01
收藏高，说明商品有记忆点
用户可能认可外观、功能、内容表达、价格预期或品牌信任，因此愿意把商品放入自己的决策池。这个动作比单纯浏览更主动，但主动程度仍然低于加购和支付。
判断重点：先把“被看见”与“被保留”分开，再看保留之后有没有下一步。
01 · 先讲核心结论
收藏率是用户“保留兴趣”的温度计，不是单独的销售预测器
如果只记住一句话，我建议记住这一句：收藏率更适合回答“用户是否愿意为这个商品保留后续决策权”，而不是直接回答“今天能卖出多少件”。只有当收藏行为与有效访客、商品价格、复访、加购、优惠触达和支付结果放在同一条链路里，收藏率才会从一个表面热闹的数，变成可执行的经营信号。
02
收藏高但支付低，往往存在阻力
常见阻力包括价格超出即时预算、运费或售后说明不清、购买时机未到、库存和规格不确定，也可能是内容流量带来了大量轻兴趣用户。此时不能简单下结论说商品“卖不动”。
判断重点：收藏之后的等待时长、优惠触达和加购率，比收藏率本身更能定位问题。
03
收藏低，不一定代表商品没有价值
低收藏可能来自入口曝光过宽、商品决策周期短、用户更习惯直接购买、收藏按钮位置不明显，或者详情页没有告诉用户为什么值得稍后回来。低收藏必须结合购买率和客单价解释。
判断重点：不要用一个行为指标否定一类商品，要用目标和场景判断它是否健康。
1个 收藏率只代表一层意向，不能替代完整漏斗。
3类 至少区分曝光、访客、点击三种常见分母。
7天 示例分析中可用观察窗口追踪收藏后的行为。
4段 浏览、收藏、加购、支付需要形成连续解释。
02 · 定义口径
先把收藏率算对，再讨论它意味着什么
很多团队争论“收藏率高不高”，根源不是观点不同，而是大家使用了不同的分母。一个通过推荐流曝光计算的收藏率，和一个通过商品详情页访客计算的收藏率，描述的是完全不同的行为。我的建议是：看板上永远同时展示指标名称、统计对象、时间范围、去重规则和数据来源，避免只有一个孤立百分比。
收藏率的三种常用口径
| 口径 | 公式示例 | 更适合回答的问题 | 主要风险 |
|---|---|---|---|
| 曝光收藏率 | 收藏人数 ÷ 商品曝光人数 | 内容或推荐入口是否吸引用户停留并保留商品 | 曝光可能只是短暂掠过，分母质量差异大 |
| 访客收藏率 | 收藏人数 ÷ 商品详情页访客人数 | 详情页是否让看过商品的用户产生保留意愿 | 不同渠道访客意图不同，不能直接混在一起 |
| 点击收藏率 | 收藏人数 ÷ 商品卡点击人数 | 商品卡标题、主图和卖点是否吸引进一步了解 | 点击量小的时候波动很大，需观察样本量 |
| 用户收藏率 | 发生收藏的用户数 ÷ 去重访客数 | 有多少真实用户把商品加入长期考虑范围 | 跨设备、跨周期去重规则会改变结果 |
示例：某商品有1000名详情页访客、80人收藏，则访客收藏率为8%。如果同一商品有5000次曝光，曝光收藏率则是1.6%。两个数字都可能正确，但不能用它们互相替代。
看板上至少补齐五个字段
- 统计时间
明确是自然日、活动周期，还是用户进入后的滚动窗口。 - 统计粒度
按商品、店铺、渠道、用户分层，避免将不同对象混成一条均值。 - 去重方式
说明按设备、账号、访客还是事件次数计算。 - 分母定义
把曝光、点击、访客和有效访客明确写出来。 - 后续窗口
收藏后1天、3天、7天的复访和支付要可以回溯。
03 · 背景与真实场景
用户为什么收藏：同一个动作，背后可能有四种需求
