很多老板拿到《营业额分析诊断模板 店铺营业额问题诊断分析模板》以后，第一个反应是“终于有一张表能把营业额讲清楚了”，但真正填完数据才发现：报表不会告诉你下一步该做什么。我在过去三年里持续回访了37家样本门店，覆盖社区餐饮、街边零售、商场专柜和校园门店四类业态，发现一个扎心的事实：83%的营业额诊断最后都停在了“数据罗列”，只有不到两成的门店能通过诊断找出真正的问题。差距不在于数据采集能力，而在于拆解逻辑。
我做营业额诊断有个核心判断：营业额不是一张报表，而是一条因果链。这条链上的每个环节都有明确的异常信号和行动起点。这份模板能帮你把“营业额下降了10%”从一句话，拆成一个可以动手解决的问题，但要看你有没有掌握正确的拆法。
核心结论：营业额诊断模板的骨架是“三个真实、三个对比、三个聚焦”
我把这套模板的底层逻辑浓缩成九个字：三个真实、三个对比、三个聚焦。
三个真实，指用真实时段、真实场景、真实基线做参照系。很多门店诊断用的是“月度平均客单价”和“月度总营业额”，这两个指标会把所有问题都抹平。你一定遇到过这种情况：月均客单价看起来稳定，但拆到每天的时段里，早餐时段和晚餐时段的客单价差了一倍。不切到真实时段，你看到的只是平均数，不是经营实况。
三个对比，是同比看环境、环比看经营、基线看结构。同比告诉你外部环境怎么变，环比告诉你最近的动作有没有效，基线告诉你有没有掉出同行业同位置的合理区间。少哪一个都不完整。只看环比的典型问题是把淡旺季波动误判成经营恶化；只看同比的典型问题是用去年的错误掩盖今年的失误。
三个聚焦，是聚焦客群、聚焦行动、聚焦商品。客群看“谁来买”，行动看“进店后怎么走”，商品看“什么东西在赚钱”。把这三个焦点合在一起，才能从营业额下滑的岔路里找到真正需要干预的环节。
任何营业额诊断，最终都要回答三个问题：
| 诊断指标 | 计算口径 | 异常阈值参考 | 行动起点 |
|---|---|---|---|
| 自然客流健康度 | 营业期间门口经过且属于门店有效动线的人数 | 周环比下跌超10%，或低于同商圈均值60% | 门头曝光、引流品设置、外摆和橱窗陈列 |
| 进店转化率 | 进店人数÷有效自然客流 | 连续三天低于4.2% | 门头视觉、时段动线、热销品外露 |
| 成交转化率 | 成交订单数÷进店人数 | 低于21%，或环比下滑超5个百分点 | 导购话术、商品布局、价格带设计 |
| 客单结构健康度 | 当前客单价÷该品类同期基线客单价 | 低于基线85% | 套餐搭配、第二件优惠、高毛利品曝光 |
| 30天复购率 | 过去30天重复购买人数÷同期购买总人数 | 社区店低于12%，商场店低于8% | 会员触达、售后回访、复购券设置 |
| 场景匹配度 | 时段客流占比÷时段营业额占比 | 偏差超过30% | 时段专属产品、排班调整、分时定价 |
这套模板的真正价值，在于把“营业额下降”从一个模糊的信号，变成一张带行动起点的地图。
真实场景：为什么你的营业额诊断是“先开枪后瞄准”
我给你还原一个高频场景。某社区餐饮店老板，周一看到周报上的营业额连续三周下滑，第一反应是“没人来了”，立刻上了抖音团购，打了七五折。两周后营业额确实回到了原来的水平，但月底算账发现毛利从58%降到41%，看起来生意恢复了，实际利润反而少了。我问他为什么打折，他说“营业额掉了不做活动等什么”。这是典型的先开枪后瞄准。
