电商大促营销异常诊断与归因分析

项目背景

唇釉大促用「第 2 件半价、第 3 件低至 20 元」吸引凑单，但结算底层实为「总价打折、均价分摊」——宣传价与结算价对不上，引发感知欺骗与购物车流失，大量用户因「算不明白」涌入客服。

目标：量化复杂规则带来的客诉压力与隐性流失成本，验证「GMV 虚假繁荣 vs 实收惨淡」是否成立。

分析过程

数据：销售 34,893 行、退款 4,339 行、咨询 37,469 行，覆盖年货节与情人节两期大促。指标口径：订单级退款率 = 退款订单数 ÷ 全部订单数；规则类退款 = 「价格/优惠规则看不懂」类；实收 GMV = GMV − 退款金额。

链路：SQLite 装载派生 → 16 个 SQL 查询聚合 → Python 做 3σ 异常检测、GMV 增量归因（订单量效应 + 客单价效应）、卡方 / z 检验、jieba 情感挖掘 → matplotlib 11 张图 → 自包含 HTML 报告。

数据质量

ETL 阶段对三份原始数据做了完整探查，结论如下：

• ✓完整性34,893 / 4,339 / 37,469 行，无空值、无重复行
• ✓金额勾稽GMV = 件数 × 实付件均价、优惠 ≤ 原价，逐行核对全部通过
• ✓退款可关联退款单 100% 命中销售订单（order_id 按文本存储）
• ✓口径统一促销归属按 order_time 落促销期判定（年货节 01-07~01-15 / 情人节 02-07~02-14）
• ⚠局限无 user_id / 渠道 / 投放字段，无法做用户分层与流量归因

核心结论

「虚假繁荣」成立：GMV +56.8% 但实收仅 +51.6%，订单级退款率 8.48% → 15.42%（z=19.4，p<0.001）。

根因是规则复杂度而非产品质量：规则类退款占比 43.24% → 83.05%，质量类原因不升反降（卡方 p<0.001）。

客诉压力击穿防线：愤怒词 ×2.8、困惑词 ×4.1、强负面咨询占比 ×3.5。

机制闭环：凑单诱导（3 件装 3.7%→31%）→ 均价分摊实付 80 元（实际折扣 27.3% 非宣传 80%+）→ 感知欺骗 → 退款与客诉 → 实收承压。

结论边界（哪些结论不能证明）

两期分属不同节日档期（2 月为送礼旺季），分析只能证明相关、不能证明因果；具体边界如下：

落地建议

1. 1短期止血上线「买 X 件立省 Y 元」计算器 + 客服安抚话术，先压客诉与退款
2. 2中期重构3.8 大促改为「均价可见」表达，宣传与结算口径一致
3. 3长期预警商品页比价工具 + 「退款原因—咨询类别」双通道 3σ 预警，提前发现异常

实验设计（如果再做一次）

在控制节日、流量、人群的前提下，检验「宣传口径从复杂阶梯价改为所见即所得」能否显著降低退款率与客诉率且 GMV 不缩水。