在实际分析中，我不会把收藏直接翻译成“喜欢”。用户的行为会受到预算、时间、使用场景、家庭决策和促销预期影响。把收藏拆成动机，才能决定后续应该改内容、调价格、做提醒，还是减少无效流量。
⌁
比较型收藏
用户正在比较多个品牌或多个规格，收藏是为了留下候选项。常见于家电、家具、数码设备、婴童用品等决策成本较高的商品。
观察信号：同一用户在短时间内收藏多个相似商品，随后反复查看参数、评价和问答。
¥
等待型收藏
用户认可商品，但希望等到降价、发薪日、平台大促或优惠券到账再购买。此时收藏是一个价格敏感度和购买时机的线索。
观察信号：收藏后对优惠、降价提醒和活动页面的访问明显增加。
↗
内容型收藏
用户被搭配方案、教程、测评或生活方式内容吸引，但尚未形成明确购买计划。这种收藏数量可能很高，支付转化却需要更长时间。
观察信号：内容互动充分，但商品详情页停留和加购行为弱，来源多为内容推荐入口。
场景一：高客单耐用品
以“示例商品：一台标价3999元的家用设备”为例，用户收藏后可能需要等待家庭成员讨论、确认尺寸、比较售后或安排预算。对这类商品，收藏后的7天复访率、参数页访问次数、咨询率和加购率更重要。若只观察当天支付，容易把正常的长决策周期误判成流量无效。
场景二：低客单快消品
以“示例商品：一款标价39元的日用品”为例，用户可能直接购买而不收藏，也可能因为凑单、补货或临时需求收藏。对于这类商品，收藏率不一定是首要目标，应优先关注复购率、连带购买率、优惠使用率和履约体验。
04 · 拆解常见误区
不要让一个漂亮的百分比替你做出错误决策
指标的价值不在于看起来高，而在于能否稳定地解释业务变化并指导下一步动作。下面这些误区在日报、活动复盘和商品评估中都很常见。
误区一：收藏率高，商品一定会爆卖
收藏是一种低成本的延后选择，用户无需立刻承担支付成本。收藏可能表达兴趣，也可能表达“先放着”“等降价”“以后有需要再看”。如果商品的收藏率从5%升到8%，但收藏后7天支付率从12%降到6%，这更像是意向增加但成交阻力也增加，不能只宣传前一个数字。
改进做法：把“收藏率”和“收藏后支付率”放在同一张趋势图中，观察两者是否同向。
误区二：收藏率低，说明详情页一定有问题
如果商品来自高意向搜索词，用户可能直接购买；如果商品来自低意向广泛曝光，收藏率则会被大量无关访客稀释。详情页问题只是可能性之一，还要排查流量来源、价格带、库存、购买频次和页面加载体验。
改进做法：先分渠道、分新老用户、分价格带计算，再对相似流量进行对照。
误区三：只看平均值，不看分布
全店平均收藏率为4%时，可能是少数爆款达到15%，多数商品低于1%；也可能是所有商品都稳定在3%到5%。两种分布对应的经营策略完全不同。平均数会隐藏商品生命周期、类目差异和流量质量。
改进做法：增加P50、P75分位数和商品分层，至少区分新品、成长品、成熟品和尾部商品。
误区四：把收藏行为当成用户承诺
用户可以收藏很多商品，却只购买其中一个。收藏数量越多，越需要通过后续事件判断真实优先级。尤其在内容平台或大促期间，用户可能批量收藏，这种收藏的边际价值与日常收藏不同。
改进做法：建立收藏后的事件序列，区分一次性收藏、重复访问收藏和最终成交收藏。
05 · 专业判断逻辑
用“收藏率 × 后续行为 × 场景”建立意向判断
我更倾向于把收藏率视为一个中段信号。它前面连接着曝光和详情页体验，后面连接着复访、加购、咨询、优惠领取和支付。分析时可以采用“先分组、再看路径、最后做动作”的顺序，而不是直接按照高低排名。
A
第一层：确认流量质量
