促销活动的效果复盘，绝大多数企业做错了。我见过一个消费品品牌在大促期间GMV突破3000万元，团队庆祝了两周，30天后核算利润却是负的；我也见过另一个品牌，促销期GMV只涨了17%，但把窗口拉到31天，利润提升了4.2个百分点。两者的差别不在运气，而在复盘方法。这篇文章会用一个我亲历的脱敏项目案例，说明用怎样的数据逻辑和判断框架，才能看清一次促销活动究竟赚不赚钱、钱从哪里来、下一场怎么调整。
促销效果复盘，本质上是在回答三个问题：增量从哪来？利润被谁吃掉？下次怎么调整？
多数团队只回答了第一个，而且连第一个都答错了。他们用“活动期间订单总量”减去“活动前日均订单量乘以活动天数”，得出一个“增量数字”，写进周报里。这个做法默认了一个假设：活动期间的日均订单量都是促销带来的。事实根本不是这样。
GMV是统计口径，增量是经济学概念。GMV包含自然成交、被促销吸引的成交、以及本来就要买但因促销囤货的成交。“被促销吸引的成交”才算增量。拆出这部分，需要三个维度的数据：用户触达时间、用户首次访问路径、以及一个对照组。
促销复盘最怕只看销售额。平台GMV榜单不会告诉你，某品牌卖了5000万，退货率38%，物流成本翻倍，客服人力超支，最终净利率只有1.2%。我在2023年“618”就见过这个情况。整场活动账面热闹，扣完所有费用，利润反而是负的。
一次负责任的促销复盘，应该有结论、有证据、有下一步计划。结论包括：这场活动赚了还是亏了，哪些品带动了增量，哪些钱花得值；证据包括：自然增长基线、转化漏斗、各渠道成本、退款周期数据；下一步包括：下一场活动的预算分配建议、品类排期调整和流量承接方案。
为了把方法讲透，我以去年服务的一家食品品牌作为完整案例。该品牌在2024年9月做了一场为期5天的店庆活动，核心目标是带动新品系列上市。这里我会把品牌和产品信息隐去，用脱敏数据讲解全过程。
这家品牌日常日销售额在28万到35万元之间波动，周一是低点，周六是高点。我们拉了过去8周的分日销售数据，发现两个规律：每周三都有一个固定小高峰，原因是平台百亿补贴在该品类上有周期性流量；每周日转化率会高出日常水平10%左右，原因是用户周末比价行为减少。
基于这8周数据，我们建了一条“如果不做活动，自然销售应该是什么样”的基线预测曲线。基线模型不是简单平均，而是按星期维度加权，并剔除平台大促日和节假日干扰。这一步是整个复盘中最容易被忽视、又最影响结论的部分。基线定高了，真实增量被低估；基线定低了，虚假繁荣被当成成绩。
活动开启后，真正的观察重点不是卖了多少，而是流量进来之后能不能接住。我们盯三个指标：首小时加购率、2小时内的支付转化率、以及优惠券使用率。食品类目的用户决策链路短，如果首小时加购率低于15%，说明活动机制没有吸引力；如果支付转化率低于8%，说明价格没有触动用户。
这场活动中，首小时加购率为18.6%，支付转化率11.2%，机制本身过关。但第二天上午流量出现断崖式下跌，排查后发现是某个头部达人的短视频突然被限流，导致原计划中的流量没有进来。这个插曲后来被证明是复盘时需要重点标注的“外部扰动因素”。
活动结束并没有停止监控。30天后我们拉出全量订单数据，按用户ID匹配了优惠券使用记录、退款记录、复购记录。结果发现：活动期新客的30天复购率为9.4%，低于日常新客的16.8%。也就是说，活动拉来的用户，质量明显偏差。这一发现改变了我们对这场活动“成功”的判断。
绝对销售额受到多重因素干扰。品牌规模、品类自然增长、平台流量水位都在变化。两个品牌都可能卖了1000万，但一个靠自然增长，一个靠巨额投放买量。没有对照组，就没有判断力。正确的做法是先回答“如果不做这场活动，我们能卖多少”，再谈超额部分。
