GMV โต แต่อัตรากำไรลด DataGlass คือเครื่องคำนวณกำไรสุทธิที่สร้างใหม่ทุกออเดอร์ — COGS, ค่าคอมมิชชั่น Shopee, ค่าธรรมเนียมแพลตฟอร์ม, ค่าโฆษณา, ค่าจัดส่ง, คูปอง — และเปลี่ยนตัวเลขเป็นรายละเอียดกำไรต่อ SKU ที่ชัดเจน เพื่อให้เห็นว่าสินค้าไหนทำกำไรและสินค้าไหนขาดทุน
สิ่งที่ผู้ขายเห็น
รายได้ขึ้น ผ่านไตรมาสช้า ๆ แล้วยอดเงินในธนาคารไม่ขยับ แดชบอร์ด seller centre แสดง GMV ไม่ได้แสดงต้นทุนรวมที่ขาย GMV นั้น — ค่าคอมมิชชั่น Shopee, ค่าธรรมเนียมแพลตฟอร์ม Lazada, ค่าธรรมเนียม transaction TikTok Shop, voucher ที่ผู้ขายออก, ค่าโฆษณา attributed, ค่าจัดส่ง ถ้าไม่มี breakdown กำไรสุทธิ ต้นทุนเหล่านี้จะมองไม่เห็นจนกว่าจะกัดกำไรหมดแล้ว
- GMV โตขณะที่กำไรสุทธินิ่งหรือตก
- Bestseller ที่กลายเป็น SKU margin ต่ำที่สุดเมื่อหักค่าคอมมิชชั่น Shopee และค่าโฆษณาแล้ว
- แคมเปญที่ดูสำเร็จแต่จริง ๆ ใช้ margin จากที่อื่นมาทุน
- ค่าธรรมเนียมแพลตฟอร์ม (commission, transaction, free-shipping subsidy) ที่ไม่มีใครในทีม breakdown ต่อ SKU ได้
- COGS กระจายในสเปรดชีตที่ไม่ได้ reconcile หลายเดือน
สิ่งที่ DataGlass ตรวจจับ
DataGlass โมเดลกำไรสุทธิต่อออเดอร์โดยรวมข้อมูลแพลตฟอร์มกับ COGS, ค่าธรรมเนียมตลาด (ค่าคอมมิชชั่น Shopee, ค่าธรรมเนียมแพลตฟอร์ม Lazada, ค่าธรรมเนียม transaction TikTok Shop), ad attribution, ค่าจัดส่ง และส่วนลดที่ผู้ขายออก ผลลัพธ์คือ breakdown กำไรต่อ SKU พร้อมข้อมูลเชิงลึกอีคอมเมิร์ซที่ผู้ขายเอาไปใช้ได้จริง
- SKU ที่ contribution margin ติดลบเมื่อหักค่าคอมมิชชั่น Shopee, ค่าโฆษณา และค่าจัดส่ง
- SKU ขายดีที่ unit economics ไม่ครอบคลุมค่าโฆษณาหรือค่าธรรมเนียมแพลตฟอร์มแล้ว
- หมวดที่ค่าธรรมเนียมตลาดกิน margin มากกว่าที่ผู้ขายรู้ — แยกตามแพลตฟอร์ม
- ส่วนลดและ voucher ที่ยก GMV แต่กัด margin เมื่อคำนวณ breakdown กำไรเต็ม
Actions ที่แนะนำ
Actions ที่ขยับ margin ใน 30 วันถัดไป จัดอันดับตาม expected lift บน contribution margin พร้อม breakdown กำไรเต็มแนบทุกคำแนะนำ
ปรับราคา SKU margin ต่ำ
หาจุดราคาที่ contribution margin กลับมาเขียว — หลังหักค่าคอมมิชชั่น Shopee, ค่าโฆษณา และค่าจัดส่ง — โดยไม่ฆ่าดีมานด์
เลิกขาย SKU ที่ขาดทุนแม้ราคาเต็ม
ระบุสินค้าที่ต้นทุนเต็ม (COGS + ค่าธรรมเนียมแพลตฟอร์ม + ค่าโฆษณา) เกิน price ceiling จริง
ขยับโปรโมชั่นไป SKU margin สูง
ขยับงบโฆษณาและ voucher จาก bestseller margin ต่ำไปยัง SKU margin สูงที่รับแรงผลักได้ — โดยอ้างอิงจาก breakdown กำไรต่อ SKU เต็ม
ต่อรองค่าธรรมเนียมและค่าจัดส่ง
หาหมวดและ SKU ที่ค่าธรรมเนียม Shopee/Lazada/TikTok Shop กับค่าจัดส่งเป็น lever ใหญ่ที่สุดของ margin
คำถามที่พบบ่อย
เครื่องคำนวณกำไรอีคอมเมิร์ซของ DataGlass ทำงานอย่างไร?
