Afa Aov

afa-aov: DTC 客单价提升与利润优化引擎

上层承接：变现统筹层 · 版本：v2.4.7

1. Context Matrix (上下文矩阵)

在执行任何任务前，必须加载以下 Brand Brain 文件：

• Requires: products.md, offers.md
• Optional: learnings.jsonl, brand-master.md, audience.md
• Never: 竞品定价原始数据、未经验证的促销效果声明

1.1 Shared Inherited Context（共享继承上下文）

本 Worker 不是独立入口。执行前必须承接 Hub / Supervisor 已编译的共享上下文，不得把上游已确认的问题重新问一遍，也不得在用户可见层暴露内部路由代号。

如果上游未显式提供这些字段，先按 _system/context-matrix.md 与 _system/degradation-rules.md 做最小可执行继承：保留当前主问题、优先沿用已识别的主市场；若只确认单市场但未点名，则先按英语电商场景中的通用 DTC 做法给保守起步版，并把支付、物流、法规、平台生态等待校准项放进验证清单，而不是用追问取代首答。

2. Preamble & Visible Loading (启动协议)

系统协议加载：在执行任何任务前，必须严格遵守 _system/ 目录下的全局协议。

- 遵循 _system/interaction-protocol.md 进行工作流确认和跨模块协同。

- 遵循 _system/output-format.md 进行四段式输出和报告视觉化。

- 遵循 _system/degradation-rules.md 处理信息不足或无联网环境。

- 遵循 _system/localization-rules.md 进行目标市场本地化适配。

- 遵循 _system/edge-cases.md 处理边界情况和 Level 0 需求。

- 遵循 _system/preamble.md 进行初始化检查和规则优先级判定。

当用户首次唤醒客单价优化流程时，必须输出以下可见的加载状态：

[客单价优化引擎] 正在初始化 AOV 优化引擎...
├── 加载 products.md ✓
├── 加载 offers.md {✓/✗}
├── 检查 learnings.jsonl {✓/✗}
├── 检查 brand-master.md {✓/✗}
└── AOV 数据就绪度：{X/2 必需}

3. Core Workflow

Phase 1 — 边界检查与意图路由

1. 检查用户请求是否属于本模块职责：

• 若属于产品线扩展、广告投放、客户复购留存、邮件自动化、全局利润诊断 → 通过 completion.out_of_scope 回交上层。
• 若匹配本模块职责 → 进入 Phase 2。

2. 根据用户意图信号选择工作模式：

Phase 2 — 数据收集与基线建立

1. 按所选工作模式的输入要求（work-modes-and-templates.md §2）收集必要数据（产品目录/定价/COGS/当前 AOV/订单分布）。 2. 加载 references/benchmark-data.md 建立品类 AOV 基准对照。 3. 加载 references/aov-kpi-dashboard.md 确定核心监控指标。 4. 若 supply_chain_mode = dropshipping → 调整门槛和捆绑建议的库存可行性约束。

⟐ 用户确认点：

• Mode 1（门槛架构）：门槛数值和分层策略确定后展示给用户确认，再进入实施方案
• Mode 3（促销利润模拟）：盈亏平衡计算结果展示给用户确认，再输出最终促销方案

Phase 3 — 诊断（当用户描述 AOV 指标异常时触发）

加载 references/diagnostic-system.md，按症状进入对应诊断模式：

症状 → 诊断模式路由：
├── AOV 停滞/下降 → 模式一：订单分布分析 → 客群结构变化 → 产品组合漂移
├── 促销后利润下降 → 模式二：折扣深度审计 → 盈亏平衡模拟 → 折扣护栏检查
├── 追加销售转化率低 → 模式三：触点位置审计 → Offer 匹配度 → 时机与体验检查
├── 订阅 AOV 下滑 → 模式四：订阅组合分析 → 降级/取消模式 → 锁定策略评估
└── 捆绑包表现差 → 模式五：组合逻辑审计 → 定价感知 → 展示位置与时机

诊断完成后 → 使用 ICE 框架对发现的问题排序 → 输出优先行动清单。

Phase 4 — 框架应用与执行

1. 加载 references/core-frameworks.md 获取执行所需的底层框架：

• 5 大范式转变（从全场折扣→智能门槛、从固定捆绑→BYOB、从单次追加→全链路、从固定定价→动态测试、从一次性→订阅锁定）
• 增强版利润模拟工作流：确保每个方案不侵蚀毛利
• 客户细分个性化推荐：不同客群不同策略

2. 按所选工作模式执行其 SOP，按需加载对应深度参考：

• threshold-engineering.md → 门槛设计法则
• bundle-strategy.md → 捆绑模型与利润率计算
• promotion-strategy.md → 折扣矩阵与盈亏模拟
• upsell-cross-sell.md → 触点矩阵与 OCU 设计
• dynamic-pricing.md → 价格测试与治理
• cart-abandonment-recovery.md → 挽回序列与折扣防滥用

3. 所有方案必须经过利润模拟验证（core-frameworks.md 增强版利润模拟工作流）：

• 每个方案必须计算：边际贡献利润率变化、客单数量影响、净收入影响
• 毛利率底线：任何方案不得使毛利率低于品牌设定的最低可接受线
• 若用户未提供 COGS：标注“利润模拟待验证”，先给策略框架，不给具体数值承诺

4. 若 seasonal_mode = off_season → 加载 work-modes-and-templates.md 淡季 AOV 策略章节。 若 crisis_mode = cash_crisis → 优先低成本快速见效的 AOV 提升动作。

Phase 5 — 防护与质量检查

加载 references/anti-patterns.md 进行最终检查：

• 4 条禁止操作交叉验证
• 毛利率底线检查：确保无任何方案突破利润护栏
• 价格倒挂检查：确保捆绑/门槛不产生价格矛盾
• Dropshipping 适配：供应链模式下的特殊约束
• 降级策略（Level 1-3）：信息不足时的保守输出规则

4. Completion Protocol

每次输出必须遵循 _system/output-format.md 的四段式结构，并在 WHAT'S NEXT 中附带与内部 completion.status 对齐的用户可读状态：

---
**FILES SAVED**: [列出本次更新或创建的文件，如无则写 None]
**WHAT'S NEXT**:
├── ★ 推荐：{下一步行动}
├── ◑ 可选：{备选行动}
└── 当前状态：{本轮主问题已完成 / 主问题已完成但仍有保留项 / 当前被真实阻塞需先补齐关键前提 / 可继续推进但补充最小必要上下文后会更准确}

如果当前回答仍可自然展开，必须在 WHAT'S NEXT 之后追加与当前模块职责相匹配的自然语言升级出口（不得机械复用固定句式，具体规则见 _system/output-format.md 第 3.5 节）。

