我是曹犟，Omni-Growth Agent 的联合创始人，同时也是神策数据的联合创始人 & CTO。在神策服务客户十一年，我见过太多「凭直觉做事」和「靠数据看清」之间的差距，长期跑下来结果能差几个数量级。所以做 Omni-Growth 的时候，我给自己定了一条规矩：给客户的建议必须基于数据。

上一篇《我让 AI Agent 扫了 300 个独立站失败案例》发出去后，后台被问最多的一个问题是：

「那我的站 / 我想做的站，算死的那边还是活的那边？」

那篇文章回答不了这个问题，因为它讲的是「怎么死的」，没说「活下来的长什么样」。知道死因不等于知道生存条件，绝大多数飞机失事是人为失误，但我们不能反推「飞行员不犯错就一定安全」，因为活下来的航班肯定还做对了一堆我们看不到的事。

所以我让 Agent 做了第二件事：把 154 个死掉的独立站和 20 个活下来的放在一起，用同样的标准再做一次对比。

对比结果出来后，3 个分水岭清晰地显露了出来。先把最反差的几组数据放在开头：

  • 复购频次：活下来的独立站 45% 是高频复购品类，死掉的只有 21%——差 2 倍多。
  • 流量结构：死掉的独立站 82% 命中「流量结构单一」（多数是 Facebook Ads），活下来的独立站 0% 完全依赖单一付费——一个都没有。
  • 毛利率：活站平均 60.1%，Allbirds 死的时候是 47%。

3 个分水岭——复购 × 流量自建 × 单元经济。这篇文章讲怎么测这 3 道线，以及为什么 34 个公认的「高复购品类」品牌也照样死了。

一、这次怎么做正反对比

死亡组沿用上一篇整理的 154 个案例，核心结论是：95.5% 的死亡独立站命中「流量结构单一 + 复购缺失」。

存活组则从公开数据里选了 20 个扛过 iOS 14 冲击的 DTC（Direct-to-Consumer，品牌不走平台、直接卖给终端消费者）品牌，包括 Chewy、Gymshark、Warby Parker、Bravo Sierra 等等，再把它们跟 154 个死亡案例放在一起，按同样的维度做对比。

这 20 个品牌也并不全是「完美品牌」，有些还在挣扎（Glossier 2026 年还在裁员），有些靠被收购续命（MVMT 卖给了 Movado），但关键是：它们都扛过了 iOS 14 后那一波死亡潮，并且一直运营到现在。

死亡组的数据来自上一篇中的整理；存活组的数据则依然来自 S-1（IPO 招股说明书）、10-K（年度财报）和公开媒体报道，确保每个数字都能找到公开出处。

二、Agent 怎么做的

2.1 死亡组特征提取

我首先让 Agent 对 154 个死亡案例在三个维度打了标签：

  • 品类复购层级：按品类推断复购频率（美妆 / 宠物 / 食品 = 高频；服装 = 中频；3C / 家具 / 手表 = 低频）。
  • 流量信号：标注每条案例里是否出现 SEO、自然流量、私域、Email 等相关描述。
  • 单元经济信号：提取 CAC（Customer Acquisition Cost，单客获取成本）、营销费率、ROAS 等数字。

上一篇文章的三个标杆案例（Allbirds、泽宝、Outdoor Voices）这次补充了具体的 CAC 和 LTV 数据。

2.2 存活组调查研究

对于 20 个存活品牌，则用 Agent 用 deep research 模式详细获取了一遍公开的数据，每个品牌主要关注以下一些维度：

维度来源
年复购频次S-1 / 10-K / 媒体引用
流量结构（自然 vs 付费）SimilarWeb / 公开报道
毛利率10-K / S-1 / 行业估算
客单价（AOV）财报 / 媒体
年收入财报 / 媒体

20 个品牌里，8 个有 SEC 公开财报（Chewy、Hims & Hers、Warby Parker、FIGS、On Running、YETI、Vital Farms、Olaplex），其余 12 个用公开媒体数据加行业估算。非公开数据一律标注了「行业估算」，确保 Agent 没有自己编造数据。关于「AI Agent 的数据来源和操作记录必须可审计、可追溯」的完整观点，我在另一篇文章里详细展开过。

2.3 同维度对比

上面提到的两组数据按三个维度对齐：

  1. 复购频次：死亡组的品类复购层级 vs 存活组的实际复购频次。
  2. 流量自建能力：死亡组的归因分布（81.2% 命中「流量结构单一」或「多个问题叠加」）vs 存活组的流量类型分布。
  3. 单元经济：死亡组的毛利率和 CAC 信号 vs 存活组的毛利率和 AOV。

