實戰整合：活動 ROI 掉 20% 怎麼拆解？

你是電商行銷 PM，雙 11 活動結束後第三天，主管丟了一句話過來：「今年活動 ROI 比去年掉了 20%。這到底是通路、商品、流量，還是操作問題？」沒有標準答案，只有一週時間。你不能只回一句「我再看看」，因為團隊下週就要決定是不是續投、要不要補貨、要不要改促案。

這時候你會發現，前四課教的東西根本不是分開的。你得先把問題定義好，才能拆假設；拆了假設，才知道要找哪些證據；證據收回來，還不能停在報表，要收斂成判斷；最後還得給出可執行的建議。這一課不是新理論，而是把前面四課真正串成一條思考鏈，讓你拿到任何活動成效異常時，都知道怎麼走。

Step 1：先問對問題，不要一開始就被「ROI 掉 20%」綁架

ROI 掉 20% 聽起來很大，但你不能直接把它當成完整問題。先問清楚：是跟去年雙 11 同檔期比，還是跟今年 9 月大促比？是整體 ROI，還是只看付費流量？算的是營收 / 廣告費，還是毛利 / 廣告費？是哪個通路跌最明顯，官網、App、還是商城平台？只要這些定義沒先釘住，後面所有分析都可能在錯的題目上打轉。

這一步的目標，是把一句高壓提問，翻成一張工作定義卡。比如你最後確認成：「今年雙 11 官網付費流量 ROI 較去年同期下滑 20%，主要集中在 Meta 新客 campaign，活動第一週最明顯。」這一句一旦定清楚，整個分析難度立刻下降，因為你知道自己不是在查全世界，只是在查一個特定範圍。

電商實戰裡，這一步還要補脈絡。像今年是不是多了直播導購？去年是不是有聯名商品？今年是否提前暖身？SKU 結構有沒有變？如果去年主力是高客單保養組，今年主力變成低價入門組，單看 ROI 差異就很容易誤讀。問題定義越準，後面越省力。

Step 2：拆假設樹，把候選原因一次攤開

問題定義清楚後，下一步不是急著找結論，而是把可能原因系統化。對「活動 ROI 掉 20%」這種題目，通常可以從六到八個方向切：流量品質、素材疲乏、商品承接、價格與促案、庫存與供應、站內體驗、客群結構、歸因口徑。你不一定每次都要八條全查，但至少要先展開，避免只追自己最熟的那條。

可以先長這樣：

接著再把每條原因壓成可驗證假設。例如「促案吸引力不如去年」可以拆成：今年折扣深度較淺、贈品吸引力不足、免運門檻較高；「流量品質變差」可以拆成：泛興趣流量過多、KOL 導流落差、品牌字預算被壓縮。你愈早把這些想清楚，後面愈不會查一堆跟問題沒關的數字。

另一個實戰提醒是，不要忘記「口徑」本身也可能是原因。很多團隊到了活動後才發現，今年用了不同的歸因窗、廣告費納入口徑不同、平台導購營收歸到別的桶子。這種問題不性感，但非常致命。你如果沒先把它放進假設樹，很可能花三天研究商品頁，最後才發現是定義不一致。

Step 3：找證據，讓每個假設都有對應指標、時間窗口、對照

當你有了假設樹，找證據就不能再憑感覺。每個假設都要配三件事：看什麼指標、用什麼時間窗口、跟誰比。像「素材疲乏」要看 CTR、頻次、素材間差異，窗口可看活動前後兩週，對照去年同檔期與同類 campaign；「商品承接弱」要看商品頁到加車率、頁面停留、首屏訊息與缺貨率，對照熱賣商品與一般商品。

你會發現，好的分析不是資料多，而是對照明確。假設你懷疑「新客佔比拉高把 ROI 稀釋」，那就該分新客與回購客去看客單、CVR、ROAS，而不是只看整體。如果你懷疑站內承接問題，就該看活動頁到商品頁、商品頁到加車、加車到結帳的漏斗，而不是停在廣告後台。每個假設都要有最短的驗證路徑。

電商品牌常見的一個誤判，是看到 CPC 上升就認定 ROI 下滑主因是競價變貴。這有可能，但你還是得補看 CTR、落地頁轉換、商品組合和客單。如果 CPC 只升 5%，ROI 卻跌 20%，通常代表後段還有別的洞。證據的工作，就是把這些洞一個個照亮。

