付费获客真正贵的原因，不一定是点击单价高，而是企业在没有算清“一个客户到底值多少钱、现金什么时候回来、哪些成本应该算进去”之前，就先把预算放大了。

IAB/PwC公布的2025年美国互联网广告收入达到2946亿美元，同比增长13.9%。这个数字只能说明数字广告市场很大，不能说明任何一个具体广告账户天然有利润。对DTC团队真正重要的，是一个小得多的公式：在当前毛利、履约、退货和现金周期下，单个订单或客户到底能承受多高的获客成本？

在加预算前，先回答五个问题。

问题一：广告费出现之前，订单到底还剩多少利润空间？

不要从GMV开始算，要从贡献利润开始。

最基础的一版可以这样拆：

折后净收入
减商品成本
减拣货、包装与可变履约成本
减支付/平台手续费
减预期退货、换货成本
减随订单变化的客服或保修成本
= 广告前贡献利润

最后再减获客成本。

举个纯模型示例。某订单折后收入140美元：

项目 金额
折后净收入 $140
商品成本 -$42
可变履约与配送支持 -$18
支付/电商手续费 -$6
预期退换货 -$9
广告前贡献利润 $65

如果获客成本是50美元，首单广告后贡献利润是15美元；如果CAC是70美元，首单就是-5美元。

这并不意味着后一种客户一定不能买。它只是逼团队继续回答：后续复购是否足够稳定？退款是否还没完全发生？现金要多久回来？如果未来复购不如预期，谁来承担损失？

上面的数字只是演示模型，不是行业基准。

问题二：你到底是在优化收入、贡献利润，还是客户价值？

ROAS有用，但前提是分子代表了真正有经济意义的价值。

同样是3倍ROAS，背后可能是完全不同的生意：

  • 高毛利、复购强的消耗品；
  • 体积大、配送与退货成本高的家具；
  • 高折扣、高退货率的服装；
  • 首月收入低、但留存好的订阅业务。

如果这些业务全部采用同一个ROAS红线，指标承担了它不该承担的任务。

Google Ads支持以conversion value和Target ROAS进行智能出价，也允许通过conversion value rules表达“不同转化价值不同”。这类能力很重要，但平台只能根据你提供的价值进行优化，不能替企业修复一个把所有订单都当成同样赚钱的经济模型。

更稳的顺序是：

  1. 先确认收入与转化跟踪可靠；
  2. 算出订单级贡献利润；
  3. 判断复购价值是否成熟到可以纳入；
  4. 再设计conversion value；
  5. 最后才决定出价与放量目标。

如果复购还不稳定，就先用保守的首单模型，复购另做cohort观察，不要偷偷假设“以后会复购”来拯救今天的亏损。

问题三：公司能等多久才能把广告费赚回来？

两个项目的终身利润可以一样，但现金压力完全不同。

今天花100美元，两周后累计收回115美元贡献利润，和半年后才收回115美元，融资压力不是一个等级。后一种模式会占用更多营运资金，也更容易被采购、备货、账期、退款和季节波动击穿。

至少跟踪三种回本：

  • 首单回本：第一次订单马上收回多少CAC；
  • 30/60/90天回本：同一批客户累计贡献如何变化；
  • 现金回本：扣除退款和实际支出后，钱什么时候真的回到可用现金。

平台预算机制也会放大这种差异。Google Ads把daily budget定义为平均日预算，很多情况下单日消耗可以达到平均日预算的2倍，但月度收费仍受平台规则限制。这个规则保证的是平台账单边界，不是你的现金流安全。

所以，一个账户完全可能“没有超预算”，公司却仍然出现现金紧张。

问题四：预算放大后，哪些隐藏成本会一起上升？

广告不是孤立放大的。

创意成本。 花更多钱通常意味着需要更多脚本、素材、尺寸、剪辑、UGC或本地化版本。

落地页成本。 新人群会暴露新的信息断层，不能只买更多流量而不改页面。

履约成本。 订单突然上升会带来加急处理、缺货、拆单、客服压力。

退货和欺诈。 渠道结构改变时，订单质量可能变化，而不仅仅是订单数量变化。

折扣成本。 某些广告活动转化率很好，但依靠更深优惠换来的订单，贡献利润可能更低。

测量成本。 渠道一多，归因、埋点、增量判断、报表和人工核账都会变复杂。

在放量前做一张三阶段成本表：

阶段 只看媒体 看完整经营
测试 广告费 广告费+首次搭建+首批创意
可重复 广告费 媒体+持续创意+落地页优化
放量 更大广告费 媒体+创意频率+运营+库存+测量

