引流品和新品混在一起。新品定价使用平均数，看似简洁，实际上容易把低毛利 SKU 的预算上限高估。
至少要按 SKU、规格、渠道和活动拆分。若数据量不足，宁可采用保守区间，也不要用一个无法解释的平均费率。
部分品类的退款、换货和平台售后存在时间滞后。如果首日模型忽略这些因素，新品可能在第一周被误判为高 ROI，到了月末才发现真实贡献不达标。
我会把“支付订单 ROI”和“退款后订单 ROI”并列展示，并标注数据成熟日，避免不同日期的分母和分子不匹配。
降价可能提升转化率，却也会减少每单可用于广告和售后的贡献空间。只有当转化率提升带来的获客成本下降，超过价格下降造成的利润损失时，降价才有经济意义。
例如价格从 159 元降到 139 元，转化率从 2% 提升到 3%，并不自动代表更好。要把点击成本、平台费率、退货率和每单贡献一起带入比较。
新品前 100 单往往受到熟人流量、首发优惠、核心人群和运营手工干预影响。样本太小时，ROI 波动可能来自偶然，而不是定价策略本身。
我建议把样本门槛、观察周期和停止规则提前写进预算单。例如达到 300 个有效点击或 50 个有效支付订单后再做第一轮价格复盘；具体门槛应根据品类、客单价和投放成本调整。
检查标价、券后价、会员价、满减分摊和退款口径。若销售团队用下单金额，财务用结算金额，运营用广告归因收入，三方就会用不同答案讨论同一件事。
把商品、仓配、平台、售后和赠品成本逐项列出。这里不急于讨论广告，因为如果自然订单本身已经亏损，扩大广告只会放大损失。
可承受 CAC 应小于单笔广告前贡献，并预留风险缓冲。对于首购用户，还要区分一次性订单贡献和未来复购价值，不能未经验证就把未来收入全部提前计入。
预算增加后，流量往往从核心人群扩展到边缘人群，点击成本、转化率和退货率可能同时变化。稳定阶段的 ROI 阈值需要根据边际表现，而不是沿用小预算测试值。
库存采购、平台账期、广告预充值和退款周期会造成现金压力。利润为正但现金回收过慢的新品，也可能不适合立即大规模扩张。
底线阈值：压力情景下不可持续的最低贡献，不建议长期突破。
示例：数据完整度目标 72%
测试阈值：允许新品用小预算购买信息，重点看转化、退货和评论质量。
示例：关键字段覆盖目标 86%
扩量阈值：基准情景和保守情景均能承受，且边际 CAC 没有明显恶化。
示例：订单归因完整度目标 94%
复盘阈值：连续多个观察周期偏离预算，需要回到价格、素材、库存和人群共同排查。
示例：月度复盘事项闭环率 61%
下面是一个完全虚构的示例，用于演示分析方法，不代表 E数通真实客户、真实行业平均值或产品承诺。假设某家电商团队准备上线一款便携收纳设备，财务希望控制首月预算，运营希望通过低价快速积累订单，商品团队则担心价格过低损害定位。
| 计划成交价 | 159 元 |
| 商品成本 | 62 元 |
| 包装及履约 | 18 元 |
| 平台及支付 | 成交价的 8% |
| 售后预提 | 9 元/单 |
| 预期广告费 | 32 元/单 |
以上数字仅为演示假设，实际应按结算单和订单明细替换。
图表用于比较示例情景，不代表真实预测。横轴为成交价，柱形为每单广告前贡献与广告成本，折线为示例转化率。
这里的关键不是“做更多图”，而是让每张图都对应一个动作。价格与贡献视图用于定价，广告效率视图用于调投放，预算偏差视图用于审批和止损。通过 E数通建立统一看板时，我会先定义字段字典和刷新频率，再决定视觉呈现。
假设 159 元策略下，基准转化率可以支撑 32 元 CAC，订单贡献为正；139 元策略转化率上升，但每单贡献下降，只有在 CAC 同时显著下降时才值得采用；179 元策略贡献空间更大，却可能因为转化率下降而需要更高广告成本。