用活动前7天均值作为基数，再拿活动期销售额减去基数，得出增量，这是最常见的错误。问题在于，活动前用户会刻意等待下单，活动后用户会进入消耗期。简单差值会把预热期被压制的订单算成活动增量，同时忽略活动后的透支效应。正确做法是建立包含星期因子、平台活动日历和季节性调整的基线模型。
如果活动期间60%的成交来自老客囤货，那么这场活动的意义就与“拉新”无关。某护肤品品牌分析后发现，活动期47%的购买来自已有消费记录的会员，而这些会员中又有51%的人本来就有固定月度复购习惯。促销实际上是把未来的收入提前到本月，而不是创造新需求。
在电商生态里，用户今天点击广告，三天后才下单是常态。我见过一个品牌只统计当天ROI，结果把自然搜索渠道的点击错误归因给品牌词投放，造成渠道预算误判。正确做法是把全渠道点击、收藏、加购行为映射到14天或30天窗口期，再计算归因。
冲动消费在促销场景下非常普遍。一个促销订单如果在7天内的退货率达25%，它产生的GMV就是虚假繁荣。更麻烦的是，冲动购买带来的差评和售后负担会持续影响店铺评分，这个成本很难量化，但真实存在。
简单差值法已经无法满足现在的决策需求。我目前使用的方法是把城市分成两组：开展促销活动的区域作为实验组，没有开展促销的同品类区域作为对照组。对比两组在活动前后的销售变化差值，就能把自然增长和促销增量拆开。
具体操作：拉取活动前8周、活动期以及活动后4周的分城市销售数据，分别计算实验组和对照组的日均销售额变化率，然后用“实验组的增幅减去对照组的增幅”，得到扣除自然增长后的真实增量。这个数字才值得写进复盘报告。
复盘不是只看最终卖了多少，而是看用户从看到活动到完成支付，每一步流失在哪里。标准漏斗包括：活动曝光、落地页浏览、商品页点击、加购、提交订单、支付成功、确认收货。每个环节都要有独立的转化率，并与日常基线对比。
如果加购到提交的转化率低于日常，通常是满减门槛设计不合理；如果提交到支付的成功率下降，则要排查支付环节是否有异常、或者用户是否在结算时发现运费太高。
我把促销参与用户分为三类，处理方式完全不同：
（1）品牌新客：之前没有任何消费记录。这类用户的获客成本要单独核算，并追踪30天和90天的复购率，判断长期回报。
（2）老客唤醒：已有消费记录，但促销前30天没有下单。这类用户被促销重新激活，属于“召回型转化”，值得用优惠成本换回。
（3）老客囤货：促销前30天内刚买过，促销期间又买了。这类订单本质是在透支未来需求，分析时要标记为“消耗型增量”，不能算作新增长。
以前团队复盘只看销售额，后来我们把每一笔订单的真实成本拆解到SKU级别，包括：商品成本、包装、平台佣金、支付通道手续费、优惠券核销成本、按重量分摊的物流费用、预计退款的逆向物流费用、以及客服人力成本。
拆完账目后发现，某款低价引流单品每单实际净利润一直是负的。它存在的意义本来是拉新，但如果拉来的新客没有后续复购，这个SKU就成了持续失血的漏洞。
回到前面提到的食品品牌案例，我把更详细的数据放出来。需要说明的是，以下数据均来自脱敏后的客户项目复盘记录，不对应任何可识别主体。
这场5天店庆活动，全渠道GMV为1160万元。如果只报告这个数字，它看起来是一场成功的活动。但拆到明细，情况完全不同：30天后退款冲减82万元，营销投放215万元，优惠券核销68万元，仓储物流新增成本35万元，客服人力新增16万元。扣完这些，实际利润增量只有41万元，净利率不足4%。
我们发现，不同渠道的增量贡献和成本结构完全不一样。
