品牌最有价值的数据，藏在售后里

以前一条比较标准的购买路径，大概是从谷歌搜索进入网站，看产品页，比较几款产品，然后下单，现在这条路径被拆得越来越碎。

有人先在TikTok看了一条测评，又去Reddit搜了一圈；有人是在某篇联盟测评文章里第一次看到品牌；也有人已经不再自己打开十几个网页比较，而是直接问 ChatGPT、Gemini，哪一款更适合自己，两个品牌到底有什么区别，这个产品值不值得买。

等他真正进入独立站的时候，很多判断其实已经在站外完成了。

这也是为什么这两年大家开始同时研究GEO、AI Shopping、Creator、Affiliate、Reddit、YouTube。

大家都想知道，消费者现在到底在哪里发现产品，又是在哪里完成购买决策的。

但最近我在看这些渠道的时候，反而越来越觉得，还有另外一个问题很少被拿出来讨论。

我们花了很多精力研究一个用户是从哪里来的，却很少继续看他买完以后发生了什么。

比如一个联盟客这个月带来了300个订单，订单数、销售额、EPC 都不错。站在联盟营销

的角度看，这显然是一个值得继续投入资源的联盟客。

但如果把时间再往后拉30天，情况可能就不一样了。

这300个用户里，有多少退货了，为什么退，哪些问题被反复问到，有没有一批用户在购买之前就对产品形成了错误预期，哪个渠道来的用户更容易留下评论，哪个渠道看起来转化率没那么高，最后留下来的用户反而更多。

这些东西，在联盟后台里基本看不到。

谷歌可以告诉品牌用户搜了什么关键词进来，社媒可以告诉品牌哪条内容获得了更多互动，网站可以告诉品牌最后卖出了什么。

但等到产品真正被拆开、使用和体验以后，用户开始反馈“和我想象的不一样”“这个功能我不知道怎么用”“为什么购买之前没有说明清楚”，这些信息就进入了另一套系统。

客服邮箱、退货申请、评论、聊天记录和评论区，然后被一个个处理掉。

问题解决了，退款完成了，工单关闭了。

从流程上看，一切正常。

但这些售后信息其实一直在告诉品牌，产品哪里出了问题，页面哪里没有讲清楚，用户真正看重什么，甚至前面的渠道和内容到底带来了什么样的人。

所以我最近越来越觉得，今天独立站真正缺的已经不是更多数据。

真正被忽略的是，大家研究了太多用户购买之前发生了什么，却没有认真研究用户购买之后说了什么。

而后者，往往更加直接。

这也是今天想聊的话题：品牌最有价值的数据，藏在售后里。

01 决策正在站外发生

这几年独立站流量最大的变化，不只是哪个渠道涨了、哪个渠道跌了，而是用户做购买决策的地方越来越分散。

谷歌是最明显的例子。

过去搜索一个产品，用户拿到的是一排链接，再自己打开网站比较。

现在谷歌已经把 AI Mode 往购物场景里推进，用户可以直接描述自己的需求，让AI帮忙筛选、比较商品，甚至结合个人偏好给出建议。

2026年谷歌又进一步把 Agent 能力放进搜索，并推出 Universal Cart，让商品发现、比较到购买之间的距离继续缩短。

这个变化对独立站其实挺直接。

以前品牌做SEO，很大一部分目标是把用户从搜索结果带进网站。

现在同样一个用户搜索“适合小户型、容易清洗、可以做拿铁的咖啡机”，AI 可以先帮他完成第一轮筛选。他真正点击某个品牌之前，已经知道几款产品的差别，甚至已经形成了自己的候选名单。

谷歌今年甚至开始增加AI Performance Insights，让商家查看品牌在AI搜索场景里的表现，这本身也说明商品发现已经不再只发生在传统搜索结果页。

联盟营销也在发生类似的变化。

以前提到联盟营销，很多人首先想到 Coupon、Cashback、测评网站。

现在这条边界已经越来越模糊。

Awin今年发布的趋势内容里，Creator、Influencer、AI Shopping 都已经被放进联盟营销的讨论范围。

实际做联盟的时候这种感觉会更明显。

一个用户可能先在 YouTube 看了一条视频，又在Reddit搜产品口碑，随后读了一篇“Best XXX”的文章，最后通过某个联盟链接进入网站。

真正让他决定购买的，未必是最后那个链接，而是前面几次内容接触叠在一起的结果。
社媒也一样。

很多内容过去承担的是“把人带到官网”的任务，现在它本身就在完成产品教育、比较和信任建立。

所以现在品牌会越来越重视GEO、Creator、联盟、Reddit，背后的原因其实是同一件事：消费者并没有减少研究产品，只是这些研究越来越多地发生在品牌看不完整的地方。

