|
投资回报率（ROI）模型是电商行业常用的模型之一，通常用作评估投流活动成效及投流人员绩效的指标。确定一个恰当的投资回报率目标，以满足运营部门与财务部门双方的期望，是至关重要的。
在进行流量运营时，相关人员主要依据第三方业务数据进行分析，例如抖音的巨量千川、天猫的直通车等，而缺乏企业内部真实财务数据的支持。因此，在预测和规划流量投资回报率（ROI）时，数据基础主要来源于外部业务数据。
在财务评估和绩效考核过程中，以及在决定流量投资费用的拨款时，主要参考的是历史财务数据。以往的直播间或产品投放费用与实际销售额的比率，是作为ROI决策的重要依据。
在每月进行绩效考核或当运营部门提出增加投放流量费用时，通常会发生运营与财务部门之间多次的无效沟通。这是因为对投放流量的投资回报率（ROI）的计算需要依据历史数据进行多次分析，而非一蹴而就。运营部门在进行测算时，往往更注重销售总额（GMV）的增长，而可能忽视了利润的损失。针对此类业务需求，分享一个业务端口数据看板模型，使业务部门能够依据财务部门提供的历史数据（确保利润在可控范围内）随时进行ROI的测算。
1、数据源，导入Fine BI，保存更新
 敏感性分析.xlsx (9.49 K)
2、复制【金额】分别重名为【GMV】、【取消额】、【退款额】、【产品成本】、【平台佣金】、【快递费】、【投流费】，指标条件为【类目】属于固定值
3、添加计算字段
（1）增加【实际销售金额】计算字段：SUM_AGG(${敏感性分析_GMV})-SUM_AGG(${敏感性分析_取消额})-SUM_AGG(${敏感性分析_退货额})
 
（2）增加【取消率】、【退货率】、【快递费率】、【平台佣金率】和【投流费率】计算字段
取消率：SUM_AGG(${敏感性分析_取消额})/SUM_AGG(${敏感性分析_GMV})
退货率：SUM_AGG(${敏感性分析_退货额})/SUM_AGG(${敏感性分析_GMV})
快递费率：SUM_AGG(${敏感性分析_快递费})/${敏感性分析_实际销售额}
平台佣金率：SUM_AGG(${敏感性分析_平台佣金})/${敏感性分析_实际销售额}
投流费率：SUM_AGG(${敏感性分析_投流费})/${敏感性分析_实际销售额}
（3）增加边际利润和边际利润率
边际利润：${敏感性分析_实际销售额}-SUM_AGG(${敏感性分析_产品成本})-SUM_AGG(${敏感性分析_平台佣金})-SUM_AGG(${敏感性分析_投流费})-SUM_AGG(${敏感性分析_快递费})
边际利润率-目前=${敏感性分析_边际利润}/${敏感性分析_实际销售额}
（4）增加【原投流ROI】、【投流ROI变动】和【预计投放ROI】参数
【预计投放ROI】参数：
 
原投流ROI=1/${敏感性分析_投流费率}
投流ROI变动=${预计投放ROI}-${原投流ROI}
(5)增加【预计GMV】和【预计GMV提升】
预计GMV=${敏感性分析_边际利润}/${敏感性分析_边际贡献率-预计}/(1-${敏感性分析_退货率}-${敏感性分析_取消率})
预计GMV提升=${敏感性分析_预计GMV}-SUM_AGG(${敏感性分析_GMV})
（6）新增【新增投流费】计算字段
新增投流费=${跨表字段_投放占比-预计}*${敏感性分析_预计GMV}*(1-${敏感性分析_退货率}-${敏感性分析_取消率})-SUM_AGG(${敏感性分析_投流费})
（7）新增【边际利润率-预计】计算字段
边际利润率-预计=${敏感性分析_毛利润率}-${敏感性分析_平台佣金率}-${敏感性分析_快递费率}-${跨表字段_投放占比-预计}
4、增加组件
（1）增加kpi指标卡【投流roi-当前】，拖拽原投流ROI至文本
（2）增加kpi指标卡【投流ROI变动】，拖拽投流ROI变动至文本；点击文本边齿轮，增加形状，当变动>0，绿色增长，变动=0，黄色不变，变动<0，红色减少
 
（3）增加kpi指标卡【重点数据指标】，拖拽GMV、新增投流费、预计GMV、预计GMV提升至文本；点击文本边齿轮，选择预计GMV提升和新增投流费指标增加形状，当变动>0，绿色增长，变动=0，黄色不变，变动<0，红色减少
  
4、增加仪表盘
（1）增加过滤组件-数值下拉
  
5、增加手机版本填报，方便业务测试。点击右上角手机按钮，切换至手机编辑界面；点击左上角手机型号，调整手机型号展示界面
 
6、分享公域链接至业务测试，点击右上角【...】，选择【公共链接】，勾选【仪表盘】
，  | 