这样做不是故意把广告算得更差，而是避免每当结果不好看时，就把某一项成本从模型边界外移出去。

问题五：什么数字一出现，你会停止加预算？

一个成熟的获客模型，应该在开广告前就写好“停手条件”。

停手条件A：边际贡献不足

新增预算持续买来的订单，其预期贡献低于公司要求，就减预算或转移渠道。

停手条件B：回本周期超过资金承受范围

哪怕LTV看起来不错，只要新cohort的现金回本超过企业能融资的周期，也应该停止扩张。

停手条件C：证据质量不足

如果好结果高度依赖一次归因切换、追踪变化或尚未与订单和财务数据核对的延迟转化，就先暂停放量，把测量差异解释清楚。

Google的数据驱动归因会根据账户转化数据分配不同广告互动的credit。它可以帮助理解路径，但归因仍然只是“怎么分配信用”的方法，不等于证明每一个被归因的订单都是广告真正新增的。

归因正确与增量为正是两个问题。

放量前不要做一版预测，要做三版

以广告前贡献利润65美元为例：

变量 下行情景 基准情景 上行情景
CAC $62 $48 $38
首单广告后贡献 $3 $17 $27
90天复购贡献 $4 $12 $22
90天累计贡献 $7 $29 $49

然后继续问：

  • 退换货成本如果每单多5美元会怎样？
  • 放大受众后转化率下降怎么办？
  • 节日客户的复购是不是比平时低？
  • 库存是不是要提前60天付款？
  • 两个平台是不是同时把同一批订单归到自己名下？

好模型的价值不是“预测特别准”，而是让团队知道哪一个假设最先会把利润打穿。

DTC团队最好保留两张看板

媒体看板回答：花了多少钱、曝光、点击、转化、平台归因收入、CPA、ROAS、预算节奏。

经营看板回答：净收入、贡献利润、退款、履约成本、cohort回本、库存暴露、现金实际回收。

固定周期核对两张表。如果两张表打架，不要直接挑看起来更漂亮的那一张。

最健康的状态，是团队能清楚说出：

“在这个贡献利润、这个退款率和这个回本周期下，我们能承受的CAC大约是多少；哪一个变量一变，我们就停止放量。”

这比“ROAS超过3，所以预算加20%”更接近真正的经营。

什么会改变答案？

产品毛利、购买频率、退货率、支付账期、季节性、渠道结构、税费、履约模式、库存提前期，以及客户价值数据的可信度都会改变答案。订阅品牌可以合理接受首单亏损；现金很紧、库存重的家具卖家可能完全不能接受。

不存在一条适用于所有DTC业务的“标准ROAS”或“标准CAC”。真正可用的红线，必须从你自己的贡献利润和现金周期里推出来。

先给CAC设上限，不要等平台替你决定能花多少

实用的获客成本上限应该从自己的单位经济模型出发，而不是照抄同行基准。假设一笔订单在广告前能贡献48美元，而且团队决定首单最多拿其中80%用于获客，那么首单允许的CAC就是38.40美元。如果复购已经被真实队列数据证明，上限可以适当提高；如果退货、运费补贴、支付手续费经常被低估，就应该更保守。

最简单的公式反而最好用：

允许CAC = 可用于获客的贡献利润 × 可接受的获客占比

关键是“允许”。它是由现金、利润和证据共同约束的经营选择，并不等于广告平台界面里显示的CAC。不同归因窗口、浏览后转化和跨设备识别都会改变平台怎样记一笔转化，因此财务侧应保留独立口径，持续核对真实订单、退款、毛利和到账现金。

至少跑三套上限：只看首单、看30或60天实际客户价值，以及一套保守复购情景。如果一项投放只有在最乐观的LTV假设下才成立，那么扩大预算本质上是在押注融资能力，而不是已经证明的获客机器。

放大预算前，先做库存与营运资金压力测试

付费获客完全可能让利润表更漂亮，却让现金更紧。突然增加的订单可能要求更早付库存订金、更快补货、增加履约人手、提高退款准备金，而这些现金支出往往早于销售款完全沉淀。

在明显加预算前，可以把订单量分别按增长25%、50%和100%做三档压力测试：什么时候要付货款、客户现金什么时候真正可用、最多能承受多少退货、下一批补货如果延迟会发生什么。若一个渠道扩量后必须抽走其他盈利产品线的现金才能维持库存，它就还没有真正具备“可规模化”的经济基础。

这也解释了为什么同样的ROAS，对两家公司可以合理，对第三家公司却很危险。高毛利、库存现金充足的品牌，与贡献利润很薄、供应周期很长的品牌，面对完全相同的广告指标时，背后的承压能力并不一样。

Sources

Related Reading