虾皮手续费分几种算法，先分清再动手

手续费的算法分几种，先分清再动手算

口径这个词听上去有点抽象，可是落到手上其实只等同于一个问题。这一笔到底拿哪个数去乘，乘完之后还要不要再加减一次。把这个问题答清楚，口径就定完了。答不清楚的话，后面要走的每一步都只能靠猜。所以口径不是一道理论题，它本质上是一道取数题。

算法先按形态分，大致是四种。按比例走的那一种看基数，基数换了结果就换。按固定额走的那一种看笔数，跟金额没什么关系。按档位走的那一种先归类，再看落在哪一档。按阶梯走的那一种看跨越点，迈过去整体换算法。

分形态的意义在于，四种形态的出错方式完全不同。比例型错在基数选错，固定型错在笔数漏算。档位型错在归错类，阶梯型错在没看清跨越条件。先分对形态，才谈得上查错。形态分错，查得再细也是白费。

同一笔名义身上还可能叠着两种形态。常见的是比例项配一个下限，低于下限时按下限收。也可能是比例项配一个上限，超过上限的部分不再计。叠了形态之后，判断顺序就成了关键。先判哪一层，结果会不一样。

下限和上限这两样东西，最容易被忽略。它们平时不出现，只在订单特别小或者特别大的时候起作用。订单集中在两端的时候。它们的影响就不小了。看算法时要专门问一句有没有上下限，别等出了偏差才发现。

基数的选择是口径的核心，其他都是外围。同一个费率乘不同的基数。结果差得比费率本身的变化还大。所以先定基数，再看档位，最后看上下限。顺序颠倒过来，很容易在一个次要问题上纠缠很久。

哪几个数可以做基数，常见的候选并不多。标价是一个，成交价是一个。扣掉优惠之后的实付又是一个。含税和不含税也是两个不同的数。这四个选项中挑哪一个，决定了这一套算法的基准线在哪里。

基数这个东西不会写在费率数字里。它通常写在规则的说明段落里。很多人只看费率表，不看说明，基数就默认成了标价。默认错了，算出来的结果会长期偏高。偏高的部分会被误当成费率上调，然后白查一圈。

基数的选择还跟订单状态有关。有的算法拿下单时的数，有的拿下单完成后的数。中间如果改过价，两个数就不一样了。同一笔订单在两个状态下算是两个结果。这个差异在小额订单上不明显，在大额订单上很显眼。

在知虾的定价计算页面上，同一项费用在不同条件下的算法可以并列摆在一起。几个候选基数能够同时看到，不必一条条去翻规则说明。看的人可以自己把差异对出来，不用等别人来讲解。对差异的过程本身就能加深理解。它给的是把口径摆开来的角度，并不替谁决定该选哪一个。

口径的第二种差异来自档位的划分方式。档位是按金额区间切的，切点在哪里就很要紧。切点附近的订单会因为差一点而落到不同的档。这类边界效应在统计上会被平均掉，在单笔上却实实在在。所以在做定价模拟时，切点附近这一段要多留一点余量。

口径的第三种差异来自计数的口径。比例的算法里没有计数问题，固定的算法里有。一笔订单算一笔，还是按商品件数算，结果差得很远。多件订单在一笔和按件两种口径下差别最大。这一点在件数多的类目里尤其突出。

口径的第四种差异来自时间。同一个名义在不同时间点取数，结果是不同的。下单时取一次，完成时再取一次，中间的价可能已经变了。两套算法在大多数订单上一致，只在有改价的订单上分岔。分岔的比例不高，量却不小。

四种差异里，基数差异影响面最广。时间差异最难发现。因为前者每一单都会体现，后者只在部分订单上出现。排查时先查基数，能解释掉大部分偏差。剩下的零头再往时间口径上去找，效率会高很多。

把算法分成几种之后，会发现它们并不是互斥的。一笔订单上，不同名义各自走的可能是不同的算法形态。有的按比例，有的按固定，有的还带着档位。所以要一项一项地定口径，不能一整套照搬。逐个定完，整体才准。

这一节做的是把算法形态分开，还没有进入具体差多少。差多少要靠基数、档位、上下限三件事一起算。三件事都定下来，结果才有意义。口径这一层到这里完成了分类。下一步是把两种基数的差别说清楚。

