去年这个时候，在线旅游还在为预售券的核销率发愁；11 月 12 日的公开披露里，飞猪给出的双 11 成绩单换了一套口径：活动商品履约 GMV 同比增长 60%，交易用户数同比增长 41%。两个数字放在一起看，说明的不只是卖得多，而是买的人变多了、并且真的用掉了——对做服务类商品的团队，履约口径比成交口径更值得盯。
履约和成交，差的是一整段旅程
飞猪公布的双 11 数据用「履约 GMV」而不是「成交 GMV」，这个选择本身就有信息量。旅游商品的成交和履约之间隔着一整段旅程：下单、预约、出行、核销，任何一环断掉，成交数字都不会变成真实收入。用履约口径披露，等于把退改与未核销的部分先剔掉。
这也解释了为什么 60% 的履约增长比 41% 的用户增长更值得注意。用户数涨 41%，履约金额涨 60%，两者之差说明人均消费在上升，或者高单价品类的占比在提高。无论哪一种，都指向同一个结论：这轮增长不是靠低价拉新堆出来的，是靠更高价值的行程卖出去的。
服务类商品的「库存」是座位和房间
旅游商品的库存不是仓库里的货，是机位、房晚和门票配额。它的可售率随时段剧烈波动：节假日的前一周可能已经售罄，平日却大量空置。这意味着服务类商品的铺货逻辑和实物完全不同——不是把货铺到更多门店，而是把有限的配额分配到转化率最高的时段与人群。
服务电商的品类趋势，要看三个结构
把服务类目当成一个整体看增速，容易得出「都在涨」的结论而失去指导意义。更有用的做法是拆三个结构：出行半径（本地、周边、长线）、决策周期（当天、提前一周、提前一个月）、人群结构（亲子、情侣、单人）。三个结构交叉之后，每一格的备货与定价策略都不一样。
| 结构维度 | 典型分段 | 运营重点 |
|---|---|---|
| 出行半径 | 本地、周边、长线 | 库存周转与退改规则 |
| 决策周期 | 当天到一个月 | 价格梯度与提醒触达 |
| 人群结构 | 亲子、情侣、单人 | 套餐组合与内容表达 |
这张表能解释一个常见错配：把长线产品的库存逻辑套到本地产品上，结果本地产品在周末售罄、平日空转。反过来，用本地的即时性去做长线，会低估决策周期，导致投放节奏全错。服务电商的品类趋势，本质上是这三层结构在同时位移。
交易用户涨 41%，拉新之后是留存
用户数增长 41% 是一个拉新信号，但服务类目的留存比实物更难做——一次旅行结束，下一次决策可能在半年后。留存的关键不在于推送频率，而在于能不能在用户下一次有需求时被想起来。这也是内容与货架在服务电商里权重更高的原因。
对商品与渠道团队的三个动作
第一，把履约率当成核心指标纳入商品评估，而不是只看成交。第二，按出行半径拆库存模型，本地与长线不能用同一套安全库存。第三，把套餐组合当成商品设计的一部分，而不是促销手段——组合决定了客单价，也决定了退改的复杂度。
这三个动作的前提是平台愿意开放分品类的履约数据。如果只能拿到总量，团队就只能凭经验判断结构，误差会随品类扩张而放大。
还有一件容易漏掉的事：把退改规则当成商品参数来设计。服务类商品的退改成本直接决定履约率的口径，规则越模糊，统计出来的履约数字越好看，运营判断也偏得越远。行业趋势分析在这里的作用，是把口径的差异先摆到台面上，再谈增速的意义。
接下来一个季度，值得盯的是履约 GMV 与交易用户数的增速差。差距继续扩大，说明结构在向高价值迁移；差距收窄，说明增长重新回到拉新驱动。
常见问题
履约 GMV 和成交 GMV 差在哪？
成交是下单金额，履约是实际完成出行或核销的金额，后者剔除了退改与未使用部分。
60% 与 41% 的差距说明什么？
人均消费或高单价品类占比在上升，但要确认这一点需要分品类数据。
服务类商品的库存该怎么管？
按机位、房晚、门票配额管理，按出行半径与时段分层，不能套用实物安全库存模型。
服务电商的留存怎么做？
靠内容与提醒在需求发生时出现，而不是靠高频推送。留存周期以半年计。