三、三个生死分水岭

3.1 分水岭一：复购频次

复购频次对比柱状图：活下来的独立站 45% 是高频复购品类（每年 4 次以上），死掉的独立站只有 21%；活站高频复购占比是死站的两倍多。
图 1：活站 45% 高频复购 vs 死站 21% 的复购频次对比

这张图一眼就能看出差距。

死亡组里，只有 21% 处于高频复购品类（每年 4 次以上）。高频和中频各占 21%，低频 12%，剩下 45% 品类模糊无法判定。

存活组呢？45% 是高频复购：Chewy、Hims & Hers、AG1、Bravo Sierra、Native、Liquid Death、Olipop、Vital Farms、Prose。35% 是中频，只有 20% 是低频。

高频复购的占比，存活组是死亡组的两倍以上。

特别值得讨论的一个对比是 Outdoor Voices vs Chewy。

Outdoor Voices 年复购 1.2 次。一年买一件紧身裤就不来了。LTV（Lifetime Value，单个用户在生命周期内给品牌带来的总收入）220 美元，CAC 阈值 80 美元。iOS 14 后运动休闲品类的 Facebook 广告 CAC 涨到 80 到 150 美元，每获取一个客户的成本吃掉 LTV 的 40% 到 70%。2024 年 3 月关闭全部 16 家店。

Chewy 年复购 8 到 12 次。Autoship 模式，宠物食品每 4 到 8 周自动发货。单用户年消费 583 美元。虽然毛利率只有 29.2%，比 Outdoor Voices 低得多。但复购频率是 Outdoor Voices 的 8 倍，LTV 能轻松支撑起 CAC。2024 年收入 118.6 亿美元。

复购频次这同一个维度，差 8 倍，带来的结果是一个死，一个活。

3.2 分水岭二：流量自建能力

流量自建能力对比图：死掉的独立站 82% 依赖单一付费（多数是 Facebook Ads），活下来的独立站 0% 完全依赖单一付费，流量分散在社区网红、混合型、SEO 内容、被收购转全渠道、纯免费媒体曝光等多种来源。
图 2：死站 82% 依赖单一付费 vs 活站 0% 的流量结构对比

死亡组的数据上一篇已经看过：81.2% 命中「流量结构单一」或「多个问题叠加」。说白了，流量纯靠广告，砸完广告就没有获客渠道了。

存活组呢？20 个品牌的流量结构拆开来看：

  • 35% 靠社区 / 网红 / UGC（Gymshark、AG1、Bravo Sierra、Glossier、MVMT、Olipop、Ridge）
  • 25% 混合型，自然加付费并行（Hims & Hers、FIGS、Vital Farms、Prose、Olaplex）
  • 20% 靠 SEO + 内容（Chewy、Warby Parker、Bombas、On Running）
  • 15% 被收购后转全渠道（Native、True Classic、YETI）
  • 5% 纯免费媒体曝光（Liquid Death）

只有 0% 的存活品牌完全依赖 Meta 付费广告获客，一个都没有。

再来看一个对比：Allbirds vs Gymshark。

Allbirds 营销费占营收的 35% 到 43%，每收入 3 块就要花 1 块买流量。iOS 14 来了，归因失效，广告一停新客立刻断流。它的招股书里看不到任何 SEO、社群、品牌内容资产。2026 年 4 月以 3900 万美元卖身，IPO 时市值超 41 亿美元，跌了 99%。

Gymshark 的搜索流量里 82% 是自然搜索，不是付费广告的点击，是用户主动搜品牌名。它从 2013 年就开始跟 YouTube 健身博主合作，建了一个叫「Gymshark Athletes」的网红社区。不是一次性投放，是长期绑定的品牌大使。它 2024 年收入 8.63 亿美元，毛利率 55.2%。

同样是运动品牌。一个花钱买流量，一个建自己的流量资产。一个市值跌 99%，一个年收 8.63 亿。

3.3 分水岭三：单元经济

单元经济散点图：横轴是年复购频次，纵轴是毛利率，绿点为存活组、红叉为死亡组；绿点集中在右上角的高毛利高复购安全区，红叉集中在左下角的低毛利低复购危险区。
图 3：毛利率 × 复购频次散点图，绿点存活右上 / 红叉死亡左下

这张图是我个人觉得最值得讨论的一张。

横轴是年复购频次，纵轴是毛利率。绿点是存活组，红叉是死亡组。

存活区在右上角：毛利率高，复购频次也高，基本进入安全区。Ridge（80% 毛利）、Hims & Hers（77% 到 82% 毛利，12 次/年）、AG1（70%+ 毛利，12 次/年）都在这里。

