数据分析·作者 数据治理编辑·发布 2026-03-11·更新 2026-04-17
电商数据口径字典:30 个常用指标的定义、公式与常见误区
电商团队最大的内耗之一是「同一个指标大家口径不同」。本文给出 30 个常用指标的标准定义、计算公式、常见误区与使用建议,可直接作为公司内部「口径字典」的初版。
下面是 30 个常用指标的口径字典示例。
第一节:销售类
- GMV:成交金额(含未支付 / 含退款);
- 净 GMV:GMV - 退款金额;
- 订单数:支付成功订单数;
- 客单价(AOV):GMV / 订单数;
- 件单价:GMV / 商品件数;
- 毛利:(售价 - 成本) × 销量;
- 毛利率:毛利 / GMV;
- 连带率:商品件数 / 订单数。
第二节:流量类
- UV:独立访客;
- PV:页面浏览量;
- 跳出率:单页访问数 / 总访问数;
- 曝光:内容被展示次数;
- CTR:点击数 / 曝光数;
- CVR:订单数 / 点击数;
- 获客成本(CAC):获客投入 / 新客数;
- 渠道 ROI:渠道收入 / 渠道成本。
第三节:用户类
- 新客:首次下单的用户;
- 老客:历史下过单的用户;
- 复购率:特定时间段内下单 ≥ 2 次的用户占比;
- 留存率:N 天后仍活跃的用户占比;
- 流失率:特定时间段内无活动的用户占比;
- LTV:用户终身价值,常用「首单后 90/180/365 天累计净 GMV」或「客单 × 复购次数 × 毛利率」;
- RFM:最近消费时间 / 频率 / 金额组合分层。
第四节:投放类
- CPM:千次曝光成本;
- CPC:单次点击成本;
- ROAS:广告回报率(收入 / 投入);
- ROI:投资回报率(利润 / 投入);
- ARPU:平均每用户收入。
第五节:服务类
- 首响时长:用户咨询到客服首次回复的时间;
- 首问解决率:不转接、不二次回访被解决的咨询占比。
第六节:常见口径误区
- GMV vs 净 GMV:对外对齐一致,对内做决策用净 GMV;
- 新客 vs 注册用户:下单才算新客,注册用户未必消费;
- ROI vs ROAS:ROAS 是收入/成本,ROI 是利润/成本;
- 复购率:时间窗口要明确,30 / 90 / 180 天结果差异大;
- LTV:不同公式结果不同,需注明方法。
第七节:字典维护节奏
- 每季度审视一次;
- 变更留版本号;
- 全员通告;
- BI 与 SQL 模板同步更新。
第八节:常见误区
- 团队默认「大家理解一样」;
- 不留版本,翻旧账吵架;
- 报表用旧口径对比新口径;
- 字典只在数据团队知道。
口径字典是数据治理的第一步。不做这一步,看板越漂亮、BI 越贵,争议越多。
TEMPLATE / Excel / Google Sheets 模板
模板使用步骤
GMV / NMV / UV / 转化率 / ROI 等 40 个高频指标的口径、公式与常见误区。
- 1下载到数据部共享盘;
- 2把「公司口径」列填成实际取数口径;
- 3每季度复核一次;
- 4出具公司内部《指标白皮书》。
适合谁:数据治理起点 指标口径对齐 新员工入职培训
更多同类模板请查看模板中心 →
常见问题
以下为可见 FAQ,与 FAQPage 结构化数据一致。
- 为什么要做口径字典?
- 避免团队对同一个指标有不同理解。GMV、ROI、复购率如果口径不同,分析结论会完全相反。
- 字典要不要发全员?
- 建议发。让运营、市场、客服、供应链都用同一套语言。
- 口径变了怎么办?
- 变更需留版本,历史报表按旧口径解读,新报表按新口径;切不可混用。
- 字典多久更新一次?
- 每季度审视一次,重大变更随时更新。
- 字典谁负责维护?
- 建议由数据或运营部门负责人维护,所有团队协同反馈。
标签
本文属于以下专题
进入专题可以看到同主题下的全部相关文章、代表作者与常见问题解答。
相关文章 / 猜你喜欢
同栏目 +1、共享标签 +2;真实相关不足时,用同栏目最新 / 全站最新补位并标注来源。
数据分析·2 分钟阅读·2026-04-17
电商数据看板搭建指南:用 4 屏看懂全局生意
看板不是「图越多越好」,是「让团队一眼对齐生意状态」。本文给出 4 屏标准看板:经营全局、流量结构、商品健康、用户与服务,并附实施步骤与常见数据治理坑。
同栏目《数据分析》;共享标签 #数据治理
数据分析·5 分钟阅读·2026-04-19
电商低代码工作流自动化:10 个高 ROI 自动化场景(附工具)
运营团队 80% 的时间花在「搬数据 / 填表 / 通知」等重复工作。本文给出 10 个电商场景的低代码工作流方案,用飞书多维表格、Zapier、Make、钉钉宜搭等工具,让人力从事务中解放。
同栏目《数据分析》
数据分析·5 分钟阅读·2026-04-19
2026 电商 AI 自动化工具全景:从写文案到客服的 10 大场景
AI 已经从「新奇」进入「生产力」。本文盘点 2026 年电商行业可用的 AI 自动化工具,覆盖 10 个场景(文案、素材、客服、选品、定价、库存、物流、评价、财务、舆情),每个给出 2-3 个代表工具与成本评估。
同栏目《数据分析》
数据分析·4 分钟阅读·2026-04-19
电商数据 ETL 管道搭建:从平台 API 到数仓的 6 层架构
多平台运营第一件事就是把数据打通——天猫、抖音、京东、自研 CRM 数据怎么汇到一个数仓?本文给出 6 层 ETL 架构(接入、清洗、集成、维度建模、指标层、应用层),配合工具选型与落地 Roadmap。
同栏目《数据分析》
数据分析·5 分钟阅读·2026-04-04
电商 RFM 会员分层模型:把用户分成 8 组、ROI 翻 3 倍的实战手册
所有用户一视同仁投流和发券 = 浪费钱。RFM 模型是把 10 万用户分成 8 组、对每组设计不同运营动作的数据工程。本文给出 RFM 的完整计算方法、分层矩阵、每组对应动作、工具清单,让老客复购率提升 40%+ 的落地方案。
同栏目《数据分析》
数据分析·1 分钟阅读·2026-04-08
电商数据看板搭建指南:日报、周报、月报的 18 个核心指标
手把手教你搭建电商店铺数据看板:数据源打通、指标口径、报表结构、异常阈值,附 18 个必看指标的定义与 BI 工具推荐。
同栏目《数据分析》