先把結論放前面：電商團隊真正的瓶頸，幾乎從來不是數據不夠，而是數據太多、判斷太少。我在 ECPRO 每天翻各種電商站的後台與流量結構，看到最典型的畫面是——每週開會點開十幾個儀表板，數字一個一個唸過去，唸完散會，真要決定「這檔加不加碼、這支商品留不留、預算往哪移」，最後拍板的還是一句「我覺得」。這篇不談花俏工具，只想把「有數據卻不會決策」這件事拆給你看，並給你一套每週就能跑起來的流程。
我在 ECPRO 看到最多的，是「假性數據驅動」
很多老闆會跟我說，他們早就數據驅動了，證據是後台裝了一堆分析工具、儀表板做得很漂亮。但工具齊全跟會用數據決策，完全是兩件事。以我實際觀察一批中小型品牌站的經驗，所謂「假性數據驅動」大致有三種樣子，你可以對照看看自己中了幾個。
第一種是報表當儀式在唸。營業額、流量、轉換率、客單價，週會上輪流報一次，數字被講出來就當作「有在看數據」，但沒有任何一個數字被拿去逼出一個決定。數據變成一種安心的儀式感，而不是決策的燃料。
第二種是只慶祝結果，不追過程。業績好就開心、業績掉就檢討，卻沒人去拆「好在哪、掉在哪」。等到某個主要流量來源整段崩掉才發現，往往已經連掉好幾週，錯過最好救的時間點。
第三種最隱蔽，也最傷——拿數據來背書，而不是拿來找答案。當一個決定其實心裡早就定了，人會不自覺去後台撈一個支持自己的數字出來，對自己不利的訊號則自動略過。這在心理學叫確認偏誤，而電商後台維度那麼多，你想找一個「支持你」的切法，永遠找得到。
要跳出這三種狀況，第一步不是換更貴的工具，而是先接受一個觀念：數據的價值不在「你擁有它」，而在「它有沒有讓你做出一個原本不敢做、或做不出來的決定」。沒改變過任何決策的後台，再漂亮也只是裝飾。
先把指標分成兩種：結果指標與行動指標
盯錯指標，是很多團隊的起手式錯誤。如果只能盯一個數字，多數人會選營業額，但營業額是典型的結果指標——它只告訴你昨天發生了什麼，不告訴你今天該做什麼。你盯著它跳動，情緒會跟著上下，但它給不了下一步動作。
真正能驅動決策的，是行動指標：那些拆得夠細、每一格變動都能對應到一個具體處置的數字。轉換率掉了，你知道要去查漏斗哪一段；獲客成本升了，你知道要去看流量結構；回購率鬆了，你知道要去啟動喚回。結果指標讓你知道「輸贏」，行動指標才讓你知道「怎麼打」。
我的建議很直接：週會上結果指標只留一兩個當溫度計，其餘的時間全部花在行動指標上。把儀表板從「炫耀欄位的地方」，改造成「每個數字都連著一個決定的地方」。
我會優先盯的四類行動指標
下面這四類，是我在看任何一個電商站體質時，會先攤開來的數字。它們彼此牽動，缺一角都容易做出偏掉的決策。
一、獲客面：CAC 與流量結構
獲客成本(CAC)是很多品牌長期忽略、卻會默默吃掉利潤的數字：每多帶進一個新客，平均要花多少錢。光看廣告 ROAS 不夠，因為 ROAS 好看不代表 CAC 健康——很可能你漂亮的 ROAS 幾乎全來自老客回購，新客其實一個都沒進來。跟 CAC 一起看的是流量結構：自然、付費、社群、EDM、直接輸入各佔多少。一個健康的站，付費佔比不該無止盡往上爬；如果成長完全靠加廣告預算堆出來，那不是成長，是租來的流量。
二、轉換面：分段轉換率與結帳流失
轉換率不能只看整站平均，要沿著「商品頁瀏覽 → 加入購物車 → 進入結帳 → 完成付款」逐段拆流失。我看站時特別愛先看結帳這一段，因為那是「人都要掏錢了卻跑掉」，背後通常藏著運費策略、付款方式太少、或強迫註冊這種一改就見效的問題。這一段的流失，往往是投報率最高的優化點。
三、價值面：客單價、回購率與 LTV
客單價(AOV)、回購率，加上把兩者放進時間維度的顧客終身價值(LTV)，決定一個電商能走多遠。一個一年願意回購四次的客人，跟一個買完就消失的客人，你後續該投入多少行銷預算完全不同。而 LTV 對 CAC 的比值，是我認為最該掛在牆上的一個數字——健康的生意，這個比值通常要在三倍以上；如果貼近一比一，代表你每拉一個客人賺的錢剛好等於把他拉進來的錢，這種成長是空轉的。
四、履約面：售罄率與退貨率
對有實體商品的電商，售罄率、庫存週轉、退貨率同樣是決策訊號。退貨率突然抬頭，可能是商品頁照騙、尺寸描述不清，或某批貨真有問題——這些都是數據能提早示警、避免變成負評海嘯的地方。
把這四類放在一起，你會得到一張更誠實的體質表：
| 面向 | 核心行動指標 | 看它是為了決定什麼 |
|---|---|---|
| 獲客 | CAC、付費流量佔比 | 要不要繼續加廣告預算 |
| 轉換 | 分段轉換率、結帳流失 | 優化商品頁還是修結帳流程 |