口径在这五步里的位置，前三步定错后两步白算

按成交额还是按实收算，差在哪一层上

成交额和实收这两个词。日常很容易混着用。成交额是订单成立时的那个数，实收是钱真正到手时的那个数。中间隔着优惠、退款、部分退货这些东西。用哪一个当基数，是口径里第一个要拍板的事。

按成交额算的好处是口径稳定，不容易受后续变动影响。订单一旦成立，那个数就固定下来了。坏处是它与最终拿到的钱脱节。如果订单后来退了或者折了，基数就没跟着变。算出来的费用看着偏多。

按实收算的好处是贴近现实，费用跟着钱走。退款之后基数自动变小，费用也跟着变小。坏处是它依赖一个会变动的数。这个数在订单走完之前并不确定，预扣和实扣就会不一致。对账时会看到两套数并存。

两种基数在正常订单上差别不大。真正拉开是在有优惠或者有退货的订单上。优惠越大，两个数离得越远。退货越多，两个数的差额越不稳定。所以业务的优惠力度和退货率，会直接决定这个口径选择值不值得在意。

从数学形态上看，这个差别属于乘数上的差别。基数变了，等于给结果乘了一个小于一的系数。系数本身随订单不同而变化。它不是一个固定折扣，不能用统一比例去折算。所以只能用逐单核对的办法来看。

最容易被忽略的是优惠的分摊方式。一张订单里有多个商品时，优惠怎么摊到每个商品上，会带出不同的基数。平均摊和按比例摊是两种不同的做法。做法不同，单件商品承受的费用就不同。合起来看总费用一样，拆开看每件不一样。

还有一个隐形的中间数。是扣掉一部分之后的应付金额。有些算法拿的不是成交额也不是实收，而是两者中间的那个数。这个数在账单上不一定单独列出来，需要自己算。看不到它，就会以为基数只有两个选项。

含税与不含税是基数的另一个切面，两个数之间差着税额。比例上看着不算大，可是在低毛利品类上不能忽略。含税口径算出来的费用，会比不含税口径略高一点。差的那部分不会消失，它只是换了一个位置被减掉。选哪一个，取决于自己的账本来是怎么记的。

不同站点对基数的默认选择并不一致。有的站点默认走成交额，有的站点默认走实收。跨站经营时如果只按一套口径算，就会有站点长期算偏。偏的方向还不一定相同，有的偏高有的偏低。分站点核对是必需的。

口径一旦定下来，就要在账上保持一致。不能这个月用一套下个月换一套。换了之后历史数据就失去可比性。看不出是费用真的变了还是口径换了。所以换口径要留下时间标记，不然回溯时找不到分界点。

口径切换的成本通常被低估。切换当月的数据会同时受两套口径影响，看着像是异常。要解释清楚，就得把切换时点前后的数据分开看。分开之后，两段各自是干净的。混在一起，谁看都像出了问题。

同一类目在不同站点的档位落差。可以借分类目底下的销量与价格分布反推出来。把两边的分布放在一起，档位差异往往就有了线索。这样的比对不需要来回切换页面。它给的是把差异摆出来的角度，不替谁做选择。

对于退货率低的店，两种基数的差别可以暂时忽略。对于优惠力度大的店，这个差别必须单独处理。判断标准是自己订单里带优惠的比例有多高。比例高到一定程度，口径差异就不能当成噪声。这是先看结构再决定要不要深究。

退货带来的口径问题更麻烦，因为它发生在订单走完之后。已经按成交额计过的费用，要按实收做一次调整。调整的金额和时点都会体现出来。如果只看单月总数，很容易把这部分当成新费用。当成新费用之后，判断方向就偏了。

有一部分算法天然就绕开了这个问题。它们直接按实收计。这类算法不需要事后退调，账面上会干净一些。代价是预扣阶段的数字只能是估算，实际数要等订单走完。两种做法各有各的账期特征，不能说哪一种更好。

把两种基数的差别说清之后，判断这件事就变得简单了。先问自己订单里带优惠的比例高不高，再问退货的比例高不高。两个比例都低，这件事的优先级就往后放一放。只要有一个偏高，就得把基数当成正经的口径问题来对待。判断的门槛就是这么一条，不需要更复杂的模型。