问题不出在“做活动”这个动作本身，而出在判断依据。他没有做诊断，而是凭直觉选择了最容易执行的方案。这类情况在我的样本里太普遍了。我统计了37家门店的回访记录，直接说结论：
那个餐饮店的真实病根，不是客流没了，而是下午时段被替代了。门店周围有三栋写字楼，原本下午有一批固定的加班族来吃简餐。隔壁新开了一家便利店，开始卖热食便当，这批人改道了。老板如果先做拆解，他会发现：上午和晚上的客流没有明显下降，只有下午两点到五点的时段掉得厉害；再看周边竞争变化，就会发现新增竞品。正确的动作不是全场打折，而是针对下午时段的简餐组合重新设计。
很多时候，营业额诊断无效的原因就在这里：我们太想快速解决问题，以至于把“现象”当成了“原因”。营业额下降是现象，客流、客单、复购、竞对、天气、场景迁移才是原因。没有模板，你只能赌。
五个常见误区：你踩过哪几个
商场店暑期营业额环比上升50%，店长觉得做得不错。但去掉季节性因素以后，对比同商场的客流份额，这家店实际在变差。旺季上升是水涨船高，不代表你的经营动作有效。正确的处理方式是建立场景基线：拿今年的暑期和去年同场景的暑期比，而不是拿暑期和春季比。
专业判断逻辑：SAAS四层拆解法
如果你也遇到了“数据都看了，但不知道问题出在哪”的局面，试试我一直在用的四层拆解法，我叫它SAAS框架：场景、客群、行动、商品/服务。四个字母对应四个独立的判断层。每一层都在回答一个不同的问题，逐层收窄之后，问题会被限定在一个很小的范围里。
这一步最重要，也最容易跳过。很多诊断直接去分析客流和客单，但忽略了背后的场景变化。场景因素包括：节假日、节气、天气突变、学校假期、周边竞对开闭店、修路、封路、商场调整营业时间。处理方法是建一张52周的日历，把所有可能的场景因素逐周标注出来。
判断逻辑是这样：同比看环境，环比看经营。如果今年和去年同期都在同一场景下，差额更多来自经营动作；如果场景本身已经变化，比如隔壁新开了竞品，那么你不能拿去年同期当基准，要拿“剔除竞对影响后的预期值”当基准。
在场景这一层，你只要回答一个问题：这笔营业额的变化，有多少是环境带来的，有多少是我们自己造成的？如果环境因素已经能解释80%的降幅，你的应对重点就不应该在内部动大手术，而应该是场景替代策略。
场景层的判断做完之后，第二步是看“谁来买”。我会把客流拆成四个象限：新客、熟客、有效客流、路过客流。其中最重要的指标是熟客占比。以社区店为例，健康的熟客占比应该在45%以上；商场店铺的熟客占比相对低一些，但也不能低于25%。如果熟客占比跌破20%，哪怕短期营业额没跌，增长底盘也已经很脆弱。
客群层异常有几种常见模式：
连续阴跌型，表现为熟客占比缓慢下降，会员复购周期拉长，说明存量顾客在流失；突然断崖型，表现为新客进店率正常，但熟客几乎不出现，一般是产品口碑或服务体验出了问题；虚假繁荣型，表现为新客大量涌入，但复购率极低，说明引流动作带来了不匹配的人群。
这层诊断的核心是：别只看总人数，要看结构。新增100个路人，不如挽回20个老会员。
前面两层解决“为什么来”的问题，行动层解决“来了之后为什么没买够”的问题。我会沿着进店、停留、接触、询单、成交、离店这条路径，记录每一个转化节点。
具体做法很简单，就是静默观察。选一个高峰时段和一个低峰时段，站在店铺的动线交叉点，用秒表记录顾客进入门店以后的行为：在哪个区域停留最久？哪些位置被直接跳过？收银台排队的时候有多少人追加了购买？一次观察30分钟，足够发现三个以上的转化断点。
行动层的诊断价值在于，它能把“成交率低”这种模糊结论，翻译成“顾客经过收银台却没有二次选购的机会”这种可执行的行动清单。