| 價值 | AOV、回購率、LTV／CAC | 該衝新客還是喚回舊客 |
| 履約 | 售罄率、退貨率 | 要不要補貨或下架某支品 |
三個把數據看歪的思考陷阱
盯對指標只是基本功，更難的是「正確解讀」。以下三個陷阱，我看過太多團隊栽進去，包括一些數據能力其實不差的團隊。
陷阱一：把「同時發生」讀成「因果」
「我們上週發了 EDM，當週業績漲三成，所以 EDM 有效。」聽起來合理，但那一週剛好卡在發薪日後、又遇上平台大檔，業績本來就會漲。把同時發生的兩件事直接連成因果，是電商決策最常見的錯。要驗證因果，最乾淨的做法是對照測試——同樣條件下一組發、一組不發再來比。沒有對照組的「成效」，都只能當參考，不能當結論。
陷阱二：被平均數騙，忽略了分布
平均客單價 1,200 元，聽起來不錯。但如果這個平均是一大堆 500 元訂單，加上少數幾筆兩三萬的大單拉上來的，那「1,200 元」其實不代表任何一個真實客人。看分布、看中位數、看區間，永遠比只看一個平均更接近真相。我在幫團隊抓定價與免運門檻時，幾乎不直接信平均，一定先把訂單金額的分布攤開來看，門檻才會設在對的位置。
陷阱三：樣本還太小就下重注
一支新品上架三天賣了二十單，轉換率看起來比舊品高，於是團隊決定砍掉舊品全力推新品。這是樣本不足卻急著做大決策。二十單的波動可能只是運氣、可能是嚐鮮客，根本還沒進入穩定狀態。數據要累積到一定量、跑過一個完整週期(含平日與假日、含檔期與非檔期)，結論才站得住。愈大的決策，愈需要愈長的觀察期。
一套每週就能跑起來的決策 SOP
談完指標與陷阱，最關鍵的是：怎麼讓「用數據做決策」不靠某個特別聰明的人，而是變成團隊每天在跑的流程。以我協助品牌建立營運節奏的經驗，一套能落地的數據決策流程，大致是這五步，你可以直接照抄。
- 先定義要做的決策，別急著打開後台。 先問清楚：這次到底要決定什麼？是預算往哪移，還是某支商品去留？問題定義錯，後面撈再多數據都是浪費。
- 挑出對應這個決策的核心指標，控制在三個以內。 要決定廣告預算配置，就聚焦 CAC、ROAS、各管道新客佔比，別把退貨率也搬出來混淆視聽。
- 看數字，同時逼問「為什麼」。 數字只是入口。轉換率掉了，要往下追是流量品質變差、網站出問題、還是競品在打折。數據告訴你哪裡不對，拆解才知道為什麼不對。
- 做決策的當下，把假設寫下來。 這步最多人跳過卻最重要：「我們認為把預算從 A 管道移到 B，兩週內整體 CAC 會降一成。」寫下來，後面才驗證得了你判斷對不對。
- 回頭驗證，把結果變成下一輪依據。 兩週後回來看假設成不成立，成立就放大、不成立就修正。這個閉環一旋起來，團隊判斷力會一輪一輪長出來，這才是數據驅動真正的複利。
這套流程不需要昂貴工具，一個固定的週會、一份共用的決策紀錄、一個願意被打臉的心態，就能跑起來。現在 AI 也能幫上忙——自動把異常波動標出來、生成初步歸因，讓人把力氣留在判斷而不是撈數字。但要記得，AI 給的是線索，寫假設、下決定、扛結果的還是人。
一個匿名操盤案例：數據逼你做出跟直覺相反的決定
分享一個我看過的案例，細節去識別化。那是一個保健類品牌的官網，進場前團隊每個月固定加大廣告預算，營業額確實一路往上，老闆很滿意。但把數據攤開後有個警訊：營業額是漲了，可是新客 CAC 在大約半年內漲了將近一倍，回購率卻在往下掉。翻白話講，他們是用愈來愈貴的成本，去買一批愈來愈不回頭的客人，等於把未來的利潤提前燒掉。
後來的處置不是再砸更多錢，而是先把一部分預算從衝新客，移到喚回三個月內買過、卻還沒回購的舊客，同時替首購客設計第二次回購的誘因。約莫三個月後，整體營業額幾乎持平、沒有暴衝，但 CAC 明顯回落、回購率拉起來，最重要的是 LTV 對 CAC 的比值從岌岌可危拉回到健康區間。表面上「成長」看起來變慢了，實際上這門生意才真正開始賺錢。
這個案例想講的是：數據驅動有時候會逼你做出跟直覺相反的決定。直覺說「業績在漲就繼續加碼」，數據卻說「你正在虧未來的錢」。能在這種時刻相信拆解後的數據、而不是相信跳動的營業額，就是數據決策真正的價值所在。
收束：數據不是拿來看的，是拿來決定的
從憑感覺到數據驅動，這條路最大的誤解，是以為買了工具、建了儀表板就叫數據驅動。真正的分水嶺在於——你的數據，有沒有真的改變過任何一個決定。把指標分成結果與行動、優先盯獲客與價值那幾個行動指標、避開相關當因果與平均數騙人這些陷阱、再把決策流程閉環起來，數據才會從一堆好看的圖表，變成團隊真正能依靠的判斷力。這件事不分品牌大小，也不用等預算，今天的週會就能開始。