提醒应该在百分之几时触发？ — 用两个品牌一年销售额算出的阈值
我们用两个品牌一年的日销售额计算了提醒阈值。常用的±15%在一半的日子里都会触发。
我们用两个品牌一年的日销售额计算了提醒阈值。常用的±15%在一半的日子里都会触发。
关于报表自动化的讨论，通常始于“别再让人每天早上搬运数字了”。这项成本确实不小 — 营销人员仅制作报表每月平均就要花16.4小时（BeastMetrics，247个团队调研），如果把数据管理和汇总也算上，每周高达14.5小时（Treasure Data）。还有审计研究发现，91–94%的手工电子表格存在错误（Panko）。
本报告中的数据并非真实交易数据，而是根据Laplace基准指标的分布生成的示例值。它们并非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. ±15%不是“异常”，而是“常态”
“如果销售额与上周同一天相比波动超过15%，就通知我。”这是首次创建提醒时最常用的设置。从直觉上看，15%听起来是相当大的变化。
我们用两个不同品类品牌的一年日销售额做了验证。
| 家居厨房A的单日销售额波动幅度（中位数） | 运动户外B的单日销售额波动幅度（中位数） | 设为±15%时触发提醒的天数占比 | 此时每月收到的提醒次数 |
|---|---|---|---|
| 14.2% | 17.1% | 49–55% | 15–17次 |
中位数已经达到14.2–17.1%。也就是说，“普通日子”的波动幅度本身就已接近阈值。如果把15%定义为异常信号，一半并不异常的日子也会被一并命中。
降到±10%，62–74%的日子都会触发，几乎就是每天。反过来升到±30%，只有19–26%的日子触发，每月减少到6–8次。阈值翻倍，触发次数会降低2.1–2.6倍。
| 阈值 | 家居厨房A | 每月次数 | 运动户外B | 每月次数 |
|---|---|---|---|---|
| ±10% | 62.4%的日子 | 19.0次 | 73.5%的日子 | 22.3次 |
| ±15% | 48.6%的日子 | 14.8次 | 54.7%的日子 | 16.6次 |
| ±20% | 35.7%的日子 | 10.9次 | 42.8%的日子 | 13.0次 |
| ±30% | 18.9%的日子 | 5.7次 | 26.4%的日子 | 8.0次 |
| ±50% | 8.4%的日子 | 2.6次 | 10.9%的日子 | 3.3次 |
在Laplace中查看 — 监控 > 自定义提醒 > 创建提醒 > 条件
PART 2. “与上周同一天比较”能消除星期效应，但噪声更大
提醒设计的标准做法是与上周同一天比较。如果设为“昨天 vs 前天”，由于周末与工作日的差异，每周都会在同样的位置出现误报。我们过去也一直是这样建议的。
然而在这两个品牌上，结果恰恰相反。
| 比较基准 | 家居厨房A中位数 | A p90 | 运动户外B中位数 | B p90 |
|---|---|---|---|---|
| 上周同一天 | 14.2% | 44.9% | 17.1% | 53.7% |
| 前一天 | 10.9% | 29.1% | 11.7% | 29.7% |
与前一天相比的波动，分别只有与上周同一天相比的0.77倍和0.68倍 — 按前一天比较最多安静32%。即使同样设为±15%阈值，按前一天比较，触发天数也会降至36–38%。
为什么会这样，看一下星期指数就一目了然。
两个品牌星期指数的最高值都是最低值的1.23倍，振幅在±10个百分点以内（A为周日114/周四93，B为周日113/周五92）。相比想要消除的星期效应（±10个百分点），往前跳7天时一并带进来的趋势和促销波动更大。昨天与今天之间只有一天的变化，而上周同一天与今天之间却包含了整整一周的变化。
因此，规则要这样改。“上周同一天”只有在星期效应大的品牌才是正确答案。如果周末销售额是工作日的两三倍，那么与上周同一天比较更合适；如果星期振幅在±10个百分点以内，与前一天比较反而更安静。属于哪一种，看一眼自家品牌的星期指数就能确定 — 制作上面的图3，只需要日销售额这一项数据。
在Laplace中查看 — 仪表板 > 销售额 > 分时段销售额
PART 3. 提醒不会一天就结束 — 告警疲劳
比触发“次数”更重要的是触发如何分布。每月15次均匀分散，和连续响两周后归于平静，是完全不同的体验。
在±15%基准下，家居厨房A在384天中有187天触发，并聚集成74个连续区间 — 每个区间平均2.5天，最长的连续12天。运动户外B更严重，最长连续20天，持续3天以上的区间就有28个。
按照“正常时安静、异常时响亮才是好提醒”的原则来看，±15%是一个根本不存在安静状态的设置。连续3天收到同样的提醒，第4天就不会再打开了。而不再打开之后到来的真正异常信号，也会一并被错过。
PART 4. 阈值不靠感觉，而是从分布中得出
把顺序倒过来，事情就简单了。不是先问“设成百分之几”，而是先确定“一个月想收到几次”。这样阈值就能直接算出来。
确定阈值的3个步骤
-