先判断收藏来自哪里。搜索、老客、私域、站内推荐、达人内容和付费广告的用户预期不同。来源结构变化，可能比商品本身变化更快地影响收藏率。
- 渠道访客占比是否发生明显变化
- 新客与老客收藏率是否出现反向波动
- 有效停留和详情页深度是否达到基本标准
B
第二层：确认商品吸引力
在同渠道、同类目、相近价格带中比较，观察主图、标题、卖点、评价、规格、配送和售后是否产生差异。收藏高但点击低，可能是商品卡吸引人而详情承接弱。
- 点击率与详情页停留时长
- 评价区、问答区和规格区的访问
- 不同素材版本带来的收藏变化
C
第三层：确认成交阻力
收藏后没有支付，不代表意向消失。要把价格、优惠、库存、运费、信任和决策时长拆开，寻找用户从收藏到加购或支付之间的掉点。
- 收藏后1天、3天、7天的复访率
- 降价或优惠触达后的转化差异
- 咨询问题是否集中在价格和售后
示例：不同后续行为组合的意向层级
下面的雷达图是方法演示，不代表任何平台的真实基准。它把收藏率、复访、加购、支付和优惠响应转化为相对评分，帮助团队先建立共同语言，再根据自己的历史数据校准阈值。
阅读方式：高收藏但低加购的组合，适合先解决价格、规格或信任阻力；收藏和复访都高但支付低，通常值得进一步测试优惠触达和售后说明。
06 · 数据观察
趋势、分层与路径要一起看
单日数据特别容易受活动、素材、库存和偶然流量影响。为了避免过度解读，我会把趋势观察、用户分层和行为路径放在一起。下面两张图仍然使用标注清楚的示例数据，展示分析结构而不是提供行业标准。
示例：四周收藏率与收藏后支付率
收藏率上升并不等同于成交效率提升。观察两条线的距离，可以快速发现“兴趣增长”和“成交阻力”是否同时存在。
示例口径：收藏率按详情页访客计算；收藏后支付率按发生收藏的去重用户计算。两项指标的分母不同，不能直接相减后作为真实流失率。
示例：收藏用户来源结构
来源结构能够帮助我们判断，是高意向搜索带来了收藏，还是内容曝光扩大了上游兴趣。
示例仅用于说明看板组合方式。来源占比不能单独证明渠道优劣，还要结合渠道成本、后续复访、支付金额和用户长期价值。
分析路径：从总览进入明细
- 先看总体趋势
确认收藏率的变化时间点，标记活动、改版、价格和投放事件。 - 再拆渠道和商品
找出变化贡献最大的渠道、类目、SKU或内容素材。 - 继续追后续行为
观察收藏用户是否复访、加购、咨询、领券和支付。 - 最后回到用户
按新老客、价格带、地域、设备和购买频次验证假设。
一个实用的对比原则
优先做“同类可比”，而不是“全局排名”。相近价格、相似流量来源、相同生命周期、相近库存状态的商品，才适合进行收藏率对比。对于新品，可以与同类新品的首周表现比较；对于成熟商品，可以看自身过去四周的控制区间。
如果没有足够历史数据，我会先记录两到四周的稳定基线，不急于把第一天的结果定义成成功或失败。分析不是为了尽快贴标签，而是为了减少错误动作带来的成本。
07 · E数通示例
用 E数通把“收藏率变化”连接到业务动作
如果团队目前仍然依赖多个表格手工拼接收藏、加购、支付和渠道数据，可以优先用 E数通搭建一套可追溯的分析看板。这里的案例是虚构的演示场景，用于说明分析思路，并不代表 E数通客户、平台或行业的真实经营结果。
演示背景：一个家居类目团队
假设某家居品牌希望判断一款“示例收纳柜”在内容投放后的真实意向。团队已有商品、流量、收藏、加购、订单和优惠券数据，但过去只能每天人工复制到表格，无法快速回答“收藏增加来自哪里”“哪些收藏最终支付”“哪种内容值得继续投放”。
