把补贴预算改成效率预算
按券种×客群追踪增量 GMV、券后利润和复购，而不是只按发券量或核销量评估。
这份双十一数据看起来像一场漂亮的增长：全周期 GMV 达 ¥54.21B，峰值日单日冲到 ¥2.92B。但对业务负责人来说，更重要的问题是：这次增长用了多少补贴、由哪些入口承接、又把哪些履约和服务风险推高了？
这是一场 542.1 亿元 GMV、3.71 亿单量级的大促；增长足够大，但补贴率和毛利率已经把“增长质量”变成必须同时讨论的问题。
11 月 11 日单日 GMV 达 ¥2.92B，占全周期 5.4%，且是 warmup 日均的 7.1 倍；活动不是平滑增长，而是高度集中爆发。
数据来源：double_eleven_ecommerce_mock.csv（mock CSV，record_json 拆解后聚合）；标注：峰值日与 11 月 9-12 日窗口。
20.8% 的 GMV 集中在 4 天窗口，峰值运营能力比平均增长更关键。
对业务负责人来说，这意味着会后复盘不能只看总 GMV，还要看峰值承压时的流量、支付、仓配和客服联动。
Consumer electronics 是第一大类目，占 GMV 20.2%；前两大类目合计占 38.9%。渠道侧，Livestream 是第一入口，占 28.0%。
数据来源：double_eleven_ecommerce_mock.csv（mock CSV，record_json 拆解后聚合）；按 category 汇总 gross_gmv_m。
数据来源：double_eleven_ecommerce_mock.csv（mock CSV，record_json 拆解后聚合）；按 channel 汇总 gross_gmv_m。
这次增长更像“头部品类 × 内容化入口”的组合，而不是全类目、全渠道均匀抬升。
这会影响下一轮资源分配：预算应优先投向能承接峰值且退货、履约风险可控的组合。
全周期补贴达 ¥5.69B，占 GMV 10.5%。但同样 1 元补贴，不同客群和券种带来的增量 GMV 并不相同。
Bank subsidy / Members 的效率为 3.44x，Store coupon / Price sensitive 只有 2.37x，最高与最低相差 1.4 倍。
数据来源：double_eleven_ecommerce_mock.csv（mock CSV，record_json 拆解后聚合）；补贴效率 = incremental_gmv_m / subsidy_m。
下一轮不是“多发券”，而是把券投向效率更高、复购和毛利更稳的客群。
Home appliances / East China 是损失 GMV 最高的库存风险组合，损失 ¥288.3M、缺货率 43.5%；客服侧 Price protection 占工单 22.3%、负向率 46.1%。
数据来源：double_eleven_ecommerce_mock.csv（mock CSV，record_json 拆解后聚合）；按 category × region 汇总 lost_gmv_m 并取 Top 10。
数据来源：double_eleven_ecommerce_mock.csv（mock CSV，record_json 拆解后聚合）；按 topic 汇总 tickets_k。
峰值后的体验风险并不只是物流问题，也包括价格承诺、缺货取消和客服等待。
如果这些风险没有在大促前被纳入“峰值预案”，GMV 高峰会转化为售后成本和口碑压力。
按券种×客群追踪增量 GMV、券后利润和复购，而不是只按发券量或核销量评估。
围绕 Consumer electronics、Home appliances 等头部品类提前设定区域库存、安全库存和调拨阈值。
峰值结束后，价格保护、缺货取消和客服等待需要统一口径、自动化分流和提前话术。