你在青柠优选的第一个任务不是写 SQL,而是回答一个问题:这家公司靠什么赚钱?
6 月 GMV 901.5 万元,环比只涨 2.85%。老板问:“这个增长健康吗?”
如果你只会算 GMV,这个问题没法回答。
本章给你三张地图:收入公式、四种商业模式、用户生命周期。
它们决定了你该看哪些指标,以及同一个数字在不同生意里到底意味着什么。
数据不是从表里长出来的,是从生意里长出来的。同一个 5.6%,放在电商、内容、SaaS 里, 可能分别是“太低”“正常”“灾难”。这一节先把生意的骨架搭起来。
所有生意的收入,都能拆成四个乘数。先别急着记,先把量纲对一遍—— 这是判断公式有没有用错的最快方法。
流量是人;转化率是“支付人数 ÷ 访客数”,乘出来是支付人数;复购是人均下单次数(单/人), 乘出来是订单数;再乘客单价(元/单),才是收入(元)。所以第四项一定不是“复购率”, 而是“复购次数”。量纲对不上,公式就是错的。
把青柠优选的数字填进去,你会立刻看到一个陷阱:四个数来自三个口径。
| 乘数 | 取值 | 口径 | 说明 |
|---|---|---|---|
| 流量 | 2,000 | 6 月抽样访客数(去重) | 不是全月 UV |
| 转化率 | 5.6% | 支付人数 111 ÷ 样本访客 2,000 | 样本内口径 |
| 客单价 | 10,078 元 | 全库 GMV 157,363,380.14 ÷ 15,615 单 | 不是 6 月单月 |
| 复购 | 1.22 单/人 | 6 月注册用户 852 单 ÷ 698 人 | 29 笔游客单不计入 |
那这个公式有什么用?它告诉你:收入只有四个杠杆。每一项 +10%,收入都 +10%, 但拿到这 10% 的成本和速度完全不同。买量当天见效,停投即停;提转化要改产品,按周算; 提客单价靠品类结构,按季度算;提复购靠会员和履约,按半年算。 分析师的价值,是判断“哪个杠杆最便宜”,而不是四个一起抓。
很多文章把第四项写成“复购率”,19.77% 直接乘进去,量纲就错了。 复购率回答的是“有多少人回来”,人均下单次数回答的是“回来的人下了几单”。 6 月 698 人下了 852 单,1.22 才是乘数;19.77% 是 138 ÷ 698,用来看健康度。
如果不这样会怎样:你用 19.77% 当乘数,算出来的收入会比实际少八成, 然后得出“复购是最大短板”的错误结论,把预算全砸进会员体系。
收入公式是通用的,但每一项的“正常值”由商业模式决定。看懂一门生意,先看它靠什么收钱、钱花在哪。
| 模式 | 收入结构 | 成本大头 | 关键指标 | 青柠优选对照 |
|---|---|---|---|---|
| 电商 | 商品差价、佣金、广告 | 采购、履约、流量 | GMV、转化率、客单价、复购、退款率 | 本业:3C 社区电商 |
| 内容 | 广告、会员、内容付费、带货 | 内容生产、带宽 | DAU、时长、完播率、eCPM | 不适用 |
| SaaS | 订阅费、实施费、增值模块 | 研发、销售、云资源 | MRR/ARR、续费率、流失率、回收期 | 不适用 |
| 本地生活 | 佣金、配送费、广告 | 履约、补贴、地推 | 订单密度、履约时长、商户数、补贴率 | 线下门店部分类似 |
拿复购率举例。青柠优选 6 月复购率 19.77%,在 3C 电商里算健康——高客单、低频、决策重, 用户本来就不会月月买。但同一个 19.77% 放在 SaaS,意味着每月流失 80% 的客户,公司活不过三个月。 指标没有绝对值,只有放在模式里的相对值。
青柠优选还有两个特殊性。第一,3C 品类客单价高(10,078 元),但购买频次低, 所以它的核心不是“提高频次”,而是“首单信任 + 售后体验 + 会员体系”。 第二,社区电商有门店和自提,履约成本的结构和纯线上不同, 只看 GMV 会漏掉“这笔订单到底赚不赚钱”。