在 E数通中，可以先按照日期、渠道、内容素材、商品、用户类型和价格带建立分析维度，再将收藏事件与后续行为按用户和时间窗口关联。这样看板不只展示结果，也保留从总数钻取到明细的路径。
演示看板应包含的五个区域
| 区域 | 核心字段 | 回答的问题 | 动作示例 |
|---|---|---|---|
| 总览区 | 访客、收藏率、加购率、支付率 | 本周期整体意向是否变化 | 确认是否需要进入专项分析 |
| 渠道区 | 来源、成本、收藏、复访、支付 | 哪个渠道带来有效意向 | 调整预算与内容分发 |
| 商品区 | SKU、价格、库存、收藏后支付 | 高收藏商品卡在哪里 | 优化优惠、规格和库存表达 |
| 路径区 | 浏览、收藏、加购、咨询、支付 | 用户在哪一步停下 | 定位页面和交易阻力 |
| 明细区 | 日期、用户、事件、订单关联 | 指标变化是否可追溯 | 复核口径并支持复盘 |
第一步：统一数据口径
把“收藏人数”和“收藏次数”分开，把“访客”与“曝光人数”分开，并在指标说明中写出时间窗口和去重规则。统一口径后，团队讨论会从“你这个数为什么不一样”转向“这个变化该怎么处理”。
第二步：做分层看板
将商品按照收藏率和收藏后支付率分成四类：高收藏高支付、高收藏低支付、低收藏高支付、低收藏低支付。四类商品不能使用同一套策略，分层看板可以让资源投向更明确。
第三步：建立复盘闭环
每次调整主图、标题、优惠或投放后，记录变更时间并观察后续窗口。看板不仅要显示指标，还要标注动作，让团队知道变化发生后做了什么，以及动作是否带来可验证的改善。
演示结论：工具的价值在于缩短判断链路
如果一个团队每天需要花几个小时汇总数据，很多问题会在分析开始前就失去时效。E数通的价值可以从“连接数据、搭建指标、下钻明细、共享看板和持续复盘”几个方面理解：它不是替业务做判断，而是让指标口径更清楚、证据更容易被看见、行动结果更容易被追踪。
在实际使用中，我建议先从一个核心类目和一条清晰链路开始，而不是一上来制作几十个页面。先跑通“渠道—商品—收藏—加购—支付”的最小闭环，再根据团队的问题增加用户、内容、库存和利润维度。
08 · 分层方法
四象限不是结论，而是安排优先级的入口
将收藏率和收藏后支付率交叉，可以快速形成一个管理框架。阈值需要根据自己的历史基线确定，下面的标签仅用于演示。不要直接把示例阈值套到其他类目或平台。
高收藏 · 高支付：放大有效优势
这类商品既能吸引用户保留，又能在合理窗口内完成成交。可以重点检查高效渠道和素材是否能够复制，关注库存、履约和评价是否成为下一阶段的限制因素。
- 保留有效卖点，测试相邻人群和相似商品
- 避免频繁大改页面，保护已经验证的转化路径
- 关注缺货、发货慢和售后波动带来的意向损耗
高收藏 · 低支付：优先排查成交阻力
用户已经愿意保留商品，但支付没有跟上。价格、优惠门槛、规格复杂度、运费、信任信息和购买时机都可能是阻力。此类商品通常比低收藏商品更值得优先做实验。
- 按用户价格敏感度测试优惠，而不是全量降价
- 补充尺寸、材质、售后、对比和真实使用信息
- 观察收藏后复访和领券行为，判断阻力类型
低收藏 · 高支付：避免只追求收藏
这可能是短决策链路商品，也可能是搜索流量精准、用户直接下单。若支付效率健康，没有必要为了提高收藏率而增加复杂的营销动作。指标要服务于目标，而不是让目标服从指标。
- 检查直接购买率和复购率是否稳定
- 把资源用在供货、履约和连带购买上
- 确认低收藏不是按钮不可见或埋点异常