达人内容渠道贡献了52%的销售额，但退货率高达29%，其中三成以上退货原因是“冲动购买后后悔”。搜索渠道贡献的销售额只有18%，但退货率仅为9%，并且新客30天复购率达到22%，是内容渠道的2.3倍。
私域社群渠道虽然销售额占比不高，但复购率最高，达到31.8%。这验证了一个判断：私域用户是被验证过的存量资产，促销对这部分人群的作用是激活，不是拉新。
分析订单的用户行为数据后，我们发现一个重要规律：通过短视频内容链路进来的用户，决策时间短、客单价低、退货率高；通过搜索和比价进入的用户，决策时间长、客单价高、退货率低。这个规律在行业里并不新鲜，但这次复盘中体现出的差异幅度值得注意。
用户质量的差异，在30天复购数据上反映得更清楚。达人渠道新客复购率只有8.7%，搜索渠道新客复购率达到23.4%。只看获客成本，达人渠道更便宜；但看有效用户的获取成本，搜索渠道更划算。
我们把这组数据和该品牌上一场同类型活动做了对比。上一场活动没有做严格的成本分摊，只统计了GMV和退款率，得出“基本打平”的结论。改用同样的方法重新计算后，上一场活动的实际利润增量为负值。
这个结果直接改变了品牌的渠道预算结构。原本七八成预算放在纯种草类内容渠道，调整后，搜索渠道和信息流渠道预算占比从18%提升到42%，同时限制了达人铺量数量，提高选品门槛。
至少拉取过去8到12周的分日销售数据，按星期维度建立自然销售基线。同时留意三个信号：同类竞品是否有大促撞期、平台是否有周期性活动、天气和季节性因素是否会影响品类需求。基线不准，后续所有增量分析都失去参照。
活动期间每天中午12点和晚上10点，固定看两个数据快照：当天的单位获客成本，以及截至当前的净利润预估。一旦获客成本超过阈值，立即调整投放出价；一旦发现优惠券核销率异常高，立即排查是否存在漏洞和套利风险。
不要等到活动结束后30天一次性复盘，要设置三个节点：
（1）活动结束后24小时内：快速汇总GMV、退款率、客单价、毛利初值，给出“初版结论”，给管理层一个即时判断。
（2）活动结束后7天：合并完整的退货和回款数据，给出“修正结论”，此时大部分冲动消费退款已经完成。
（3）活动结束后30天：追踪新客复购和连带销售，给出“最终结论”，只有这个时间点的分析才建议用于全年预算分配。
一份好的复盘报告不要只写一个总数字。要把每个品类的增量情况、每个渠道的成本结构、每层漏斗的效率变化都拆开，才能回答“下一场活动打哪个品、投哪个渠道、用哪种机制”这些真正关键的问题。
品牌在起步期和成熟期的促销目标完全不同。起步期品牌需要先把单品销量打出来，接受利润为负，换来的应该是搜索排名和用户存量。成熟期品牌需要控制折扣深度，保住品牌调性和利润盘。
复盘时，判断标准不同，指标权重也要不同。起步期看新客增速、品类排名、复购率；成熟期看利润、退款率、老客留存。用同一个模板套两种阶段，一定会得出错误结论。
内容渠道的优点是流量大、起量快，缺点是用户意图不明确、转化质量差、退货率高。搜索渠道的优点是用户意图明确、转化质量好，缺点是流量上限低、竞争价格高。
复盘时不应该问“哪个渠道好”，而应该问“这个渠道在当前预算下的边际获客成本是多少”。渠道没有绝对的优劣，只有相对于预算规模而言的优先级。
促销活动的长期价值，体现在新客质量和复购率上。如果一场活动拉来10万新客，只有5%在60天内有二次购买，获客成本再低也是浪费。反之，如果拉来3万新客，25%形成了稳定月度复购，即使这场活动不赚钱，它也是一次值得投入的资产建设。
某咖啡品牌做过一次“买一送一”活动，单次活动利润为负。但活动新增会员中18.6%在90天内完成了第二次购买，是日常运营获客效果的2.1倍。把90天周期内的复购利润拉平计算，这场“亏损”活动的真实回报反而高于日常投放。