用户和生意的关系不是一次交易,是一串阶段。每个阶段解决一个不同的问题, 也对应一个不同的指标。把它们混在一起,就会出现“注册涨了,但收入没涨”的困惑。
前段(访客→注册→激活)解决“来不来、有没有留下痕迹、有没有体验到价值”。 看 UV、注册转化率、激活率。这一段最容易自嗨:注册数涨了,但用户没做任何有价值的事。
中段(留存→付费)解决“会不会回来、愿不愿意付钱”。看次日/7 日留存、首单转化率。 青柠优选 6 月样本的支付转化率 5.6%,6/1 次日留存 14.29%(280 → 40)。
后段(复购→推荐)解决“会不会再买、会不会带来人”。看复购率、人均下单次数、推荐占比。 6 月 698 人下单,138 人复购,复购率 19.77%,人均 1.22 单。
你说“我们要提升激活率”,但埋点表里只有注册和支付,没有激活事件——这个指标永远算不出来。 更糟的是,团队会拿“注册率”冒充“激活率”,数字好看,问题还在。
如果不这样会怎样:半年后复盘,你发现“激活率提升了 20%”, 其实是注册流程少了一步。留存没变,因为用户还是没有体验到价值。
激活是用户第一次真正体验到产品价值的时刻。判断标准不是“你觉得”, 而是“做过这件事的人,后续留存显著更高”。同一家公司,不同业务的答案完全不同:
| 业务 | 候选激活行为 | 为什么是它 |
|---|---|---|
| 电商 | 30 天内完成首单 | 3C 决策重,首单就是价值验证:正品、配送、售后都跑通了 |
| 内容 | 连续 3 天看满 10 分钟 | 单次打开不算价值,形成消费习惯才算 |
| SaaS | 建第一个项目并邀请 1 位同事 | 单人使用没价值,协作跑通才是产品价值 |
不能照抄,因为价值主张不同:电商卖放心,内容卖时间,SaaS 卖协作效率。 激活行为必须满足三个条件:发生得早、可埋点、与留存有显著差异。
找法:取同期群,按“首周是否做过 X”分两组,比 7 日和 30 日留存。差异最大的 X 是候选, 但它只是相关,还要 A/B 验证(第 20 章)。
三个条件缺一不可:发生在新用户早期、能被埋点记录、做过与没做过的人留存差异明显。 只满足前两个,可能找到一个“人人都会做”的动作;只满足后两个,它发生得太晚,来不及干预。
如果不这样会怎样:你把“绑定手机号”定为激活,全公司优化绑定率, 绑定量涨了 30%,留存一动不动——因为绑定不是价值,只是手续。
公式和阶段是通用地图,业务链路才是这家公司的实际地形。 画链路不是为了给老板看,是为了找出数据断点。
这张图上有三个数据断点,每一个都会让某一类指标失真:
断点一:游客订单。青柠优选不强制注册,565 单游客订单占总订单的 2.8%。
这些订单有金额、有商品,却没有 user_id。按用户统计,它们会整批消失;
按订单统计,它们又是真实收入。6 月 881 单里就有 29 单是游客单。
断点二:渠道归因。订单表里有 channel,但注册前的触点没有按用户落库。
你只能知道“这一单来自信息流”,不知道用户是先看了朋友推荐、又点了信息流广告才下单。
只按订单渠道算 ROI,会把功劳全给最后一次点击。
断点三:线下门店。门店渠道的订单能统计,但到店客流、试穿、咨询没有落到 user_id。
线上线下的同一批人,只能靠手机号或订单号弱关联,复购率会被低估。
说不出,就是数据断层。断层不一定是坏事——业务上可能就该这样(比如游客下单)。 但你必须知道它在哪里、影响哪个指标,而不是假装它不存在。
如果不这样会怎样:老板问“6 月到底多少人买了”,你报 698, 实际还有 29 个游客;财务按订单报 881 单,两边在会上吵起来。
这一节把生命周期从“概念”变成“能算的表”。你要为七个阶段各定义事件、属性和口径, 然后用 6 月数据填一版基线。填不出的地方,就是数据缺口。
目标:产出一张事件字典,七个阶段全覆盖,每个指标都能算出分子和分母。 材料:青柠优选的业务背景和 6 月经营数字,一张纸或 Excel。
