Shopee广告花费飙升：账户和商品两层排查

花费飙升是这几种问题的信号

第一种信号是消耗曲线整体抬高。全天每个时段的花费都比平时高，形状没变。这种形态指向外部环境，也就是同时段竞争的人变多了。出价没动但单次点击成本上升，属于这一类。

第二种信号是某个时点突然跳起。曲线在某一天或某个小时出现明显尖角。这通常对应一个具体动作，比如改了出价、放开了预算、加了新计划。找出那个时点前后的操作记录，原因基本就清楚了。

第三种信号是单条计划吃掉大半预算。账户里其它计划消耗平稳，只有一条异常。这种情况的重点是查这条计划本身，它的出价、匹配方式、投放商品都要过一遍。

第四种信号是花费涨但点击没涨。钱花出去了，进店的人却没变多。这往往说明单次点击成本被抬得很高，可能是出价过高，也可能是展示位置选得不好。花的钱买不到对等的流量。

第五种信号是转化下滑带来的被动加价。商品转化变差，为了维持订单量不断加价，花费自然往上走。这种情况下真正的问题在商品侧，不动商品只调广告，只会把成本越推越高。

把这几种信号区分开，是排查的第一步。信号认错了，后面的动作就全偏了。所以看曲线的时候不要只看总额，要看形态。

先拉消耗曲线。至少看三十天，不要只看最近七天。七天太短，看不出起点在哪里。曲线拉出来之后，找一个明显向上拐的时间点，把它圈出来。这个点是后面所有排查的锚。

接着把时间点前后的操作记录调出来。改出价、调预算、上新计划、改商品价格，这些动作都应该有记录。把记录和曲线对上，如果正好卡在拐点上，原因范围就缩到很小了。没有记录的话，就要靠问人回忆，效率会低很多。

然后把消耗按计划拆开。挑出消耗排名前五的计划，算出它们各自占总消耗的比例。如果有一条超过一半，重点就放在它身上。如果前五条分布均匀，说明是整体环境在变，不是单条计划的问题。

再算两个比例，一个是花费涨幅，一个是点击量涨幅。两个数放在一起看。花费涨得多而点击涨得少，说明单价被抬高了。两者同步涨，说明是量变大带来的，性质不一样，处理方式也不同。

最后写一句判断，明确这一轮属于哪一类信号。是外部竞争、设置改动，还是商品侧拖累。写成一句话，后面每一步都围绕它去验证。判断写不清楚，说明信息还不够，先补一两项数据再下结论。

有一个容易误判的边界是季节性。类目本身有淡旺季，旺季整体成本都高。这时候的上涨是行业节奏，不是账户出了问题。判断方法是看去年同期或者前一个旺季的曲线形状，形状相似就不用慌。

另一个边界是新计划的学习期。刚开的计划为了探索人群，会花掉一笔不稳定的预算。这段时间的成本看起来偏高，属于正常过程。学习期通常持续几天到两周，期间不宜频繁调整。

还有一种情况是平台在测试新的展示位置。新位置刚开放时竞争少、成本低，一段时间后对手跟进，成本会抬升。这类上涨是阶段性的，观察两三周就能看出它是不是稳定下来。

从记录角度，这类排查要留四项内容。异常起点、当前成本、涉及的计划、同期的操作动作。四项齐全，案例才有复用价值。缺了操作动作，下次只能重新找起点。

写完记录之后，把结论归到固定分类里。外部环境、设置改动、商品侧问题，三选一。分类固定之后，累积的案例能看出哪一类问题在自己店铺出现得最多，也就知道该优先修哪里。

花费异常先找起点，再定位到具体计划

出价与竞争环境的变化

出价排查的第一步是拉出历史曲线，看自己的出价有没有被改过。有些调整是团队里别人做的，未必在自己印象里。把出价变化的时间点和花费跳起的时间点对一遍，因果关系就很清楚。

第二步是判断外部竞争。同类目在旺季、大促前后，出价普遍会往上走。自己的出价没变，单次点击成本也会涨。判断方法是看同行的展示位置有没有变化，以及整个类目的平均成本趋势。