低收藏 · 低支付：判断是否继续投入
这类商品需要先排查数据和流量，再决定优化或止损。不要仅凭一次活动数据下结论，可以对比相似商品、检查库存状态和页面体验，并给出明确的观察周期。
- 先确认是否获得了有效曝光和真实访客
- 检查商品价值表达、评价数量和交付承诺
- 若多轮实验无改善，再考虑减少投放或下架
示例进度：一套收藏率分析看板的成熟度
以下进度条是项目管理示例，用来表达从“能看到数字”到“能用数字决策”的建设阶段，不代表任何团队的真实完成度。
统一收藏率口径82%
接入渠道与商品维度68%
关联收藏后行为56%
建立实验复盘机制39%
09 · 不同情况下的行动建议
先判断问题发生在哪一段，再选择动作
收藏率并不是“越高越好”的单向指标。针对不同的业务状态，我会优先采取不同动作，同时明确可能的代价和需要继续观察的指标。
情况 A
收藏低，点击也低
收藏低，点击也低
先改商品卡表达，不急着调整价格
这通常说明用户还没有被商品卡吸引到详情页。可以测试主图信息层级、标题关键词、核心利益点和适用场景，确保素材表达与目标流量一致。取舍是：素材测试需要时间，也可能短期降低稳定流量，因此应保留对照组，避免一次性替换所有版本。
情况 B
收藏高，复访高，支付低
收藏高，复访高，支付低
优先排查交易阻力与价格预期
用户已经多次回来，说明兴趣没有消失。此时可以检查价格竞争力、优惠门槛、库存、运费、配送时效、售后承诺和评价内容，并对不同价格敏感度人群做分层优惠。取舍是：全量降价可能损伤利润和价格心智，建议先小范围测试优惠券、组合购或增值权益。
情况 C
收藏低，支付高
收藏低，支付高
不要为了好看的收藏率破坏短链路
用户可能已经明确需求，浏览后直接购买。此时应观察支付转化、复购、客单价和履约指标，只要经营目标健康，就不必强行增加收藏引导。取舍是：不追收藏可以减少一个可见指标，但能避免把用户从直接购买路径引向额外操作。
情况 D
活动期收藏暴增
活动期收藏暴增
把活动收藏和日常收藏分开看
大促期间的收藏可能包含大量等待优惠的用户，也可能包含批量收藏行为。应在活动前、活动中和活动后分别计算，并跟踪收藏后支付、优惠领取和活动结束后的复访。取舍是：分开统计需要更细的数据结构，但能避免用活动峰值误判日常商品能力。
情况 E
不同渠道差异很大
不同渠道差异很大
先做渠道归因，再讨论页面优劣
搜索用户、内容用户和广告用户的决策阶段不同。不要把某一渠道的低收藏直接归因于商品或详情页问题。可以比较同渠道内不同商品、同商品不同渠道的收藏后行为，并把成本和支付价值纳入最终判断。取舍是：归因越细，分析成本越高，应先选择贡献最大的渠道。
10 · 不同情况下的取舍
数据分析不是追求所有指标同时增长
业务资源、用户注意力和利润空间都有限。一个成熟的分析方案需要告诉团队“什么值得做”，也要告诉团队“什么暂时不要做”。
追收藏，还是追支付？
新品认知阶段可以把收藏作为内容和卖点验证信号；成熟商品和库存周转阶段，则应把支付、利润和履约放在更靠前的位置。收藏率上升但支付下降时，不能用前者掩盖后者。
要不要给收藏用户优惠？
优惠可以缩短等待，但也可能训练用户先收藏再等待降价。建议根据用户价格敏感度和商品毛利做分层实验，优先使用限时权益、组合方案或服务权益，而不是简单全量降价。
要不要增加更多埋点？
埋点不是越多越好。先保证收藏、加购、支付、优惠和来源等核心事件稳定，再补充页面区域、素材版本和咨询主题。每增加一个字段，都要回答它将支持什么决策。
我会优先投入的三件事