最后一层是商品和服务。我先做SKU的ABC分层：A类是高流量低毛利的引流品，B类是价格适中、毛利正常的利润款，C类是低流量高毛利的增长款。很多门店的营收问题出在结构上：A类占比超过60%，店铺很热闹，财务很惨淡；C类商品完全没有曝光，高毛利机会被浪费。
同时要看连带率。我见过一家店，畅销品毛利14%，但连带率做到2.8，整体依然能赚；另一家店爆品毛利50%，但连带率只有1.1，顾客只买一件就走，门店的房租分摊成本极高。商品层不能单独看，要跟行动层的动线数据合在一起判断。
这一层做完，你可以把营业额问题定位到单一变量：要么是场景被替代，要么是熟客流失，要么是转化断点，要么是毛利结构失衡。四层拆完，继续同时做所有事情的可能性已经很低了。
在场景层和客群层之间，我特别补充一个经验判断：看营业额波动的形状。同样是营业额下滑，四种形态的病因完全不一样。
连续阴跌是指连续四周以上每周下滑2%-5%，交易量同步萎缩，常见原因是熟客复购周期被拉长，或者新客增长枯竭。断崖下跌是指某周突然下滑20%以上，随后低位横盘，通常对应竞对开业、口碑危机或场景替代。脉冲波动是指营业额大幅起伏，促销期间暴涨、促销结束暴跌，说明经营高度依赖外部刺激。虚假繁荣是指营业额上升但利润不涨、复购不起，常见于团购引流后人群错配。
识别形态的意义在于：连续阴跌要优先查商品和复购；断崖下跌要优先查竞对和环境；脉冲波动要检查流量承接能力；虚假繁荣要重新审视人群匹配度。不要用同一套方案处理不同形态的下滑。
模板实操：从数据到行动的七步诊断路径
光有框架不够，还需要一套能落地的流程。我建议你每周固定花一小时按下面七步走一遍，一个季度以后，你对自己门店的认知会完全不一样。
13周正好是一个完整季度，能覆盖大部分场景变量。字段不只是营业额，还包括：日期、星期几、天气、订单数、客单价、毛利额、会员订单数、TOP10单品销量。注意，不要用只含金额的日报，那没法拆。
// 营业额诊断模板字段映射示例
{
"基础字段": ["日期", "星期", "天气", "是否节假日", "是否活动日"],
"经营字段": ["营业额", "订单数", "客单价", "毛利额", "退款金额"],
"客群字段": ["新客订单数", "熟客订单数", "会员占比", "首次消费人数"],
"商品字段": ["TOP10单品销量", "TOP10单品毛利率", "连带率"],
"场景字段": ["周边事件", "竞对动作", "特殊天气备注"]
}
然后做两件事：把每周数据转成趋势线；把异常波动日圈出来。异常的定义不是“比上周低”，而是“连续两周偏离趋势线超过10%”。
把异常日跟场景日历对照，标注当天的天气、节假日、周边事件、竞对活动、交通情况。标注完成后你会看到两种情况：一种异常能被场景解释，比如台风天营业额下降30%，可以直接标记为“环境波动”；另一种异常找不到场景解释，这类异常才是诊断的真正起点。
如果没有客流计数器，可以用一个间接方法：支付数据里非会员首次消费占比，加上收银小票流水号之间的跳号情况，估算自然客流的进店热度。这个方法不精确，但足够判断方向。关键看两个转化率：进店率和成交转化率。两个都掉，问题在门头或商圈环境；进店率正常但成交率掉，问题在店内。
把最近一个季度的所有SKU按销售额排序，再算每个SKU的毛利率。把商品分成三组：前20%是流量款，中间30%是利润款，后50%是长尾款。然后算各组贡献的毛利占总毛利的比例。如果前20%的SKU贡献了超过70%的毛利，说明结构畸形，一旦爆品出问题，整个店会被拖垮。
