良性循环：用真实利润驱动增长，而不是 ROAS
从未有过如此多的杠杆、如此多的数据、如此多的工具。然而，真正清楚自己的增长是否盈利的经营者却寥寥无几。以下是如何围绕唯一的裁判来编排营销：真实利润。
Sophian Petitprez1 分钟阅读当一个品牌成长起来，它几乎总是会走向同样的组织结构：一家服务商负责 Paid，一家代理商负责 SEO，一个工具负责邮件，还有一个单独管理的 Amazon 账户。
每一方都在优化自己的渠道。每一方都有自己的数字、自己的战绩、自己的看板。
而在这一切的中心，唯一真正重要的问题却始终没有清晰的答案：这一切究竟有没有在真正赚钱？
这就是现代营销的悖论。我们从未拥有过如此多的杠杆、如此多的数据、如此多的工具。然而，你去问一位经营者他的增长是否盈利、是否真正盈利，你往往会看到一丝犹豫。
本文解释了为什么，尤其是如何走出这个困境。
单一渠道的表现，说明不了你业务的健康状况。唯一可靠的裁判，是你的真实利润。其余的一切都只是中间指标。
孤岛式营销的三个盲区
三种机制解释了为什么这么多品牌在盲目驾驶。没有一种是道德上的过失。它们是结构性的盲区，被整个市场所共有，包括最优秀的代理商在内。
第一个盲区：各个杠杆彼此不沟通。Paid 在一边，SEO 在另一边，CRM 又在别处。它们之间的协同效应，人人都在谈论，人人都在寻找，却几乎没有人真正兑现。而恰恰是这里，决定了盈利增长的大部分成败。
第二个盲区：用虚荣指标来驱动。一个品牌可以在亏本销售的同时，展示一份漂亮的 ROAS。另一个品牌可以展示平平的 ROAS，却凭借其成本结构创造出扎实的 EBITDA。ROAS 上升而利润下降，是最常见、也最昂贵的陷阱之一。
第三个盲区：被夸大的归因。每个平台都把功劳全揽到自己身上。Meta 说它转化了 X，Google 说它转化了 Y。把 X 和 Y 相加，你往往会超出真实的营业额。同一笔销售，被认领了两次。所有基于这些原始数字做出的决策都因此变得脆弱。
一个重要的澄清，因为它改变一切。利润下降本身并不是警报信号。许多品牌会有意识地压低利润来换取销量，这是一个完全合理的选择。真正的危险不是利润下降。而是利润在无人知晓的情况下下降，并且没有任何计划。一个不知道自己利润正在消融的品牌，才是处于危险之中的品牌。
更换指南针：真实利润
走出盲区，一句话就能概括：不再用某个渠道的营业额来评判表现，而是用业务的真实利润来评判它。
具体来说，两个数字就框定了全局，而且任何一位经营者都能拿到它们。
第一个：当前营业额对比年度目标。它决定节奏。落后了，就进入追赶模式。领先了，就在盯紧利润的前提下继续放量，不踩刹车。
第二个：利润。是它告诉你这台机器是否健康。
但前提是要看对利润。大多数品牌止步于营业额。最严谨的品牌会一路下探到获客后的净利润，也就是在支付了产品的生产成本以及争取客户的成本之后，真正剩下来的那部分。正是这个利润，应当引导每一个获客决策。
而这正是那个概括了我们方法论的数字登场的地方：LTM，即 Long Term Margin（长期利润）。
为什么它改变了解读方式？设想一个客户，他十二个月的价值是 500 欧元。如果他消耗了 400 欧元的产品成本，那么他真正的终身利润不是 500 欧元，而是 100。以 80 欧元的成本获得他，他只给你带来 20 欧元的净利润。传统的 LTV 解读会让你以为回报要慷慨得多。 LTV 把它隐藏了起来。LTM 把它变得清晰可见。
