实时界面并不能显示你的全部销售额——6个品牌的小时级数据
我们把6个品牌的订单数据按小时拆开来看。能在实时界面中看到的销售额占比，从29.8%到98.7%不等。
我们把6个品牌的订单数据按小时拆开来看。能在实时界面中看到的销售额占比，从29.8%到98.7%不等。
直播电商和限时特卖都是销售额按分钟而不是按小时变动的活动。所以才有人说“直播结束后再看销售额就晚了”。事实上，页面响应慢100ms，转化率就会下降7%（Akamai）；移动端加载超过3秒，53%的访客会离开（Google）。早几分钟知道，本身就是在守住销售额。
本报告中的数值并非真实交易数据，而是根据Laplace基准指标的分布生成的示例值。它们不是任何特定客户的真实数据，请将其用于把握趋势，而非作为绝对值参考。
PART 1. 实时界面的“视野”因品牌而异
实时分析要成立，订单必须带有时间戳。但并不是所有渠道都会提供时间。电商平台的仓配履约、线下和批发渠道，往往会把订单按天打包传过来，这些订单全部堆在零点。
我们把6个品牌的渠道分成“订单堆在零点的渠道”和“时间真实分布的渠道”两类。
| 实时可见销售额占比的范围 | 6个品牌的中位数 | 实时可见销售额不到一半的品牌 |
|---|---|---|
| 29.8–98.7% | 82.6% | 6个中有2个 |
食品品牌F的10个渠道中只有3个提供时间，这些渠道贡献的销售额仅占29.8%。这个品牌打开实时界面时，看到的是一个缺了七成销售额的画面。保健食品品牌E的情况也类似，为44.3%——它的结构中电商平台仓配履约的占比很高。
相反，自营商城占比高的时尚品牌B、母婴童品牌C、家居厨房品牌D，有80.2–87.6%的销售额能实时显示。开启同样的功能，看到的世界却不一样。
所以第一步不是打开界面，而是先量清楚视野。把订单数据按小时展开，看看有多少销售额堆在零点。这部分永远不会出现在实时界面上。如果视野很窄，就把实时界面当作自营商城专用工具，全公司的销售判断按天来做——最危险的是把半个画面当成全貌。
在Laplace中查看的位置——仪表板 > 销售 > 分期间销售额
PART 2. 一天并没有想象中那么集中
我们是基于“活动会压缩时间”这一前提打开实时界面的。但如果不知道平常的一天集中到什么程度，就无法分辨界面上的数字究竟是活动效果，还是那个时段本来就是这样。
四个品牌的峰值小时都只占全天的6.6–8.0%。把一天平均分成24小时，每小时是4.2%，所以即便是峰值，也只有平均值的1.6–1.9倍左右。曲线形状也很相似——凌晨触底，上午回升，白天整体平缓，晚上9–11点再上升一次。
| 品牌 | 峰值时刻 | 最高1小时 | 前3小时 | 夜间0–6点 | 观测天数 |
|---|---|---|---|---|---|
| 运动户外品牌A | 13点 | 12.4% | 34.3% | 1.2% | 7天 |
| 时尚品牌B | 21点 | 6.6% | 18.8% | 14.0% | 31天 |
| 母婴童品牌C | 10点 | 7.5% | 19.6% | 9.2% | 30天 |
| 家居厨房品牌D | 23点 | 8.0% | 23.1% | 9.4% | 31天 |
| 保健食品品牌E | 22点 | 7.1% | 20.3% | 11.0% | 30天 |
有一个例外。运动户外品牌A最高1小时占12.4%，前3小时占34.3%，明显更尖。但这个品牌只有3个渠道，观测天数也只有7天——规模小的时候，一天的结果由寥寥几单决定，本来就会显得很尖。这就是为什么在把集中度解读为活动效果之前，要先确认样本量。
所以，判断“现在订单正在集中涌入”，一定需要基线。晚上10点订单增加，可能不是因为活动，而是那个时段本来就是峰值。比较对象应当是同一星期几、同一时刻的平常曲线，或者过去活动在同一经过时点的数据。拿绝对时刻和绝对时刻比，两者都不是。
在Laplace中查看的位置——仪表板 > 销售 > 分期间销售额
PART 3. “实时数和确认数不一样”，大部分原因是增值税
实时界面上的数字是快报数，与确认销售额不同。人们常说“通常差5–15%”。我们把这个差额究竟由什么构成拆开来看了看。
结果很清楚。纯粹的取消和退款只有3.3–8.0%，其余9.1个百分点是增值税。两者合计为12.4–17.1%——人们常说的“5–15%”，真相就是这个。差额的一半以上不是取消，而是税。
| 品牌 | 增值税 | 取消/退款 | 合计差额 | 取消/退款 p90 |
|---|---|---|---|---|
| 时尚品牌B | 9.1% | 8.0% | 17.1% | 15.3% |
| 母婴童品牌C | 9.1% | 5.1% | 14.2% | 10.5% |
| 家居厨房品牌D | 9.1% | 5.2% | 14.3% | 9.3% |
| 保健食品品牌E | 9.1% | 3.3% | 12.4% | 6.2% |