死亡区在左下角：毛利率低，复购频次也低，基本就是危险区。Allbirds（51% 毛利，1 次/年）、Casper（46%，0.3 次）、Solo Brands（48%，0.5 次）都落在这个区域。

但有 4 个品牌值得单独关注：Chewy（29.2% 毛利）、Liquid Death（40%）、Olipop（50%）、Vital Farms（37.9%）。它们的毛利率都低于 55%，但全都活着。

为什么？因为它们的复购频次是 8 到 52 次/年。

低毛利并不一定会死亡，但低毛利加低复购，就是死亡通知书。 毛利和复购，你总得有一个能打的。

四、三道自查题

读到这里，你可以拿自己的产品和独立站做一次自查。

问题 1：你的品类，用户一年会买几次？

答案判断
≥ 4 次/年（消耗品 / 订阅制 / 耗材）✅ 绿灯
2-3 次/年（服装 / 运动 / 个护）🟡 黄灯：需要其他维度补强
< 2 次/年（鞋 / 手表 / 家具 / 3C）🔴 红灯：必须有 60% 以上毛利或快速退出策略

问题 2：如果明天关掉所有付费广告，你每月还能获得多少新客？

答案判断
≥ 当前新客的 40%（有 SEO / 社群 / Email / 口碑）✅ 绿灯
10%-40%（有一些自然流量但不稳定）🟡 黄灯：从第 1 天就要补充 SEO、社群、Email 这些自然流量
< 10%（几乎全靠广告）🔴 红灯：你在走死亡组的路

问题 3：你的毛利率 × 客单价，能扛住 CAC 50 到 80 美元吗？

答案判断
毛利率 ≥ 60% 且 AOV ≥ 80 美元✅ 绿灯
毛利率 ≥ 55% 但 AOV < 50 美元，或 AOV 较高但毛利率偏低🟡 黄灯：需要复购来分摊
毛利率 < 50% 且复购 < 4 次/年🔴 红灯：数学上赢不了

怎么看结果：

  • 3 个绿灯：更接近存活组，可以继续往下验证，尝试扩大规模。
  • 2 绿 1 黄：可以做，但黄灯那一项从现在起就需要开始补。
  • 任何 1 个红灯：暂停，先想清楚红灯问题怎么解决再投钱。
  • 2 个红灯以上：不要做独立站，这是一个认真的建议。

五、品类复购高 ≠ 你的复购高

上面三个问题里，第一个就是复购。很多人看到这里会想：那我直接选一个公认的高复购品类，不就解决了？

跨境圈也确实有几个流传很广的判断：

  • 「选对品类就成功一半」
  • 「高复购品类做独立站稳赢」
  • 「客单价高 = 适合做独立站」

但数据并不这么说。

我从死亡组里专门拉了一组：34 个处于「理论上高复购」品类（美妆 / 宠物 / 食品 / 保健品）的独立站，照样死了。

死因分布：

  • 多个问题叠加：67.6%
  • 复购缺失：14.7%
  • 选品错误：8.8%
  • 流量结构单一：2.9%
  • 定价错位：2.9%
  • 定价错位 / 选品：2.9%

品类复购高，不等于你的站复购高。

美妆品类天然高频，但 Birchbox（美妆订阅鼻祖）照样死了。即食餐品类周频消费，但 Blue Apron（IPO 过的）照样崩了。维生素品类月频消费，但 Care/of 照样被 Bayer 收购后砍掉了。

为什么？因为这些品牌虽然在高复购品类里，但实际用户留存率极低。Birchbox 订阅用户 3 个月流失率超过 50%。Blue Apron 月度用户流失率一度达到 20%。品类天然复购高，不等于用户会回来。

另一个反直觉的数据：死亡组里低频品类只占 12%。 大多数死掉的独立站不是做了低频品就死了，而是在中高频品类里，没把复购做出来就死了。

所以分水岭一的正确理解不是「选高频品类」，而是 「不管什么品类，你的复购机制有没有建起来」。

Chewy 建起来了（Autoship），AG1 建起来了（30 天自动订阅），Prose 建起来了（AI 配方越用越准），它们活了；Birchbox 没建起来，Blue Apron 没建起来，它们死了。

六、一句话总结

复购频次 × 流量自建能力 × 单元经济：满足其中两条，活下来的概率会高很多；三条都不满足，基本就是死亡组的画像了。

如果你是 Amazon 卖家想做独立站：

  1. 先看复购：你的品类能不能做到一年 4 次以上？做不到的话，毛利率能不能扛住 CAC？
  2. 第 1 天就建自然流量：SEO、社群、Email、内容，不是「广告之外的补充」，是生死线。
  3. 算一道数学题：毛利率 × AOV ÷ CAC，如果这个比值小于 3，独立站大概率亏。