Step 4：收斂到 2-3 個最可能原因，不要把整棵樹搬進會議室

分析做到這裡，你會手上有一堆觀察：有些支持假設，有些推翻假設，有些暫時還不確定。下一步最重要的能力，不是再多找一張圖，而是收斂。主管不需要聽完整棵假設樹，他需要知道目前最可能的 2-3 個原因是什麼，以及你為什麼這樣判斷。

例如最後你整理出來的是：第一，流量品質沒有明顯崩，因為 CTR 與 CPC 雖有波動但不足以解釋全部跌幅；第二，主打商品缺貨和缺碼，讓商品頁到加車率明顯低於去年；第三，今年為了擴新客，把低價入門組推得太重，拉低客單與毛利。這三點一出來，團隊就知道不是每一條都要打，而是先抓影響最大的兩三條。

這一步也要誠實面對不確定。比如你可能懷疑推播暖身不足影響回訪，但手上證據還不夠，那就不要硬講成主要原因。可以放進次要觀察，標示需要補資料。成熟的判斷，不是把所有模糊處都講成確定，而是知道哪些已經足夠行動、哪些還需要觀察。

Step 5：把結論翻成建議、執行步驟與風險

最後一段，才是公司最在意的地方。你要把分析結果翻成接下來一週能做的動作，並且說清楚如果做了，要看什麼；如果沒效，要怎麼改。這裡不要只丟一句「優化商品頁」或「調整投放策略」，你要講誰來做、先做哪個、用什麼指標追。

延續前面的例子，一版像樣的建議可以是：第一，把 30% 新客預算從缺貨商品導向完整庫存的高毛利組合；第二，活動頁與商品頁首屏補上免運與到貨時間，並同步把尺寸 / 容量差異寫清楚；第三，將首購券從全站發放改成只投給高意圖加車未結帳族群，避免低價流量過度灌入。風險則包括短期新客量可能下滑、客服問答量增加、以及若補貨不及，預算轉移效果有限。

你會發現，做到這裡，分析就不再只是「知道發生什麼事」，而是「讓團隊知道接下來怎麼做」。這也是為什麼公司最後願意相信有判斷力的人，而不是只會整理報表的人。

AI 協作示範：把一週拆成可操作的工作流

前四課如果是工具箱，這一課要示範的是整套走法。你可以把 AI 當成副駕，幫你整理、展開、壓縮，但方向盤仍然在你手上。下面是一個完整的協作順序：

Step 1｜定義問題
「請幫我把『雙 11 ROI 掉 20%』補成完整問題定義，列出我還缺哪些背景資料要先確認。」

Step 2｜展開假設
「根據這個問題定義，幫我拆出 8 個可驗證假設，並把相近的合併，不要給空泛評論。」

Step 3｜配證據
「把每個假設對應到要看的指標、時間窗口、對照組，整理成一張檢查表。」

Step 4｜收斂判讀
「以下是我查到的數字，請幫我判斷哪 2-3 個原因最站得住腳，並指出哪些推論仍然太弱。」

Step 5｜整理成輸出
「把目前分析整理成給主管的一頁 memo，用問題 / 證據 / 結論 / 建議四段式，最後附 3 個風險。」

這套流程最好用的地方，是你不需要把 AI 當算命師，而是把它當結構化助手。它很會幫你補漏、整理、改寫；但哪些假設值得優先查、哪些數字在你們公司代表真問題，還是要靠你自己。

AI 協作：學了這個，跟 AI 怎麼配合？

這一課的核心，是讓 AI 幫你走完整個框架，但最終整合判斷一定要由你拍板。

你的人類優勢：

• 你知道公司本季 KPI、庫存壓力、檔期策略，能判斷哪個原因最值得先處理
• 你知道組織現實上誰能動哪些槓桿，哪些建議講了也做不到

可以這樣跟 AI 說：

我是台灣電商品牌的行銷 PM。雙 11 活動 ROI 比去年同期掉了 20%，我只有一週要交出建議。請你用五步框架幫我工作：1. 先確認問題定義還缺什麼；2. 拆出 6-8 個可驗證假設；3. 為每個假設配上指標、時間窗口、對照；4. 根據我提供的數字收斂成 2-3 個最可能原因；5. 幫我整理成給主管的一頁 memo，包含建議與風險。請你每一步都提醒我不要把口徑問題和真實業務問題混在一起。

練習題

本課重點回顧

• 先定義題目再分析
• 假設樹幫你系統排查
• 每個假設都要配證據
• 收斂後才能真正決策
• 建議必須帶步驟與風險