确定期望的频率 — 如果是附在早间简报里的提醒，每月2–4次比较现实。比这更频繁就没人看，比这更少就起不到监控作用。
-
找出与该频率对应的分位数 — 每月3次相当于观测天数的前10%，即p90。
-
从日销售额变化率的分布中读取p90值，直接填入阈值。两个品牌分别为±45%和±54%。
同样是“每月3次”，阈值数字却分别是±45%和±54%。直接照搬别的品牌的阈值，有的品牌会天天响，有的品牌则毫无动静。阈值不是行业标准，而是自家数据的属性。
| 提醒性质 | 建议频率 | 对应分位数 | 家居厨房A | 运动户外B |
|---|---|---|---|---|
| 日常检查（纳入早间简报） | 每月7–8次 | p75 | ±27% | ±32% |
| 异常检测（独立提醒） | 每月3次 | p90 | ±45% | ±54% |
| 紧急（要求立即确认） | 每季度1次 | p99 | ±162% | ±178% |
如果觉得提高阈值有顾虑，那就拆开。不要在一个提醒上只设一个阈值，而是拆分为“日常检查是每日简报中的一行，异常检测是独立提醒”。每天都会收到的简报不需要阈值 — 反正每天都会打开。只有单独弹出的提醒才需要阈值，而且它必须足够少见才有意义。
在Laplace中查看 — 监控 > 自定义提醒 > 创建提醒
PART 5. 那么该如何配置
应用上述阈值规则，整理出真正好用的五个提醒如下。
| 提醒 | 周期 | 内容 | 阈值 |
|---|---|---|---|
| 早间销售简报 | 每天09:00 | 昨日确认销售额 · 与上周同一天对比 · 各渠道净销售额 · 订单/退款笔数 | 无条件（定时发送） |
| 销售异常检测 | 每天09:00 | 仅在超过阈值的日子发送 · 发生在哪个渠道、哪个商品 | 星期振幅大则用上周同一天p90，小则用环比前一天p90 |
| 库存预警 | 每天08:30 | 预计30天内断货的SKU · 达到再订货点的商品 · 90天无出库库存 | 断货/再订货点按数量判断，无需阈值 |
| 广告效率周检 | 每周一10:00 | 各活动ROAS与POAS并列 · CPA较上周骤升 · 预算消耗率 | 仅CPA骤升用p90，其余全部显示 |
| 月度渠道损益 | 每月1日 | 各渠道净销售额、佣金、广告费、净利润率 · 销售额排名 vs 利润排名 | 无条件（定时发送） |
在设阈值之前，先确认一件事。自动发送常见的失败是“确实自动发出去了，但数字还是昨天的”。有调查显示，85%的数据负责人表示基于过时数据做出的决策造成了成本损失（IBM）。请先开启数据更新完成后发送选项。数据准确性比发送时间更重要。
一个月后的检查
-
查看每个提醒的打开率。成功指标是它，而不是提醒的数量。
-
连续3次未被打开的提醒，将阈值上调一档（p75→p90），或并入简报。
-
反过来，如果有某个数字在会议上总被反复查找，就把它升级为提醒。
-
每个季度重复同样的检查 — 品牌规模扩大后，变化率的分布也会随之改变。
总结
-
±15%不是异常信号。两个品牌单日销售额波动幅度的中位数已达14.2–17.1%，±15%的阈值在49–55%的日子里都会触发。
-
“与上周同一天比较”并不总是更安静。如果星期振幅在±10个百分点以内，与前一天比较反而最多安静32%。选哪一种，看自家品牌的星期指数即可决定。
-
比起触发次数，触发如何扎堆更重要。设为±15%时，最长会连续触发12–20天 — 没有安静状态的提醒很快就没人看了。
-
阈值不是从“百分之几”，而是从“每月几次”倒推出来的。如果希望每月3次，直接填入变化率分布的p90即可。
-
把简报和异常检测分开。每天都会打开的简报不需要阈值，只有单独弹出的提醒必须足够少见才有意义。
常见问题
Q. 观测期较短时，分位数该怎么定？
至少需要3个月（约90天）的数据，p90才会稳定。如果不足，可以先从p75开始，随着数据积累再逐步上调。季节性强的品牌，旺季与淡季的分布不同，每半年重新计算一次更为稳妥。
Q. 销售额以外的指标，也用同样的方法设定阈值吗？
是的。只要是有变化率分布的指标（订单数、广告费、CPA、退款率），“期望触发频率 → 分位数 → 阈值”这一顺序都同样适用。不过，像库存断货、再订货点这类按数量判断的指标，依据的是数量而非分布，因此不需要这种方法。
Q. 提高阈值，不会漏掉真正的事故吗？
真正会漏掉的反而是低阈值。设为±15%时，最长会连续响12–20天，之后就没人再打开了。提高到p90后，每月只来3次，但每次都会被打开。监控的实际效果应当用打开率而不是触发次数来衡量。
参考资料：BeastMetrics（247个团队调研）· Treasure Data · Panko 电子表格审计研究 · Funnel · IBM 数据负责人调查
本报告中的数据并非真实交易数据，而是根据Laplace基准指标的分布生成的示例值。它们并非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。公开研究数据已在各项中注明出处。页面名称和设置项名称可能因版本不同而略有差异。