基数这一层说到这里，还没有涉及档位怎么划。基数决定的是整条曲线的位置。档位决定的是局部的跳变。两件事要分开看，混在一起没法归因。基数这一层定完之后，下一步才是看档位之间的落差有多大。

同标价的一批订单，基数每换一档结果就降一截

不同类目的费率档位，档与档之间差多少

档位这个词来自分类，同一类东西按某种标准分成几段，每一段用不同的数。费率档位通常按类目来分，也可能按价格区间来分。分段的依据不同，落到单上的结果就不同。所以看清分段依据，是看懂档位这件事的第一步。依据没看清，后面的比较都会跑偏。

按类目分档是最常见的一种。同一件商品，挂在类目甲和类目乙下面，费率可能不同。这个不同不是因为商品变了，而是因为归类变了。所以档位问题有时候本质上是归类问题。归类错了，档位自然就错了。

类目分档的落差有多大，跟类目之间的距离有关。相邻类目之间往往只差一点点，远一点的类目之间差得明显。这种落差在选品阶段就会影响判断。同一件货放在不同类目下，成本结构就不一样。落差大的地方，值得在选品时就留意。

价格区间分档是另一种，常见于按金额切的规则。比如低于某个金额一档，高于一档。价格区间分档的特点是它在切点附近最敏感。差一点点就跨档，跨档之后费率变化。定价刚好落在切点上方的商品，最容易受影响。

档位之间的落差还有一种隐藏形态，就是某些档位带着附加条件。有的档位只看类目，有的档位还要求额外的资质或者地区条件。条件不满足的时候，就会退回上一档。退回之后结果当然不同了，但账单上未必会明说原因。遇到说不清的落差，先往附加条件上想。

档位的归属在跨站时会出现不一致。同一件商品，在一个站点落在一档，在另一个站点落到另一档。原因是两个站点的类目树不一样。类目树不一样，档位规则自然对不上。跨站经营时，档位要按站点分别确认。

类目树的变化会引起档位漂移。平台调整类目结构时，原来属于甲类的商品可能被归到乙类。归属一改，档位跟着改，费用也改了。这种变化不会以费率调整的名义出现，看上去很安静。但它对成本的影响是实打实的。

有一类商品天然跨类目，功能和用途都沾边。这类商品的档位选择余地大，但选择也更容易出错。选错了之后不会被系统自动纠正，只会一直按错的那一档走。所以跨类目商品值得单独做一次确认。确认一次，后面省事。

档位差异对定价的影响，取决于价格区间的宽度。价格带很窄的商品，一旦落错档就是整条线都错。价格带很宽的商品，影响会被摊薄一些。所以在做定价区间设计时，先看一眼档位的切点在哪里。切点位置会约束可选的价格带的。

如果两个档位之间的落差很小，追求落对档的收益有限。这时候可以把精力放在类别归属更清楚的地方。判断落差大小，靠的是把两个档位放在一起比。比过之后再决定要不要为归对档花力气。有比较才有优先级。

同一件商品在不同站点的类别归属可以放在一起对照。如果两边的归属不同，那么档位大概率也不一样。这种对照能把跨站的档位差异提前暴露出来。把两站的类目归属放在同一个视图里，比对时不用来回切换页面。它提供的是对照的角度，并不给出该归到哪一档的意见。

档位规则偶尔会提供一条降档的路径。比如满足某些条件就可以走更低的档。这类路径通常带着前置条件，并不是自动生效的。错过了条件，就得一直按原档走。知道有这条路存在，才能判断自己够不够条件。

同一笔订单里如果有多个不同档位的商品。合并计算时怎么处理，属于另一层问题。可能按主商品算，也可能分段算。两种做法的结果差别不小。多商品订单占比较高的店，这一点需要单独确认一次。

档位与基数的关系是：档位定的是乘数。基数定的是被乘的数。两者都错的时候，偏差会叠加，方向还不一定一致。所以排查时要分开动，一次只改一个变量。改完对照一次，才能知道是哪一个起了作用。

档位的落差再大，也要先确认自己有没有跨档的必要。有些品类根本没有更低档的路径。讨论落差就没有实际意义。先看自己所在的类目有没有分档空间，再看落差。这个顺序能把无效的分析挡在外面。