第三步是核对展示位置。有的位置点击成本高但转化好，有的位置便宜但进来的人不对。位置数据要和转化数据放在一起看。只看成本，容易把有效的位置关掉。

第四步是做小步测试。出价一次调百分之十左右，观察三到五天。看单次点击成本和转化率各有什么变化。调幅太大，会让计划失去展示，重新养起来更费时间。

第五步是把结论写成区间而不是一个数。比如出价在某个范围内投入产出比较稳定，超出这个范围成本就上升。写成区间之后，日常调整就有了参照，不用每次重新试。

出价这件事没有一劳永逸的答案。竞争环境一直在变，合适的区间也会移动。把它当成一个需要定期复查的参数，而不是设好就不管的配置。

先导出自己的出价历史。把每条计划的出价按时间列出来，看最近三十天有没有变动。变动的幅度和时间都记下来。这一步的目的是排除自己人的操作，把原因范围收窄。

再接上外部信息。看看同类目的商品在同样的位置有没有变化，展示位次有没有前后移动。自己的位置往后挪了而成本在涨，多半是竞争变激烈了。这类变化通常不是几天就结束的，要按周观察。

然后做小步测试。选出消耗占比最高的那条计划，把出价往下调百分之十。观察三到五天，记录单次点击成本、点击量、转化率三个数。三个数里只有成本降、其它两项没怎么动，说明调整有效。

测试期间不要同时改动其它设置。改了出价又改了匹配方式，结果出来也说不清是哪一项的影响。一次只动一个变量，这是所有测试里最基本的要求。

最后把有效区间记下来。写成出价在什么范围内成本可控，超出范围会明显上升。区间要附上测试时间和商品范围。下次调整的时候直接对照，不用再试一遍。区间也要定期更新，环境和商品都会变。

有一个边界是出价和展示量的关系不是线性的。出价降一点，展示可能掉很多。降到某个位置，计划会完全没有展示机会。所以每次调整的幅度要小，观察期要够。

另一个边界是不同商品对出价的敏感度不一样。新品需要更多展示来积累数据，出价通常要维持在偏上的水平。成熟商品有稳定的转化数据，出价可以更灵活。用同一套出价策略管所有商品，效果往往不理想。

还有一种情况是出价降了但成本没降。这通常说明计划花不掉预算，系统在放宽匹配来消耗额度，进来的流量质量自然下降。这时候该调的不是出价，而是计划本身的设置。

出价的记录建议保留两条线。一条是自己的出价，一条是实际的单次点击成本。两条线放在一起看，能看出成本是被出价推高的，还是被竞价环境推高的。这个区分很重要。

最后一点是关于频率。出价不适合每天调整，调整太频繁会让计划一直处在学习状态，数据不稳定。一周集中调整一到两次比较合适，调整后留出观察期。

不同原因的排查成本差别很大，先查便宜的

预算与时段设置检查

预算排查先看设置值和使用率。预算设得远高于实际消耗，等于没有上限。一旦某天点击成本下降或者流量变多，消耗会直接冲上去。合理的设置是贴着实际日消耗的上限。

再看预算的分配方式。如果所有计划共用一个账户预算，某条计划跑量特别快的时候会挤占其它计划的额度。分计划设预算，能让每条计划的消耗更可控，也更容易看出哪条在异常。

时段排查要看分时段的转化数据。把一天切成几段，算出每段的点击成本、转化率和投入产出比。转化差的时段可以降低出价或者暂停投放。这个动作对控制花费很直接。

有的商品有明确的购买高峰，比如上班前和下班后。在这些时段提高出价，其它时段降下来，整体成本结构会改善。前提是有数据支撑，不是凭感觉猜哪个时段人多。

还要注意时段设置和客服在线时间的配合。买家在没人回复的时段进店，咨询得不到回应，转化会受影响。投放时段和客服排班对不上，花出去的钱效率会打折。

把预算和时段的当前设置整理成一页记录。内容包括每条计划的预算值、投放时段、上周的实际消耗。出问题的时候对照这份记录，能快速发现哪一项被改动过。

先核对每条计划的预算值，和实际日消耗放在一起比。预算用得上的只有最紧张的那一条，其余的等于空设。找出消耗接近预算的那些计划，它们是最需要盯的。

然后看有没有共用的账户预算。共用预算的情况下，跑得快的计划会挤占其它计划的额度。表现出来就是某条计划突然消耗很多，其它计划反而跑不动。有这种情况就要改成计划独立预算。

接着把一天切成若干时段，算每段的点击成本和转化率。转化差的时段先降价或者暂停，观察一周。数据不支持某个时段有效，就没必要在它身上花钱。这一步对控制总花费很直接。

再看时段和客服排班的配合。买家在无人应答的时段进店，咨询没人回，转化会打折。投放时段要和实际服务能力对齐。做不到全天在线，就集中投放在服务能力覆盖的时段。

最后把预算和时段的配置整理成一页纸。写清楚每项的值、上次调整的时间、调整的原因。这一页在排查时能省掉大量翻记录的时间。每次改动之后顺手更新，维护成本很低。

有一个边界是预算和投放目标的关系。以获取订单为目标的计划，预算要留出足够的探索空间，预算卡得太紧会出现跑不完的情况。以控制成本为目标的计划，预算反而要收紧。目标不同，预算策略不一样。