4.1 Internal Completion Handoff（内部完成回传）

除用户可见的四段式输出外，必须在内部 completion 回传中显式对齐 _system/context-matrix.md 的统一模板，不得只写状态码，也不得省略 market_scope_used 与 primary_market_used。

completion:
  from: afa-aov
  status: DONE | DONE_WITH_CONCERNS | BLOCKED | NEEDS_CONTEXT
  main_question_answered: true/false
  deferred_goals:
    - "{本轮未展开、需后续处理的次问题}"
  evidence_state_used: sufficient / partial / minimal
  market_scope_used: single_market / multi_market / unknown
  primary_market_used: "{本次结论主要适用的市场；若单市场已明确到具体国家/区域则写具体市场；若只知单市场但未点名，可写 english_ecommerce_generic 这类保守占位，不得凭空猜具体国家}"
  concerns:
    - "{保留事项 1}"
  blocked_reason: ""
  unblock_condition: ""
  needs:
    - what: "{需要什么}"
      where: "{去哪里获取，具体到菜单路径}"
  files_written:
    - path: "./brand-brain/{file}.md"
      type: "{profile / asset / campaign}"
  suggested_next:
    - skill: "afa-{next}"
      reason: "{为什么建议接下来做这个}"
  out_of_scope:
    reason: "{为什么当前请求超出本模块职责}"
    suggested_route: "afa-{next}"
  handoff_summary:
    completed: "{本模块完成了什么}"
    key_findings: "{下游模块需要知道的核心信息}"
    data_handover: "{传递的文件或数据点}"
    suggested_focus: "{下游模块应该重点关注什么}"

补充规则：

• 只要还能给保守可执行版，优先不用 BLOCKED。
• 若主问题已回答但仍有保留项，优先用 DONE_WITH_CONCERNS。
• 若当前请求真实越界，必须通过 out_of_scope 结构化回交上层，而不是只在正文口头停工。
• primary_market_used 必须与本次结论真正适用的市场一致，不得机械复写输入字段。

完成前检查清单：

• 确认已根据用户的具体需求选择了合适的工作模式。
• 确认已进行反模式检查，没有建议任何牺牲利润率的操作。
• 确认所有促销方案都经过了利润模拟验证。
• 确认已根据 supply_chain_mode 和 urgency_level 调整了策略（如适用）。
• 将本次执行中发现的新教训以 JSONL 格式追加到 learnings.jsonl，遵守 _system/brand-memory-protocol.md 第九章的数据结构定义。写入时遵循 _system/interaction-protocol.md 第五章的静默捕获协议。

5. 边界与越界处理

本模块仅负责客单价优化领域：免邮/赠品门槛设计、捆绑包策略、全链路追加销售与交叉销售、促销利润模拟、订阅 AOV 优化，以及公开价格测试与优惠/权益编排。

如果用户需求超出此范围（例如产品线扩展、广告投放、客户复购留存、邮件自动化搭建或全局利润诊断等非 AOV 优化领域），不要尝试回答，也不要向用户暴露其他内部代号。请向用户简要解释边界，并在内部 completion 回传中使用规范化 out_of_scope.reason 与 out_of_scope.suggested_route 结构将控制权交还给上层变现统筹流程重新路由；用户可见文案只保留自然语言下一步建议。

反模式与边界规则

本文件为客单价优化引擎的内部参考文件，用于沉淀本模块的常见误区、边界规则与异常处理原则。

如需整理为用户可见交付物，必须删除内部路由标签、模块代号和系统字段，只保留自然语言、业务角色与行动建议。

---

1. 禁止操作 (Anti-patterns)

1. 禁止盲目追求 AOV 而牺牲转化率：如果免邮门槛设置过高，导致大量客户放弃购物车，这是失败的策略。 2. 禁止在结账前设置高摩擦弹窗：不要在客户准备付款时弹出全屏的 Upsell 广告，这会打断支付流程。 3. 禁止推荐不相关的产品：不要向购买男士皮鞋的客户推荐女士香水，这会降低信任度。 4. 禁止虚假稀缺性：在购后 Upsell 中使用的倒计时必须是真实的，过期后优惠必须失效。

---

2. 边界规则

• 毛利率底线：任何捆绑或促销方案，如果导致混合毛利率低于 50%（或用户指定的底线），必须发出明确的红色警告。
• 价格倒挂：确保捆绑包的价格永远低于单买各组件的总价，且高于单买核心产品的价格。

---

3. Dropshipping 适配

Dropshipping 卖家的 AOV 优化面临特殊挑战：

Wholesale 适配（当 supply_chain_mode = wholesale 时）

Wholesale 卖家的 AOV 优化逻辑与 DTC 完全不同：

Manufacturing 适配（当 supply_chain_mode = manufacturing 时）

Manufacturing 品牌的 AOV 优化优势：

DTC 适配（当 supply_chain_mode = dtc 时）

保持现有所有 AOV 优化策略和优先级不变（DTC 是系统的默认设计目标）。

---

4. 降级策略 (Degradation Strategy)

当数据不足时，按以下层级降级：

---

5. 危机模式止血策略

当 crisis_mode ≠ none 时，afa-aov 的策略切换到止血模式：

当 `crisis_mode = cash_crisis` 时： 1. 立即审查所有促销：暂停所有毛利率低于 40% 的促销活动 2. 清理低利润捆绑包：如果某个捆绑包的混合毛利率低于 45%，立即下架或重新定价 3. 转向价值附加策略：用赠品 (GWP) 和免费服务替代直接折扣，维持 AOV 的同时保护利润 4. 聚焦高毛利 SKU：在首页和推荐位优先展示毛利率最高的产品

当 `crisis_mode = pr_crisis` 时： 本模块在 PR 危机中无特殊差异化操作，按 Supervisor 指令执行（可能被暂缓调用）。

AOV 优化核心 KPI 仪表盘 (KPI Dashboard)

AOV 优化不仅仅是看“平均客单价”这一个数字。它是一个系统工程，需要监控一系列相互关联的指标，以确保在提升收入的同时，没有损害转化率和利润率。

1. 核心北极星指标 (North Star Metrics)

1.1 众数客单价 (Modal AOV)

• 定义：在所有订单中，出现频率最高的订单金额区间（如 $45-$55）。
• 为什么重要：它是设定免邮门槛和赠品门槛的重要参考基准之一。平均 AOV 会被极端值扭曲，而众数 AOV 反映了大多数客户的真实购买力。
• 健康标准：众数 AOV 更适合观察是否稳步上升；免邮门槛通常可设在众数 AOV 上方的一段可达区间，并结合毛利与凑单行为校准。

1.2 混合毛利率 (Blended Gross Margin)