复盘不是越多越好。每次复盘都要消耗人力成本：数据整理、口径对齐、跨部门会议，一场中型活动深度复盘要消耗6到8个人日。如果每场小活动都做深度复盘，投入产出不划算。
我建议按活动贡献度分级：GMV超过月均20%的活动做深度复盘，其他活动只做标准化数据快照。把精力集中在大活动上，才能保证每一份报告都有足够的分析深度。
促销复盘的价值，从来不在于把已经发生的数字解释一遍，而在于让下一场活动的每一分钱都花得更值。我的判断是，能看见利润增量的团队，和只能看见GMV的团队，半年后的差距会体现在预算分配效率和增长质量上。你下一步需要做的，是拉出过去两场活动的订单明细，用30天窗口重新计算一次净利润。你会发现，“看起来成功的活动”和“真正赚钱的活动”之间，可能隔着一条很宽的河。
每次大促完，团队都拿着ROI说话，ROI不到3就说是亏损。但我发现ROI高的时候可能只卖了几百件，ROI低的时候反而清掉了积压库存。到底该用哪些指标才能全面评估促销效果？真的只看ROI就够了吗？
先说结论：ROI是重要指标，但它只能衡量“投入产出”的效率，无法回答“卖了多少、赚了多少、对品牌有什么长期影响”。我在复盘一次食品大促时，发现某爆款ROI高达4.2，但总销量只有300件，因为客单价高，利润确实不错；另一个日用品ROI只有1.9，却带来5000多单，还把积压了半年的老款清完了。
如果只看ROI，后者会被误判为失败。我建议按“效率+总量+质量”三个维度建一个基础复盘表。效率维度用ROI、CPM、每单获取成本；总量维度用GMV、订单量、客单价；质量维度用毛利率、新客占比、90天复购率、清库存率。比如一场促销，如果ROI低但毛利率为正、新客占比高、清库存率高，那就是值得做的；
如果ROI高但退货率30%，算上退款实际是亏的。实际操作中，我会先算“增量ROI”，用活动期销售额减去预测的自然销售额，再除以促销总投入。这个数字能告诉你每一块钱投入真正带来多少增量。接着算毛利率，把满减、优惠券、平台抽佣都扣掉，看单笔订单的真实盈利。
最后结合库存周转天数，看促销有没有优化库存结构。这样一套组合下来，才能避免被单一指标误导。
每次促销复盘，老大问增量是多少，我就把活动期销量减去上周销量，但这样显然不准，因为本来就有自然增长，而且促销前大家都在等降价，上周销量肯定低。到底有没有更靠谱的测算增量销售的方法？有没有人实操过？
用“活动期销量-上周销量”是新手常犯的错误。因为促销会透支前后两天的订单，导致基线被扭曲。我做过的最靠谱的方法叫“预测基线法”：拿活动开始前4-6周的历史数据，剔除大促和异常值，用简单的移动平均或线性回归预测“如果不做促销，活动期每天的自然销量”。然后用实际销量减去预测值，得到增量。
比如我给某服饰品牌复盘“618”活动时，用前5周每天订单量做回归，预测出活动期自然订单量是每天830单，实际活动期平均每天2100单，那么增量就是1270单/天。再乘以客单价和毛利率，就得到增量毛利。这个方法成本低，Excel就能算，比用复杂模型更好落地。
但要注意三个陷阱：第一，如果活动前有预热预售，那么预热期的销量已经包含了部分活动销量，基线会被高估，增量会被低估；第二，如果品牌在活动同时投放了广告或开了直播，这部分增量会被混在一起，最好单独打点；第三，如果竞争对手也在促销，会抢走一部分自然订单，这时预测值也应做相应调整。
更严谨的团队可以用“双重差分法”，选一个没有做促销的相似区域或人群做对照组，但一般品牌用预测基线法已经够用。
