如何识别电商凑单免邮商品？现有分析思路是否可行？

你的这个思路非常务实，完全具备可行性，而且核心逻辑抓得很准——通过「反向移除验证」直接定位那些刚好把订单拉到免邮门槛的关键商品，是一种高效的凑单行为识别方式。

后续推进的具体步骤 #

1. 先明确规则边界，做好数据预处理 #

• 先把平台的免邮规则摸透：是单一固定门槛（比如满99免邮），还是阶梯式门槛（比如满99免基础邮、满199免顺丰邮）？有没有叠加满减、优惠券、会员专属免邮等特殊情况？这些都会直接影响你判断「达标订单」和「移除后金额」的标准。
• 清洗订单数据：重点区分订单实付金额和商品标价，因为优惠券、满减会让实际支付和标价差异很大；还要排除异常订单（比如退货单、测试单、内部员工订单），避免干扰分析结果。

2. 落地核心验证逻辑，标记潜在凑单商品 #

针对每个达标订单，逐一移除单个商品后计算实付金额，判断是否跌破免邮门槛。这里可以参考简单的伪代码逻辑：

def identify_bundle_items(order, free_shipping_threshold):
    potential_bundle_skus = []
    # 取订单实际支付金额（扣除满减、优惠券后的最终金额）
    original_total = order["final_paid_amount"]
    for item in order["items_list"]:
        # 移除当前商品后的实际金额（若无法精准分摊优惠券，可近似用商品实付价扣除）
        adjusted_total = original_total - item["item_final_paid"]
        if adjusted_total < free_shipping_threshold:
            potential_bundle_skus.append(item["sku"])
    return potential_bundle_skus

• 注意：如果平台存在「凑单后退款」的情况，记得过滤掉那些后续退款了的商品，避免误判。

3. 统计高频凑单商品，排除误判 #

• 统计每个SKU被标记为「潜在凑单商品」的次数，计算凑单占比（该SKU被标记的次数 / 该SKU的总下单次数），占比远高于均值的就是高频凑单品。
• 排除误判：有些商品可能刚好价格合适，但本身是用户刚需——可以结合用户历史行为过滤，比如如果某个用户多次购买该商品，那这个订单里的该商品大概率不是凑单；另外，价格极低（比如1元、5元）、体积小的商品，凑单概率会更高。

4. 深化分析，挖掘凑单行为规律 #

• 按商品品类、价格区间统计凑单率，比如是不是零食、日用品这类低单价商品更容易被用来凑单？
• 分析凑单场景：比如免邮门槛调整后，凑单商品的结构有没有变化？大促期间的凑单行为和日常有什么差异？

内容的提问来源于stack exchange，提问作者SEMson