Agent 流量的度量：会话、转化与退款

九月底，一家做骑行配件的出海团队在对账。agent 结账刚开通，订单在涨，客单价看着也体面，会上已经在讨论加预算。财务翻到退款那一页停了手：这批订单的退货理由高度集中——“和详情页不一样”“装不上车架”。客服主管补了一句，不少人第一句话是“我到底买了哪个型号”。

agent 流量不是一条新渠道，而是一种新的订单形态：决策更短、所见更少、售后更贵；把它混进自然流量看转化率，你会在该收手时加预算，在该加码时砍预算。

先分清两种 agent 流量

同一个来源域名，背后可能是一个正在比价的人，也可能只是一次报价请求；不把这两类分开，任何比率都是噪声的平均值。

agent 触达你的方式有两种。一种是预检：它替你抓页面、调库存、算运费、验地址，为的是在回答里给出一个到手价。这类请求落在商品页或运费接口上，单页、无加购、可能一分钟内重复几次。另一种是代购：人已经决定买，让 agent 完成结账。它的订单真实存在，但网页会话可能一次都没有——不少 agent 结账走接口，根本不渲染你的页面。

于是出现第一个反常：agent 成交越多，网站分析里的会话反而越少。 成交与流量脱钩，用会话当分母算出的转化率，会随 agent 占比上下漂。第二个反常更隐蔽：预检请求永远不出单，却占着分母，把转化率稀释掉，再被读成“这个渠道质量差”。

类型	背后有没有人	在你站内的样子	该不该进转化分母
预检与比价	没有	单页深链、无加购、短时间重复请求	不该，单独记请求数
agent 代购，页面结账	有	深链落地后直接进结账，几乎没有站内浏览	该，但要单列
agent 代购，接口结账	有	站内没有会话，后台只有订单	进不了分母，只能按订单算

第三行最容易漏：订单在，会话不在。链路能否走到这一步，先看Agentic Commerce 的 readiness那五层。

三条信号，把 agent 订单捞出来

识别 agent 订单要靠订单侧的证据，不要靠 User-Agent：字符串可以省略、可以伪造，也会被中间层改掉。

可用的信号按可靠性排：

信号	能证明什么	局限
下单接口的调用方或集成标识	这单由哪套系统创建	是否透出取决于结账与支付服务商，以后台字段为准
一次性授权或代付凭证	结账由 agent 发起、持卡人已授权	并非所有方案都给，也不区分是哪家 agent
来源域名 + 落地即商品页 + 无站内跳转	大概率从 AI 答案直接跳来	只说明入口，不说明屏幕前有没有人
地址校验、运费询价的重复调用	下单前发生过机器预检	通常归不到具体订单，只能做侧证

规则要写死：三条以上同时命中记“agent”，只命中一条记“疑似”，两者都不进主报表。 误标一批比少标一批代价大得多：前者会让整条度量线失去信任，后者只是样本少一点。

四个指标，替代一个转化率

agent 渠道的健康度不看转化率，看退款之后的毛利；转化率只回答“来的人买没买”，不回答“买了之后赚不赚”。

指标	怎么算	为什么不能沿用人类口径
单均贡献毛利	客单价 − 商品成本 − 运费 − 退款损失 − 客服成本 − 支付费	人类渠道的退款与工单早已摊进历史均值，agent 是新队列，必须单算
退款率与原因分布	退款单 ÷ 妥投单，按原因分组	原因集中在“和描述不符”“装不上”，指向信息缺口而非质量
每百单工单数	工单数 ÷ 订单数 × 100	agent 买家没翻过详情页，问的多是“我买了什么”
复购与回访	90 天内是否二次下单、是否回到自有站	判断这单是买了一次，还是买了一个客

四个指标里，退款原因分布最有诊断价值。集中在“和描述不符”，问题在商品与报价这两层；集中在“装不上、尺寸不对”，问题在 feed 的变体与属性；集中在“以为能退、结果不能”，问题在政策——退货窗口、退回地址、谁付运费如果 agent 读不到，它会把最坏情况折进价格，干脆不下单；读到了却与实际不一致，退款就会以争议形式回来。政策的机器可读写法见配送与退货政策。

示例：同一批订单，两种算法

以下数字为示例，只用于演示两种算法的差别，不对应任何真实站点。

指标	人类自然	AI 引荐（页面）	agent 结账（接口）
订单数	1000	120	60
客单价	520 元	540 元	530 元
退款率	8%	11%	19%
每百单工单	6	9	22
单均贡献毛利	96 元	88 元	41 元

只看转化率，agent 那两列都不会难看：页面结账的落地页就是商品页，决策已经完成大半；接口结账干脆没有分母可算。把退款和工单并进来，结论反过来——客单价差不了多少，单均毛利不到人类渠道的一半。

混算的代价不是算错一个数，而是把预算加在亏钱的队列上。掉进这个坑的团队，往往还会顺手得出第二个错误结论：“agent 渠道用户质量差”，于是把资源收回；而真正的问题是详情页没被 agent 读到。

五步落地：先打标，再并表

顺序不能反：先做看板后做打标，得到的是又一张没人敢用的表。

步骤	做什么	谁来做	怎么算过
1 打标	订单字段写三态：agent、疑似、非 agent，只凭订单侧证据	数据 + 技术	抽 50 单人工复核，误标能说清原因
2 拆分母	预检请求单独记“报价请求数”，不进转化分母	分析	同一周两个数都能复算
3 并表	退款、工单按订单号挂到同一张表	数据 + 客服	一张表能拉出单均毛利
4 定窗口	退款观察窗写死，窗内数字不用于考核	增长负责人	口径落在一页纸上
5 每周复盘	只追差额最大的那个指标，追到具体断点	增长 + 技术	每次复盘产出一个待修项

第 4 步最容易糊弄。退款有滞后，短窗口的退款率系统性偏低；agent 订单的退货理由又多出现在开箱之后，滞后更长。窗口没定死，就会反复看到“这个月退款率降了”，其实还没退完。

第 5 步要克制：一次只追一个指标。四个指标一起看，最后一定退化成念数字的周会。

边界：什么情况下这套度量不成立

第一，样本太小。一个月十几单，退一单就能把退款率翻倍。先攒够 90 天，或按品类合并，别在小样本上切队列。

第二，平台内订单拿不到来源。Amazon 这类平台不提供 AI 入口的来源数据，你能看的是评分、退货原因与履约指标，读法见平台评价与商家评分。

第三，标识依赖服务商，别为拿标识改架构。透出与否由结账与支付服务商决定，规则也在变；拿不到就退回订单侧侧证，不要为了一个字段重做结账。

第四，归因不等于因果。agent 单退款高，也可能是这批 SKU 本来就难装、难配。要比同品类的人类订单，不要比全站均值。

第五，别为度量存个人信息。工单、地址、联系方式能脱敏就脱敏，别为一个比率留下可识别信息。

这个月先做一件事：导出最近 90 天的订单，按来源分成三列——人类自然、AI 引荐、agent 结账——每列只算两个数：退款率和每百单工单。两个数一起看，才知道 agent 这条线是在替你赚钱，还是在替你制造售后。跑通一轮再谈放量，方法见Agentic Commerce 的实验；口径怎么定，汇总在度量与增长主题页。