广告这一侧也是同样的逻辑。ROAS 衡量每花出一欧元所产生的收入。POAS 衡量每花出一欧元所产生的利润。当你用 POAS 来驱动时，你说的已经是利润的语言，而不是毛营业额的语言。在像 Google Shopping 或 Performance Max 这样的杠杆上，这个简单的指南针切换，会让所有决策重新对齐到真正重要的东西上。
「LTV/CAC 大于 3 否则出局」的终结
市场热衷于通用阈值。ROAS 最低 2。LTV/CAC 大于 3。投资回收期少于 6 个月。这些规则令人安心。它们也往往是错的，因为它们忽略了每个品牌的成本结构。
一个简单的例子。一位单打独斗的创业者，没有固定成本，在家办公，凭借 1.2 的利润对获客成本比率就能完全盈利。所产生的利润几乎全部落到了利润底线上。
同样的品牌，扩张到三十人，有办公室、库存和物流，在同样的 1.2 比率下，就是一场灾难。利润永远无法覆盖固定成本。
结论：不存在通用阈值。 每个品牌都对应一个目标，取决于它的固定成本、成熟阶段和野心。不是一条规则，而是量身定制。而这份量身定制，只能从损益表出发来确定，绝不能从一个通用的基准出发。
良性循环：每个杠杆如何滋养其他杠杆
一切都在这里连接起来。盈利增长不在某个渠道内部决胜。它在这些渠道的编排中决胜。
我们从损益表出发。它决定推哪些产品。由此产生角度，也就是你所回应的需求。角度决定人物画像，人物画像滋养创意，创意导向一个一致的落地页，而归因衡量真实影响，以更新损益表。循环闭合，然后重新开始，每转一圈都获得更充分的信息。
围绕这个循环，各个杠杆相互放大彼此。举几个具体的例子。
CRM 告诉 Paid 它有权为一个客户支付多少。 在 CRM 侧通过同期群和留存所观察到的终身利润，决定了可接受的最高获客成本，你可以在几秒内估算出来。如果终身利润上升，就可以出更高的价来获客并加速。如果它下降，就收紧。这是最强大、也最少被打通的协同效应。
SEO 和 Paid 相互照亮彼此。在广告中转化的关键词，是高潜力的意图：把它们交给 SEO，让它不再盲目工作。反过来，在自然流量中排名并转化的页面，揭示了能打动受众的角度，并滋养广告文案。而一个已经在自然流量中表现良好的页面，用一点点广告预算放大，就成为一个风险极小、杠杆效应极强的测试。
Amazon 丰富了整条链条。那里的评价数量往往超过直营站点：它是一座为广告钩子提供真实用语的金矿。那里表现最好的关键词带有纯粹的购买意图，可用于广告。而 Amazon 与直营站点之间的价格一致性，避免了蚕食自己的渠道。
要记住的思维模型：一个孤立的杠杆，即使再出色，也会触顶。 围绕利润被编排起来后，同样的杠杆能产生任何一个单独都无法创造的价值。
向真相归因
一个循环，只有诚实地闭合才有价值。这正是归因的职责。
问题在于，正如我们所见，每个平台的原始数字相互矛盾、相互夸大。一家只管理单一渠道的代理商，有直接的利益去相信对自己有利的那个数字。多杠杆的方法没有这种偏见：它没有任何理由把一笔销售归给 Meta 而不是 Google，它只需要知道究竟是什么真正创造了价值。
为此，我们交叉参照多种解读，而不是依赖单一的一种。客户在购买那一刻的自主申报（「你是怎么发现这个品牌的？」）是其中之一。增量性测量也是，它把一个杠杆的真实效果，从那些无论如何都会成交的部分里剥离出来。目标不是用一个漂亮的数字来自我安慰。而是找到真相，并在每个周期更新损益表。
改变一切的姿态
以上的一切，源自一种姿态，而不仅仅是一套工具箱。
我们把自己视为对客户利润负责的人，而不只是对他的 ROAS 负责。 这正是服务商与业务伙伴之间的区别所在。