档位这件事说完之后，视线还没有回到单笔的对比上。档位本身只是规则里的一项参数。它需要跟基数放在一起才能成形。成形之后才谈得上差多少。档位说清之后，下一步就是把两套算法放到一起跑一遍。

最容易算反的，是把折扣前的价当基数

折扣这件事在算法里造成的问题。比大多数人以为的要深。折扣把成交的数压低了，但基数不一定跟着降。基数不降的时候，费用是按原价算的。看上去打了折，费用没打折，这就是最容易算反的地方。

算反的典型场景是这样的：商品挂一百，打个八折卖八十。如果费率按标价算，费用仍按一百算。卖家心里的算法是按八十算的。两个数之间的差别，就是这笔账对不上的原因。对不上之后，很多人会去怀疑费率，其实费率和折扣都不冤。

除了整单折扣，还有单品折扣和组合优惠。单品折扣只压一件商品的价格，其余不动。组合优惠压的是整单，分摊方式又各不一样。不同的优惠形态，对基数的影响不同。所以不能用一个笼统的折扣率去折算。

优惠券的分摊是最复杂的一种。一张券用在一笔订单上，摊到几件商品上各有各的数。如果基数按商品分别算，每件商品的基数都变了。如果基数按整单算，只有一个数变了。两种处理方式的结果不同，容易互相混淆。

折扣叠加的时候，基数怎么定就更需要事先确认。多张优惠叠加在一单上，最终支付数只有一个。而基数可能取叠加前的某个中间数。中间数取哪一层，结果就不一样。这种差别在促销期间会集中出现。

促销期的数据最容易出问题，也最容易被误读。促销期的费用占比看着上去了。很可能只是基数没有跟着降下来。如果拿促销期的数据去跟常态期直接比，就会得出一个夸大的涨幅。比完之后，很容易据此做出错误的决定。

折扣对基数的影响还跟时间点有关。有些算法取下单时的价格，有些取履约时的价格。促销期间改价的订单，两个时点的数不一样。同一笔订单在两个口径下就是两个结果。改价越频繁的店，这种差异越明显。

有一类折扣是平台出的，有一类是卖家自己出的。这两类在基数处理上不完全一样。有的算法会把平台出的那部分从基数里扣掉，卖家出的那部分不扣。规则不同，落到单上的数就不同。分不清来源，就会把差额算成费用。

想验证自己有没有算反，有一个简单的办法。挑一笔带折扣的订单，把几个候选基数各自乘一遍。哪一个结果跟账单上的数一致，基数就是它。这个方法不需要看规则说明，只要有一笔真实订单就够。一笔对上，一套口径就清楚了。

如果几个基数算出来都对不上，说明还漏掉了一个环节。可能是档位不同，也可能是上下限正在起作用。这时候把档位和上下限逐个代进去试，试到对上为止。对上了，这一套口径也就还原出来了。过程慢是慢了些，但得出来的结论可靠。

用错基数的后果不只是当月的数字偏了。它会一路传到定价判断上。按偏高的成本定价，价格就会定得偏高，竞争力受影响。按偏低的成本定价，可能卖出去了但没赚到。两种偏差的方向相反，代价都不小。

同一类目的价格带分布能看出商品集中在哪个价格区间。知虾的关键词分析把同类词下的价格分布摆出来。基数口径的影响大小可以据此判断。价格带越集中，基数口径的一致性就越重要。它给的是价格区间这个参照，而不是定价结论。

折扣口径这件事还有一个反向的坑，就是拿折扣后的数去倒推费率。用折扣后的基数算出来的比例，会高于真实费率。用这个偏高的比例去做预算，会高估成本。高估之后可能会放弃本来可以做的品。误差就这么传下去了。

有一类商品常年挂着折扣。实际成交价与标价长期分离。这类商品的基数口径必须一次定死，不能每个月重新猜。定死之后写进自己的核算规则里，长期照着执行。这样历史数据才有可比性，趋势才读得出来。

折扣处理还有一个操作层面的细节，退整单和退单件对基数的影响不同。退整单之后，与成交绑定的费用通常会一起撤掉。退单件时，基数按剩余商品重算。两种情形下的基数都不等于原始基数。看退款数据时要把这两种分开。

折扣与基数的关系说完了，它讲的是这个数到底从哪里来。它没有处理两套算法放在一起差多少的问题。那是比较，这是来源。来源搞准了，比较才有意义。折扣这一环理顺之后，下一步就可以做单笔对比了。