• 定义：扣除所有产品成本 (COGS)、运费补贴和赠品成本后的整体毛利率。
• 为什么重要：这是 AOV 优化的底线。如果 AOV 上升了 20%，但混合毛利率下降了 15%，你可能在亏钱。
• 健康标准：混合毛利率应维持在品牌可承受区间内，并与固定成本、回收期和促销深度一起解释。任何促销或捆绑方案都不应把混合毛利率压到不可持续的水平。

2. 促销与追加销售指标 (Upsell & Promo Metrics)

2.1 附加销售转化率 (Attachment Rate / Take Rate)

• 定义：购买了追加产品（Upsell）、交叉销售产品（Cross-sell）或凑单品（Order Bump）的订单占总订单的比例。
• 为什么重要：衡量你的推荐是否相关，以及门槛设定是否有效。
• 健康标准：
• 购物车凑单品：适合与历史表现和订单结构对比观察
• 结账页附加服务：适合与同类型服务的历史承接率对比观察
• 购后一键追加 (Post-purchase OCU)：适合与品类、价格带和优惠深度一起解释

2.2 捆绑包渗透率 (Bundle Penetration Rate)

• 定义：包含捆绑包的订单占总订单的比例。
• 为什么重要：衡量捆绑策略的吸引力。如果渗透率持续偏低，通常说明捆绑包的价值主张不清晰、曝光位置不对，或折扣力度与感知价值不匹配。
• 健康标准：更适合按品类、价格带和捆绑曝光位置建立品牌内基线，而不是套用统一渗透率。

2.3 促销订单占比 (Discounted Order Ratio)

• 定义：使用了折扣码或参与了促销活动的订单比例。
• 为什么重要：监控品牌是否过度依赖打折。如果这个比例长期处于高位，说明品牌可能正在丧失定价权，客户也可能被训练成“不打折不买”。
• 健康标准：更适合按日常期、大促期和新品期分别建立可接受区间，而不是套用单一比例。

3. 盈亏平衡与单位经济学 (Unit Economics)

3.1 促销盈亏平衡点 (Promo Break-even Point)

• 定义：在特定折扣下，需要增加多少销量才能维持与不打折时相同的绝对利润。
• 公式：所需销量增长率 = 折扣率 / (原毛利率 - 折扣率)
• 为什么重要：在启动降价活动前，宜优先计算这个指标，作为 Go/No-Go 的重要决策依据之一。

3.2 订单贡献利润 (Contribution Margin per Order)

• 定义：AOV 减去 COGS、履约成本（运费+包装）和客户获取成本 (CAC) 后的净利润。
• 为什么重要：这是最真实的盈利指标。提升 AOV 的最终目的是提升每一单的贡献利润。
• 健康标准：通常至少应保持为正；如果为负，说明你每卖一单都在亏钱，应优先收紧拉新、复核折扣与履约成本，并同步优化 AOV 和转化率。

4. 仪表盘监控频率与行动指南

• 每日监控：AOV、转化率、附加销售转化率。如果附加销售转化率突然归零，可能是插件或前端代码出了问题。
• 每周监控：混合毛利率、捆绑包渗透率。根据库存情况调整凑单品和捆绑包的组合。
• 每月/大促后复盘：促销订单占比、订单贡献利润、盈亏平衡点达成情况。评估上个月的促销活动是否真正带来了利润增长。

AOV 优化行业基准数据 (Benchmark Data)

层级声明：本文件默认作为 internal-only 的内部起草模板库使用，不得整段直接粘贴给用户。

如需整理为用户可见交付物，涉及负责人、承接团队、内部路由或系统字段的内容，只保留自然业务角色写法，不带内部编排说明。

渲染规则：本文件中所有 KPI、ROAS/ROI、预算配比、渠道占比、观察窗口与目标值，默认只可视为外部参考、保守起点或待验证目标，不得写成统一健康线，也不得伪装成品牌当前既成事实；当证据不足时，先输出保守可执行版，并显式标出待验证项。

本文件提供了 2026 年 DTC 行业在客单价 (AOV)、促销转化率、捆绑销售和追加销售方面的关键基准数据。这些数据用于在诊断和规划阶段设定合理的 KPI 预期。

1. 核心 AOV 基准指标

1.1 各品类平均 AOV (Mean AOV)

注意：平均 AOV 仅供宏观参考，实际操作中应使用众数 AOV (Modal AOV)。

1.2 促销与激励转化率基准

2. 捆绑销售 (Bundling) 表现基准

捆绑销售是提升 AOV 的最有效手段之一，但其成功取决于组合的吸引力和折扣力度。

2.1 捆绑包类型表现

2.2 捆绑包定价心理学

• 折扣感知：当折扣低于 10% 时，客户通常认为“不值得为了这点钱多买一件”。
• 最佳甜点：15% - 20% 的折扣是平衡转化率和利润率的最佳区间。
• 价值展示：明确标示“节省了 $XX”比单纯显示“XX% Off”转化率高出 18%。

3. 盈亏平衡与利润率基准

在进行促销时，必须监控利润率的健康度。

3.1 行业毛利率 (Gross Margin) 基准

3.2 促销折扣的盈亏平衡要求

假设原毛利率为 60%

结论：折扣越深，所需的销量增长呈指数级上升。这就是为什么 DTC 品牌应尽量避免超过 20% 的全场折扣，而应转向捆绑销售或赠品策略。

捆绑销售架构 (Bundle Architecture)

捆绑销售是提升 AOV 的核心杠杆。它不仅能增加单笔订单的收入，还能通过组合高利润配件来保护整体毛利率，同时降低单件商品的履约和物流成本。

1. 捆绑销售的三大核心模型

1.1 入门套装 (Starter Kit)

目标：降低新客户的决策门槛，提供完整的初始体验。 结构：1 个核心产品 (Hero Product) + 2-3 个互补配件。 定价策略：通常提供 10%-15% 的折扣。 适用场景：

• 需要配件才能发挥最佳效果的产品（如：电动牙刷 + 刷头 + 旅行盒）。
• 护肤品的“基础三步曲”（洁面 + 爽肤水 + 面霜）。

价值主张：“一站式解决你的所有需求，比单买更划算。”

1.2 囤货装/补充包 (Replenishment Bundle)

目标：针对消耗品，提前锁定未来的复购需求，推高当次 AOV。 结构：同一产品的多件装（如 3 件装、6 件装）。 定价策略：阶梯折扣（买 2 件 10% off，买 3 件 20% off）。 适用场景：

• 营养补充剂、洗发水、咖啡豆、隐形眼镜。

价值主张：“买得越多，省得越多。反正你迟早要用完。”

1.3 策展系列 (Curated Collection)

目标：针对送礼场景或特定主题，创造高感知价值的组合。 结构：跨品类的相关产品组合，通常包装精美。 定价策略：强调“套装总价值”，提供 15%-20% 的折扣。 适用场景：

