分母与拆单决定数值
客单价等于成交金额除以成交订单数，也有团队用成交用户数做分母，两种算法结果差异明显，指标卡必须固定分母定义。除分母之外还有两个常见坑：分子是否剔除退款，以及拆单与合单如何处理。拆单会抬高订单数、拉低客单价，合单则相反，所以口径说明里要写清订单合并规则，否则同一批业务数据能算出好几个客单价。
基本信息
| 分子 | 成交金额，是否剔除退款需声明 |
|---|---|
| 分母 | 成交订单数或成交用户数 |
| 状态过滤 | 仅统计成功完成的交易 |
| 拆单规则 | 拆单是否合并回原单 |
| 稳定性 | 定义固定后不宜频繁调整 |
典型使用场景
- 电商大盘客单价趋势监控，评估消费能力变化
- 分渠道、分品类客单价对比，指导品类运营与定价
- 促销活动前后客单价变化，评估活动对单值的影响
- 与转化率、复购率组合，作为增长模型的基础输入
- 与财务收入口径核对，解释客单价与总收入的关系
两种分母
两种分母
-- 客单价：分子分母口径必须一致
SELECT sum(pay_amt) / nullif(count(DISTINCT order_id), 0) AS aov_by_order,
sum(pay_amt) / nullif(count(DISTINCT user_id), 0) AS aov_by_user
FROM fact_pay
WHERE status = 'success' AND dt = '2026-10-12';
-- 分子是否剔除退款要固定一种口径
-- 剔除退款时改用：sum(pay_amt - refund_amt)分母对照
| 分母选择 | 含义 | 差异来源 |
|---|---|---|
| 成交订单数 | 每单平均金额 | 拆单抬高订单数、拉低客单价 |
| 成交用户数 | 人均消费金额 | 多单用户被合并，数值偏高 |
| 含退款金额 | 未剔除逆向 | 退款高发期客单价虚高 |
| 剔除退款金额 | 净额口径 | 与含退款口径不可直接比较 |
拆单与合单的合并规则要写进口径说明：同一笔业务既能按支付流水算，也能按业务订单算，不声明就会出现两个客单价并存。
客单价要和转化率、复购率一起看：单值高但转化极低通常意味着定价或选品有问题，只看客单价容易得出方向相反的结论。