数据指标的解读
# 数据指标的解读
结论
看数据先看分子分母的口径。"整体"和"净"差的是退款/取消，ROI 差的是分母。
一、整体 vs 净成
| 口径 | |
|---|---|
| 整体成交 | 所有成交订单，含后续可能退的 |
| 净成交 | 扣掉退款/取消后的真实成交 |
判断真实盈利能力必须看净的。整体数据好看可能是因为退货还没发生。
二、ROI 的通俗解释
支付 ROI = 成交金额 / 投流消耗
净成交 ROI = 净成交金额 / 投流消耗
- ROI > 1：投 1 元回来超过 1 元
- ROI < 1：在亏钱买量
- 看 ROI 要成对看：整体 ROI 和净 ROI 的差值就是风险敞口
- 差值大 → 退款率高，需要查产品或履约
三、实际案例读数（投流看板）
| 指标 | 数值 | 环比 | 读数 |
|---|---|---|---|
| 消耗 | ¥4,378.77 | ▼3.51% | 投入端在收缩 |
| 成交订单 | 30 单 | ▲50% | 单量在涨 |
| 成交金额 | ¥7,706 | ▲72.39% | |
| 客单价 | ¥146.83 | ▼35.29% | ⚠️ 单笔变小 |
| 整体 ROI | 1.75 | ▲76.77% | |
| 净成交 ROI | 1.69 | ▲77.89% | 与整体差 0.06，风险可控 |
核心信号：少花钱、多办事、效率提升，但客单价大幅下滑 —— 要查是低价品占比上升，还是优惠策略变了。
四、为什么必须看自然流量/内容/用户画像
你原来只看了投流数据。补上这三块才能回答：
- 自然流量：区分"产品自己长"和"买来的量"，付费占比过高不健康
- 内容数据：解释为什么转化变了（内容质量影响转化率）
- 用户画像：客单价下滑到底是人群结构变了，还是同一群人买便宜了
只看投流指标 = 只看漏斗最后一段，做不了归因。
五、为什么数据不可替代（四条理由）
提出任何产品主张前先问：这个效果能否被量化、用什么指标量化？无法量化的主张，说服力等于零。
| 理由 | 说明 |
|---|---|
| 量化产品价值 | 价值主张不能被量化，就无法评估好坏、无法争取资源 |
| 避免经验局限 | 没有关键指标只能凭感觉，受个人经验局限，难以持续做对决策 |
| 统一团队认知 | 核心指标用来表述产品现状，所有人都能明确理解 |
| 支撑决策与复盘 | 数据贯穿分析、洞察、决策，是产品动作的导航 |
核心命题：数据不会被观点打败，数据只能被数据打败。 别人拿数据得出的结论跟你的直觉对不上时，你也必须拿数据反驳。
六、LTV 的算法链路
先算留存数值 → 每阶段付费率、付费金额 → 用户总价值 = 留存用户 × 付费率 × 付费金额
留存只是中间量。 把留存率乘上每阶段的付费率与付费金额，才得到一个能用于决策的金额口径 —— 这也是「指标必须接到价值上」的具体形态（见 北极星指标要量价值闭环）。
待探索
- 每次只看当天数据，缺趋势视角：环比/同周期对比该怎么建