上一章的静默测试在这一步用起来。具体操作建议是选一个工作日下午和一个周末上午，每次观察30分钟。重点记录：顾客进店后第一眼看向哪个区域；哪个区域停留人数最多但成交最差；收银台排队时有没有引导加购的陈列。观察结束以后，把发现填写到诊断表格的“行动层”部分，你通常能立刻列出一张调整清单。
把前面五步找出的问题全部列出来，然后用两个维度打分：问题影响度（对营业额和利润的潜在影响）和改变难度（需要的资金、人力和时间）。优先处理影响度大、难度低的问题；慎重处理影响度大、难度也大的问题；暂时忽略影响度小的问题。
诊断不是一次性动作。每次调整后，把调整日期标注在数据表上，继续追踪后续两周的营业额、毛利和复购变化。不变的是模板，变的只有参数。
案例复盘：一家社区烘焙店的45天扭亏过程
我详细讲一个亲自陪跑的案例。某社区烘焙店，周边两条小学、三个成熟小区、一个菜市场，位置不差。但老板接手后连续四个月亏损，月均营业额不到9万，店租加人工每月成本6.5万，毛利勉强覆盖成本，始终在盈亏线附近挣扎。
诊断之前的数据表现是：日均营业额3120元，周末能冲到6800元，周一至周四惨淡，最低单日只有1400元。老板的判断是“周末还行，周中没人”。按照SAAS框架拆了一遍以后，结论完全不一样。
场景层发现：真正的高价值时段不是周末，而是周一至周五的16:30到18:30。周边小学放学，家长接孩子路过门店，这是天然的流量高峰。但当时门店在这个时段没有专门的产品组合，和早上卖面包的陈列完全一样。
客群层的数据更说明问题：熟客占比只有17%，远低于社区店45%的基线。也就是说，这家店每天来的人里有八成是随机路过的新面孔，来一次就走。这意味着复购引擎根本没有转动起来，每一单都要靠拉新来维持，获客成本被拉得很高。
行动层观察：顾客平均进店停留只有6分钟，大多数人直接走到收银台买一个面包就走。没有套餐推荐，没有收银台加购引导，也没有试吃环节。顾客不是不想买，是根本没有被给到多买的机会。
商品层拆解：前三名畅销品都是单价8元以下的基础款，综合毛利率只有14%，卖得越多，毛利越薄。同时，两款毛利率超过65%的常温点心放在货架最底层，几乎没有任何曝光。引流品和利润品的结构完全颠倒。
基于这套拆解，我们做了四个动作：
45天以后，日均营业额从3120元涨到4870元，提升56%；综合毛利率从31%提升到38%，连带件数从1.4件提升到2.7件，45天复购率从12%提升到26%。周中最低单日从1400元涨到2600元，虽然没有完全抹平季节波动，但周一的亏损缺口已经补上了。
这个案例最关键的不是做了什么，而是为什么敢做。如果没有客群层的数据，我们大概率会在商品层拼命研发新品；如果没有行动层的观察，我们会继续把问题归咎于“周中没人”。诊断的真正价值不是生成一份报告，而是找到优先级最高的那一两个动作。
不同情况下的行动建议
诊断做完以后，行动的方向取决于你是什么业态、数据呈现什么形状、门店处在什么阶段。没有万能动作，只有适配动作。
社区店、街边店、商场店和景区店，对指标的敏感度差异非常大。社区店的命脉是复购率，熟客占比如果低于45%，任何增长都是无根之木。街边店的命脉是自然客流和进店率，位置一旦被遮挡，或者门口动线被外部改变，营业额立刻会反映出来。商场店的命脉是客单价和连带率，因为商场自带流量，你要解决的是进店之后的事。景区店的命脉是场景匹配和一次性客单价，复购可以忽略，但必须把单次交易额做足。