ทุกออเดอร์ DataGlass หัก COGS, ค่าธรรมเนียมตลาดของ Shopee, ค่าโฆษณา attributed, ค่าจัดส่ง และ voucher ที่ผู้ขายออก จากรายได้ ผลลัพธ์คือ breakdown กำไรต่อออเดอร์ที่รวมขึ้นเป็น contribution margin ต่อ SKU — กำไรต่อหน่วยที่เลี้ยงธุรกิจ สำหรับ Shopee, Lazada และ TikTok Shop
Breakdown กำไรรวมค่าคอมมิชชั่น Shopee และค่าธรรมเนียมแพลตฟอร์มไหม?
รวม ค่าธรรมเนียม Shopee ถูกโมเดลตามหมวดและโปรแกรม — ค่าคอมมิชชั่น, ค่า transaction, ค่าธรรมเนียมการชำระเงิน, free-shipping subsidy และ voucher ที่ผู้ขายออก breakdown กำไรแสดงทุกบรรทัดเพื่อให้ตรวจสอบได้ต่อ SKU สำหรับ Shopee, Lazada และ TikTok Shop
ผมไม่มี COGS ของทุก SKU DataGlass คำนวณ margin ได้ไหม?
ได้ อัปโหลด COGS ที่มีผ่าน CSV/XLSX พร้อม column auto-mapping สำหรับ SKU ที่ไม่มี COGS DataGlass อนุมาน starting estimate และติดธงเพื่อให้คุณปรับ เครื่องคำนวณกำไรยังให้ข้อมูลเชิงลึกกำไรเชิงทิศทางได้ขณะที่คุณเติม COGS ให้ครบ
Contribution margin ต่างจาก gross margin อย่างไร?
Gross margin หักแค่ COGS จากรายได้ Contribution margin หักค่าธรรมเนียมตลาด (commission, transaction, ค่าธรรมเนียมแพลตฟอร์ม), ค่าโฆษณาต่อ unit, ค่าจัดส่ง และ voucher ด้วย — สะท้อนเศรษฐศาสตร์ต่อ unit จริงของตลาด และเป็นตัวเลขที่ DataGlass profit breakdown แสดง
แนวคิดที่เกี่ยวข้อง
- Contribution margin รายได้ลบต้นทุนผันแปรทุกอย่างของการขายอีกหนึ่งชิ้น — กำไรที่แต่ละออเดอร์เหลือให้จริงหลังค่าธรรมเนียม ค่าโฆษณา และค่าส่ง
- COGS Cost of Goods Sold — ต้นทุนต่อชิ้นถึงมือผู้ขาย ตัวเลขที่ทุกการคำนวณกำไรพึ่งพา
- ค่าธรรมเนียมแพลตฟอร์ม ส่วนที่แพลตฟอร์มเก็บจากทุกออเดอร์ — ค่าธรรมเนียมตามหมวดหมู่ ค่าธุรกรรม และโปรที่ร้านออกเอง รายการต้นทุนที่ซ่อนใหญ่ที่สุดของผู้ขายส่วนใหญ่
- True ROAS ผลตอบแทนจากค่าโฆษณาหลังหัก COGS ค่าธรรมเนียมแพลตฟอร์ม voucher และค่าจัดส่ง — ตัวเลขที่แดชบอร์ดแพลตฟอร์มไม่แสดง
งานวิจัยที่รองรับ
- ข้อมูลอัจฉริยะในการตัดสินใจสำหรับอีคอมเมิร์ซ: วิธีที่ผู้ค้าปลีกปรับราคาให้เหมาะสม การคาดการณ์ความต้องการ สินค้าคงคลัง โปรโมชั่น และการปรับเปลี่ยนในแบบของคุณ
- การคาดการณ์และการเพิ่มประสิทธิภาพความเสี่ยงภายใต้ความไม่แน่นอน: การตรวจสอบเมตาข้ามโดเมน
- จากความรู้สึกไปสู่การอนุมานภายหลัง: บทความวิจัยเกี่ยวกับDecision Engine ของ DataGlass สำหรับการจัดสรรงบประมาณโฆษณาอีคอมเมิร์ซ


