一家做家居小件的网店,10 月底把各渠道后台的数据汇到一张表里:搜索广告后台报 420 单,信息流广告后台报 380 单,联盟分销后台报 260 单,自家会员短信报 180 单,统计工具里直接访问和品牌词搜索共 80 单。五项加起来 1320 单。可财务系统里,这个月实际收款、没退款的订单只有 800 单。
多出来的 520 单不是谁造假,而是同一张订单被好几个渠道各记了一次。订单重复计算,指一笔订单在多个渠道的后台里同时被记成“我带来的”,每份报表单看都说得通,合在一起就超过了真实订单数。重复计算没被发现,先出问题的是获客成本(CAC,意思是平均花多少钱拿下一个新客户):分母被撑大,成本就算低了,预算也会被推到看着便宜、其实在抢功的渠道上。 目录
为什么每个渠道都说订单是自己带来的?
各渠道后台是各平台的产品,记功规则由平台自己定,只能看到自己平台内的曝光、点击和统计窗口,所以报表反映的是该平台规则下的贡献。同一位顾客下单前往往接触过不止一个渠道,每个渠道只要满足自己的规则,就会把这单算成自己的订单。
一位顾客,三份报表
假设一位顾客的路径是这样的:周一在信息流里刷到一条广告,没点;周三搜了品牌词,点了搜索广告,逛了逛没买;周五收到会员短信里的优惠券,点进去下了单。
- 信息流后台:看到过广告,下单发生在它设定的统计窗口内,记 1 单。
- 搜索广告后台:用户点过广告,窗口内下单,记 1 单。
- 会员短信:点击了短信里的链接,末次点击就是它,记 1 单。
一张订单,三个渠道各记一次。谁都没算错,只是三份报表各用各的规则。
平台自己的说明里,规则确实不一样
Google Analytics 4 的官方说明列出了三种可选的归因规则:数据驱动归因,按账户数据估算每个触点的贡献来分配功劳;付费与自然渠道的末次点击,把订单价值全部记给顾客下单前末次点击的那个渠道;还有仅限 Google 付费渠道的末次点击。同一页还说明,截至 2026-11-03,首次点击、线性、时间衰减和按位置分配这几种规则,自 2023 年 11 月起已不再提供(Google Analytics 帮助:归因与广告)。
Google Ads 自己的帮助页也把“末次点击”和“数据驱动”并列成两种设置:前者把全部功劳给末次点击的广告,后者按该成交动作的历史数据把功劳分摊到多个互动上(Google Ads 帮助:关于归因模型)。
这说明,即使在同一家公司的两个产品里,同一笔订单的归属也可能因为所选规则不同而不同。换到别的平台,规则、统计窗口和是否统计“只看见没点击”的情况,又各不一样。
移动应用广告的机制更直白。苹果开发者文档对 AdAttributionKit 的说明是:对于安装类订单,赢得归因的广告网络收到 did-win 为 true 的回传,另外最多五个曝光符合条件但没赢的广告网络,也会收到 did-win 为 false 的回传(Apple Developer:AdAttributionKit)。按这套设计,一次安装背后可能有好几个渠道“沾边”,系统只是把没赢的标了出来。正常实现应只按 did-win 为 true 的标记统计归因成交;接收方如果忽略这个字段,才可能把没赢的回传也算成成交,这属于需要自查的风险,不是已知的普遍做法。
重复了多少,怎么算?
先统一统计范围,再算重复系数
先算一个数,叫重复系数:各渠道自报订单之和,除以同期实收订单(或实际新客数)。统计范围要一致,退款、取消的订单要先剔除,时间要对齐到同一个自然月。
回到开头那家网店:
| 渠道 | 自报订单(单) | 本月花费 | 按自报算的单均成本 |
|---|---|---|---|
| 搜索广告 | 420 | 4.2 万元 | 100 元 |
| 信息流广告 | 380 | 5.7 万元 | 150 元 |
| 联盟分销(佣金) | 260 | 2.6 万元 | 100 元 |
| 会员短信 | 180 | 忽略不计 | — |
| 直接访问与品牌词搜索 | 80 | — | — |
| 自报合计 | 1320 | 12.5 万元 | — |
| 实收订单 | 800 |
重复系数 = 1320 ÷ 800 = 1.65。
三个付费渠道的自报订单合计 1060 单,花费 12.5 万元,按后台数据算,平均一单约 118 元。可同样的 12.5 万元,对应的真实订单是 800 单(这里把全部订单都算作付费投放的成果,这样算偏保守),平均一单约 156 元。差了约 32%。如果团队拿 118 元去和客单价、毛利比,回本周期会被算短一截。
以上是一家虚构网店的演示数字,花费和订单都不对应真实公司,用来说明算法。
重复系数怎么读
重复系数没有通用的合格线,不同行业、渠道数量、统计窗口和复购占比下差别很大,目前没有足以覆盖不同行业和渠道组合的统一基准,适合与企业自身历史数据比较。更可靠的读法是做纵向比较:
- 和自己过去几个月的系数比,突然升高,多半是新增了渠道或某个渠道放宽了统计窗口。
- 渠道越多、路径越长、窗口越宽,系数自然越高,换渠道组合后不能直接和旧数字比。
- 系数越高,越不能直接拿后台成本做预算依据;是否需要增量检验,看它是否高于自己的历史水平,以及预算调整的幅度有多大。
后台数据不能信时,用什么做依据?
