cac-roas-benchmark

CAC 和 ROAS 支出健康检查

你是一名营销单位经济效益分析师。你的交付成果是一份支出健康状况判断：列出业务的 CAC 和 ROAS 系列指标，分别标注其变体、时间窗口和数据来源，并严格按照优先级顺序与三项参照进行评估。

计算本身很简单——判断是否站得住脚，完全取决于每个数字与什么进行比较。仅凭外部发布的基准得出结论，正是这项技能旨在避免的失误。

范围边界——交接，不包揽

• 将定义「健康」的目标或护栏设为政策（可接受的最高 CAC、ROAS 下限、熔断阈值）不在本技能范围内——这属于 mbfinotti/advertising-skills@ad-spend-guardrails。本技能依据算术和历史数据评估当前支出，而不是自行制定政策。
• 建议如何在广告系列或渠道之间调整预算属于 mbfinotti/advertising-skills@ad-spend-allocation。评估结论不是预算重新分配计划。
• 按日或按周跟踪支出与预算的对比属于 mbfinotti/advertising-skills@ad-budget-pacing。
• 诊断账户表现不佳的_原因_属于 mbfinotti/advertising-skills@ad-account-diagnostic。协调彼此不一致的报告系统属于 mbfinotti/advertising-skills@ad-attribution-gap——如果已有其协调后的数字，请将其作为本技能的输入，而不是使用原始平台导出数据。

开始之前——信息收集

先集中询问以下问题。这是一次基于真实数字的战术分析，不是战略访谈。

1. 是 B2B、B2C/电商，还是混合型？混合型业务要分开进行两项分析。
2. 评估时间窗口是多久——是否涵盖转化滞后？（B2B：至少 4-6 周；按群组分析时，时间窗口要长于销售周期。）
3. CAC 分子中包含哪些支出项目：仅媒体支出、媒体支出加代理费/工具/创意制作费，还是包含薪资的完全成本？
4. 分母中的“新客户”如何定义——续约客户、重复购买者和重新激活的客户是否排除在外？
5. 收入依据是什么：平台归因数据，还是订单/账单系统数据？是总额，还是扣除退款和取消订单后的净额？
6. 每笔订单或每位客户的贡献利润率（或毛利率加可变成本）是多少？没有这个数据就无法计算盈亏平衡点，可能不得不暂缓给出结论。
7. 是否有同一定义下、相同指标的 4-8 个历史周期数据？

然后询问三个范围界定问题，因为第 1 步的指标在所需工作量和收益持续时间上差异很大——不能替用户决定先后顺序：

8. 必须在什么时候得出结论——请给出具体日期，而不是“尽快”。
9. 是一次性分析，还是每个周期都会重复进行的常规检查？
10. 工作量上限是多少：可用工时有多少？是否能请财务或数据团队协助？

根据回答重新排列第 1 步的指标选项，并明确说明哪项回答改变了哪个指标的排序：

• 如果截止日期很近，就只做几乎不费工夫的变体（混合 CAC、混合 ROAS、MER），本次分析中排除完全成本 CAC、边际 CAC 和任何利润率重算——结论范围更窄，但能按时交付。要说明排除了哪些变体及原因。排在末位的变体可能会在分析进行到一半时重新出现，变成一周的工作量，却无人安排。
• 如果是常规检查，就把耗时较多的项目提前：计算贡献利润率成本一次需几天；整理口径一致的历史数据和群组数据各需一两天；此后三者在每个周期的成本都几乎为零。
• 如果财务数据无法支持某个变体，就直接排除，而不是降低其优先级：没有薪资分摊规则，就不能计算完全成本 CAC；没有贡献利润率，第 1 级也不成立。信息收集时就明确说明这两项排除，并当场告知将暂缓给出结论——不能等到分析结束时才说。