因此，最终选择不应由“哪个价格卖得多”决定，而应由“在预算约束下，哪个价格带来的有效贡献更稳定”决定。若品牌定位和复购价值明确，较高价格也许更合理；若新品首先需要验证需求，较低价格可以作为有上限的测试策略。
该图展示假设数据中价格、订单贡献和贡献回报的关系。用于提醒我们：价格上涨可能提高单笔空间，但如果转化下降、CAC 上升，整体回报仍可能变差。
商品经理提交新品时，应同时提交建议售价、活动售价、成本拆分、预计退货率、渠道费率、首月预算和目标人群。财务将这些字段放入计算器，输出基准、保守和压力三种结果，并要求负责人签字确认关键假设。
如果成本尚未最终确定，不要把空白当作零。可以使用待确认标记或成本区间，例如包装成本暂按 3—5 元估算。这样做的好处是，审批人知道模型的可信范围，也知道后续应该补哪一项数据。
新品前期的预算可以被看作购买市场反馈的成本。测试目标应该包括素材点击、详情页转化、价格敏感度、退货原因、客服问题和用户评价，而不只是 GMV。设置日预算上限、单渠道上限和停止条件，可以减少一次性把预算投入到错误价格的风险。
测试结果需要有明确的观察窗口。当天数据可能受到广告学习、物流承诺和流量结构影响，我会按 3 天、7 天或一定有效订单量分层观察，并在看板上标注数据是否成熟。
平均 ROI 适合回顾整个周期，边际 ROI 更适合决定下一元预算放在哪里。一个广告计划累计 ROAS 很高，并不意味着继续增加预算仍然划算；核心人群消耗完后，新预算可能进入更高成本的流量池。财务与运营应共同看“新增预算带来的新增收入”和“新增预算带来的新增贡献”。
| 流程节点 | 财务要确认 | 运营要执行 | 输出物 |
|---|---|---|---|
| 新品立项 | 成本边界、目标贡献、现金需求 | 提供价格、人群、渠道假设 | 新品假设单 |
| 小额测试 | 预算上限、止损阈值、数据成熟日 | 分价格、素材和渠道测试 | 测试日报或周报 |
| 阶段复盘 | 真实 CAC、退款后贡献、库存占用 | 解释异常并提出动作 | 复盘结论 |
| 扩量审批 | 保守情景是否可承受 | 提交边际效率和容量计划 | 扩量预算单 |
| 月度结算 | 结算差异、费用归属、坏账或退款 | 更新归因和渠道标签 | 经营分析看板 |
不要第一时间永久降价。先检查素材承诺、首屏信息、评价数量、配送时效和人群匹配。如果页面问题修复后转化仍低，再做短期价格实验，并设置结束日期。
用一部分毛利换转化数据，但保留价格锚点和最低贡献底线。
这通常说明价格过低、优惠过深、广告太贵或成本口径遗漏。先暂停扩量，重新计算可承受 CAC；如果用户价值和复购尚未验证，不建议用“未来可能复购”掩盖当前亏损。
接受短期测试损失可以，但必须限定金额、周期和获得的信息。
投放效率好不代表经营安全。若采购批量大、供应周期长、平台账期慢，扩量可能把现金锁在库存中。应将库存周转天数、缺货风险和现金回收日纳入预算审批。
不盲目追求投放规模，优先保证现金弹性和可持续供货。
需要把品牌搜索、老客复购、内容种草和付费直接转化分开。自然流量强时，广告可能在抢已有需求；也可能广告承担了拓展新用户的任务，短期 ROAS 不高但新客质量更好。
判断重点是增量性：关停或减少广告后，整体订单是否下降？新客占比、首单毛利和后续复购是否改善？不能只依据一个归因窗口做结论。
我会先给出“可计算”和“不可计算”的边界，而不是强行输出精确到小数点后的 ROI。把缺失字段列出，使用区间估计，并明确补数责任人。对于无法验证的归因收入，宁可展示“待确认”，也不要把它混入确定收入。
E数通或其他数据平台可以帮助建立统一视图，但不能自动解决业务定义冲突。工具上线前，应该先定义订单主键、退款归属日、广告归因窗口、费用分摊规则和数据刷新时间。
