假设两个 SKU 的广告 ROAS 都是 3。一个扣除货品、履约、平台费、达人佣金和优惠券后，每单仍有充足空间；另一个看起来卖得快，却几乎没有可贡献利润。它们不该拿到同样的视频预算，更不该因为后者更容易出单，就持续吞掉拍摄与迭代资源。
这正是跨境电商视频预算最容易被算错的地方：投放团队用收入效率选素材，制作团队按条数和规格报价，财务最后才看到利润。结果是三个部门都完成了各自的 KPI，却没有人回答“这个 SKU 还值得为下一条视频付多少钱”。
平台正在把广告之外的成本拉进同一张表
2026 年 8 月，TikTok Shop 发布 Seller Spending Insights，把基础佣金、促销支出、广告和联盟费用汇总到同一界面，并提供 Total Cost、Marketing Efficiency Ratio 和 New Customer Orders 等指标。同期更新的 GMV Max Pro 也明确把 affiliate costs、coupons 和 platform commissions 纳入增长效率判断。不过，TikTok 同时说明这些能力仍只向部分符合条件的广告主和市场逐步开放。
这是一项已证实的平台变化，但它不能证明所有广告平台已经完成“利润优化”。更准确的判断是：平台正在让卖家更容易看到 GMV 背后的成本组合，品牌再用单一 ROAS 给创意预算排队，会越来越显得粗糙。
Amazon Ads 的官方计算指南给出了更直接的提醒：ROAS 没有统一的好坏阈值，必须与利润率一起看；低毛利商品即使 ROAS 更高，也可能仍然亏损。Google Ads 的 Smart Bidding 说明则把“增加利润”与 Target ROAS、Maximize conversion value 对应起来。这里仍有一道品牌必须自己补上的题：平台可以优化它看得见的目标，却不知道你的真实货品成本、退货损耗、目标经营利润和视频制作摊销。
先算“每单可供创意使用的贡献”，再谈片子规格
ONCE 建议把投放和制作之间增加一个简单但严格的中间量：每单可供创意使用的贡献。
每单创意贡献 = 实收售价 − 货品成本 − 履约与退货准备 − 平台及支付费用 − 达人佣金 − 优惠券补贴 − 媒体获客成本 − 目标经营利润
这不是行业平均，也不是平台自动给出的标准答案。每一项都应来自品牌自己的 SKU、市场和渠道数据。若复购价值已被可靠验证，可以另做生命周期口径；不能用模糊的“以后会复购”替当前亏损找理由。
在一个明确评估周期内，制作预算上限可以写成：
视频制作预算上限 = 预计新增订单数 × 每单创意贡献
“预计新增订单数”必须保守，且需要有对照或增量测量方法。没有增量证据时，先把它当作测试上限，而不是回报承诺。这样做的意义不是把创意变成一张财务表，而是避免先决定拍摄规模，再倒推一个看似合理的 ROAS。
Margin-to-Motion：四层毛利—制作强度矩阵
同一批商品可以按经济性和不确定性分成四层。分层结果应进入 brief、报价和周度素材排期，而不是只留在财务报表里。
1. 核心利润 SKU：买可复用的“母资产”
条件是贡献毛利为正、需求和转化已经稳定，并且内容能跨渠道使用。这一层适合投入可长期复用的产品实拍、关键功能演示、人物场景和模块化镜头库。采购单位不应只是“一条 30 秒视频”，而应包括可重组镜头、干净产品声画、竖横版安全构图、事实版本和明确使用权。
高制作强度的理由不是“它卖得多”，而是这些资产有足够的利润空间和复用次数来摊销。
2. 学习型 SKU：先买问题，不先买规模
新品、进入新市场的商品或尚未找到有效卖点的 SKU，重点是缩短学习周期。更合适的采购是少量产品真相镜头，加多组开场、受众场景和卖点顺序；实拍固定产品事实，AI 或模板承担可替换的背景、语言层和低风险变体。
这一层的验收不是“交了多少条”，而是每个版本验证了哪个问题：价格阻力、使用理解、信任、场景匹配，还是信息顺序。
3. 薄毛利 SKU：优先覆盖，不追求独享制作
当每单创意贡献很窄，专门搭景、独立演员和大量定制后期很难摊销。可以采用批量棚拍、同机位换品、通用演示模板、直播切片和合规的用户素材，先保证商品事实清楚、尺寸规格正确、版本可维护。
这里应压缩的是重复搭建和无效变体，而不是把准确性一起压掉。薄毛利不等于可以接受错功能、错接口或过期包装。
4. 负贡献 SKU：先停新增制作
若扣除可变成本和媒体获客后，每单已经不能贡献目标利润，继续购买新素材通常只是让亏损跑得更快。先处理价格、供应链成本、佣金、优惠券或渠道选择；只有当创意测试能够回答一个明确的经济问题时，才保留小额验证预算。
“停做”不是否定创意，而是要求经营模型先重新成立。
品牌资产预算必须与转化素材预算分开
Margin-to-Motion 不适合替代所有品牌投资。品牌片、发布会内容、雇主品牌和长期认知资产，可能无法归到某个 SKU 的当期订单。把它们硬塞进单品毛利，会导致品牌建设永远输给短期转化；反过来，把所有效果素材都叫作“品牌资产”，又会掩盖亏损。
更稳妥的做法是建立两个预算池：
- 转化素材池：以 SKU 贡献毛利、可承担 CPA、增量订单和素材寿命为约束；
- 品牌资产池：以目标受众、记忆任务、使用场景、复用周期和独立测量方案为约束。
两者可以共用同一次拍摄的产品、场景和镜头底座，但批准逻辑不能混在一起。对于需要长期维护的商品视频，还应把 URL、SKU 绑定和退役记录纳入交付，可参考 ONCE 关于商品视频版本管理 的具体方法。
把矩阵写进下一份视频采购 brief
采购前不必先争论“实拍还是 AI”。先让每个 SKU 回答五个问题：
- 它在目标市场、目标渠道的每单创意贡献是多少？
- 当前最大的不确定性是需求、表达、转化，还是经济模型本身？
- 这次内容要验证什么，多少版本足以验证？
- 哪些产品事实必须实拍并锁定，哪些元素可以模块化生成或替换？
- 资产预计复用到哪些渠道、语言和周期，何时需要更新或退役？
答案会自然决定制作方式：核心利润 SKU 投入可复用母资产，学习型 SKU 购买结构化测试，薄毛利 SKU 用批量流程覆盖，负贡献 SKU 暂停扩产。这样，视频供应商的价值也从“更快交更多条”转向更难被替代的工作：把产品事实、创意变量、版本治理和经营约束组织成一个能持续迭代的内容系统。
事实与判断说明
本文引用的可变事实来自 TikTok for Business《About GMV Max Pro》（2026 年 8 月更新）、TikTok Shop Seller University《Seller Spending Insights》（2026 年 8 月 20 日）、Amazon Ads《Practical calculations for holiday marketing success》以及 Google Ads Help《About Smart Bidding》（均于 2026 年 10 月 13 日核验）。平台功能存在地区与账户资格差异。Margin-to-Motion 矩阵、公式的使用方式与视频采购建议为 ONCE 基于这些事实提出的分析框架，不是平台官方方法，也不是行业平均。