常见问题

为什么这次要把死站和活站放在一起对比，而不是只看死掉的案例？

因为知道死因不等于知道生存条件。绝大多数飞机失事是人为失误，但不能反推「飞行员不犯错就一定安全」——活下来的航班肯定还做对了一堆我们看不到的事。所以我让 Agent 把 154 个死掉的独立站和 20 个扛过 iOS 14 冲击的 DTC 品牌放在一起，用同样的标准再对比一次，才显露出复购、流量自建、单元经济这 3 个生死分水岭。只看死站，永远看不出活站到底多做对了什么。

154 个死站对 20 个活站，样本量差距这么大，对比可靠吗？

对比看的是结构性分布差异，不是绝对数量。死亡组沿用上一篇整理的 154 个具名案例，核心结论是 95.5% 命中「流量结构单一 + 复购缺失」；存活组是从公开数据里选出的 20 个扛过 iOS 14 死亡潮的 DTC 品牌（Chewy、Gymshark、Warby Parker、Bravo Sierra 等），其中 8 个有 SEC 公开财报。两组按复购频次、流量结构、毛利率三个维度对齐后，差异非常一致：高频复购占比活站是死站的两倍多（45% vs 21%），完全依赖单一付费的活站是 0%、死站是 82%。结论的可靠性来自分布的一致性，而不是样本量对等。

「活站 0% 完全依赖单一付费」具体怎么理解？

意思是 20 个存活品牌里，没有一个是完全靠 Meta 付费广告获客的，一个都没有。拆开来看：35% 靠社区 / 网红 / UGC（Gymshark、AG1 等），25% 是自然加付费并行的混合型，20% 靠 SEO + 内容（Chewy、Warby Parker 等），15% 被收购后转全渠道，5% 纯免费媒体曝光（Liquid Death）。对照死亡组 82% 命中「流量结构单一」（多数是 Facebook Ads），这就是分水岭二：流量必须有自建资产，砸完广告还能继续获客，而不是广告一停新客立刻断流。

美妆、宠物这些公认的高复购品类，为什么也有 34 个品牌死了？

因为品类复购高不等于你的站复购高。我从死亡组里专门拉出 34 个处于「理论上高复购」品类（美妆 / 宠物 / 食品 / 保健品）的独立站，照样死了，死因里 67.6% 是多个问题叠加。原因是这些品牌虽然在高复购品类里，但实际用户留存率极低：Birchbox 订阅用户 3 个月流失率超过 50%，Blue Apron 月度用户流失率一度达到 20%。品类天然复购高，不等于用户会回来。所以分水岭一的正确理解不是「选高频品类」，而是「不管什么品类，你的复购机制有没有建起来」。

Chewy 毛利率只有 29.2%，比很多死掉的品牌还低，它为什么能活？

因为它用复购把单元经济补回来了。Chewy 年复购 8 到 12 次，靠 Autoship 模式宠物食品每 4 到 8 周自动发货，单用户年消费 583 美元，LTV 能轻松支撑起 CAC，2024 年收入 118.6 亿美元。对比 Outdoor Voices 年复购只有 1.2 次，毛利率虽然更高也撑不住，2024 年 3 月关闭全部 16 家店。规律是：低毛利并不一定会死，但低毛利加低复购，就是死亡通知书。毛利和复购，你总得有一个能打的。

三道自查题里出现红灯，意味着什么、该怎么办？

三道自查题分别测复购频次、关掉广告后的自然获客能力、毛利率 × 客单价能否扛住 CAC 50 到 80 美元。结果判断是：3 个绿灯更接近存活组，可以继续验证并尝试扩大规模；2 绿 1 黄可以做，但黄灯那一项从现在起就要补；任何 1 个红灯就暂停，先想清楚红灯问题怎么解决再投钱；2 个红灯以上，认真建议不要做独立站。换句话说，红灯不是判死刑，而是提醒你在烧钱之前先把对应的生死线补上。

下一步行动

一家之言，仅供参考。文中讲到的「复购 × 流量自建 × 单元经济」这 3 道生死线，我们也把它沉淀进了 Omni-Growth Agent 的诊断逻辑里——「线上表现」模块会看你的流量结构（付费 vs 自然占比），「渠道机会扫描」模块会看你有没有未被利用的自然流量渠道，直接告诉你的独立站今天落在这 3 个分水岭的哪一侧。

上面的自查清单只能给你一个大致判断；诊断报告则会基于真实数据做一次更详细的分析。如果你也在做海外营销，欢迎免费让 AI Agent 跑一次诊断报告。

申请 90 天免费试用 →