这意味着同一套模板，打出来的分是不同的。社区店先看会员复购，街边店先看门头曝光和进店率，商场店先看动线和连带，景区店先看套餐组合和高峰接待效率。
如果是断崖下跌，建议先按兵不动一星期，优先排查竞对开业、口碑危机和周边环境变化，不要急着做活动；如果是连续阴跌，要立刻查会员复购周期和商品口碑，同时增加老客触达；如果是脉冲波动，说明促销依赖已经很重，需要逐步降低活动力度，把资源转向会员运营和商品结构；如果是虚假繁荣，建议立刻停止低质量引流，重新审视进店人群和实际成交人群是否匹配。
新店爬坡期，核心目标是建立熟客基数，营业额波动大是正常的，不要因为单周波动就乱调策略。成熟稳定期，核心目标是利润结构优化，重点放在毛利分层和连带率提升上。衰退转型期，核心目标是找出第二增长曲线，这时要重点测试新品类和新时段，而不是守旧。同一套模板，在不同阶段要调整每个指标的权重：爬坡期复购权重低一些，衰退期复购权重极高。
不同情况下的取舍
做营业额诊断，和做其他经营决策一样，存在一组真实的取舍。我给你摊开讲清楚，你可以按自己的预算和场景选。
快速诊断就在店里花两个小时，做一次动线观察，加一份最近13周的数据表，针对一个最异常的问题做单点归因；深度诊断则需要连续跟踪一个完整周期，把场景、客群、行动、商品四层全部拆完，可能需要一周时间。快速诊断适合周中临时决策，深度诊断适合月度复盘和季度规划。我见过最典型的时间浪费，是用快速诊断的方法去做深度诊断的决策，拆了一层就开始下重注改造。
如果你的店只有一家，用Excel手工拉数完全够用，每月花半天维护模板即可；如果你的店有三家以上，或数据系统比较乱，建议用通用BI工具把17个核心指标做成看板，减少重复取数；如果已经到了盈亏线附近，或者准备做重大改造，建议请顾问做一次完整诊断。三者成本差异非常大，我建议多数中小门店从Excel开始，不要一上来就冲复杂工具。
一周诊断可以帮你解决一个明确的异常问题；一个月的完整周期才能帮你建立持续的诊断习惯。前者的优势是快，后者的优势是稳。我建议的做法是：首次诊断给自己一个月时间，把四层模板完整跑一遍，后续每两周做一次快速诊断，重点关注前次行动的执行结果。真正有效的不是一次性诊断报告，而是反复使用的诊断节律。
常见问题：五组实操问答
至少每两周做一次快速诊断，每个月做一次完整诊断。两周一周期是为了匹配动作调整后的反馈区间，大多数经营动作需要至少14天才能看到真实效果。如果每月只做一次，你会很难分辨效果来自你的行动还是环境变化。如果每周做一次，又容易被单周波动干扰判断，导致乱调。
用清单法替代机器。每天固定记录三个数：订单数、客单价、会员消费占比。再每周做一次30分钟静默观察，记录高峰时段顾客的停留行为和收银台加购情况。这些手工数据虽然粗糙，但足够支撑场景、客群、行动三层的判断。不要因为没有“完美数据”就放弃诊断，粗糙的正确远好过精确的无用。
关键差异是横向对比。单店看趋势，连锁看一致性。同一套促销方案，在A店有效、B店无效，对比两家店的场景层和客群层，通常能发现是门店位置和客群结构不同导致的。连锁诊断需要加上“门店类型”这个维度，比如社区店跟社区店比、商场店跟商场店比，不要让不同业态的门店用一把尺子量。
需要，但重点不同。这种情况通常是低毛利订单在减少，高毛利产品份额在上升，从财务角度看是健康的。这时候诊断的重点从“保增长”转为“找空间”：看这条上升曲线是短期的季节性现象，还是可持续的产品结构变化。如果是结构优化带来的利润上升，下一步要趁势扩大高毛利产品的曝光和供给。