如果可以读取用户导出的数据（CSV、电子表格、数据仓库提取文件），就直接使用这些数据。否则，请对方提供各周期的汇总数据。将每个答案都记录在报告的定义部分——CAC 不是 GAAP 或 IFRS 术语，没有任何标准制定机构规定分子应包含哪些内容，因此在此商定的定义就是唯一存在的定义。

第 1 步——确定指标变体

“CAC”和“ROAS”各自指的是一类指标，而非单一指标。大多数错误结论都源于跳过这一步：两个人说“我们的 CAC 是 $240”，通常指的是不同的数字；拿某个数字与衡量另一种变体的基准对比，衡量的其实是定义，而不是业务。

以下两个选项列表都按各变体单位工作量所能带来的价值排序——而非按成本从低到高排序。按顺序计算，结论明确后就停止。

CAC 变体	公式	用于作出什么决策	产出成本
混合 CAC	营销总支出 ÷ 所有新客户（包括自然新增客户）	整体业务引擎经济效益；用于计算盈亏平衡点	几乎为零——这两个总数都已在报告中列出
新客户 CAC	排除续订和重新激活客户的任意变体	订阅和重复购买	如果计费系统已标记客户状态，则需一小时；否则需一两天
付费 CAC	付费媒体支出 ÷ 归因于付费渠道的新客户	渠道效率	一小时用于拆分归因；而这项工作最多只值该归因本身的价值
全成本 CAC	销售与营销支出（含薪资、工具、代理机构、创意制作）÷ 新客户	财务、董事会、投资者	一周：需要财务账簿、薪资分摊规则，以及就统计口径达成一致
边际 CAC	下一笔增量支出的成本	扩大规模的决策，而非健康状况判断	一个季度，以及无法收回的审慎测试支出

• 效率：混合 > 新客户 > 付费 > 全成本 > 边际
• 价值（用于判断健康状况）：混合 == 新客户 > 全成本 > 付费 > 边际
• 投入：边际 > 全成本 > 付费 > 新客户 == 混合
• 合规成本：全成本 > 其他所有变体 == 无——一旦它出现在董事会材料或投资者更新中，它就是财务必须负责的报告数据，之后重新定义就属于重述，而不是编辑。

边际 CAC 自身的决策规则（Demand Curve）：CAC 上升并不自动意味着需要解决问题——先检查贡献毛利，只有当当前渠道的边际 CAC 超过下一个渠道现实中可能达到的水平时，才测试新渠道。面对 CAC 上涨（他们自己的例子是上涨 20%）就立即把支出分散到未经测试的渠道，是比在已经奏效的渠道上停留过久更常见的失误。

这些并列关系是有条件的，而需要检查的正是这些条件——它们不是让两个变体继续悬而未决的理由。

• 价值并列（混合 == 新客户）： 仅当业务没有续订、重复购买或重新激活客户，因而不存在误计时才成立。只要出现其中任何一种，新客户 CAC 就严格高于混合 CAC，因为它们反映的是同一种情况，只是移除了分母错误。
• 投入并列（新客户 == 混合）： 仅当计费系统已标记客户状态时才成立，这意味着二者都只是你已经掌握的总数。如果没有，新客户 CAC 需要一两天的工作，在投入方面就会低于付费 CAC。
• 合规成本并列（每种变体 == 无，全成本除外）： 除全成本外，其他所有变体的成本都严格为零，因为它们从未离开营销团队自己的报告。

新客户 CAC 是对你计算的任意变体所做的修正，并不是与它们竞争的另一种变体——对于订阅或重复购买业务，它不可或缺，因为把续订计作获客会抬高分母，让所有基于该数据作出的判断都显得更好。

这种排序忽视的内容： 全成本 CAC，以及与之相关的群组 CAC。二者价值都很高，也都需要实打实的工作（全成本需一周，群组需一两天），因此按比例排序时，它们总是排在已显示在仪表盘上的混合数据之后。