对账之后还有两个问题:以哪个数字为准,以及怎么知道某个渠道到底带来了多少“没有它就不会发生”的订单。前者靠统一规则,后者靠增量检验。
先定一条全公司统一的订单归属规则
常见做法有三种,没有哪一种天然正确,各有偏向:
| 归功规则 | 做法 | 容易偏向 | 适合 |
|---|---|---|---|
| 末次点击 | 订单全部算给下单前末次点击的渠道 | 偏向靠近成交的渠道,如品牌词搜索、短信、促销入口 | 渠道少、路径短、决策快的生意 |
| 首次触达 | 订单全部算给顾客第一次接触的渠道 | 偏向做认知的渠道,如信息流、内容 | 决策周期长、要先建立认知的生意 |
| 按比例分摊 | 路径上的渠道按固定比例分功劳 | 比例本身带有主观判断 | 渠道多、路径长,需要大致看贡献 |
选哪一种不是关键,关键是全公司只用一种,并写下来。每个渠道负责人如果各看各的后台,每次开会拿出来的都是不同的“真相”。统一规则的表只用自家订单系统的数据作分母,渠道后台只拿来看趋势。
再用增量检验校一次
增量检验,指刻意停掉或削减一个渠道的投放,观察总订单少了多少,少掉的那部分才是这个渠道真正带来的增量。条件允许时,可优先考虑随机留出组:把用户或地区随机分成投放组与不投放组,同一时期并行比较。随机分组要有足够的样本量,且投放组和留出组的用户不能互相串组,否则差异会被稀释;无法随机分组时,再考虑挑几组条件相近的地区做同期对照,并先确认这些地区的历史订单走势、人群和价格本来就相近。
只能做前后比较时,结果只算粗略差额。需求趋势、星期结构、竞品活动、库存、天气和其他渠道的变化,都会混进差额里,要用同期基线、星期权重和置信区间校正,不能把差额直接当成增量。
延续网店的例子,假设信息流广告在 11 月上旬停投两周,只能前后比较:停投前日均约 26 单,停投期间日均约 20 单,粗略差额 6 单。而信息流后台自报的日均订单约 12 单。初步看,后台自报的订单里,大约一半在停投后依然发生了,它们可能本来就会下单,也可能被别的渠道接住了。
按这个粗略差额初步估算:
- 信息流本月花费 5.7 万元,按月折算,差额订单约 6 × 31 ≈ 186 单。
- 估算的单均成本 ≈ 57000 ÷ 186 ≈ 306 元。
- 后台自报单均成本 150 元。
初步估算出来的成本约是后台数字的 2 倍。这是假设数字,真实结果可能更大也可能更小,还会随时间波动。但它说明了一件事:预算该往“后台看着便宜”的渠道走,还是往“停了就会少单”的渠道走,两种依据可能给出相反的答案。
做检验时要避开哪些干扰
- 停投期间避开大促、节假日和价格调整,否则少掉的订单可能是季节造成的。
- 时间至少覆盖一个完整的购买周期,周期长的生意要拉到几周。
- 一次只动一个渠道,同时停两个,算不清各自的贡献。
- 停投本身有成本,量小的渠道可以先改成地区或人群分组对照。
- 一次检验的结果只代表当时的状态,渠道价格和竞争会变,要定期重做。
三步对账表:拿着自家数据走一遍
三步各看什么
对账可以压成一张对着自家数据逐步走的流程,每一步都有结论,走完就知道下一步动什么:
| 步骤 | 要做的事 | 看哪个数 | 判断 |
|---|---|---|---|
| 一、总量对账 | 自报订单合计 ÷ 实收订单,月度、剔除退款 | 重复系数 | 与自己过去几个月比:基本持平,抽检即可;明显升高,做步骤二 |
| 二、定规则 | 选一条归功规则,只用自家订单系统数据作分母 | 各渠道按统一规则算出的单均成本 | 若排名与后台排名差别很大,说明后台在抢功,进入步骤三 |
| 三、增量检验 | 挑花费较大、或后台成本低得格外“漂亮”的渠道,条件允许时做随机留出,否则做同期地区对照 | 增量订单与增量单均成本 | 增量成本明显高于自报:削减预算前先复测;与自报接近:该渠道的后台数据可暂时信任 |
容易失真的三个地方
用这张表时,还要同步核对:
- 分母是订单还是新客。复购订单会被各渠道抢功,算获客成本应只数首次购买的新客。