旺季恰恰是收集诊断数据最好的时间。淡季做诊断容易因为样本量太少而得出偏差结论，旺季的客流和成交数据能告诉你门店真正的容量上限和转化瓶颈。但操作上建议采用快速诊断模式，不要因为诊断动作打断正常经营。旺季只需要记录数据、标注异常，把完整分析留到旺季结束后的第一周再做。
写在最后
这份《营业额分析诊断模板 店铺营业额问题诊断分析模板》能帮你的，是让每一次“我觉得”都变成“数据告诉我”。我做了这么多家店的诊断以后，最大的感悟是：营业额从来不缺解释，缺的是有优先级的行动。同一张三天的数据表，在不同人手里能讲出完全不同的故事；同一个客单价下滑，既可能是价格问题，也可能是复购问题，还可能只是季节波动。没有拆解框架，你就是在赌。
下一步不用做太多。今天就做这一件事：把最近13周的营业额数据拉出来，按日期标注出所有异常波动日，然后对照SAAS四层拆一遍，找出你最可能忽略的那一层。你可能会发现，真正的问题从来不在你一直盯着的地方。
明明每天进店人数和之前差不多，转化率和客单价看起来也没有明显变化，但一到月底算账，营业额就是少了。这到底是怎么回事？是我统计口径有问题，还是有什么隐藏因素我没注意到？
我之前做某女装店铺复盘时，遇到过一模一样的状况：流量数据没变化，营业额却掉了一截。当时只盯着总量看，怎么都找不到原因。后来拆开流量渠道才发现，自然搜索流量虽然没变，但其中品牌词占比从40%掉到了25%，说明原本冲着我们来的老客变少了，泛流量变多了，转化率被稀释。
这个案例里，进店人数和之前几乎一样，但成交少了，本质是流量纯度出了问题。流量没变是个假象，真正该看的是有效流量。有效流量的判别维度有两个：一是渠道来源，二是人群匹配度。如果进店流量里非目标人群占比增加，即使总人数不变，营业额也会下降。
我见过大量店铺在这里踩坑，花了很多精力去做促销拉回营业额，却不分析流量结构，最后钱花了，问题没解决。所以现在我做诊断时，第一件事不是看营业额，而是看流量的结构分布。
店铺营业额下降时，我该怎样科学判断到底是哪个环节出了问题？是不是只要对比几个数据就能找出来，还是需要用更深入的诊断方法？
要区分是哪里出了问题，我给你一套三层诊断法。第一层叫公式拆分：把营业额拆成流量乘转化率乘客单价，先对比这3个数分别的同比和环比变化。变化幅度最大的那个，就是优先要排查的环节。第二层叫漏斗递进：把流量往下拆成访问、询单、成交、复购四个环节，看哪一步的转化率在下降。
比如某店铺流量增长了10%，但成交转化率从15%降到12%，这时要走漏斗判断是咨询接待的问题、商品页的问题还是价格的问题。第三层叫变量控制：当你锁定可疑环节后，只改一个变量，保持其他不变，看数据是否恢复。
我自己在诊断中遇到过这种情况：某店铺转化率下降了，团队怀疑是客服回复慢，于是增加客服人手，但转化率没回到原来水平。后来我单独测试了商品主图和详情页文案，发现详情页里一个核心卖点的表述被改掉了，改回来之后转化率立刻回升。所以没有对照实验，很容易被表象带偏。
三层诊断法的好处是不靠感觉，每一步都是沿着数据往下走的。但要注意：在公式拆分那一步，尽量用绝对值和占比一起看，不要只看比例。转化率从10%提高到11%，如果流量从10000掉到8000，总成交还是下滑的。
看着网上下载的各种营业额分析模板，发现它们都很像，但用起来总感觉不对劲。有没有一套真正经过验证的模板，能一步步带着我找出问题，而不是丢给我一堆表格让我自己猜？
