“营收下降了，应该增加流量还是改善复购？”只看一个结果指标，很难确定行动方向。指标拆解法通过明确的计算关系，把结果分解成更容易观察和负责的业务因素，帮助团队缩小排查范围。
它适合分析营收、利润、订单量、用户增长等综合指标，也适合建立经营看板。但拆出来的因素只能提供检查方向，还需要用分群、日志、访谈或实验验证原因。
一、什么是指标拆解：先写出成立的关系式
指标拆解主要有两种结构。第一种是算术关系，例如“利润＝收入－成本”“收入＝订单数×订单均价”；第二种是业务维度，例如把收入按渠道、地区或产品分组，再观察各组贡献。
前者要求等式成立，后者要求分类规则清楚。如果多个渠道都声称贡献了同一个订单，就不能直接把渠道收入相加当作总收入；应先统一归属规则，或明确这些是会重叠的辅助视角。
本文使用：营收＝付费用户数×每名付费用户订单数×订单均价。付费用户数按用户去重，订单频次＝有效订单数÷付费用户数，订单均价＝营收÷有效订单数，因此在口径一致且分母非零时，三个因子相乘会还原营收。
这里的订单均价是“每单多少钱”，不是“每人贡献多少钱”。若把人均收入误当成订单均价，再乘一次订单频次，就会重复计算。
二、画指标树之前，先统一五个口径
先确定时间：按支付时间还是下单时间？再确定范围：全部业务还是某条产品线？然后确定状态：只统计支付成功且未全额退款的订单，还是所有提交订单？接着确定去重键：按用户账号还是设备？最后确定金额：币种、税费、优惠和退款如何处理？
本文假设两期均为完整的30天，使用同一种货币，按支付时间统计有效订单，收入已经统一扣除退款；所有有效订单都可以关联到付费用户。实际业务存在跨期退款时，应先选择并记录一致的归集规则。
三、案例：营收从30万元降到25.92万元
以下均为教学假设数据。上期付费用户1,000人，有效订单1,500笔，营收300,000元；本期付费用户900人，有效订单1,440笔，营收259,200元。
计算后，上期每名付费用户订单数为1.5笔，订单均价200元；本期分别为1.6笔和180元。因此上期营收＝1,000×1.5×200＝300,000元，本期＝900×1.6×180＝259,200元，减少40,800元，降幅13.6%。
三个因素中，付费人数下降10%，订单频次增加约6.67%，订单均价下降10%。这意味着，用户规模和每单金额值得优先排查，频次变化则起到了部分抵消作用。
不能把三个百分比直接相加。正确的整体变化关系是0.9×（1.6÷1.5）×0.9＝0.864，对应营收保留上期的86.4%。
四、连环替代：把变化金额分配到各因素
若需要用金额表达各因素的数学贡献，可以预先规定替换顺序，逐个把上期因素替换成本期值。本文顺序为付费人数→订单频次→订单均价。
先只替换人数：900×1.5×200＝270,000元，比300,000元少30,000元。再替换频次：900×1.6×200＝288,000元，比270,000元多18,000元。最后替换订单均价：900×1.6×180＝259,200元，比288,000元少28,800元。
三项相加为－30,000＋18,000－28,800＝－40,800元，与总变化完全一致。瀑布图展示的是这条替换路径下的算术分配，图中每个柱子的起止位置都有明确含义。
替换顺序改变，各因素贡献也可能改变。乘法模型存在交互项，连环替代把交互影响分配给后替换的因素。报告必须说明顺序；需要降低顺序依赖时，可以对所有顺序求平均，例如使用Shapley式分摊，但这种分摊仍不等于证明因果。
五、拆解之后，如何找到可执行的动作
付费人数减少，可以继续按新老用户、渠道、产品分组，检查是拉新下降还是老用户流失。订单均价下降，可以看低价商品占比、折扣力度、套餐变化与退款结构。频次上升，则要判断是自然复购改善，还是大额订单被拆成多笔。
假如低价产品占比增加导致均价下降，不能直接得出“应该提价”。还应检查毛利、销量、用户生命周期价值和产品定位。一个收入指标的拆解，不能替代完整的经营判断。
落实到报告时，可以按“变化事实—主要因素—待验证解释—建议行动”组织。例如：人数与均价下降是主要数学来源；进一步核查某渠道新客与商品组合；确认原因后，再决定预算调整或产品实验。
六、常见误区与交付检查
常见问题包括：公式不能还原总数；拆解层级过多却没有行动负责人；用部分样本的平均值乘全量人数；将付费用户和全部活跃用户混用；忽略跨期退款；把相关变化写成确定原因。
交付前，至少核对三件事：所有分项能否对回总数，变化贡献能否对回差额，结论是否说明口径和替换顺序。指标树的终点应当是可以继续验证和管理的因素。
本文为数据分析方法详解系列第1篇。方法选择与整体流程可阅读：数据分析方法论总览。