- 建立统一指标字典，让每个数字都有分母、周期和去重规则。
- 把收藏后的复访、加购、咨询、领券和支付串成时间窗口。
- 用同类可比的分层看板替代全店平均值和单日排名。
我会暂时避免的三件事
- 只因为收藏率低，就立即全量改价或重做商品页面。
- 只看活动当天数据，就评价长期商品价值和用户质量。
- 在口径不一致时，把不同渠道、不同类目和不同生命周期商品硬排一张榜。
11 · 落地清单
从明天开始，可以这样搭建收藏率分析
如果你还没有完整的数据体系，不必等待所有数据都完美。可以用一个小范围、短周期、可复盘的项目先验证方法。
第1天
确定业务问题，例如“内容渠道带来的收藏是否有后续价值”，并写清楚收藏率的分子、分母和时间范围。
第2—3天
整理商品、渠道、访客、收藏、加购和支付字段，检查日期格式、商品编码、用户标识和重复事件。
第4—5天
制作总览、渠道、商品和路径四个看板区域，先让团队能从总数下钻到明细。
第2周
选出一到两个高收藏低支付商品，设计页面、价格或权益实验，并预先写好成功标准。
一次完整复盘应回答的十个问题
| 序号 | 问题 | 为什么重要 |
|---|---|---|
| 1 | 收藏率的分母是什么？ | 决定指标描述的是曝光吸引力、点击后的兴趣，还是详情页承接能力。 |
| 2 | 变化从哪一天开始？ | 帮助关联活动、页面、价格、投放和库存事件。 |
| 3 | 变化主要来自哪个渠道？ | 避免把渠道结构变化误判为商品能力变化。 |
| 4 | 哪些商品贡献了变化？ | 决定优化对象是单品、类目还是整体流量。 |
| 5 | 收藏用户是否复访？ | 判断收藏是即时兴趣还是可持续考虑。 |
| 6 | 收藏后是否加购或咨询？ | 帮助定位支付前的实际意向强度。 |
| 7 | 优惠是否改变支付结果？ | 区分价格阻力和其他信任、产品、履约阻力。 |
| 8 | 新客和老客是否不同？ | 不同用户生命周期需要不同内容和权益。 |
| 9 | 是否有埋点或库存异常？ | 先排除数据问题，再进行业务解释。 |
| 10 | 下一步动作和观察周期是什么？ | 让分析从报告结束延伸到可验证的行动。 |
12 · 热门问答
关于电商收藏率，团队最常问的七个问题
以下回答按照搜索和实际运营中常见的疑惑组织，并尽量用可落地的案例说明技术术语。案例中的数字均明确为示例，不代表行业真实基准。
电商收藏率到底是什么意思？为什么我看到不同报表里的收藏率不一样？
我经常会疑惑：同一个商品，为什么日报显示收藏率为8%，渠道报表却显示1.6%，到底哪个数字正确？答案通常是分母不同。8%可能是收藏人数除以详情页访客，1.6%可能是收藏人数除以曝光人数；前者更接近详情页承接意愿，后者更接近从广泛曝光到保留行为的效率。分析时应同时标注分子、分母、统计时间和去重规则，而不是只比较百分比大小。
收藏率越高越好吗？收藏率高但成交很少，应该怎么判断？
我会先把这个问题拆成两部分：用户是否愿意保留商品，以及保留之后为什么没有完成购买。收藏率高、复访率高但支付低，可能意味着用户认可商品，却受到价格、优惠门槛、规格复杂、运费、售后或购买时机影响。可以建立“收藏后1天、3天、7天支付率”，再对比不同价格敏感度人群，而不是直接认为收藏行为没有价值。
收藏率低是不是说明商品详情页做得不好？我应该先改页面还是先改价格？