这也带来了一个挺现实的问题。

我们能看到点击，能看到订单，也能给最后一次转化做归因，但一个用户在购买之前究竟看过什么、相信了什么，又为什么最终选择这款产品，中间已经出现了越来越多品牌自己掌握不了的环节。

而当购买路径变得越来越碎以后，只看成交以前的数据，也开始越来越难看懂一个用户。

02 订单之后

问题在于，现在大部分渠道数据都停在成交这里。

联盟后台会告诉你某个创作者带来了多少点击、订单和销售额，谷歌能看到转化，网站也会把每一笔订单记录得很清楚。只要付款完成，这笔流量基本就有了一个结果。

但对品牌来说，这个结果其实还没完全落地。

2025年NRF和Happy Returns的调查显示，美国线上零售的预计退货率达到 19.3%，也就是说，接近五分之一的线上销售，成交之后还会重新进入退货环节。

图源: NRF

这个数字放到渠道运营里看，会变得更有意思。

比如有两个联盟客，一个月分别带来100 单和80单。前者销售额更高，转化率也更漂亮，按照常见的联盟报表，资源当然应该继续向前者倾斜。

可三十天以后再看，前者退了20 多单，后者只退了几单，情况就完全不一样了。

甚至同样是退货，背后的原因也不一样。

有些用户只是买错尺寸，有些是物流时间超过预期，有些收到产品后发现和内容里理解的不一样，还有些用户在购买之前就被某个卖点建立了过高的预期。

这些信息不会重新回到联盟EPC里，也不会改变当时已经记录好的转化率。

一笔订单在渠道端已经被认为是成功的，但在品牌这里，它还会继续往后走。

这也是为什么单纯用订单数评价流量，越来越容易漏掉一部分东西。

2026年，退货依然是电商经营里绕不开的一部分。

多份今年发布的行业基准都把电商平均退货率放在19%—20%左右，服装等部分品类还会明显更高。

Richpanel在2026年的行业整理中认为，目前电商整体退货率大约在20%，不同品类差异很大；ShipNetwork 今年给出的综合区间同样在19%—20.5%。

这意味着，对一个有一定订单规模的独立站来说，退货早就不是少数异常订单，而是交易完成以后必然要面对的一段用户旅程。

有些渠道带来的用户下单很快，但售后问题也很多；有些内容站转化看起来没有那么猛，用户却提前把产品研究得很清楚，买回来以后退款少、咨询也少。

特别是内容型联盟，这种差异很明显。

一篇真正把产品适合谁、不适合谁、优缺点都讲清楚的测评，不一定把点击后的转化率做到最高，因为它在购买之前就帮品牌筛掉了一批不合适的人。

反过来，如果内容只强调优惠、卖点和购买理由，短期数据很好看，后面产生的退货和投诉却未必会出现在这份成绩单里。

所以现在看一笔订单，我会更愿意把时间往后拉一点。

不是为了重新计算一次渠道归因，而是因为用户付款之后，才真正开始验证自己之前在广告、社媒、评论或者品牌页面上形成的那些判断。

这部分数据，恰恰是很多渠道报表看不到的。

03 被漏掉的数据

一个用户从联盟内容进入网站，渠道后台记录了点击和订单；下单以后，Shopify记录商品、金额和用户信息；发货以后，物流系统开始记录轨迹；如果收到产品以后有问题，又会进入客服、退货或者评论系统。