• 节日礼盒（如“母亲节奢宠套装”）。
• 场景化组合（如“夏日海滩防晒系列”：防晒霜 + 晒后修复 + 太阳镜）。

价值主张：“为你精心挑选的完美组合，送礼自用两相宜。”

2. 混合利润率计算 (Blended Margin Logic)

设计捆绑包时，最大的风险是“折扣吃掉了所有利润”。必须计算混合利润率，确保其高于品牌的最低可接受毛利率（通常为 60%）。

2.1 计算公式

混合毛利率 = (捆绑包售价 - 包含所有单品的总 COGS) / 捆绑包售价

2.2 示例分析

假设你有一个核心产品 A 和一个配件 B：

• 产品 A：售价 $100，COGS $40（毛利率 60%）
• 配件 B：售价 $30，COGS $5（毛利率 83%）
• 单买总价：$130
• 单买总 COGS：$45
• 单买混合毛利率：($130 - $45) / $130 = 65.4%

设计捆绑包（提供 15% 折扣）：

• 捆绑包售价：$130 * 0.85 = $110.5
• 捆绑包总 COGS：$45（不变）
• 捆绑包混合毛利率：($110.5 - $45) / $110.5 = 59.3%

结论：虽然提供了 15% 的折扣，但由于配件 B 的超高毛利率（83%）拉高了整体水平，捆绑包的混合毛利率依然保持在健康的 59.3%（接近 60% 的底线）。这就是为什么捆绑销售必须包含高利润配件的原因。

3. 捆绑销售的 UI/UX 最佳实践

1. 产品页 (PDP) 上的“经常一起购买” (Frequently Bought Together)：

• 在核心产品的“加入购物车”按钮下方，直接展示 1-2 个互补配件。
• 提供一键将所有商品加入购物车的选项，并明确标示组合购买的折扣金额（如“一起买省 $15”）。

2. 构建专属的捆绑包落地页 (Bundle Landing Page)：

• 对于“策展系列”或“入门套装”，不要只在单品页追加，应该为其创建一个独立的落地页，详细阐述套装的整体价值。

3. “构建你自己的套装” (Build Your Own Bundle, BYOB)：

• 允许客户从特定类目中挑选 3-5 件商品，达到数量后自动解锁阶梯折扣。
• 这种方式赋予了客户控制感，极大地提高了转化率和 AOV。

购物车挽回中的 AOV 保护策略 (Cart Recovery AOV Protection)

购物车挽回的执行（邮件序列、短信触达、退出意图弹窗的设置与触发）应由后续转化承接方案继续推进。

本文件专注于：在挽回过程中如何保护客单价和利润率，防止客户"为了折扣而故意放弃购物车"。

---

1. 为什么 AOV 引擎应介入购物车挽回？

购物车放弃率在许多品类中都可能处于高位，但盲目发折扣码挽回会带来三个 AOV 杀手：

1. 折扣依赖症：客户学会了"放弃购物车 → 等折扣码"的行为模式，导致全价购买率持续下降。 2. 利润侵蚀：对低价值购物车发放百分比折扣，可能导致单笔订单亏损。 3. 品牌价值稀释：频繁的挽回折扣让客户认为"这个品牌永远在打折"，损害品牌溢价能力。

---

2. 放弃原因与 AOV 影响分析

理解放弃原因，才能判断哪些值得用折扣挽回，哪些应该用非折扣手段解决。

关键洞察：在多数购物车放弃原因中，"意外费用"往往属于最值得优先处理的一类问题；通过免邮门槛设计，不仅可能挽回客户，还能带动 AOV 提升。

---

3. 动态折扣阶梯 (Dynamic Discounting)

核心原则：不要给所有放弃购物车的客户发送相同的折扣码。

3.1 基于购物车价值的分层策略

3.2 基于客户行为的分层策略

---

4. 折扣码滥用防控机制

4.1 技术防控

• 一次性唯一码：挽回邮件中的折扣码宜优先使用动态生成、单次使用的唯一码（如 COMEBACK-X7Y9Z），降低被分享到优惠券网站的风险。
• 有效期限制：有效期可设置为较短窗口，创造真实的紧迫感，但具体时长应结合购买周期与客群反应测试。
• 排除特定商品：如果购物车中包含已经是清仓特价或极低毛利的商品，折扣码应自动失效或在条款中排除这些商品。
• 最低消费门槛：折扣码可设置最低消费金额，引导客户凑单提升 AOV，但门槛应与当前订单带和毛利空间匹配。

4.2 行为防控

• 频率限制：同一客户在一个购买周期内收到折扣型挽回的频率应保持克制，避免"训练"客户放弃购物车。
• 渐进式降级：可采用由强到弱的挽回策略，例如先免邮、后提醒、再减少优惠暴露，但具体顺序应按品牌策略验证。
• 折扣码追踪：监控折扣码使用率，如果某个客户群体的折扣使用率持续上升，说明可能已经产生依赖，应及时收紧折扣挽回。

---

5. 免邮门槛作为 AOV 提升杠杆

免邮门槛是购物车挽回中最强大的 AOV 工具，因为它同时解决了"意外费用"（放弃原因 #1）和"提升客单价"两个目标。

5.1 免邮门槛设置公式

免邮门槛可从“当前 AOV 上方的一小段可达区间”起步测试

• 如果当前 AOV 是 $65，免邮门槛可从略高于当前主流订单带的区间开始测试。
• 门槛太低 → 无法有效提升 AOV。
• 门槛太高 → 客户更可能放弃凑单，转化率下降。

5.2 免邮门槛的展示策略

• 购物车页进度条：使用“再加 [差额] 即可免运费”一类动态文案，并配合视觉进度条。
• 智能推荐：在进度条下方推荐价格恰好能凑满门槛的商品。
• 退出意图弹窗：当客户要离开购物车页时，提示“你离免运费只差 [差额]”。

---

6. AOV 保护指标监控

---

执行层面的购物车挽回（邮件序列设计、短信触达时机、退出意图弹窗设置、信任徽章优化）请参见相应的转化优化执行手册中的“结账流程优化 8 大原则”。

>

邮件与短信的具体发送策略，请分别参见对应触达渠道的核心流程手册。

核心框架与范式

本文件为客单价优化模块的内部参考文件，用于沉淀客单价优化中的核心框架、分析范式与提效原则。

如需整理为用户可见交付物，应删除内部路由标签、模块代号和系统字段，只保留自然语言、业务角色与行动建议。

---

1. 2026 AOV 优化新范式

在 2026 年的 DTC 竞争环境中，流量成本持续攀升，单纯依赖拉新已无法维持健康的单位经济模型。AOV 优化正在经历以下范式转变：

---

2. 订阅模式与 AOV 锁定 (Subscription & AOV Lock-in)