这种姿态带来具体的后果。在创意上，我们保留一个人性的内核、一种真实的声音、一份真切的情感，然后再用 AI 去放大。AI 是一个了不起的加速器，前提是它保持隐形。一个 100% 由 AI 生成的创意会变得千篇一律、容易被识破，并失去打动人的能力。
它对方法也有一个后果。我们的工作不是预测什么会奏效。 而是搭建那台能揭示它的测试机器，然后把胜出的部分放大。
它还要求一份谦逊。编排的深度是逐个品牌校准的。并非所有品牌都会给予同样的权限，这很正常，尤其是在某些门始终紧闭的大客户那里。我们并不声称能看到一切。我们看我们能看到的，把它与利润联系起来，然后驾驶。
这就是我们所说的，让一个品牌成长而不牺牲其盈利能力的含义。不是堆砌渠道。而是让它们一起运转，围绕唯一的裁判。
实操层面
什么是电商中的 LTM（Long Term Margin，长期利润）？
LTM（Long Term Margin，长期利润）是一个客户在其整个生命周期内所产生的真实利润：其计算方法是从毛 LTV 中减去已售商品成本（COGS），即 LTM = LTV − 已购商品总成本。与以营业额为思路的传统 LTV 不同，LTM 揭示了真实的净盈利能力，同时考虑了各品类的可变利润、退货和折扣。它是比较两个购物篮和产品组合不同的客户细分之间真实价值的参考指标。
ROAS 还是 POAS：区别是什么，驱动广告活动时该选哪个？
ROAS（Return On Ad Spend，广告支出回报）衡量每投入一欧元广告所产生的营业额，而 POAS（Profit On Ad Spend，广告支出利润）衡量同一欧元所产生的毛利润，即 POAS = 所产生的毛利润 / 广告支出。用 ROAS 来驱动，等于在不考虑利润的情况下优化销量，这可能让那些在低利润产品上摧毁价值的活动显得盈利。POAS 让广告算法对齐真实盈利能力，避免在那些 ROAS 高但利润几乎为零的 SKU 上过度投入。
为什么 LTV/CAC 大于 3 这个比率对电商商家来说是个神话？
LTV/CAC > 3 这条教条，是源自 2010 年代 SaaS 的一条经验法则，被类比套用到电商上却没有结构性依据：它忽略了产品的真实利润、CAC 的回收速度和渠道组合。一个毛利率 20% 且 LTV/CAC 为 4 的电商商家，可能不如一个 LTV/CAC 为 2.5、以 55% 利润率运营的竞争对手盈利。正确的指标不是一个通用比率，而是以真实利润（LTM）计的投资回收期，以及各获客渠道的增量盈利阈值。
如何在电商中测量广告活动的增量性？
广告增量性衡量一个活动真正带来的销量，与那些在没有它的情况下也会发生的销售（自然销售或品牌销售）相对。它通过地理增益测试（geo-lift，比较曝光区域与对照区域）或在 Meta 和 Google 上的转化增益实验来测量。没有增量性测量，传统的归因模型（末次点击、数据驱动）会人为地夸大再营销和品牌活动的 ROAS，导致在已经拿到的转化上过度花钱。
什么是电商中的多杠杆编排，为什么它取代了逐个渠道的驱动方式？
多杠杆编排指的是围绕一个共同的真实利润目标（POAS 或 LTM），同时驱动 paid media、CRM、SEO、定价和陈列，而不是在孤岛中按各自的 KPI 去优化每个渠道。一个渠道单独看可能显示出较弱的 POAS，却通过邮件触发了高 LTM 的复购：单独评估它会导致对它投入不足。编排会把预算分配到对总利润的边际贡献最高的地方，同时考虑各杠杆之间的相互作用和光环效应。