从用户角度看，这是一段连续的购物经历。但到了品牌后台，却被拆成了好几段。

今年Loop发布的2026 Global Ecommerce Report，统计了全球4000多家Shopify商家、超过2340万次真实退货。

这么大的退货样本，本身就说明了一件事：用户完成付款之后，仍然会产生大量直接影响品牌经营的行为，只不过这些行为已经离开了平时最常看的订单报表。

图源: loop

客服里的信息量更大。

Gorgias今年披露，2025年其平台上的电商品牌和消费者产生了超过3.5亿次对话，其中接近1000万次最终转化成了购买。它今年的研究还显示，AI 已经平均参与约 31% 的电商客户互动。

图源: Gorgias

但几亿次对话不会像销售额一样，最后自动变成一张整齐的表。

更多时候，它们就是一句句很普通的话。“我以为这个型号有这个功能。”“用了几天还是不知道怎么设置。”“产品没有问题，但物流等得太久了。”

单独看其中任何一句，都只是客服今天要处理的一张工单。处理完、回复完，事情也就过去了。

真正麻烦的是，当同样的问题开始出现几十次、几百次的时候，品牌很难第一时间发现它们之间的关系。

比如这个月有1000个订单，其中80个退款。退款率很好统计，后台甚至可以继续告诉你，有多少人选择了“尺寸问题”，多少人选择了“不符合预期”。

但“不符合预期”到底是什么意思？

是产品图片造成了误解，还是某个卖点没有讲清楚；是用户本身买错了，还是某个渠道带来的消费者对产品存在相似的理解偏差。

这些信息通常不会存在订单表里。

它们藏在用户自己写的那几句话里。

这也是为什么渠道团队和售后团队有时候会看到完全不同的结果。

一个联盟客最近带来的订单突然增加，从联盟后台看，点击、转化和销售额都很好。但一个月以后，客服发现其中一批用户反复询问同一个功能。

如果把两边的数据放在一起，才有机会继续往前查：是不是某篇测评内容里的表达，让用户对产品形成了错误理解？

同样，一款产品最近客服咨询明显增加，也不一定代表产品本身突然出了问题。用户可能集中来自某一种内容、某一个搜索需求，甚至某一种特定的使用场景。

只是这些信息分别掌握在不同的人手里。

做联盟的看联盟后台，运营看后台，客服看工单，售后看退款，评论又放在另一套工具里。

每个人看到的数字都是真的，但没有人看到完整的用户。

而用户并不会按照品牌内部的系统和部门来购物。对他来说，从第一次看到产品，到最终决定留下还是退掉，本来就是同一段经历。

04 好流量，不只看订单

过去判断一个渠道好不好，其实很简单。

带来了多少点击、多少订单、多少销售额，转化率怎么样，客单价高不高。

做联盟的还会继续看 EPC、佣金成本，最后把资源往数据最好看的渠道上倾斜。

但今年的一些数据已经能看到变化。

impact和Cardlytics 发布的2026 Consumer Spending Intelligence Report，样本覆盖2368个北美零售品牌，同时结合了美国约1.95亿持卡人的消费数据。

结果显示，用户点击量同比增加了2%，但转化率反而下降了6%；过去两年里，平均客单价增长了1.9%，购物次数却下降了1.6%。

报告给出的判断是，消费者没有停止购物，而是购买路径变长了，真正付款之前会花更多时间研究和比较。

图源: impact

这和现在做站外推广的体感其实很接近。

用户愿意看内容，也愿意点击，但不一定马上买。

Rakuten Advertising 的全球消费者研究里，接近80%的消费者表示会信任影响者的推荐，61%表示曾因为这类推荐产生购买。

内容当然在影响成交，只是这种影响已经很难全部压缩到最后一个点击里。

图源: Rakuten Advertising

联盟平台自己也在调整看渠道的方式。

今年3月，Awin上线了新的 Publisher Incrementality Report，不再只看一个联盟客最后带来了多少订单，而是增加了三个维度：它有没有开启一段新的购买旅程、参与以后客单价有没有提升，以及它的参与有没有提高整体转化率。

图源: Rakuten Advertising

Awin也特别提到，一些联盟客的价值在传统最后点击报表里是看不到的。

这个变化挺值得注意。

因为以前我们说“优质联盟客”，很多时候其实是在说：这个联盟客很能出单。

以后这个定义会越来越不够。

一个内容站可能没有拿到很多最后点击，但大量用户第一次认识品牌是从它开始的；另一个折扣站拿走了很多最后点击，但其中一部分用户其实在进入折扣站之前已经决定购买。两边都产生订单，但给品牌创造的价值并不是一回事。