在实际工作中区分这两者之所以重要，是因为它们的性质不同。增值税是常数，提前扣掉再看就行；但取消和退款每天都不一样。时尚品牌B的中位数是8.0%，但在排名前10%的日子里会扩大到15.3%。如果笼统地说“我们的差额大约是15%”，就会漏掉真正在波动的那部分。
测量时要统一增值税口径。如果订单销售额和确认销售额中只有一方含增值税，那么即便是几乎没有取消的品牌，差额也会显示为9.1%。我们这次第一次测出来的值就是这样——两个品牌恰好都是9.1%，我们还以为“取消正好就是这么多”，结果统一增值税口径后重新测量，两者都是0%。原来这两个品牌的取消和退款数据根本就没有进来。
PART 4. “促销时差额会变大”，数据里并不存在
有一条经常被引用的原则——促销时冲动购买多，取消和退款也会增加，所以活动刚结束时的“销售目标达成！”报告应当考虑差额。听起来很有道理。我们用397天的数据验证了一下。
两者没有关系。销售额排名与差额排名的相关系数为-0.13–+0.16，四个品牌都接近0；暴涨日（销售额超过中位数2倍的日子）与平常日的差额之差也只有-2.1个百分点至+0.3个百分点。反而有2个品牌在暴涨日的差额变小了。
我们的解读是这样的：暴涨日的销售额大多来自事先策划好的促销，这样的日子里库存、价格、配送条件都提前安排妥当。相反，平常日的取消来自缺货、错发、单纯改变主意等，一直都在发生。与其说活动增加了取消，不如说取消本来就一直存在。
但这并不意味着可以用快报数来评估业绩。差额只是在暴涨日不会特别变大，12.4–17.1%这个量级本身并没有变。改变的是应对方式——不是“因为是促销，扣得会更多，保守一点看”，而是把平常的差额比例当作常数，直接从快报数换算。这样反而更准确。
PART 5. 那么该如何运营
把上面四点直接转化为运营规则，就是下面这样。
| 场景 | 用实时界面做什么 | 需要提前准备什么 |
|---|---|---|
| 直播 | 只看三件事：访问（流量）、下单转化（转化）、与上一场直播同一经过时点的对比（比较） | 上一场直播按经过时间绘制的曲线。没有它就没有比较基准 |
| 促销开场 | 访问保持不变、只有订单下滑的模式 = 支付、库存或页面错误的早期预警 | 平常同一时段的订单水平（图2的曲线） |
| 平常日 | 相对分时段基线进行异常检测 | 最近30天的分时段曲线。按星期几分别保存会更准确 |
| 活动结束后 | 这不是实时界面的工作 | 先用平常的差额比例（12.4–17.1%）换算，再用确认销售额核对 |
开启实时界面之前的4个步骤
-
量清楚视野。按小时展开，确认堆在0点的销售额占比。如果这个占比超过一半，实时界面就应当作为自营商城专用工具来使用。
-
建立基线。把最近30天的分时段曲线截图保存下来。没有它，实时界面上的数字就无从解读。
-
把差额比例提炼为常数。把增值税和取消/退款分开，分别测出各占多少%，即使在活动进行中，也能立刻从快报数换算出确认销售额。
-
明确应对权限。优惠券由谁负责，直播流程由谁负责，页面检查由谁负责。只有监测而没有应对权限，作战室就成了看台。
总结
-
先量清楚实时界面的视野。6个品牌中，实时可见的销售额占比在29.8–98.7%之间，其中2个品牌连一半都看不到。
-
平常的一天并没有高度集中。峰值小时只占全天的6.6–8.0%（均匀分布为4.2%）。判断“现在正在集中涌入”，需要有基线。
-
规模小的时候，本来就会显得很尖。观测天数只有7天的品牌看起来最集中——在把集中度解读为活动效果之前，先确认样本。
-
快报数与确认数之间的差额，大部分是增值税。纯粹的取消和退款为3.3–8.0%，增值税为9.1个百分点。如果不统一增值税口径，即使是没有取消的品牌，差额也会显示为9.1%。
-
没有发现暴涨日差额会变大的关系。相关系数-0.13–+0.16，差值-2.1–+0.3个百分点。差额与其说是活动变量，不如说更接近常数。
常见问题
Q. 实时界面抓不到的渠道，该怎么监控？
实时是做不到的。这些渠道按天进来，属于按日告警的范畴。把角色分开——自营商城和带时间戳的渠道用实时界面看，其余用按日异常检测。想在一个界面里看全部，结果把半个画面当成全貌，风险更大。
Q. 基线应该多久更新一次？
每季度一次就够了。但渠道构成发生变化时，必须立即重新绘制。只要多出一个没有时间戳的渠道，改变的就不是曲线的形状，而是视野本身。
Q. 活动期间有没有办法知道确认销售额？
没有。取消和退款要好几天才会陆续进来。不过，乘以平常的差额比例来换算，结果会相当准确——这次测量中，暴涨日的差额与平常相同，这意味着这种换算在活动期间同样有效。
Q. 对分钟级的涨跌应该反应到什么程度？
不要对单个时间点做出反应。短区间的样本少，本来就会上下波动。上面运动户外品牌A的案例正是这个问题——规模越小，看起来越尖。只在几分钟内的趋势和相对基线的比较之上做判断。
参考资料：Akamai 性能与转化研究 · Google 移动端速度研究
本报告中的数值并非真实交易数据，而是根据Laplace基准指标的分布生成的示例值。它们不是任何特定客户的真实数据，请将其用于把握趋势，而非作为绝对值参考。公开研究的数值已在各项中注明出处。界面名称和设置项名称可能因版本不同而略有差异。