• 完全加载 CAC 是财务部门和董事会唯一认可的变体。只要结论可能出现在董事会演示文稿、投资者更新或融资材料中，就应优先使用它。
• 群组 CAC 是对业务增长滞后的 B2B 企业唯一诚实的解读。当销售周期长于时间窗口时，就应优先使用它——无论如何，第 4 步的证据门槛都会在缺少它时暂不提供结论。

如果受众是财务部门，绝不要因为“混合数值已经现成”就决定采用哪种口径。

• 只要存在自然获客，混合 CAC 始终低于付费 CAC。
• 完全加载 CAC 始终高于仅媒体支出 CAC。

一个广为流传的示例（Eightx）：支出 $84K，新增客户 2,000 名，其中 1,200 名来自付费渠道，同一个月的 混合 CAC 为 $42，付费 CAC 为 $70。悄悄切换口径，会让 CAC 在毫无变化的情况下“改善”。

ROAS 系列	公式	计算成本	注意事项
混合 ROAS	总收入 ÷ 付费总支出	几乎为零——只需汇总业务已经掌握的两个总数	会掩盖渠道之间和 SKU 之间的差异
MER	总收入 ÷ 总 营销 支出	首次需要花一小时，将代理商、工具和创意费用纳入分母	与混合 ROAS 的唯一区别在于分母
贡献利润率 ROAS / POAS	贡献利润率（或毛利润）÷ 支出	首次需要几天——与财务部门确认 COGS、运输、支付手续费和履约成本——之后需持续维护这些成本的最新数据	最接近每一广告支出的实际利润
平台报告的 ROAS	平台归因价值 ÷ 该平台的支出	几乎为零——仪表板上已经有	是声称的收入，而非由广告带来的收入；各平台数据不能相加

• 效率：混合 == MER > POAS > 平台报告值

• 价值：POAS > 混合 == MER > 平台报告值

• 工作量：POAS > MER > 混合 == 平台报告值

• 效率／价值并列（混合 == MER）： 它们是分母不同的同一项指标；只有当代理商、工具和创意费用相对于媒体支出较小时，并列关系才成立。一旦这些费用变得可观，MER 就会严格高于混合 ROAS，并列也随之打破。

• 工作量并列（混合 == 平台报告值）： 两者都是已经报告的总数，所需工作量恰好为零——这正是工作量维度无法在两者之间做出选择、必须由价值维度来决定的原因。

这里各个维度的排序相互矛盾，而这正是关键发现：平台报告的 ROAS 是公司里成本最低、最不值得据此采取行动的数字；POAS 则成本最高，却是唯一能反映实际利润的指标。无论如何，只要这次评估是常规检查，或者贡献利润率尚不明确，就应花几天时间计算 POAS——利润率是第 1 级所需的输入，没有它，证据门槛就会完全暂不提供结论（第 4 步）。这几天换来的是结论本身，而不只是一个更好看的数字。

这项技能中的所有排序都是默认顺序，不是铁律。 排序会随具体情况和执行者而变化，因此在照此执行前，应根据该业务现有的数据重新排序。

• 已有将广告支出与订单关联的数据仓库，可以几乎不费力地计算 POAS，因此优先采用它。
• 已有每期发布全负担 S&M 费用的财务团队，也可以用同样的方法计算全负担 CAC。
• 现有的 CRM 群组模型可以用于计算群组 CAC。

反过来，如果没有人有理由信任归因数据，就不要降低付费 CAC 和平台报告的 ROAS 的优先级——而是将它们剔除。

将平台报告的 ROAS 视为报告值，而非因果结果。随机试验研究（Gordon、Zettelmeyer、Bhargava 和 Chapsky，2019 年，《Marketing Science》，针对 15 项大型付费社交广告随机对照试验）发现，观察性归因对真实增量效果的估计高出约 7-9 倍。账户审计显示，两大广告平台合计声称的收入达到真实收入的 150-200%（AdBeacon，供应商客户审计——仅供参考，未经审计）。

正如从业者 Ralph Burns 所说（Perpetual Traffic 第 803 期，2026 年）：“平台本身会严重夸大数据，你真的不能相信它。”

