把一個結果指標拆成可理解的組成因子，藉此判斷結果變化是由哪個環節帶動。因子拆解能建立業務指標與可執行槓桿之間的連結。
GMV 的基本拆解
GMV = 流量 × 轉換率 × 客單價
在定義一致且統計單位相容的情況下，可將 GMV 理解為：進入商店的有效流量 × 完成購買的比例 × 每筆訂單平均金額。
| 因子 | 可能的改善槓桿 | 需觀察的風險 |
|---|---|---|
| 流量 | 廣告、SEO、活動曝光、推薦入口、回訪 | 流量品質下降、獲客成本增加。 |
| 轉換率 | 商品資訊、搜尋排序、價格、信任、結帳體驗 | 促銷造成毛利下降，或只對短期轉換有效。 |
| 客單價 | 組合購、加價購、交叉銷售、滿額門檻 | 客單價上升但訂單數或轉換率下降。 |
數字拆解範例
原本：流量 100,000、轉換率 2%、客單價 1,000 元。
GMV = 100,000 × 2% × 1,000 = 2,000 萬元。
改善後：流量 110,000、轉換率 2.2%、客單價 1,000 元。
GMV = 110,000 × 2.2% × 1,000 = 2,420 萬元，增加 21%。
GMV = 100,000 × 2% × 1,000 = 2,000 萬元。
改善後：流量 110,000、轉換率 2.2%、客單價 1,000 元。
GMV = 110,000 × 2.2% × 1,000 = 2,420 萬元，增加 21%。
更進一步：拆解變動來源
若多個因子同時變動，總成長不是各因子成長率簡單相加，因為因子之間存在交互乘積。可用以下方式處理：
- 固定其他因子：一次只改變一個因子，估算其單獨影響，適合初步情境模擬。
- 逐項替換法：依序將基期因子替換為本期因子，分解各因子貢獻；結果可能受替換順序影響。
- Shapley 分解：計算不同替換順序的平均貢獻，較公平地分配交互作用，但計算較複雜。
重要：因子拆解是數學上的結構分解，不會自動證明某個因子是可控的因果原因。要判斷措施是否有效，仍需實驗或適當的因果分析。
適用情境 GMV、營收、訂單數、毛利、獲客成本、留存率、單位經濟模型。
因子拆解：GMV＝流量 × 轉換率 × 客單價HSUCHE 數據筆記 · 轉載請註明出處