我们做促销时同时投了抖音、小红书、公众号，还做了线下地推。最后销售数据都进了同一个后台，老板问哪个渠道最有效，我却说不清楚。用最后一笔点击归因好像也不对，因为很多用户看了抖音又来了公众号才下单。到底应该怎么拆分渠道效果才不失真？
归因是促销复盘里最容易被各种“算法”糊弄的部分。我实际操盘过一场品牌日大促，当时简单用各渠道广告后台自己的归因数据加总，销量居然比实际GMV高了30%。原因就是重复归因和滞后归因。后来我改用“渠道专属标识”来强制分流：公众号放专属二维码、抖音放专属券码、线下扫口令码，每个渠道分别统计领券和核销。
这样虽然不能百分百覆盖，但数据至少能对上总账。更精细一点，我会给每个用户打上“首次触达渠道”和“成交前最后一次渠道”两个标签。然后单独统计“首触渠道”的拉新贡献和“末次渠道”的转化贡献。比如我的数据显示：抖音首触带来的新客占40%，但直接转化率只有3%；公众号首触少，但末次转化率高到12%。
这说明抖音适合做曝光拉新，公众号适合做临门一脚。如果只按末次归因，抖音的价值会被严重低估。在写复盘报告时，我会用一张“渠道贡献矩阵”表格，横轴是渠道，纵轴是“曝光量、首触新客数、末次转化数、客单价、退货率”。不要只看GMV，要看每个渠道的客单价和退货率差异。
比如之前一场促销，直播渠道GMV最高，但退货率35%，算下来实际利润很低；而社群渠道虽然GMV只有直播的三分之一，退货率只有8%。有了这个对比，老板才知道下个季度该把预算往哪里倾斜。
每次大促做完，销量就像过山车，活动期冲得很高，活动一停直接掉到谷底。新客来了不少，但感觉都是为了便宜来的，之后就不买了。怎么用数据分析促销对用户长期价值的影响？怎么判断这场促销到底是在拉新还是透支未来销售？
促销的长期效果往往被忽略。我复盘过二十多场促销后得出一个判断标准：如果促销拉来的新客30天复购率低于自然新客的一半，那这场促销基本是在“花钱买流水”，对品牌资产没有正贡献。具体做法是，把活动期的新客单独打标签，拉出他们后续30天、60天、90天的复购率和客单价，与同期自然新客做对比。
我分享一个真实案例：某零食品牌在3月做了一场“满99减20”，活动期新客数增长了180%，但跟踪发现这些促销新客的90天复购率只有9%，而自然新客是17%。也就是说，促销带来的流量里多半是价格敏感型用户，没有忠诚度。
后来我们把策略改成“首单立减10元+下单后送一张满99减15的复购券”，复购率从9%提到了15%，虽然活动期GMV少了点，但90天整体营收反而更高。另外，要计算“促销透支指数”。把活动结束后一周的销售与预测的自然销售做对比，如果低于预测值的部分超过活动增量的20%，就说明促销明显透支了未来需求。
比如我用某3C配件的复盘数据，活动期多卖了300万，但活动后一周实际销量比预测少了80万，那么透支约27%。这种透支如果发生在清库存场景可以接受；但如果是新品推广，就说明活动节奏和力度有问题。复盘时建议把“活动期增量、活动后缺口、净增量”三个数字放进报告，老板一眼就能看出这场促销到底是赚是亏。
读者评论
文章里用双重差分法拆增量的思路很实用，尤其是对照组的设计，能避免把自然增长算成促销功劳。不过实际操作中，找到完全不受活动影响的对照组并不容易，这点可能还需要结合品类特性做更多验证。
最触动我的是那个GMV 3000万但利润为负的案例。很多团队复盘只盯着前台数据，忽略了退款、物流、客服这些隐性成本。建议每个做电商的都把成本分摊到SKU级别算一遍，不然真的不知道钱被谁吃掉了。
归因窗口那段说得太对了。以前只看7天ROI，总觉得投放效率很高，后来拉到30天一看，数据完全是另一回事。尤其是达人渠道的延迟转化和退货率，不拉长时间根本看不出来。这篇文章值得转给老板看，避免被表面GMV误导。