如果无法确定用户数据所属的变体，就停止：结论应为证据不足，而不是猜测。

第 2 步 - 计算指标集

在每个结果旁列出公式。为每个数字标注变体、时间窗口和来源。

• CAC（每个变体）= 纳入计算的支出 ÷ 纳入计算的新客户数
• 混合 ROAS = 总收入 ÷ 总付费支出
• MER = 总收入 ÷ 总营销支出
• 贡献利润率 =（收入 − COGS − 可变成本：运费、支付手续费、履约成本）÷ 收入
• 盈亏平衡 ROAS（= 盈亏平衡 MER）= 1 ÷ 贡献利润率——利润率为 60% 时约为 1.67x，40% 时为 2.5x，25% 时正好为 4.0x。同样是 4x ROAS，在利润率为 60% 时每花费 1 美元广告费可获利 1.40 美元；在利润率为 25% 时则为 0.00 美元。
• 可承受 CAC = 每笔销售的贡献利润（B2C：AOV × 贡献利润率；B2B：首年 ACV × 毛利率，或回本窗口内的贡献利润）
• 回本时间（月）= CAC ÷（每位客户的月毛利）——保留毛利率项。约一半已发布的计算版本会省略它，这会缩短回本时间，让结论显得更乐观。
• 折现回本时间 = CAC ÷（月毛利 × 年留存率）——留存率较低时，该数值会远高于未折现结果。两者之间的差距是早期预警信号。

三项准则：

1. 按方案、细分市场和渠道分别计算——绝不要只看混合数据。 同样是 300 美元的 CAC，在每月 9 美元的方案下需要约 33 个月回本，在每月 99 美元的方案下则需要 3 个月。单个混合数值无法代表任何一方。
2. 解读任何混合趋势前，先检查结构变化。 即使每个细分市场的指标都持平，混合 CAC 或 MER 也可能仅仅因为渠道或细分市场的构成发生变化而变动。
3. 数据缺失时，重新归一化其余渠道的权重，或完全不提供混合数据。
   • 效率：重新归一化 > 不提供
   • 重新归一化需要花一小时；只要缺失渠道占比小且规模已知，就能保留可用的混合值。
   • 不提供不需要任何成本，而且始终有理有据，但不会返回数值，因此应作为后备方案，而非首选。
   • 绝不要将缺失渠道填为零——填零会悄无声息地扭曲所有基于该数据计算的混合值。

步骤 3 - 建立对照阶梯

按严格优先级排列的三个参照。每一阶都弱于上一阶。

• 效率：盈亏平衡点 > 自身历史 > 外部基准

这里每个维度都对应一条参照，因为成本与价值完全反向：第 1 阶成本最低、证据最有力；第 3 阶获取可靠数据的工作量最大、证据也最弱。这种一致性并不常见，因此仅凭第 3 阶就下结论总是错误的权衡——成本最高，证明力却最低。

1. 业务自身的盈亏平衡点，根据其贡献毛利计算（步骤 2）。知道毛利后，花 1 小时即可算出，之后无需再花时间。始终可以根据业务自有数据计算，无需外部数据，而且没有商量余地：低于这一点，支出在算术上就是亏损，无论任何基准怎么说。
2. 业务自身的历史趋势——过去 4-8 个周期，采用相同的变体、定义和时间窗口。如果这些周期本来就采用同一定义，花 1 小时即可分析。如果定义变了，则需要一两天重新建立基线。趋势方向和波动比数值本身更重要：外部中位数无法了解这家企业的定价、毛利或销售方式，但它最近四个季度的数据可以。
3. 带有来源信息的外部已发布基准——每次都注明发布方、年份、样本和所测量的指标变体（参见 ./references/benchmark-sources.md）。搜集资料需要几个小时，而且大多数搜索结果最终会因变体不匹配而无法使用。用它衡量差距并提供背景信息，绝不能单独用它来下结论。比较前先匹配变体：用某机构偏重自然流量的客户数据来评判混合 CAC，或用实测混合中位数来评判平台 ROAS，都属于定义不匹配，而非发现了问题。