另一个边界是时段设置要考虑时差。做跨境生意的时候，买家的活跃时段和自己的工作时间可能完全错开。投放时段要按买家所在时区设置，不能按自己的作息。这一点如果设错，相当于钱花在了没人的时段。

还有一种情况是节假日的时段变化。假期买家的活跃时间会整体后移，原本晚上八点的高峰可能变成十点。遇到长假可以把时段设置放宽一些，节后再收回来，不必长期修改。

预算和时段的记录建议做成对照表。日期、预算值、时段设置、当日消耗、消耗完成时间。这张表能看出预算有没有被用完，用完的时间是不是偏早。消耗在中午之前就花完，说明预算设低了。

调整预算和时段之后，至少观察一周再评估。这两项影响的范围比较大，短期数据容易误导。一周的样本能反映出一部分规律，大促期间需要观察更久。

商品侧的价格与转化变化

商品侧排查的第一项是价格。价格调整会同时影响点击率和转化率，两个指标一变，广告的表现跟着变。如果花费上涨的时间点和调价时间对得上，基本可以确定关联。

第二项是库存状态。热销规格缺货，买家点进来发现买不到，广告点击的价值就浪费了。广告还在跑，钱还在花，订单却上不来。查广告之前先确认可售状态。

第三项是评价和问答的变化。近期出现集中性的负面反馈，会拉低转化率。这种下滑不是调整出价能解决的。要先处理反馈涉及的问题，再谈广告效率。

第四项是竞品的动作。竞品降价、上新、加大投放，都会分走流量。自己的转化下滑未必是自己的问题，可能是相对位置变了。看看同屏竞品的变化，判断会更完整。

第五项是商品页本身的承接。运费、时效、规格说明这些信息如果不够清楚，买家会在下单前离开。转化变差又找不到价格和评价方面的原因，就往承接这一层看。

商品侧的问题要先解决再调广告。顺序反了，等于用更高的出价去买更差的流量。先修好承接，广告效率会自己回来一部分。

先核对最近有没有调价。把价格变动的记录和花费上涨的时间点对一遍。如果两者吻合，先假设有关联，再去看点击率和转化率的具体变化。价格动了，这两个指标通常会跟着动。

然后检查在售状态。把主推商品的所有规格过一遍，看有没有热销规格缺货。缺货期间广告还在跑，点进来的买家买不到东西，这笔钱花得没有意义。发现缺货要优先解决。

接着看评价和问答的近期内容。有没有集中出现的负面反馈，有没有反复被问到但没写清楚的信息。这类内容对转化的影响比较直接，而且不解决的话，调广告也只是治标。

再对照竞品的动作。同屏的竞品有没有降价、上新、换主图或者加大投放。自己的转化下滑有时候是相对位置变了，不是自己变差了。找到对手的动作，才能判断该怎么应对。

最后看商品页的承接细节。运费、时效承诺、规格说明，这几块信息够不够清楚。价格和评价都正常，转化还是差，就往这一层找。承接修好了，广告的效率会跟着改善一部分。

有一个边界是价格调整的两种方向要分开看。降价可能带来更多点击但压缩利润，涨价可能减少订单但提升单均收益。判断哪种更好，要看总体利润而不是单看订单量。广告花费只是其中一项成本。

另一个边界是库存的隐性缺货。规格显示可售但实际仓库里已经不多，发货会被延迟。这种情况在数据上看不出缺货，但转化会受影响。定期和仓库核对一次实际库存，能避免这类问题。

还有一种情况是评价的滞后效应。差评出现后，转化率不会立刻掉，往往在几天后才明显。所以看到转化下滑再去找评价，可能已经晚了。反过来说，改善评价之后的好转也需要时间。

