GMV 是「组合结果」，拆解它就是在追问：这一块钱从哪来？
GMV 本质不是一个单纯的结果指标，而是组合结果——增长可能来自流量，也可能来自商品结构、人群或会员运营。
拆解 GMV，本质是在拆解：这一块钱从哪来？下一块钱还能从哪里长出来？要建立完整运营视角，从 GMV 拆解入手最实用、最成体系。
流量
GMV = 流量 × 转化 × 客单价
商品
GMV = Σ 品类销售额
人群
GMV = Σ AIPL 人群贡献
会员
GMV = 新客 + 老客
一、GMV 的流量视角
从流量视角，GMV 增长来自三件事：来了多少人、多少人下单、每人下多少钱。把结果指标还原成用户路径：被看到 → 点进来 → 产生购买。
GMV = 流量 × 转化率 × 客单价
1. 流量层拆解
总流量 = 外部渠道流量 + 内部渠道流量
外部渠道
- 抖音、小红书
- 搜索广告等站外引流
内部渠道
- 店铺首页
- 老客召回
- 会员推送
若有展现量、点击量，可按 展现 → 点击 → 访客 拆漏斗：展现高点击低 → 主图/标题需优化。
流量来源结构
对比自然搜索、付费、活动等渠道占比
推广数据诊断
分渠道拆解展现、点击、访客与 ROI
2. 转化层拆解
转化率不是单一指标，而是逐级流失的漏斗：
1
浏览 → 加购关注本该加购却没加购的情况
2
加购 → 下单对比正常水平找卡点
3
下单 → 支付支付环节流失与优惠/信任
转化漏斗示例
定位浏览、加购、下单、支付各环流失
买家转化路径
上传订单数据，生成全链路转化漏斗
3. 客单价层拆解
客单价 = 笔单价 × 连带率，进一步：件单价 = 标价 × 折扣率
想提升连带率 → 组合销售、满减、搭配推荐；想提升件单价 → 优化定价、减少过度折扣。
想提升连带率 → 组合销售、满减、搭配推荐；想提升件单价 → 优化定价、减少过度折扣。
套装利润计算
设计满减/组合前算清真实毛利
适合新店、标品店快速定位：流量不足、转化低效、客单价偏低三大问题，是所有店铺的基础拆解法。
二、GMV 的商品视角
从商品视角，GMV 增长来自：卖了哪些货、这些货各自卖了多少。把总销售额还原成商品结构问题：哪类在赚钱？靠爆款还是长尾？结构是否健康？
GMV = Σ（品类销售额）= Σ（品类销量 × 品类客单价）
品类销售额 = 品类客单价 × 品类销量 = (单品均价 × 品类连带率) × (日销 + 活动销量)
品类销量 = 自然 + 站内推广 + 淘客 + 达人直播 + 站外推广
品类销售额 = 品类客单价 × 品类销量 = (单品均价 × 品类连带率) × (日销 + 活动销量)
品类销量 = 自然 + 站内推广 + 淘客 + 达人直播 + 站外推广
1
总 GMV → 各品类 GMV按数码、美妆、日用等切分，算各品类占比
2
品类 GMV → 客单价 × 销量任一波动都直接影响品类贡献
3
三级拆解客单价→均价×连带率；销量→日销+活动销量
SKU/品类销售额排行
找出贡献 GMV 的核心品类与长尾
SKU 贡献度（ABC）
帕累托找出贡献 80% GMV 的核心款
商品四象限分析
按销售额与毛利率优化品类结构，砍掉滞销加码盈利品
渠道维度：ROI = 渠道销售额 ÷ 渠道投入。高 ROI 渠道倾斜资源，低效渠道优化或缩减预算。适合多品类、多渠道成熟店铺。
三、GMV 的 AIPL 人群视角
从人群视角，GMV 增长来自：有多少人、转不转化、愿意花多少钱。避免被整体平均转化率误导。
GMV = Σ(AIPL 各人群贡献 GMV) = Σ(人群规模 × 人群转化率 × 人群客单价)
A=认知，I=兴趣，P=购买，L=忠诚
A=认知，I=兴趣，P=购买，L=忠诚
1
总 GMV → A/I/P/L 贡献明确各人群 GMV 占比
2
单人群 GMV规模 × 转化率 × 客单价
3
场景指标A：触达；I：进店/点击；P：入会/首购；L：复购/推荐
认知（A）
- 线下覆盖率、线上竞得率
- 品牌触达能力
兴趣（I）
- 进店率、点击率
- 内容种草与互动
购买（P）
- 入会率、首购转化
- 促销与首单福利
忠诚（L）
- 复购率、推荐分享
- 会员权益与体验
适合有品牌积累的店铺：定位 A→I→P→L 流转卡点，聚焦高潜力 P+L 人群，提升品牌人群资产转化效率。
RFM 客户分层
按 R/F/M 分层，近似映射高价值与潜力人群
四、GMV 的会员视角
从会员视角，GMV 增长来自：有没有新客进来、老客有没有持续在买——直接对应增长质量。
GMV = 新客 GMV + 老客 GMV
老客 GMV = Σ(RFM 各人群规模 × 复购率 × 客单价)
老客 GMV = Σ(RFM 各人群规模 × 复购率 × 客单价)
1
总 GMV → 新客 + 老客算占比，明确增长靠拉新还是复购
2
老客 → RFM 各层贡献高价值/高潜力/一般/流失风险
3
下沉到品类×客群复购率、人群规模、客单价交叉拆分
新客老客转化对比
漏斗对比不同人群的转化差异
新老客复购分析
拆解新客/老客 GMV、复购率与复购周期
RFM 客户分层分析
挖掘老客价值，提升复购与客单价
适合会员体系成熟、老客占比高的店铺：精准挖掘老客价值，提升复购与客单，降低获客成本。
写在最后：四种视角，灵活组合
店铺类型
- 流量型 → 侧重流量视角
- 多品类 → 侧重商品视角
品牌/会员
- 品牌店 → 侧重 AIPL 人群
- 会员店 → 侧重新老客/RFM
GMV 拆解的核心：从公式出发，按业务逻辑层层延伸。四种方法视角不同，也可灵活组合落地。
GMV 增长结构（人货场）
从公式拆解到人货场落地的完整增长系统
销售额因果链
八大指标从曝光到客单价的链式拆解
店铺全景诊断
上传数据，趋势 + 多维度指标一站式分析