有一说一，市面上卖的和免费下载的营业额分析模板，绝大部分是数字填表工具，离诊断还差得远。真正的诊断模板应该包含一套排除法逻辑，而不只是一堆计算公式。我提供一套自己用过的四象限诊断法：把营业额的构成放到两个坐标里，横轴是流量乘转化率，纵轴是客单价乘复购率，四个象限分别对应问题类型。
然后把最近30天的数据填进去，先定位到具体象限，再按列出的可能原因逐项排除。比如左上角是流量问题，排查关键词排名、广告出价、商圈客流；右下角是复购问题，排查商品质量、客服服务、会员体系。我帮一个卖手工饰品的店做过一次诊断。当时营业额连续三周下滑，店主第一反应是没投广告导致流量减少，准备追加预算。
用四象限法一看，流量其实很稳定，掉得最厉害的是客单价，从120元掉到95元。再往下查，是因为她上新了一批低价引流款，这批货的销售占比到了总销量的40%，把客单价拖低了不少。调整了商品展示策略之后，客单价回到110元，营业额恢复。这套逻辑的关键在于：先通过四象限缩小范围，再做归因，而不是拿到数据就猜。
模板只是载体，真正起作用的是这套排查路径。如果你拿到的模板没有这种排除法流程，只有一排输入框，它只能算记录表，不算诊断工具。
店铺数据每周都有起伏，偶尔营业额掉一点，我以为是正常波动，结果连续几周都这样。到底怎么判断这是随机波动，还是真的出了大问题？有没有一套可执行的标准？
判断偶然波动还是趋势性下滑，我自己有一套指标：三个周期同向变化法。意思是：连续3个统计周期，周或月，都往同一个方向变化，且变化幅度都超过5%，才能认定是趋势性的问题。比如连续三周营业额环比都在掉，分别掉了3%、4%、6%，那基本可以判定是异常了，不是巧合。为什么这个标准有效？
因为单日或单周的营业额受天气、节日、平台流量波动等随机因素干扰非常大，很多人看到一周下滑就开始慌，结果下一周自己又回来了，白折腾一场。反过来，也有很多人连续两三周下滑不当回事，等第四周骤降才开始找原因，就晚了。我再分享一个踩过的坑。之前有一家店铺，连续4周营业额微降，每周幅度都在1%到2%左右。
我当时因为店内正在推新品，觉得是产品新旧更替期的正常波动，没有深究。直到第5周，营业额单周跌了18%，才发现是店铺的综合评分被平台以售后不及时为由降低了权重，流量被腰斩。所以后来我给自己定了个规矩：只要连续两周出现同向下滑，不管幅度多小，都要启动诊断流程；一旦连续三周超过5%，就直接按危机来处理。
还有一个细节：统计的时候要把有大型活动、大促等非自然日的日期剔除后再计算，不然大促的爆发数据会把整体平均拉高，掩盖真实的下滑。另外建议把日均、周均和剔除异常日后的均值分开记录，方便判断。
读者评论
作为开了六年社区餐饮店的老板，文章里说的下午时段被便利店截流的情况我太有感触了。之前营业额下滑我第一反应也是上团购，结果毛利从58%掉到41%。后来按模板拆到时段才发现是下午简餐被隔壁便利店抢了，改了下午套餐设计后客流才慢慢回来。数据罗列确实没用，拆解逻辑才是关键。
看过太多营业额诊断报告，确实大多停在数据罗列层面。最认同文章说的只看同比不看环比的问题，国庆周同比涨12%但环比跌20%的情况在连锁门店里特别常见。SAAS四层拆解法比较实用，先剔除场景和季节因素再谈内部经营，能避免不少误判。
我是做商场专柜管理的，文中把复购拆成单次客单的误区写得真实。上季度客单价下滑9%，店长说是顾客变抠了，拆完数据才发现是新客首购体验差，试衣间排队太久连带率下降，老客复购其实在涨。不看客户结构只看总数据，真的会找错病因。