订阅模式不仅是留存工具，更是 AOV 的战略锁定机制。

2.1 订阅对 AOV 的三重影响

2.2 订阅定价策略

• 标准折扣：订阅价格通常可低于一次性购买，但折扣深度应以毛利、补货周期和留存目标倒推，避免侵蚀利润。
• 首单深折：首次订阅如需提供额外激励，应先验证获客价值、回收周期和后续续订表现，再决定是否设置更深优惠。
• 阶梯奖励：可在连续订阅达到某个稳定节点后提供小样、配件或会员权益，但具体节点应结合补货节奏与留存曲线设定。

2.3 订阅适用性判断

并非所有产品都适合订阅。适用条件：

• 产品是消耗品（护肤品、咖啡、宠物食品、维生素）
• 消耗周期相对可预测（例如按月度或多月补货节奏复购）
• 客户不需要频繁更换口味/款式（如果需要，考虑 BYOB 订阅）

---

3. 增强版利润模拟工作流 (Enhanced Profit Simulation)

当用户需要评估一个复杂促销方案时，使用以下结构化工作流：

Step 1 — 澄清评估背景：

• 你想评估的 Offer 是什么？（直降、捆绑、追加销售、满减、包邮）
• 你们平时怎么判断一个 Offer "可做"？（看净利、看贡献利润率、看 CAC 容忍度）
• 这次最关心的是什么？（利润绝对值、放量空间、转化假设、还是风险边界）

Step 2 — 收集核心输入变量：

• 核心商业假设（日均销量、日均流量、当前转化率）
• 价格和成本结构（售价、COGS、履约成本、CAC）
• 利润或退款假设（当前毛利率、退货率）
• 约束或护栏条件（最低可接受毛利率、最大折扣幅度）

Step 3 — 输出结构化评估： 1. 基线视图：当前状态下的单位经济学 2. 情景分析：悲观/持平/乐观三种销量增长下的利润变化 3. 盈亏平衡影响：需要多少额外销量才能打平 4. 关键风险：最大的弱点或盈亏平衡压力点 5. 最终建议：Go / No-Go / 修改方案

---

4. 高级策略：个性化与动态定价

4.1 基于客户细分的个性化推荐

不同客户群体对价格和促销的敏感度不同，应采用差异化策略：

4.2 价格测试方法论

阶梯式提价测试：选取销量稳定的核心产品，做小幅提价测试，在一个可解释的观察窗口内监控转化率和总利润的变化。如果转化率下降但单件利润增加，仍需综合判断总利润、客诉与长期价格感知是否同步改善。

锚定效应测试：引入一个极高价的"诱饵产品" (Decoy Product)，观察中间价位产品的销量是否上升。

诊断系统

本文件为客单价优化模块的内部参考文件，用于沉淀客单价提升中的结构化诊断模式与恢复路径。

如需整理为用户可见交付物，必须删除内部路由标签、模块代号和系统字段，只保留自然语言、业务角色与行动建议。

---

1. 五大诊断模式

模式一：AOV 停滞诊断

触发条件：用户表示"流量和转化正常，但客单价一直上不去"。

决策树： 1. 检查免邮门槛：

• 是否有免邮门槛？如果没有，建议立即设置
• 门槛是否设置过高（> 众数 AOV + 50%）？如果是，建议降低至 +30%
• 门槛是否设置过低（< 平均 AOV）？如果是，建议提高

2. 检查凑单品：

• 购物车是否有 $10-$20 的低价配件推荐？如果没有，建议补充

3. 检查捆绑策略：

• 产品页是否只卖单品？建议增加 2 件装/3 件装的选项

模式二：促销利润诊断

触发条件：用户计划做一个大促，或者发现"卖得越多亏得越多"。

决策树： 1. 收集数据：获取 COGS、当前售价、日常销量、计划折扣 2. 运行盈亏平衡模拟：计算所需的销量增长率 3. 评估可行性：

• 如果所需增长率 > 100%，强烈建议放弃纯折扣，改用赠品 (GWP) 或捆绑销售
• 如果所需增长率 < 30%，且历史数据支持，则批准该促销方案

模式三：追加销售转化率低诊断

触发条件：用户设置了 Upsell，但没人买（转化率 < 2%）。

决策树： 1. 检查相关性：推荐的产品是否与主产品强相关？（如：买鞋推袜子 = 强相关；买鞋推帽子 = 弱相关） 2. 检查价格比例：追加销售商品的价格是否超过了主商品的 30%？如果是，价格过高，建议更换为低价配件 3. 检查摩擦力：是否在结账前弹出了阻断式的全屏弹窗？建议改为购物车内的无缝勾选框，或移至购后页面 (Post-purchase)

模式四：订阅 AOV 诊断

触发条件：用户已有订阅计划，但订阅客户的 AOV 低于一次性购买客户。

决策树： 1. 检查订阅折扣深度：订阅折扣是否超过 20%？如果是，折扣过深，建议降至 10%-15% 2. 检查追加销售植入：续费邮件中是否有追加销售？如果没有，建议在续费确认邮件中加入"加购 XX 享额外折扣" 3. 检查升级路径：是否有从基础订阅升级到高级订阅的路径？如果没有，建议设计 2-3 个订阅层级

模式五：捆绑包表现诊断

触发条件：用户已上线捆绑包，但渗透率低于 10%。

决策树： 1. 检查可见性：捆绑包是否在产品页和首页有显著展示？如果只在某个子页面，建议提升曝光位 2. 检查价值感知：是否清晰展示了"原价 vs 套装价"的对比？如果没有，建议增加划线价和节省金额 3. 检查组合逻辑：捆绑的产品是否真的互补？如果是随机组合，建议基于购买数据重新设计

---

2. ICE 优先级排序框架

当诊断输出多个 AOV 优化方案时，使用 ICE 框架进行优先级排序：

排序规则：ICE 总分 = I × C × E / 10，按总分降序排列。同分时，优先选择 Impact 更高的方案。

动态定价与价格测试 (Dynamic Pricing & Testing)

产品基础定价（COGS 拆解、成本加成/竞争导向/价值导向/心理定价策略、单位经济模型）由 afa-product 的 `cogs-and-pricing-model.md` 负责。

本文件专注于：如何通过价格测试和动态调整来提升 AOV，属于定价的战术执行层面。

价格优化并不等于对不同用户展示不同标价。DTC 品牌可以通过公开、可解释的价格测试、权益设计和优惠编排，在不破坏信任与公平性的前提下提升利润率和 AOV。

1. 价格弹性的核心概念

价格弹性 (Price Elasticity) 衡量的是需求量对价格变化的敏感程度。

• 高弹性产品：价格稍微上涨，销量大幅下降（如：基础款白 T 恤，替代品多）。
• 低弹性产品：价格上涨，销量变化不大（如：专利护肤品、强品牌认同的限量版）。

AOV 优化的核心任务：找出哪些产品是低弹性的，并勇敢地提高它们的价格。

2. 价格测试方法论 (Price Testing Playbook)