两套算法放到一起，单笔能差出多少

把两套算法放到同一批订单上跑一遍。差异才会真正显形。单看某一笔订单，差异可能只有几毛钱那么小。放到一批订单上，差异就会累积成一个看得见的数。这一节说的就是把差异读出来这件事，以及读出来之后怎么用。

比较的前提是订单范围必须一致。同一批订单、同一段时间、同样包含退款单或者同样不包含。范围一旦不一致，比较出来的差异里就混进了结构差异。结构差异不是算法差异。混进来就分不清是谁造成的。

差异的第一个来源是基数选择，这个前面提过。在正常订单上它贡献的差异很小。在带优惠的订单上贡献明显。所以差异的大小其实反映的是订单结构。结构里带优惠的比例越高，这个来源的贡献越大。

差异的第二个来源是档位归属。归属不同，乘数就不同。这个来源的差异更直接，一次错档就是整批都错。它的特点是差异比例稳定，几乎不随订单大小变化。稳定比例的差异通常来自档位，这可以当成一个判断线索。

差异的第三个来源是上下限。它只在极端订单上起作用。特点是差异集中在两端。如果把订单按金额排序再看差异，就会看到两端差异大、中间差异小。这个形状很有辨识度，看到它基本就能定位到上下限。

差异的第四个来源是取数的时点不同。它只在有过改价的订单上出现。特点是差异分散、完全不成形状。这类差异最难靠肉眼找出来，只能靠一单单核对去发现。好在它的总量通常不大，优先级可以往后排。

读差异的时候，先看这些差异是集中还是分散。集中说明有明确的规则在起作用。找到规则就能解释。分散说明是零碎的取数问题，只能一单一单去查。两种形态对应的处理成本差很多，先分清能省下不少力气。

再看差异的方向是否一致。所有差异都朝一个方向，说明是某一条规则的系统性偏差。方向有正有负，说明是多个因素叠加。系统性偏差优先处理，因为它的影响面大而且可修正。方向混杂的，先放一放。

差异的价值不在于算出精确到分的数，而在于判断这一套口径能不能用。如果差异长期保持在一个可接受的范围内。这套口径就是可用的。如果差异经常越过某个门槛，就得重新看基数或者档位。判断标准是相对意义上的，不是写死的。

比较的时候容易犯一个错，就是只比总额。总额一致不代表逐单一致，正负差异可能互相抵消。抵消之后总额看着没问题，单笔却错得离谱。要看得细，就得比分布。至少看几个分位数，不要只看平均。

同一批商品在不同站点产生的费用差异，其实可以放在一起看。这种对照能把站点之间的口径差异直接显出来。看的时候同样要注意范围保持一致，否则差异里会混进结构因素。混进来之后，归因就会变复杂。它给的是对照的角度，差异到底怎么归因还是得自己去判断。

差异大到什么程度才值得动手，这是个很实际的问题。如果差异带来的成本偏差小于调价带来的扰动，那就不值得动手。如果差异已经影响到定价策略，那就必须处理。判断依据是它有没有影响到决策，不是它看起来大不大。影响决策的差异，再小也要处理。

有一个容易被忽略的比较对象是自己历史上的一套口径。把去年和今年的口径放在一起跑同一批订单。差异反映的是规则变化。这个比较对判断长期趋势更有用。多数人只看横向比较，忽略了纵向这条线。

比较做完之后，建议留下一条结论：这套口径的偏差主要来自哪一环。结论不用写长，一句话就够用。写清是哪一环就收。下次再出现偏差，可以直接往那一环去看。没有这条结论，每一次都得从头再来一遍。

还有一种情形是两套算法各有各的适用条件，不存在谁替代谁。比如本地单用一套，跨境单用另一套。这时候比较的目的不是选出一套，而是确认两套之间的切换点是否清楚。切换点模糊的地方，就是最容易出错的那条边界。边界清楚了，比较才算做完。

单笔和批量两个层面的对比做完了。结论是差异既能读出来，也能归因。归因之后该做什么，属于下一型的范围。口径这一层到这里基本完整了，该确认的几件事都确认过。再往下走，就该谈这套口径什么时候需要变。