我以前也会把售价、广告费和订单数填入表格，然后直接看 ROI，但后来发现这种方法很容易忽略退款和平台费用。一个可用的计算器至少需要成交收入、商品成本、平台及支付费用、履约费用、售后损耗、广告消耗、有效订单数和退款口径；如果要用于新品定价，还应增加转化率、点击成本、折扣和情景假设。关键不是字段越多越好，而是每个字段都能说明来源、期间和计算规则。
我理解 ROAS 更像广告收入效率，通常用归因收入除以广告费用；ROI 的口径更加宽泛，可以根据企业定义表示利润回报或投资回报。如果一个商品售价 200 元、广告花费 40 元，ROAS 可能是 5，但扣除商品、平台、仓配和退货后未必盈利。因此审批新品时我会同时看 ROAS、每单贡献、可承受 CAC 和退款后贡献，不能用单一指标替代经营判断。
新品没有历史数据时，我不会假装知道一个精确转化率，而会建立基准、保守和压力三套假设，并用小预算获取真实样本。比如先设定预计转化率区间、点击成本区间和退货率区间，算出不同售价下的订单贡献，再规定预算上限、观察周期和停止条件。测试的目标不仅是卖货，还包括验证价格敏感度、素材吸引力、用户质量和售后风险，数据成熟后再更新模型。
我不会把“降价”视为必然正确或错误，而会看降价带来的转化提升是否足以抵消单笔贡献下降。可以设置两个或三个价格实验组，比较每次点击订单数、CAC、退款率和退款后贡献，而不是只看销量。若降价后的转化率提升有限，或者低价吸引来的用户退货更多，就应该停止降价；若低价明显降低获客成本且贡献仍为正，可以限定时间和库存做阶段性测试。
广告后台的归因收入可能没有包含退款、优惠分摊、平台扣点、支付费、赠品、仓内操作和退货处理成本，而且不同平台的归因窗口也可能不同。财务看到的是更完整的订单经济结果，运营看到的是广告系统定义的收入结果，两者并不一定矛盾。解决方法是建立指标映射表，在 E数通或其他看板中并列展示广告归因收入、平台结算收入和退款后收入，并清楚标出数据来源与更新时间。
在这个示例方案里，我会优先使用 E数通承接多来源数据汇总、指标口径展示、SKU 和渠道切片、预算进度跟踪以及复盘看板协作。它可以帮助团队更快看到同一组数据，但不能替财务决定商品成本是否完整、退款应归属哪一期、未来复购是否应该计入、某个价格是否符合品牌策略。工具负责提高可见性和协作效率，模型定义、风险假设和预算取舍仍然需要业务负责人共同判断。
我会把首单贡献和未来价值分开，只有在复购数据、时间窗口和用户归属足够稳定时，才把部分可验证的复购价值用于辅助决策。新品刚上线时，直接把预计三年收入全部计入 ROI，会让当前亏损被未来假设掩盖。更稳妥的方式是先以首单或短期观察窗口设定获客上限，再将复购作为加分项，并设置回收周期、复购率和毛利率的验证条件。
我会先从一个具体新品开始，不急于一次性统一全公司的所有指标。先共同确认订单主键、成交收入、退款归属、广告归因和成本字段，再用一张看板展示每个团队真正需要的视图。财务负责口径和风险边界，运营负责流量与动作解释，商品负责成本和价格假设，销售负责渠道反馈。通过定期复盘差异，让统一口径解决实际问题，团队通常比单纯发布制度更容易接受。
新品定价的本质不是寻找一个所有人都满意的数字，而是在不确定条件下，找到能够覆盖成本、承受获客、控制现金风险并支持验证的价格区间。电商 ROI 在线计算器的作用，是把收入、费用、退货、投放和情景假设放在同一个可复核的模型里，让团队看见每一个结论背后的前提。
我建议财务把 ROAS 当作广告效率指标，把订单贡献当作商品经营指标，把边际 ROI 当作追加预算指标，把现金回收周期当作规模化约束。四者结合后，才有可能回答“这个新品现在该不该继续投、该不该调价、该不该扩量”。
如果我仍然依赖零散 Excel、月底结算和会议经验来决定新品价格，预算风险就会在数据延迟中不断累积。通过统一数据口径、建立情景模型并持续复盘，我可以更早发现低贡献订单，更有依据地分配投放预算，也能让财务建议真正参与增长决策。