不要凭直觉定价，必须通过 A/B 测试找到利润最大化的“甜点” (Sweet Spot)。

2.1 阶梯式提价测试 (Step-up Pricing Test)

• 目标：寻找核心产品的最高可接受价格。
• 方法：

1. 选取一个销量稳定、评价极高的核心产品。 2. 将价格提高 5% - 10%（例如从 $45 提高到 $49）。 3. 运行 2-4 周，监控转化率和总利润的变化。

• 评估标准：
• 如果转化率下降了 5%，但单件利润增加了 15%，总利润是增加的。测试成功，保留新价格。
• 如果转化率下降了 20%，导致总利润减少，测试失败，恢复原价。

2.2 锚定效应测试 (Anchoring Test)

• 目标：通过引入高价对比物，让目标产品显得更划算。
• 方法：

1. 引入一个极高价的“诱饵产品” (Decoy Product) 或高级版本（如：在 $50 和 $100 的产品旁边，增加一个 $250 的豪华版）。 2. 观察 $100 产品的销量是否上升。

• 心理学：客户在看到 $250 的价格后，会觉得 $100 的产品是“性价比最高”的选择。

3. 价格优化与优惠编排的实施场景

3.1 基于库存的公开价格治理

• 库存紧张时：当某款热销产品库存低于安全线时，应优先取消该产品的临时折扣、降低促销曝光或转向候补/预售机制；若需要调整标价，应对所有用户统一生效，并在同一市场保持一致展示。
• 库存积压时：对于周转率低的产品，不要直接全场打折。将其作为“高价值赠品” (GWP) 放入高门槛捆绑包，或采用公开可见的限时促销，以兼顾去库存与 AOV。

3.2 基于客户细分的权益编排

• 新客户：提供公开规则的“首单 15% Off”或“首单免邮”，降低试错门槛。
• 高净值客户 (VIPs)：优先提供提前购买限量版、免费升级加急配送、专属客服等非价格型权益，而不是隐藏式差异标价。
• 沉睡客户：可以发送公开说明、可追溯的挽回优惠（如 25% Off 的召回活动），但同一优惠条件下不得因用户画像不同而展示不同标价。

4. 价格测试的护栏规则 (Guardrails)

1. 同品同价：任何价格测试都应以统一版本对统一流量切片公开展示，不能基于用户画像、设备、来源或预测价值对同一商品展示不同标价。 2. 不要频繁变动：同一产品的价格测试周期至少应为 2 周，以消除星期几效应 (Day-of-week seasonality)。 3. 控制变量：在进行价格测试时，不要同时改变产品页的图片、文案或广告投放策略。 4. 透明度：如果客户发现他们昨天买的产品今天降价了，会引发严重的客诉。必须有明确的"价格保护"政策（如 7 天内退差价），以维护品牌信任。 5. 优惠优先于差异标价：优先用公开优惠、捆绑包、赠品、会员权益和配送权益做实验，而不是做用户不可感知的个体差异定价。

---

如需了解产品的基础定价策略（COGS 核算、定价模型选择、毛利率目标设定），请参见 afa-product 的 `cogs-and-pricing-model.md`。

>

如需了解竞品价格监控与价格情报，请参见 afa-compete 的 `price-intelligence.md`。

促销策略引擎 (Promotion Strategy Engine)

促销策略引擎旨在帮助 DTC 品牌在不损害品牌资产和长期利润率的前提下，规划、执行和衡量促销活动。它解决了短期收入提升与长期品牌价值保护之间的核心矛盾。

1. 折扣架构 (Discount Architecture)

并非所有的折扣都是平等的。选择正确的促销类型取决于你的商业目标（清库存、拉新、推高 AOV）和利润结构。

1.1 核心折扣类型与应用场景

1.2 价值附加 (Value-add) 优于直接打折

对于 DTC 品牌，尤其是定位中高端的品牌，应尽可能避免使用直接的百分比折扣（如全场 20% Off）。直接打折会侵蚀品牌资产，训练客户等待促销。

替代方案：价值附加 (Value-add)

• 赠品 (Gift with Purchase, GWP)：提供一个高感知价值、低实际成本 (COGS) 的赠品。例如，购买 $150 的护肤套装，赠送价值 $30 的旅行装（实际成本可能只有 $5）。
• 服务升级：免费加急配送、专属礼品包装、延长保修期。
• 捆绑销售：通过组合产品提供整体折扣，掩盖单品的降价幅度。

2. 闪购与紧迫感剧本 (Flash Sale & Urgency Playbook)

闪购 (Flash Sale) 是在短时间内创造大量收入的有效手段，但必须谨慎使用，避免产生“虚假紧迫感”。

2.1 闪购的三大原则

1. 真实的稀缺性 (Real Scarcity)：必须限制时间（如 24-48 小时）或数量（如限量 500 件）。绝不能使用虚假的倒计时器。 2. 极具吸引力的优惠 (Compelling Offer)：闪购的折扣力度必须显著高于日常促销（通常需要 20% 以上的感知价值提升），否则不值得投入运营资源。 3. 节奏感沟通 (Cadence Communication)：

• 预热期 (Tease)：提前 3-5 天通过邮件和社交媒体预告，建立期待。
• 发布期 (Launch)：活动开始时发送强有力的通知，明确优惠内容和截止时间。
• 最后冲刺 (Last Chance)：在活动结束前 6-12 小时发送提醒，强调即将错失的机会。

3. 利润影响模拟器 (Profit Impact Simulator)

在启动任何促销活动前，必须进行严格的盈亏平衡模拟。这是防止“卖得越多亏得越多”的关键防线。

3.1 盈亏平衡销量增长率 (Break-even Volume Increase)

核心问题：如果我打折 20%，我需要多卖多少件商品，才能赚到和不打折时一样的绝对利润？

计算公式： 所需销量增长率 = 折扣率 / (原毛利率 - 折扣率)

案例分析：

• 产品原价：$100
• 产品成本 (COGS)：$40
• 原毛利率：60% ($60 利润)
• 计划折扣：20% ($20 折扣)
• 折扣后售价：$80
• 折扣后利润：$40 ($80 - $40)
• 折扣后毛利率：50%

计算所需增长率：

• 所需销量增长率 = 20% / (60% - 20%) = 20% / 40% = 50%

结论：你必须卖出比平时多 50% 的商品，才能赚到和不打折时一样的绝对利润。如果你的促销活动无法带来 50% 的销量增长，那么这次打折在财务上就是失败的。

3.2 利润模拟的决策应用

• Go/No-Go 决策：如果模拟显示需要 100% 以上的销量增长才能盈亏平衡，强烈建议放弃该纯折扣方案，改用赠品 (GWP) 或捆绑销售。
• 情景规划：在模拟报告中，提供悲观（+10% 销量）、持平（达到盈亏平衡点）和乐观（+50% 销量）三种情景下的总利润预测，帮助管理层设定合理的预期。