商品侧的记录建议按商品单独建。内容包含价格变动、库存变动、评价变化、转化率。四项放在一张时间轴上，出问题的时候一眼能看出是哪一项先动。

最后要提醒的是不要用商品改动去救广告数据。为了让广告好看而强行降价，短期数据会改善，但利润结构会变差。商品调整该做的时候做，不该做的时候不要为了一个指标而动。

匹配方式与流量质量

匹配方式决定了广告会展示给谁。设置得宽，系统会把广告推给更多相关度低的搜索。点击成本可能不高，但进来的人购买意图弱，转化跟不上，整体的钱效率就低。

排查的第一步是看搜索词报告。把实际触发广告的搜索词列出来，看看有多少和商品不太相关。不相关的占比高，说明匹配方式需要收紧。

第二步是把不相关的词加进排除列表。这个动作成本很低，效果通常直接。每隔一两周整理一次搜索词，把新出现的不相关词补进去。

第三步是对比不同匹配方式的表现。同一组商品，用不同匹配方式分别投放，看点击成本和转化率的差别。数据会告诉你哪一种更适合当前的商品阶段。

第四步是看流量质量的变化趋势。同样的匹配设置，不同时间进来的买家质量会不一样。这类变化往往和类目整体流量有关，不是自己设置的问题。用趋势判断，比用单日数据判断可靠。

匹配方式不是越窄越好。收得太紧，展示量会大幅下降，广告跑不起来。合适的状态是相关度够高，同时还有足够的量。这个平衡点需要试出来。

先导出搜索词报告，把触发广告的词按出现次数排序。前二十个词基本能反映流量的构成。把和商品明显不相关的挑出来，单独列一份清单。

然后估算不相关词的消耗占比。看这些词带来的点击占总点击的多少。占比不高的话，问题的重点不在这里。占比明显偏高，收紧匹配方式就能省下不少钱。

接着把不相关的词加进排除列表。这个动作很简单，但需要定期做。每隔一两周整理一次新出现的词，把该排除的补进去。长期不维护的排除列表会很快失效。

再做一组对照测试。同一个商品，用不同的匹配方式分别投放，跑一到两周。对比点击成本、转化率和投入产出比。数据会指向更合适的设置。不同阶段的商品，合适的匹配方式可能不一样。

最后看流量质量的趋势变化。同样的设置，过一段时间进来的买家质量会变。这种变化通常和类目整体流量有关。看到趋势再下判断，比看单日数据的波动可靠。

有一个边界是新品不适合太宽的匹配。新品还没有积累足够的转化数据，系统不知道什么样的搜索词能带来成交。放得太宽，钱会花在大量无效点击上。新品期用偏紧的匹配更稳妥。

另一个边界是排除词的副作用。排除得太多，展示量会下降，可能错过一些本来有效的流量。排除词要针对明确不相关的词，不要为了省钱而大面积排除。每一批排除之后观察展示量的变化。

还有一种情况是同一个词在不同时间表现不一样。旺季的搜索词意图可能和淡季不同。定期复查搜索词报告，看看之前排除的词现在是不是又相关了。排除列表也需要更新。

匹配方式的记录建议保留搜索词清单的历史版本。每隔几周存一次，标注新增和移除的词。对比几个版本，能看出买家搜索习惯的变化方向。这个信息对写标题和详情也有帮助。

判断匹配方式是否合适，最终要看投入产出比，不是单看点击成本。成本低但不出单的设置，总体上是亏的。把出单量和成本放在一起算，结论才准确。

先查容易核查又影响面大的项，效率最高

账户结构的合理性

账户结构混乱的表现是计划数量多、用途重叠。同一个商品被拆到好几条计划里，互相抢展示。看数据的时候分不清哪条是主力，哪条在拖后腿。

排查的第一步是列出所有计划，标注每条对应的商品、目标、预算和近期的消耗。列出来之后，用途重叠或者长期没有消耗的计划就会显出来。

第二步是合并同类计划。把投放同一个商品、目标一致的几条并到一起。合并之后消耗会更集中，学习数据也更完整，系统对商品的判断会更准。

第三步是关停长期低效的计划。判断标准不要只看单次点击成本，要结合转化和投入产出比。成本高但产出好的计划值得留，成本低但不出单的反而要处理。

第四步是给账户定一个结构原则。比如按商品线分组、按推广目标分组，选一种并坚持下去。原则固定之后，新增计划的时候知道该放在哪里，结构不会越滚越乱。

整理账户结构不需要很频繁，每个季度一次通常够用。但整理时要彻底，把该合并的合并、该关的关掉。半途而废的整理，过一段时间又会长回原样。

先把所有计划列成一张表。表里包含计划名称、对应商品、推广目标、预算、近七天消耗。列完之后，用途重叠或者根本没有消耗的计划会自己显出来。

然后处理重叠的计划。同一个商品、同一个目标被拆成几条的，合并成一条。合并之后数据积累更快，系统对商品的判断也更准。合并前记录下原本的消耗水平，方便后面比较。

接着处理长期低效的计划。判断标准用投入产出比，不要只看单次点击成本。成本高但产出稳定的是好计划，成本低但完全不出单的才是要关的。这一步容易判错，数据要看够长。

再给账户定一条结构原则。按商品线分组、按推广目标分组，选一种。原则定下来之后，新增计划的时候知道该放在哪里，不会越加越乱。原则不用复杂，能说清楚就行。

最后把整理结果留档。记下整理的时间、合并了哪些、关停了哪些、之后的表现。整理的效果需要用数据验证，不是整理完就算完成。隔一个月回头看一下，才能判断这次整理值不值得。