再把时间往订单之后拉，差异会更大。

Loop今年发布的全球电商报告分析了4000多家 Shopify 商家、2340 万次真实退货。

在这些商家里，73.4% 已经提供换货选项，49.2% 允许用户在退货过程中重新选择其他商品。与此同时，65.2% 的商家开始针对部分退货收取费用。

品牌显然已经不再把所有退货简单处理成“退款结束”，而是在区分不同用户、不同原因以及不同后续价值。

甚至连风险都不是平均分布的。

在Loop的这批数据里，11.4% 的退货金额被标记为高风险，平均每笔高风险退货价值约120美元。不同品类、地区和用户行为之间还有明显差异。

所以如果两个联盟都带来了100个订单，只看成交，它们几乎一样。

但一个渠道带来的用户大量退款、频繁咨询，甚至出现异常退货；另一个渠道带来的用户购买之前已经把产品研究得比较清楚，后面的退货更少、复购更稳定。

这两批流量显然不是一个质量。更现实的是，前面的差异大部分不会重新回到联盟报表里。

订单已经记了，佣金已经算了。

这也是为什么现在再看“好流量”，订单数已经只是第一层。

用户是谁、为什么买、买完以后发生了什么，开始变得同样重要。

05 AI开始读懂售后

前面这些问题放在过去，其实很难真正解决。

不是品牌不知道客服、退货和评论里有价值，而是这些数据天生就不好处理。

订单很好统计，一个月卖了多少件、退款多少笔，拉张表就能看。但客服对话不一样。同一个问题，有人写“尺寸太小”，有人说“比照片里看起来小很多”，还有人不会直接说尺寸，只会说“收到以后和预期不一样”。

靠人工看几百条还能找到一些感觉，数据量一大，就很容易变成客服团队内部的经验。
“最近好像很多人在问这个，“这个产品最近投诉有点多，“最近物流问题比较集中。”

知道有问题，却很难继续回答：到底多了多少，集中在哪个产品，从什么时候开始，哪些用户最明显，又和前面的渠道、内容有没有关系。

这反而是 AI 很适合进入的地方。

因为售后真正缺的不是再多一张报表，而是把大量没有固定格式的文字重新整理起来。

比如过去一个月出现了500条关于某款产品的咨询，AI 可以把不同表达归到同一个问题下面，再继续看这个问题最近是不是突然增加，集中在哪几个产品、哪些订单，最后把原本散落在几百条对话里的东西变成一个可以继续往下查的问题。

这时候售后的价值就开始变了。

以前客服处理的是一个个具体的人。这个用户物流没更新，查一下；那个用户不会使用，教一下；还有一个人要退货，把流程走完。

如果AI能把这些问题重新聚合起来，品牌看到的就不再只是“今天处理了多少工单”，而是为什么这么多人都在问同一件事。

这也是我觉得AI+售后真正值得关注的地方。

现在大家聊AI电商，注意力大多还在前面：怎么用AI找产品、做搜索、推荐商品、生成内容，甚至直接帮用户完成购物。

但交易之后其实同样有一大块数据一直没有被很好地利用。

用户买之前看了什么，平台和渠道已经在想办法记录；用户买完以后为什么留下、为什么退货、哪里和预期不同，却大量存在于聊天记录、退货申请和评论这些文字里。

如果这部分数据开始被系统地读懂，售后就不只是负责把问题处理掉，它还会开始反过来影响商品页面、内容表达、产品设计，甚至前面讲到的渠道判断。

最近再看Seel，我觉得它现在做的事情正好能拿来观察这个变化。

以前提到Seel，更多想到的是配送保障、退货这些比较典型的售后服务。到了2026年，它开始把产品往一套售后 AI Workforce 体系扩展除了处理用户问题的智能客服，还加入了智能加购推荐、智能VOC洞察和数据分析等能力。比如智能VOC洞察会把评论、品牌提及和社交反馈放在一起分析，智能客服则根据品牌自己的售后规则和处理流程执行具体任务。