激励门槛工程 (Threshold Engineering)

激励门槛通常是提升 AOV 的高影响手段之一。本指南详细说明了如何更审慎地设定免邮、赠品和折扣门槛，以兼顾利润与转化率。

1. 为什么“平均客单价”是陷阱？

大多数品牌在设定免邮门槛时，会查看后台的“平均客单价 (Mean AOV)”，然后在这个数字上加一点。这是一个致命的错误。

平均数 (Mean) 容易被极端值扭曲。例如，当订单结构中混入少量高额订单时，平均 AOV 可能明显高于主流订单带。

如果直接按照“平均值再上浮一点”去设免邮门槛，常会把多数客户挡在门外，导致他们既不愿凑单，也不愿承担运费。

更稳妥的做法：优先参考众数 (Mode) 或中位数 (Median)。 也就是说，门槛更适合围绕主流订单带来设定，而不是被少数异常高额订单带偏。

2. 门槛设定法则

2.1 免邮门槛 (Free Shipping Threshold)

• 起始测试区间：可先用“略高于众数 AOV”的区间作为第一轮测试范围，再按毛利、运费结构、凑单品可得性和转化反馈回调。
• 逻辑：当众数接近某个主流订单带时，第一轮可先测试略高于该区间的门槛，再观察客户是否愿意顺手加购一个低门槛配件来免邮。更优门槛不应凭公式直接定死，而要结合毛利、运费、库存与凑单品结构持续回调。
• 心理学：客户通常更容易接受“把预算补到可获得额外价值”的方案，而不是单纯支付运费。

2.2 阶梯式激励 (Tiered Incentives)

单一门槛只能捕获一部分客户。使用阶梯式激励可以榨取更多价值：

3. 凑单品矩阵 (Order Bumpers)

门槛设定好后，应有对应的产品让客户去“凑”。如果没有合适的凑单品，门槛往往难以发挥作用。

3.1 凑单品的特征

1. 价格合适：价格应尽量落在客户容易补差的区间内。 2. 高利润率：凑单品应尽量保留充足毛利，以弥补你承担的运费或赠品成本。 3. 无需思考：优先选择冲动消费品、消耗品或通用配件，尽量减少客户额外决策负担。

3.2 行业示例

• 美妆护肤：旅行装、化妆棉、面膜单片、洁面巾。
• 服装鞋帽：袜子、鞋带、防水喷雾、内衣、帽子。
• 电子产品：充电线、屏幕保护膜、清洁套装、理线器。
• 家居用品：清洁剂补充装、替换滤芯、香氛蜡烛。

4. UI/UX 最佳实践

1. 动态进度条：在购物车顶部（尤其是抽屉式购物车 Drawer Cart）显示一个进度条，例如“您距离免邮还差 [差额]”。 2. 一键添加：在进度条下方直接展示少量凑单品，带有一个显眼的“+ Add”按钮，点击后尽量无需跳转页面即可加入购物车。 3. 视觉解锁：当客户达到门槛时，进度条应变成绿色，并显示庆祝动画（如五彩纸屑），强化“获得奖励”的心理满足感。

追加与交叉销售矩阵 (Upsell & Cross-sell)

追加销售 (Upsell) 和交叉销售 (Cross-sell) 是在客户购买旅程的不同触点，通过提供相关产品或升级选项来提升 AOV 的核心策略。

1. 核心定义与区别

• 追加销售 (Upsell)：鼓励客户购买同一产品的更高级、更昂贵版本，或者增加购买数量（如：从 16GB 升级到 64GB，从单件装升级到 3 件装）。
• 交叉销售 (Cross-sell)：向客户推荐与主产品互补的其他产品（如：买鞋推荐袜子，买手机推荐手机壳）。

2. 全链路 Upsell/Cross-sell 触点矩阵

在客户旅程的不同阶段，植入不同类型的附加优惠，以最小化摩擦并最大化转化率。

2.1 产品页 (PDP) - 购前阶段

• 策略：展示“经常一起购买” (Frequently Bought Together) 的互补产品。
• 产品选择：应与主产品强相关。如果客户在看跑鞋，优先推荐运动袜或鞋带，而不是相关性较弱的品类。
• 价格比例：附加产品价格通常应落在客户容易顺手接受的区间内，具体比例需结合主产品价格带与毛利空间判断。
• UI 呈现：在“加入购物车”按钮下方，提供一键勾选的复选框。

2.2 购物车 (Cart/Drawer) - 决策阶段

• 策略：提供低价的“凑单品” (Order Bumpers) 以达到免邮或赠品门槛。
• 产品选择：高利润率、无需复杂决策的冲动消费品（如：清洁剂、旅行装、配件）。
• UI 呈现：在购物车顶部显示动态进度条（如“再加一点即可享受免邮”），并在下方直接展示少量凑单品，带有清晰的“+ Add”按钮。

2.3 结账页 (Checkout) - 支付前阶段

• 策略：提供极低摩擦的附加服务 (Service Bumps)。
• 产品选择：通常是边际成本较低、履约摩擦小的虚拟产品或服务。
• 优先发货/加急配送（可按品牌实际成本与价格带设置附加费）
• 礼品包装（可按包装成本与感知价值设置附加费）
• 运输保险/包裹保护（可按履约风险与客诉结构设置附加费）
• UI 呈现：在输入支付信息前，提供一个简单的勾选框（“☑️ 是的，我需要加急配送”）。

2.4 购后页面 (Post-purchase) - 黄金时刻

• 策略：在客户完成支付后的“感谢页面” (Thank You Page)，提供一键式追加购买 (One-click Upsell, OCU)。
• 优势：客户无需重新输入信用卡信息，信任度通常更高，也更容易形成顺手加购。
• 产品选择：
• 同款加购：例如“再买一件同款，享受加购优惠（限时窗口）”。
• 高级互补品：推荐在购前阶段可能显得太贵的互补产品（如：买咖啡机后，推荐高级磨豆机）。
• 紧迫感：可配合真实有效的倒计时或限时说明，强调这是专属优惠，但时效表达应与实际规则一致。

3. 购后追加销售 (Post-purchase Upsell) 的深度解析

购后追加销售通常是提升 AOV 阻力较小的路径之一。它利用了客户刚刚完成购买决策后仍处于较高接受度的心理状态。

3.1 为什么购后 Upsell 如此有效？

1. 零摩擦：客户的支付信息已经被安全保存（Tokenized），通常只需极少步骤即可完成加购，无需再次经历完整的结账流程。 2. 不影响初始转化率：所有的 Upsell 都在初始订单完成之后发生。即使客户拒绝了 Upsell，你已经拿到了初始订单的收入。这与在结账前弹出广告（可能导致客户放弃购物车）有本质区别。 3. 更容易激发顺手加购：若搭配真实有效的限时权益或清晰价值说明，往往更容易触发 FOMO（错失恐惧症）式反应。

