ODDITY的获客修复：拥有客户关系，仍要面对流量依赖

ODDITY于2026年11月11日披露，第三季度收入为1.45亿美元，同比下降约2%。季度业绩。对于一家数字化商家，这个数字只是分析起点。即使收入恢复增长，也需要进一步解释：改善究竟来自哪里，又能维持多久。

公司9月披露，正在测试修复广告信号并重新训练算法。第二季度更新。其年报也提示，广告算法使获客成本无法完全由公司控制。2025年年报。管理层6月曾将异常归因于技术问题，而非品牌饱和；这仍是公司判断，不是得到独立证实的原因。第一季度更新。

拥有交易页面，不等于掌握流量分配

以下为OMN分析。直接面向消费者销售，可以让商家决定商品如何展示、结账如何完成，以及购买后如何服务。但潜在消费者是否看得到广告、触达他们需要支付多少费用、广告系统依据什么反馈继续分配预算，是另一组问题。自有客户关系与外部分发依赖可以同时存在，并不矛盾。内部数据越丰富，也不意味着外部平台的分配规则就完全可控。

这一区分决定了如何理解复苏。销售额增长可能来自新增客户，也可能来自老客多买、客单价上升，或者促销力度加大。几条路径都能改善收入，却对应不同的未来成本。假如商家用更大折扣补偿流量效率下降，订单数量可以恢复，但每笔订单留下的收益可能减少。假如收入主要由老客户贡献，也不能据此判断新客户的获取已经重新变得划算。

对经营者而言，问题不是在广告平台与品牌之间选择一个责任方，而是避免把尚未辨明的原因写进下一轮预算。只有将可观察的业务结果拆开，才能知道应该继续修改投放、调整商品方案，还是改变对增长速度的预期。

应当追踪同一批客户，而不只是单次广告

一种更有解释力的评估方法，是把同一时期获得的客户放在一起观察：先记录获客支出，再从他们创造的收入中扣除退货、履约、支付及相关优惠成本，后续复购另行追踪，不直接沿用过去的复购率。这是本文提出的分析框架，并非对ODDITY未披露客户数据的描述。

例如，某次调整定向后的广告带来了更多首单。如果这批订单的退货也更多，那么每个订单对应的广告费用下降，未必意味着经营结果改善。反过来，某次规模较小的投放，首单成本可能显得偏高，却可能获得无需再次付费触达就会复购的客户。仅看点击量或广告平台归因的销售额，无法区分这两种情形。这个例子是机制说明，不是公司的实际投放记录。

时间也是成本的一部分。广告支出发生时，客户关系的完整价值通常尚未实现。预计复购收入不是已经到账的现金。因此，恢复投放需要同时具备支出上限与扩大测试的条件：经过退货周期、后续购买窗口仍然成立的改善，比短期转化率上升更有说服力。季节性与商品结构变化也要求使用可比期间，而不是选择最有利的前后两段数据。

这并不要求企业等到所有不确定性消失再行动。小规模、可停止的实验本身就有价值。关键是提前约定什么结果值得继续、什么结果需要缩减，而不是在投入扩大后才改变成功标准。

分散渠道有成本，也需要证明效果

转向其他渠道不一定能立即解决问题。新渠道需要素材、测量和学习时间，也可能覆盖同一批消费者。后台看起来分散的预算，可能仍依赖相同的人群与归因信号。真正需要验证的是：当主要渠道效率下降时，替代来源是否能带来额外的、扣除成本后仍有价值的订单。

对照实验能够提供帮助，前提是企业承担得起测试成本。例如，保留部分地区或客户群不参与某次活动，可以观察不投放时销售是否仍然发生。但样本规模、跨组影响和优惠差异都会影响解释，不能把一次实验当作整个获客战略的最终结论。多轮方向一致的结果，更能降低对平台自身归因数字的依赖。

另一种观点同样合理：集中使用高效渠道，本来就是经营效率的来源；长期维持回报较差的替代渠道，也可能浪费资源。因此，韧性的含义不是平均分配预算，而是在真正需要替代方案之前，知道启用它需要多少成本、时间和运营准备。这是一项有价格的选择权，不是免费保险。

下一次披露，什么证据更有用

对外部读者，更有价值的信息是把新增客户经济性与复购需求区分开，并解释投放规模扩大后，改善是否仍然成立。品牌之间的差异也有助于判断，增长究竟覆盖整个业务，还是集中于组合中的一部分。缺少可比的客户分组与增量回报数据，观察者就不能有把握地把变化归因于定向、产品需求或促销安排中的某一个因素。

ODDITY的案例不只涉及单季收入。数字化零售效率来自商家自有系统与外部服务之间的配合；收入是配合结果之一，不是完整诊断。更持久的判断标准，是下一位客户带来的后续收益，能否覆盖获得与服务这位客户的真实成本，而且这种关系在分发条件不利时也能够维持。本文讨论经营机制，不构成证券买卖建议。