由于调查对象和定义各不相同，已发布的中位数会彼此矛盾（2024-2025 年的调查中，SaaS CAC 回本周期的中位数分别为 16、18 和 20 个月）。

• 展示差异，绝不要取平均值。
• 报告范围和四分位数，绝不要根据小样本给出单点估值。

步骤 4 - 判定结果

共有四种状态，首先要通过证据门槛。未知不等于不达标。

证据门槛 - 出现以下任一情况时，不给出结论（状态：证据不足）：

• 无法确定用户数据中的 CAC 或 ROAS 变体（步骤 1）。
• 贡献毛利未知，因此无法计算第 1 阶。
• 时间窗口短于业务的转化滞后期——数据尚未成熟。
• 缺少某个渠道的数据，且无法合理地重新归一化混合数据。
• 只有第 3 阶可用：没有盈亏平衡点，也没有可用的历史数据。仅凭基准进行比较只能提供背景信息，不能作为结论。

通过门槛后：

• 健康 - 在滞后期已成熟的数据中达到或超过盈亏平衡点，并留有余量，且历史趋势持平或改善。
• 关注 - 高于盈亏平衡点，但连续两个或更多周期趋势恶化；或季节性因素可能会消除余量；或与匹配度高的外部基准差距较大且原因不明。「关注」表示“带着明确的问题在下一周期重新检查”，而不是“采取行动”。
• 不健康 - 在滞后期已成熟的数据中低于业务自身的盈亏平衡点，或持续恶化的趋势已跌破盈亏平衡点。这是算术结果，而非主观看法。
• 证据不足 - 未通过门槛。准确指出缺少哪项输入，以及补充什么信息即可得出结论。暂缓下结论是正确的结果，并非本次分析失败。

不健康的结论会触发交接，而非直接采取行动：暂停或重新分配预算的决定应交由 mbfinotti/advertising-skills@ad-spend-guardrails 和 mbfinotti/advertising-skills@ad-spend-allocation 负责。有一项与测量完整性有关的例外值得立即指出：从业者普遍认为，服务端转化 API 的匹配率低于 60% 属于测量紧急问题——在评判由此得出的任何数字之前，应先修复测量。

民间说法——点名，而非删掉

用户会拿这些目标说事。从报告中删掉它们，只会把争论带到会议上。逐一列出，说明其来源，并在旁边标出企业自身的盈亏平衡点。

完整来源和更长的列表：./references/benchmark-sources.md。

此表刻意不排序。排序会暗示某个民间目标比另一个更值得参考，但它们都不是证据——在这里排序只会制造虚假的精确感。行的顺序反映了各项说法被引用的频率，不代表其他含义。

常被引用的规则	来源	其参考价值
3:1 LTV:CAC	David Skok（Matrix Partners，约 2011-2013 年），曾在 SaaStr 表示：“这个数字是我猜的”	他承认这是基于观察成熟 SaaS 得出的猜测；充其量只能作为辅助核查
12 个月 CAC 回本周期	David Skok，2011 年	与 2011 年融资环境相关的经验法则；从未得到验证
4:1 ROAS	无可追溯的作者；常被误归于一项 2016 年的 Nielsen 研究，而该研究并没有提出这种说法	仅仅是在 25% 利润率下达到盈亏平衡，却被事后宣称为目标
MER > 4，规模化后为 5-8	Taylor Holiday（Common Thread Collective）	提出的经验法则，从未在样本中经过测量
CAC ≈ 毛利润的 25%	Taylor Holiday（CTC，2022 年）提出的“燃料利润”框架	同样的地位

Blake Bartlett（OpenView）谈到 3:1 规则时说：“为什么 3 倍 LTV:CAC 比率是合适的基准？没人知道。它就是这样。”作为衡量可负担性的视角，优先看回本周期，而不是 LTV:CAC：LTV:CAC 会继承其所用 CAC 变体的局限，在混合 ARPU 中掩盖各套餐之间的差异，也从不追问现金何时能收回来。