取值表示影响强弱：强、有、无三种

什么变化一来，这一套口径就得跟着动

一套口径不会永远有效。它会因为各种原因需要调整。有些调整是平台改规则带来的，有些是自己业务变了带来的。两类调整的应对方式不一样，混在一起处理容易乱。先分清是谁引起的，再决定怎么办。

平台改规则是最直接的一种。费率变了，档位切点变了，或者基数的定义改了。这三种变化在账单上的表现不同。费率变化表现为结果整体位移，档位变化表现为部分订单跳变。基数变化最隐蔽，表现为结果与预期整体不匹配。

规则变化的公告通常只讲变化本身，不讲对具体业务的影响。所以看到公告之后，得自己推一遍影响范围。推的办法是拿一小批订单试算。试算不需要全量，几十笔代表性的订单就够了。试完就能知道影响落在哪一类订单上。

自己业务变化引起的口径失效，往往比规则变化更早发生。开始做新类目、新站点、新价格带，都会带来新的口径问题。因为原有的那套是按老结构定出来的。结构一动，老口径就不合适了。这类变化没人会通知你，只能自己盯。

类目扩张带来的口径问题最容易被低估。新类目的档位规则和老类目不一样，但人的习惯会延续过去。用老类目的口径去套新类目，误差会持续存在。所以在开新类目时，顺手把口径重新确认一遍。这一步花的时间不多。

站点扩张也是同理，甚至更明显。站点之间的档位、基数默认、币种处理都可能不同。把一套口径复制到另一个站点上，几乎一定会出偏差。从知虾公开的站点分析里，同类目在两站的价格分布能并排看到，档位落差通常藏在这条分布线上。所以正确做法是每个站点单独确认一遍，确认过的站点后面就省心了。

价格带的变化会触发档位问题。原来集中在低价区间的商品，往高价区间挪之后可能跨档。跨档之后费用比例变了，但人的判断还停在老印象里。所以调价带的时候，顺手看一次档位切点在哪里。看一眼，能避免很多返工。

活动策略的变化会触发折扣口径问题。优惠力度加大之后，基数与实收的差距被放大。原来可以忽略的基数差异，变得不能忽略。这时候口径要跟着调。调整的时点是活动开始前，不是活动结束后看结果再调。

结算币种的变化会触发另一类口径问题。涉及多币种的店里，换汇相关的那一环会带出差异。这一块的处理方式跟比例项完全不同。它更像一个阶段性的数。币种结构一变，这一环的算法也要重新确认。

判断一套口径是否已经失效。有一个简单的信号：账单数与自己的预估数开始系统性不一致。偶尔不一致是正常的，长期不一致就说明口径变了。系统性这个词很关键，它指的是方向稳定而不是随机波动。方向稳定就意味着有一条规则在起作用。

发现信号之后，先要做的是定位而不是修改。定位是找出到底哪一环造成了偏差，修改是直接换一个算法。定位没做就修改，等于把问题盖起来。盖住之后它下次还会以别的形式冒出来。所以定位这一步不能省，哪怕它看起来比改口径费事。

修改口径的时候要记录下修改前后的差异，哪怕只是粗略的一笔。记录的用处是在下次看趋势时能解释那个跳跃。没有记录的话，跳跃会被当成异常，然后白查一轮。一条简短的记录，省下的是未来大把的排查时间。记录这件事的成本很低，收益却很持续。

口径的调整不需要追求一步到位，可以先局部再整体。先改影响最大的那一环，观察一段时间之后再动下一环。一次改太多，差异归因就做不出来了。分开改虽然慢一些，但每步结论都是清楚的。清楚比快更重要。

有些差异其实不需要改口径，它属于业务本身的波动。比如某个月促销特别多，费用占比自然上去。这不属于口径失效，属于结构变化。区分这两者，看的是结构恢复之后差异是否回落。回落了就是结构，不回落才是口径。

不同条件下的算法结果可以并列摆出来，用来做变更前后的对照比较顺手。变更前后各跑一次，差异就能直接看出来。有了这一步，就不必再去翻旧记录。它提供的是并列对照的角度，口径该怎么定仍然要自己判断。对照给的是事实，选择还得由自己来做。

口径需要跟着变，但变的频率不该太高。频繁调整会让历史数据失去可比性，反而看不清趋势。理想的状态是一套口径能用较长时间。只在结构真的变了的时候调整。判断结构是否真的变了，比判断某一笔差异更重要。