| 阶段 | 事件 | 触发时机 | 关键属性 | 指标口径 |
|---|---|---|---|---|
| 访客 | 浏览 | 打开商品详情 | user_id、page、device | UV = 去重 user_id |
| 注册 | 注册成功 | 手机号验证通过 | register_date、channel | 注册转化率 = 新注册 ÷ 访客 |
| 激活 | 加购 | 点击加入购物车 | user_id、product_id | 激活率 = 加购人数 ÷ 新注册 |
| 留存 | 次日任意事件 | 次日首次打开 | user_id、event_time | 次日留存 = 次日活跃 ÷ 首日活跃 |
| 付费 | 支付 | 支付成功回调 | order_id、pay_amount | 转化率 = 支付人数 ÷ 访客 |
| 复购 | 窗口内第二次支付 | 第二笔支付成功 | user_id、order_date | 复购率 = 下单 ≥2 次人数 ÷ 下单人数 |
| 推荐 | 未埋点 | 点击分享 / 接受邀请 | — | 缺口:只能用渠道字段近似 |
events.event_type 的枚举值:本库只有浏览、加购、下单、支付四种。users.register_date,推荐没有对应事件。user_id;游客单单独标 user_id IS NULL。event_time / order_date;统一到天,注意时区。page、device、city、channel。pay_amount、商品数、优惠金额。它们贡献了真实的 GMV。删掉,6 月 GMV 少 34.2 万元;不删,用户数又对不上。正确做法是订单口径和用户口径分开报。
6 月 881 单里有 29 单是游客单,注册用户下了 852 单。852 ÷ 698 = 1.22。若用 881 ÷ 698 = 1.26,分子分母就不是同一群人了。
本章有两个必会的数:复购率和人均下单次数。它们长得很像,口径完全不同。
不看前面的正文,凭第一反应选。选完立刻出解析。
按“现象 → 原因 → 解决”整理。业务分析里的错,八成出在口径和阶段错位上。
| 现象 | 原因 | 解决 |
|---|---|---|
| 链路图画不出来 | 不知道公司靠什么赚钱 | 先访谈运营和老板,从“钱从哪来”倒推 |
| 四个乘数相乘,和总额差很远 | 四个数来自不同口径 | 用同一时间窗、同一人群重算;公式只找杠杆 |
| 复购率算出来 40% | 分母用了全部注册用户 | 分母改成“窗口内下单人数” |
| 激活率算不出来 | 没有激活事件埋点 | 先定义事件再补埋点,别用注册代替 |
| 用户数和订单数对不上 | 游客单没有 user_id | 订单口径含游客,用户口径不含,分开报 |
| 每个渠道 ROI 都很高 | last-click 归因,自然流量被挤占 | 看增量:留一组对照,或做投放暂停实验 |
| 注册涨了,收入没涨 | 把注册当激活,用户没体验价值 | 找与留存强相关的早期行为,重新定义激活 |
| 指标换到别的行业就失效 | 没放在商业模式里读 | 先确认收入结构、成本结构和付费频率 |
1. 示例(外卖):流量 = 首页 UV,转化率 = 下单人数 ÷ UV,客单价 = GMV ÷ 订单数,复购 = 订单数 ÷ 下单人数。四项都按同一城市、同一周取数。
2. 游客单让“下单人数”偏低;last-click 让“渠道 ROI”偏高;线下门店让“复购率”偏低。每个断点都要在报告里注明方向和大致幅度。
3. 示例:候选行为“首周加购 2 件”。按是否做到分两组,比较 30 日留存;若差异显著,再做 A/B 实验验证因果。
4. 示例(内容 App):访客看首页、注册、激活(连续 3 天看满 10 分钟)、留存(次日回访)、付费(开会员)、复购(续费)、推荐(分享链接)。