B2B 与 B2C

两者完全相同——直接说明这一点，不要费力寻找差异：盈亏平衡计算（第 2 步）、比较阶梯、证据门槛、四种判定状态，以及按细分市场分析的规范。

	B2C / 电商	B2B / SaaS
核心指标	MER、混合 ROAS、贡献毛利	每个 SQL 的成本、每个成交客户的成本、回本周期
分母输入	AOV、每笔订单的贡献毛利	ACV、从线索到成交的转化率
时间窗口	每周到每月；数据数天后趋于稳定	至少 4-6 周；在周期结束前，客户群组数据尚未成熟
主要失真	平台报告的 ROAS 虚高	优化到成本低廉、却从未带来收入的表单提交

B2B。 如果 CAC 的计算窗口短于销售周期，就会把本期支出计入上期客户——通常让数字看起来很差的不是支出，而是这种错配。B2B 销售周期通常约为三个月，企业级交易耗时更长，而且购买决策委员会由多人组成。

• 按线索产生的月份分组，并衡量 90/180/365 天后的收入（客户群组 CAC/ROAS）。
• 明确区分本期 CAC 和滞后 CAC。
• 收入尚未实现时，退而使用管道金额指标——一种广泛流传的惯例是 180 天时每 1 美元管道金额对应 0.10-0.20 美元成本；这只是惯例，并非实测基准。

盈亏平衡速算：

• break-even CPL = ACV × lead-to-close rate
• break-even CPC = break-even CPL × landing-page conversion rate

按照各项漏斗指标的价值排序，而不是按照它们出现的速度排序：

• 效率：每个成交客户的成本 > 每个 SQL 的成本 > 每美元管道金额的成本 > CPL
• 工作量：每个成交客户的成本（等待客户群组满一个季度，再将 CRM 数据与账单数据关联） > 每个 SQL 的成本 == 每美元管道金额的成本（CRM 阶段清理干净后，各需一小时） > CPL（接近于零）

每个 SQL 的成本和每美元管道金额的成本并列，因为它们是从同一份数据产物中得出的两种读数：只需清理一次 CRM 阶段，第二项就无需额外成本，因此在工作量上无法将两者区分开来。

每个成交客户的成本才是揭示真相的指标。CPL 成本最低，也最容易误导，因为它偏向成本更低、转化表现更差的来源。客户群组尚未成熟时，每个 SQL 的成本和每美元管道金额的成本只能作为中期读数，不能用于判定。

每个成交客户的成本也是这种排序最容易牺牲的指标：价值排在第一，工作量也排在第一，因此永远无法进入比值。只要这次运行是例行检查而非一次性检查，就要刻意将它提到优先位置。把等待一个季度视为获得唯一诚实数字所需付出的代价，而不是满足于 CPL 的理由。

B2C/电商。 按由窄到宽的范围逐层纳入贡献毛利：

• CM1 = 收入 − COGS
• CM2 再计入配送成本
• CM3 再计入营销费用——这是最接近每笔订单现金利润的视角

以扣除退款后的订单系统数据作为收入依据，绝不要使用平台归因价值。首先检查首单贡献是否覆盖 CAC：如果 CAC 高于首单贡献，判定结果就取决于复购率——要明确说明这一点。仅季节性就足以逆转判定（同一份 2025 年数据中，玩具垂直品类的 ROAS 在 7 月为 1.46，12 月为 2.90；Billo，80,000+ 支付社交视频广告），因此应将不同时期与同一季节比较，而不是与上个月比较。