有一个边界是计划数量少的时候不需要刻意整理。计划只有五六条，每条用途清楚，就没有整理的必要。整理的目的是解决混乱，不是为了看起来整齐。过度整理反而会增加维护成本。

另一个边界是不同阶段的商品适合不同的结构。新品需要单独的计划来观察，成熟商品可以合并投放。用一个结构管所有商品，很难兼顾两种需求。按商品阶段分组是一种可行的方式。

还有一种情况是合并之后出现了数据断层。两条计划合并成一条，历史数据的口径不连续。合并前把各自的数据导出存档，后面做趋势对比的时候用得上。不存档的话，合并之后就看不清变化了。

账户结构的记录建议做一份简易清单。列清每条计划的用途、对应商品、预算、创建时间。这份清单每季度更新一次，作为结构管理的底稿。有底稿在，新人对账户的理解会快很多。

最后一点是结构整理要有明确的目标。是为了看清数据、还是为了控制预算、还是为了分层测试。目标不同，整理的方式也不同。没有目标的整理，容易变成单纯地删计划。

出价不是越低越好，要看投入产出的方向

分层排查的执行顺序

第一步是确认异常的时间起点。拉出最近三十天的消耗曲线，找出开始上涨的那一天或者那几天。这一步只做定位，不做判断。起点找出来，后面的排查范围就小了很多。

第二步是拆到单条计划。把消耗按计划排序，看是不是某一条占了大头。如果是，重点查这一条的设置。如果多条同步上涨，就要往外部环境或者商品侧看。

第三步是查设置类项目。出价、预算、时段、匹配方式，这四项都属于自己可控的设置，几分钟就能核对完。先排除设置问题，成本最低。

第四步是查商品侧。价格、库存、评价、竞品动作，这几项需要一点时间。查到哪一项有变化，就把它和消耗曲线的时间点对上。

第五步是做出结论并记录。结论写明原因分类、依据的数据、采取的动作和观察周期。记录下来的案例，下次遇到类似情况可以直接对照，不用从头查一遍。

第一层查设置，大概十分钟能做完。出价、预算、时段、匹配方式，四项逐条核对有没有变动。这一层的特点是快，而且大部分异常能在这里找到原因。先做这一层，性价比最高。

第二层查计划结构，大约半小时。看消耗集中在哪几条计划上，有没有重叠或者失控的情况。这一层能发现结构性问题，也能为后面的商品层排查提供方向。

第三层查商品侧，需要一到两天。价格、库存、评价、竞品动作，逐项核对。有些项目需要观察几天才能判断，比如评价带来的转化变化。这一层花的时间长，所以放在后面。

第四层做结论和记录。把原因、依据、动作、观察周期写下来。记录是为了下次复用，也是为了让团队里的人知道这件事查过了。没有记录，同类问题下次还要重查一遍。

整个顺序的逻辑是从快到慢，从易到难。先排除便宜的原因，再花时间查贵的。这样能避免在不重要的方向上耗掉大量时间。顺序本身也是经验的一部分，值得固定下来。

有一个边界是小额花费的异常不必走完整流程。每天花费很低的计划，波动带来的金额本身不大。这时候重点看趋势，不要为了一点小波动花大量时间排查。把精力留给占大头的计划。

另一个边界是大促期间的异常要特殊处理。大促期间成本普遍上涨，很多指标都不在正常范围。这段时间的排查重点是确认有没有设置错误，而不是追究成本为什么高。大促结束后再回到常规标准。

还有一种情况是异常会自己恢复。有些波动持续一两天就回到正常。这类情况不必立刻动手调整。先观察，确认不是持续性问题，再决定要不要处理。频繁调整反而会破坏已有的数据积累。

排查过程的记录建议包含时间戳。开始时间、每个步骤的完成时间、得出结论的时间。时间信息能反映出排查效率，也能帮团队判断这类问题大概需要多少人力。

把每次排查的结论汇总到一个地方。按原因分类统计，看哪一类出现得最频繁。统计出来之后，就能在前置环节做预防，比如把容易出错的设置固定下来，减少同类问题重复发生。

常见问题（FAQ）