3.2 购后 Upsell 的最佳实践

• 单一明确的优惠：不要在感谢页同时展示过多不同产品。优先展示最相关的一项加购，并提供清晰的价值说明。
• 清晰的拒绝按钮：应提供一个明显的“不，谢谢”链接。不要试图隐藏它，这会引起客户反感。
• A/B 测试：持续测试不同的产品组合、权益力度和文案。例如，比较“同款加购方案”与“互补品加购方案”哪种转化率更高。

工作模式与模板

本文件为客单价优化引擎的内部参考文件，用于沉淀本模块的工作模式、执行模板与交付骨架。

层级声明：本文件默认作为 internal-only 的内部起草模板库使用，不得整段直接粘贴给用户。

如需整理为用户可见交付物，应删除内部路由标签、模块代号和系统字段，只保留自然语言、业务角色与行动建议。

渲染规则：本文件中的门槛公式、折扣比例、情景增幅、SKU 数量、层级数量、利润底线和任何 Go/No-Go 判断，默认只可作为参考区间、保守起点或待验证计划；不得写成统一健康线、固定配方或对品牌结果的确定性承诺。

---

1. 五大工作模式

Mode 1: /design_threshold — 门槛与凑单品设计

目标：基于数据设定科学的免邮/赠品门槛，并匹配凑单品。

输入：当前平均 AOV、众数 AOV（或订单金额分布数据）、产品目录及价格。

流程： 1. 基于众数 AOV、订单分布、运费结构和利润约束估算免邮门槛的候选区间 2. 基于众数 AOV、赠品成本和利润空间估算赠品门槛的候选区间 3. 从产品目录中筛选足够支持测试的高利润凑单品，数量按差价结构与品类宽度确定 4. 输出完整的门槛架构和购物车 UI 建议

Mode 2: /build_bundle — 捆绑包构建

目标：为核心产品设计高转化、保利润的捆绑套餐。

输入：核心产品（Hero Product）、互补产品列表、各产品 COGS 和售价、目标毛利率。

流程： 1. 设计适合当前品牌与目录结构的捆绑层级，数量按客群分层和价格带决定 2. 为每个捆绑包计算总售价、折扣比例和混合毛利率 3. 验证混合毛利率是否高于目标底线 4. 撰写捆绑包的价值主张文案（强调省了多少钱，解决了什么完整问题）

Mode 3: /simulate_profit — 促销利润模拟器

目标：在活动上线前，评估促销方案的财务健康度。

输入：日常售价、COGS、日常日均销量、计划折扣/优惠方案。

流程： 1. 计算单件利润的绝对值变化 2. 计算盈亏平衡所需的销量增长率 3. 提供情景分析（按保守/中性/乐观等可解释场景评估不同销量增长下的总利润变化） 4. 给出条件化商业建议（可执行 / 暂缓 / 需调整方案），并明确前提与风险

Mode 4: /plan_upsell — 全链路 Upsell 规划

目标：在客户旅程的各个触点植入附加销售机会。

输入：主推产品、客户旅程触点。

流程： 1. 规划产品页 (PDP) 的"经常一起购买"组合 2. 规划购物车 (Cart) 的低价凑单品 3. 规划结账页 (Checkout) 的虚拟服务（延保、加急） 4. 规划购后页 (Post-purchase) 的一键限时优惠

Mode 5: /optimize_subscription — 订阅 AOV 优化

目标：设计或优化订阅计划以最大化年化 AOV。

输入：产品类型、消耗周期、当前定价、竞品订阅方案。

流程： 1. 评估产品的订阅适用性（消耗品？周期可预测？） 2. 设计适合当前品牌的订阅层级，数量按产品复杂度、客群差异和运营能力决定 3. 计算每个层级的订阅折扣和年化利润 4. 设计续费邮件中的追加销售触点 5. 输出完整的订阅定价方案和利润预测

---

2. 输出模板

模板 A：捆绑包设计方案

## 捆绑包设计方案：[主题名称]

**核心产品**：[产品 A]

### 选项 1：入门套装 (Starter Kit)
- **包含内容**：[产品 A] + [配件 B]
- **原价总计**：$XX.XX
- **捆绑售价**：$XX.XX (节省 XX%)
- **混合毛利率**：XX% (安全)
- **价值主张**：[一句话说明为什么这两个产品适合一起购买]

### 选项 2：完整体验装 (The Complete System)
- **包含内容**：[产品 A] + [配件 B] + [消耗品 C]
- **原价总计**：$XX.XX
- **捆绑售价**：$XX.XX (节省 XX%)
- **混合毛利率**：XX% (安全)
- **价值主张**：[一句话说明这个套装如何解决客户的全部痛点]

模板 B：促销利润模拟报告

## 促销利润模拟报告

**评估方案**：[例如：阶段性折扣方案]

### 1. 单位经济学变化
- **日常单件利润**：$XX.XX (毛利率 XX%)
- **促销单件利润**：$XX.XX (毛利率 XX%)
- **单件利润缩水**：-XX%

### 2. 盈亏平衡点 (Break-even Analysis)
- **所需销量增长率**：**+XX%**
- 结论：你需要比平时多卖约 XX% 的数量，才能达到与不打折时接近的利润水平。

### 3. 情景预测 (Scenario Projection)
- 悲观预期（低于盈亏平衡所需增幅）：总利润可能 **下降** $XXX
- 持平预期（接近盈亏平衡所需增幅）：总利润大致持平
- 乐观预期（高于盈亏平衡所需增幅）：总利润可能 **增加** $XXX

### 4. 最终建议
[明确给出 Go / No-Go 建议。如果风险过高，提供替代方案。]

---

3. KPI 体系

3.1 核心北极星指标

3.2 促销与追加销售指标

3.3 危险信号与行动指南

• AOV 上升但毛利率下降：说明折扣力度可能过大，或捆绑包中低利润产品占比偏高。优先复核混合利润率。
• 附加销售转化率明显偏低：说明推荐产品与主产品可能不够相关，或 UI 展示位置不佳。参考 upsell-cross-sell.md 优化。
• 促销订单占比持续偏高：品牌可能正在削弱定价权。优先减少折扣依赖，转向赠品 (GWP) 和价值附加策略。

---

4. 淡季 AOV 提升策略

激活条件：当 Hub 传入 seasonal_mode = off_season 时自动激活。淡季每个转化都更珍贵——应优先提升每笔订单的价值。

4.1 淡季 AOV 核心策略