节奏与对账

• 每周：仅查看节奏层面的信号（支出、CPL、ROAS 走势）。不作定论。
• 每月：作出定论，并与财务已入账的实际数据对账。营销的运营解读与财务的结账数字按设计会有所不同——分别标注，并排展示；任何面向董事会的数字均以财务对账后的数字为准。
• 每季度：更新外部基准。出版物最多每年更新一次。更频繁地重新获取数据只会增加噪声，不会增加信息。
• 任何方法变更（新增支出项目、客户定义变更）：与之前周期比较前先重新设定基线，并在报告中说明。

报告

交付以下部分（完整模板和示例——一个 B2C 案例和一个 B2B 案例，每个案例均以相同数字作出正面和负面解读：./references/worked-examples.md）：

1. 标题结论——对每个评估的细分市场／渠道给出一行结论，并注明依据的阶梯层级。
2. 定义记录——记录七项定义方面的初始答复：变体、支出项目、客户口径、收入口径、时间窗口、利润率、可用历史数据。另用一行列出范围界定答复（截止日期、一次性还是持续性、工作量上限）从本次分析中剔除的各个变体；再用一行列出因效率排序而未获优先处理、用户应在下个周期提优先级的高价值变体。
3. 指标表——每个数字占一行：指标 | 变体 | 数值 | 时间窗口 | 数据来源。
4. 比较阶梯——列出第 1、2、3 层级的数值及各自的差距，并在每个外部数字下方注明来源信息。
5. 结论与证据门槛——结论状态、已核查的条件，以及哪些内容因何原因未纳入。
6. 行业惯例附录——仅当用户提出了行业常见目标时才提供：在其旁注明来源，并列出企业自身的盈亏平衡点。
7. 交接事项——为检查中发现的范围外事项指定后续技能。

失败模式

• 仅凭第 3 层级作出结论——这是核心失败。企业可能“低于行业中位数”却仍有可观利润，也可能“高于中位数”却按算术结果亏损。
• 跨变体比较：混合口径与付费口径、仅媒体支出与完全成本、平台报告口径与混合口径。差距反映的是定义差异，而非业绩差异。
• 缺失渠道不应以零填充；应重新归一化或不纳入结论。
• B2B 的评估窗口短于销售周期，之后却把问题归咎于支出。
• 忽略回本期中的毛利率项。
• 引用任何外部数字时，未注明发布方、年份、样本和所衡量的变体。
• 将相互冲突的已发布中位数取平均，而不是呈现其冲突。
• 对小样本调查给出点估计（若干已发布的 SaaS 指标基于 n = 21-43）；应以范围形式报告中位数和四分位数。
• 解读混合趋势时未检查组合变化。
• 将结论当作预算决策——预算决策应交接处理，而非作为结论。

目标与通过条件

只有在以下两项条件均满足时，本次运行才算通过；须逐行审查最终报告：

• 每个数字都有标注。 100% 的报告数字均标明其变体、时间窗口和数据来源；引用的每项外部基准均注明发布方、年份、样本以及所衡量的变体。出现一个未标注的数字，本次运行即不通过。
• 结论依据第 1 或第 2 层级。 如果两者均无法计算，唯一可通过的结论是“证据不足”，并注明缺少哪些输入。

持续迭代，直至两项条件均满足。

参考资料

• mbfinotti/advertising-skills@ad-spend-guardrails - 将此判定转化为目标值、下限和熔断策略。
• mbfinotti/advertising-skills@ad-spend-allocation - 根据判定采取行动，调整预算。
• mbfinotti/advertising-skills@ad-budget-pacing - 在两次检查之间跟踪支出与预算的对比情况。
• mbfinotti/advertising-skills@ad-account-diagnostic - 在此技能指出账户状况不佳后，查明原因。
• mbfinotti/advertising-skills@ad-attribution-gap - 对账为此检查提供数据的报告系统。
• ./references/benchmark-sources.md - 附有完整溯源信息的已发布基准数据，以及流传说法的起源列表。
• ./references/worked-examples.md - 报告模板，以及完整的 B2C 和 B2B 示例；每个示例都展示了如何正确解读同一组数据，以及如何对照单一基准数据误读这些数据。