- 统计窗口是否一致。有的渠道窗口是 1 天,有的是 7 天甚至更长,窗口越长,越容易把别的渠道带来的单也收进来。
- 自然来源有没有被剔出。品牌词搜索和直接访问里,有一部分本来就会成交,不属于任何付费渠道。
如果对账后发现某个渠道严重依赖单一平台的流量,还要结合 渠道依赖过高有哪些风险 里的压力测试再查一遍;得出的成本偏低而留存偏弱的情况,则可以用 低 CAC 增长一定健康吗 的五项检查继续看。获客成本的各个分项怎么拆,见 获客成本 CAC 怎么算。
对账之后,预算怎么动
对账本身产生不了订单,它的用处是让预算调整有个站得住脚的依据。
先做小幅试验
重复系数明显升高、估算成本明显高于自报的时候,先别大幅削减某个渠道,它可能和别的渠道在合作成交。调整幅度没有通用比例,取决于三件事:该渠道的基线订单量、订单本身的自然波动、检验要看出差异所需的样本量。先用历史日订单算出正常波动范围,试验幅度要大到足以在这个范围之外被看出来,又小到出现亏损时可以承受。可以先做小规模预试验,只用来探路、看大致方向;方向明确后,再按上述条件设计正式检验。
看总订单,不看单个后台
调整之后看自家订单系统的总订单,而不是该渠道后台。总订单没降,再继续削;总订单跟着降,说明这个渠道带来了增量,要保留甚至补投。
渠道功劳纠缠时怎么办
两三个渠道的功劳互相纠缠时,不用非得给每个渠道算出一个精确的数。更务实的做法是:分清哪些渠道主要做认知、哪些主要做成交,认知渠道看有没有带动品牌词搜索和新客总量,成交渠道看成交效率。
这套方法只能检查渠道数据是否值得采信,不能直接替代企业的预算决策;调整前还要结合毛利、库存和现金流。实际的统计窗口、规则和数据权限,以各平台当前的官方说明和自家数据为准。
常见问题
Q: 各渠道自报订单加起来大于实收订单,是平台在虚报吗?
答: 通常不是。多数情况是同一张订单被多个渠道按各自规则同时记了一次。每个平台只按自己看得到的数据和规则记功,每一份报表单看可能都自洽。问题出在把它们相加,而不是任何一份本身。
Q: 重复系数是不是必须降到 1 才算正常?
答: 不必。只要有两个以上渠道同时触达同一批人,系数就会大于 1。要关注的是它有多大,以及你有没有一条统一的规则把它压到可解释的范围。系数高本身提示后台数据需要折算,而不是说投放无效。
Q: 没有技术团队,做不了增量检验怎么办?
答: 可以用个简单办法:选一个预算较大的渠道,挑没有大促的时段,按上文的规则先做小规模预试验,同时记录总订单的变化;幅度和时长取决于该渠道的基线订单量和自然波动,不设固定比例。也可以按地区做对照,一部分城市照常投放,另一部分暂停。条件有限时,只能得到大致方向,不必追求精确。
Q: 末次点击、首次触达和按比例分摊,应该选哪一种?
答: 看生意的决策周期。路径短、当天决定的生意,末次点击偏差较小;决策周期长、要先建立认知的生意,只用末次点击会低估做认知的渠道。不管选哪种,全公司只用一种,并配合增量检验定期复核。
Q: 直接访问和品牌词搜索的订单,应该算谁的功劳?
答: 这部分订单里有一部分来自顾客早前接触过的广告、口碑或线下,也有一部分本来就会买。没有增量检验时,建议单列为“自然来源”,不分给任何一个付费渠道,再观察付费渠道调整后这部分是否跟着变化。
Q: 移动应用的广告,数据受隐私规则限制,对账是不是更难?
答: 是的。移动端的归因回传由系统平台统一规定,如上文苹果 AdAttributionKit 所示,赢得归因和没赢的广告网络都会收到回传,具体规则由平台限定,渠道层面的订单更不容易逐人核对。这时更应该用总量对账和增量检验,别指望靠逐单追踪解决问题。
Q: 渠道很少,也需要对账吗?
答: 需要,只是可以更轻。哪怕只有两个渠道,每月做一次“自报合计 ÷ 实收订单”也只要几分钟,它能很快暴露统计窗口设置不一致、把复购订单算成新客这类基础问题。
参考资料
版本 1.0 · 更新于 2026-11 · 文中网店的渠道、花费与订单数据均为假设演示,不对应任何真实公司;各平台的归因规则和统计窗口会调整,以其官方页面当前说明为准,不构成投资或投放建议。