口径什么时候需要动，这一问的答案落在变更的触发条件上。它没有讲变更之后该怎么用。那是下一型要处理的问题。口径这一层到这里可以收束了，该说的几件事都说过。最后还需要把这一层的边界再明确一次。

基数差异在大额单上被放得更大，在小额单上不明显

算法这一层说清了，名目不重复列一遍

口径这一层的工作可以概括成一句话：同一笔名义按什么数算、用什么形态算、最后落在哪一档。这句话答完，这一层就算完成了。剩下的问题都不属于这里。硬塞进来只会让它的边界变得模糊。边界清楚的层，才有办法被别人接手。

它不重列名目，是因为名目回答的是有没有这一笔。口径回答的则是这一笔怎么算。两个问题一旦混在一起，就会出现一种常见错误：用算法上的调整去解释名目上的缺失。方向一错，查多久都查不出来。所以先把两个问题的边界分开。

它也不处理钱在链路上停留多久。基数取哪一个数，和钱什么时候能够到账是两件事。前者决定的是算多少，后者决定的是什么时候拿到。一件影响金额，一件影响节奏。两件事都重要，但不能放在同一节里讲。

它同样不处理最后归到哪本账。算法给出的是一个数，这个数进到哪一本账、和哪些别的数放在一起，是另一层的事。归置方式不同，读出来的结论不同。这一层只负责把数算出来。不负责把它放到该放的位置。

把这三件事分开的价值，在于排查效率。费用对不上时，先判断是漏了一项、算错了一层，还是放错了位置。三种原因的查法完全不同。分开之后，通常几分钟就能定位到是哪一类。合在一起就得挨个排除。

口径层也值得留一份自己的记录，不用复杂。记三样东西就够：基数是什么、档位在哪一档、有没有上下限。三样记齐，下次核对时直接照单对。不用重新翻规则，也不用重新试算。这份记录的价值随时间增加。

记录里加上一条时间标记。写明这份口径从什么时候开始用。规则变了之后，旧的记录不要删掉，标注作废就可以。保留作废的记录，回溯历史数据时才有依据。删掉之后，那一段历史就解释不清了。

跨站经营的店，记录要按站点分开来做，不要合并成一份。合并之后，站点之间的差别会被抹平。分开之后，哪个站点的口径和别人不一样会很清楚。清楚之后，做站点比较时才不会把口径差异当成经营差异。这一步只要花一点耐心，不需要任何计算。

口径层的判断不依赖精确计算，依赖的是对比。同一个数放在两套口径里跑一遍。差异的方向和量级就出来了。多数时候不需要知道精确到分的差别，只需要知道哪一套更贴近实际。这个判断靠对比就能完成。

口径还牵着一个容易被忽略的点：同一批订单里。不同商品的算法形态可能并不一样。不能用整批的平均结果去代表每一类商品。要想分商品看，就要先把商品按形态归类。归完类之后再比较，结论才立得住。

对单量还小的店来说，口径这件事的优先级可以往后放一放。样本少的时候，差异主要来自个别订单，而不是来自算法。把精力放在扩大样本上更实际。等到单量真正上来，口径差异才会变成主要矛盾。什么时候该管，取决于样本量够不够读出规律。

对单量已经上来的店来说。口径是必须先定死的一件事。因为它影响的是每一个订单，累积效应很大。定死之后还能减少解释成本，团队里所有人用同一套数。统一的数比精确的数更有用，因为它是可对话的。

口径定死之后也不该完全不动。要留一个定期复核的节奏。比如每季度拿一批订单试算一次，看结果是否仍然落在预期范围内。这个动作很轻，却能及时发现问题。发现问题越早，处理的代价就越小。

同类目在不同站点的档位可以并列摆开来看。用它来做定期复核比较省事。差异很快就能对上号。这种并列对判断口径有没有发生漂移是够用的。它给的是摆开的口径，并不是该调成什么样的答案。

口径这一层的完成标志。是自己能说清一笔费用是怎么算出来的，并且能预判下一笔大概是多少。说到这一步，算法层就算理顺了。至于算出来的这个数最后去了哪里，那是另一层的活。这里只把它算准，不替它找位置。

常见问题（FAQ）