我不会只凭收藏率低就立即改页面或降价。先看商品卡点击率、流量来源、详情页停留、评价访问和直接支付率：如果点击也低，可能是主图和标题吸引力不足；如果点击高但收藏低，才更值得检查详情页价值表达；如果收藏低但直接支付高，说明用户可能不需要收藏即可完成决策。通过同渠道、同价格带的对照后，再决定改内容还是改价格。
如何分析收藏用户的真实购买意向？只看收藏后支付率够不够？
收藏后支付率是重要结果指标，但单独看仍然不够。一个用户收藏后没有支付，可能已经复访、咨询、领券，或者在其他设备完成购买；如果只看最终订单，过程中的意向信息会丢失。我建议建立事件序列，至少连接收藏、复访、详情页深度、加购、咨询、优惠领取和支付，并按时间窗口观察。这样可以把“没有立即成交”和“完全没有后续行为”区分开。
大促期间收藏量暴涨，是不是说明活动效果特别好？活动后应该看哪些数据？
我会保持谨慎，因为大促中的收藏行为可能混合了等待优惠、批量加入、内容互动和真实购买计划。活动后应拆分活动前、活动中、活动后的收藏用户，追踪支付率、优惠领取率、复访率、退款率和复购表现。如果收藏量增长但活动后没有复访和支付，可能只是短期兴趣；如果收藏后支付和复购也改善，才更有理由判断活动带来了有效用户。
E数通适合用来分析收藏率吗？我只有商品、渠道和订单数据，能不能开始？
如果目标是把收藏率与渠道、商品、加购和订单关联起来，E数通可以作为搭建分析看板和统一口径的工具。即使暂时只有商品、渠道和订单数据，也可以先完成商品与订单趋势、渠道贡献和价格带分析；当收藏事件和访客数据准备好后，再补充收藏率及收藏后行为。建议从一个类目和一个核心问题开始，不必等待所有字段一次性齐全。文中的E数通场景为方法示例，不代表具体客户效果。
收藏率应该按天看，还是按周看？新商品和老商品的判断方法一样吗？
日粒度适合发现活动、改版、库存和投放带来的突发变化，但容易受样本量影响；周粒度更适合看稳定趋势和商品分层。新品可以观察首日、首周和第二周的收藏及后续行为，老商品则更适合与过去四周或相同季节基线比较。无论选择哪种周期，都要同时展示访客量，避免小样本下的高收藏率制造错误信心。
13 · 结尾总结
把收藏率从“结果数字”变成“下一步动作的入口”
收藏行为很有价值，但它的价值来自上下文。它告诉我们用户愿意把商品暂时留在自己的选择范围内，却没有承诺一定会购买。真正专业的分析，是用统一口径说明收藏率，用分层方法识别差异，用行为路径解释原因，再用小范围实验验证动作。
核心观点总结
- 收藏率是中段意向指标。它位于曝光、点击和详情页体验之后，位于复访、加购、咨询和支付之前。
- 先确认口径，再做比较。曝光收藏率、访客收藏率和点击收藏率回答的是不同问题，不能混用。
- 收藏高低必须结合场景。高客单商品可能需要较长决策周期，低客单商品可能直接支付而不收藏。
- 收藏高但支付低是一个值得研究的机会。它可能说明商品有吸引力，只是价格、信任、规格或履约存在阻力。
- 不同渠道、商品生命周期和用户类型要分开看。全店平均值很难直接支持具体行动。
- E数通的使用重点是建立从数据到决策的短链路。统一指标、关联明细、下钻路径和持续复盘，比制作更多孤立图表更重要。
可操作建议一：今天就做的检查
打开现有报表，找到收藏率最高和最低的商品各五个，补上访客量、渠道、价格、库存、加购率、收藏后复访和支付结果。先确认这些数字的分母是否一致，再判断是否真的存在差异。
可操作建议二：本周可以验证的实验
选择一个“高收藏低支付”的示例商品，只改变一个变量，例如补充价格权益、优化售后表达或简化规格说明，保留对照组并观察至少一个完整决策窗口。用结果验证判断，而不是凭感觉继续叠加动作。
