一、背景与目标

1.1 背景

在生鲜电商领域，低客单价订单的配送成本问题一直是平台面临的挑战。用户购买的商品总价可能低于配送成本，导致平台在这些订单上出现亏损。为了解决这一问题，一般会采用基于起送价限制的解决方案：用户在下单时，商品金额需满足一定额度才能完成下单，否则无法下单

1.2 目标

本文将详细梳理该方案的背景、规则、交互逻辑以及实际案例说明，帮助理解如何通过起送价机制优化平台的盈利能力。

二、解决方案思路

2.1 设计思路

为解决生鲜品类等低客单价商品小额订单配送亏损问题，设计基于购物车金额校验的起送价机制。系统将实时计算用户所选商品的优惠前/后金额，通过智能差值计算、多场景校验和异常拦截机制，确保订单金额满足平台经营要求而设计的功能需求

2.2 设计要点

1）起送价的计算规则

（1）按商品优惠前合计金额：

• 指起送价按不使用优惠券的合计金额计算，满足起送价即可下单，即原价商品范围：
• 据购物车用户已选且可购买的商品合计金额进行实时计算是否满足起步价
• 公式：商品合计金额 = 当前商品销售价 x 数量

（2）按商品优惠后合计金额

• 指起送价按使用优惠券的合计金额计算，使用后合计金额满足起送价即可下单，即优惠后价格
• 商品范围：根据购物车用户已选且可购买的商品优惠后的合计金额进行实时计算是否满足起步价
• 公式：商品优惠后合计金额 = 购物车已选且可购买的商品合计总价 – 当前用户命中最优的优惠券金额

2）交互规则

（1）满足起送价时的交互：

• 合计金额 ≥ 起送价；可正常去结算
• APP结算按钮红色+显示“去结算”

（2）不满足起送价时的交互：

• 合计金额 ＜ 起送价，且需计算差额返回前端（差额=起送价-合计金额）
• APP结算按钮置灰+显示“差X元起送”

3）试算范围

• 进入购物车时的试算
• 购物车勾选商品时或变更加购数量时的校验
• 提交订单时的二次校验
• 起送价信息的展示

三、功能设计

3.1 起送价计算引擎

1）双模式校验机制

设计两种校验模式：优惠前金额校验和优惠后金额校验。系统会根据配置的起送价模式，实时计算用户购物车的金额是否满足条件。

• 优惠前金额校验：计算用户购物车中所有商品的原价合计。
• 优惠后金额校验：计算用户购物车的原价合计减去最优优惠券金额后的金额

通过这两种模式，系统能够灵活应对不同场景下的起送价要求

2）动态差额算法

• 差额计算公式为：差额=max(起送价−当前金额,0)
• 该算法能够实时计算用户需要再添加多少金额才能满足起送价要求

公式解释：

• max(a, b) 表示取两个数中较大的那个值。
• 起送价 − 当前金额：若结果为正数，说明当前金额不足，需要补足差额；若结果为负数或0，说明已达到起送价，差额为0。

公式举例说明：

假设某商家店铺的起送价是30元：

（1）当前金额 = 25元

差额 = max(30 − 25, 0) = max(5, 0) = 5元

需再凑5元才能下单。

（2）当前金额 = 30元

差额 = max(30 − 30, 0) = max(0, 0) = 0元

金额刚好满足起送价，可以下单

（3）当前金额 = 35元

差额 = max(30 − 35, 0) = max(-5, 0) = 0元

金额已超过起送价，无需再凑单

3.2 交互控制规则

1）处理规则

为了确保用户体验和系统稳定性，设计以下交互规则：

2）案例说明

案例1：优惠前金额满足起送价

场景描述：

用户在购物车中选择了两件商品，商品A售价为15元，商品B售价为10元，起送价为25元。用户未使用优惠券。

计算过程

• 商品合计金额 = 15元（商品A） + 10元（商品B） = 25元
• 起送价为25元，商品合计金额等于起送价。

交互结果

满足起送价，结算按钮显示为红色，用户可正常结算。

案例2：优惠后金额满足起送价

场景描述

用户在购物车中选择了两件商品，商品A售价为20元，商品B售价为15元，起送价为30元。用户使用了一张满10元减5元的优惠券。

计算过程

• 商品合计金额 = 20元（商品A） + 15元（商品B） = 35元
• 优惠后金额 = 35元 – 5元（优惠券） = 30元
• 起送价为30元，优惠后金额等于起送价。

交互结果

满足起送价，结算按钮显示为红色，用户可正常结算。

案例3：不满足起送价的处理

场景描述

用户在购物车中选择了两件商品，商品A售价为10元，商品B售价为8元，起送价为20元。用户未使用优惠券。

计算过程

• 商品合计金额 = 10元（商品A） + 8元（商品B） = 18元
• 起送价为20元，商品合计金额小于起送价。
• 差额 = 20元 – 18元 = 2元

交互结果

• 不满足起送价，结算按钮置灰，显示“差2元起送”。
• 用户点击结算按钮时，弹窗提示“20元起送，差2元”，点击“我知道了”后返回购物车页面。

3）推荐凑单处理

案例1：生鲜凑单场景

用户选择了以下商品：

• 白菜 5元×2件
• 鸡蛋 8元×1盒

起送价配置为20元。

优惠前计算：

• 5×2+8×1=18元
• 差额为2元。

系统会引导用户添加推荐商品，例如”生姜3元”，使总金额达到21元，满足起送价要求。

四、异常处理机制

1）并发修改场景：多人操作同一个商品

在多人同时修改购物车时，系统会通过分布式锁控制，确保数据一致性

**处理流程：**用户A添加商品。用户B删除同一商品。服务器通过Redis缓存校验，返回最新数据。强制刷新客户端购物车

2）其他异常处理

3）数据一致性保障

• WAL机制：确保计算日志可追溯。
• 本地缓存：设置5秒本地缓存，提供强制刷新按钮。
• 异步补偿队列：处理1%以内的计算误差

五、总结与展望

本方案通过建立实时计算引擎、异常熔断机制和多层校验体系，在保证用户体验的前提下有效控制小额订单的配送成本。

实施时，建议采用灰度发布策略，首期在生鲜品类试点后逐步扩展。通过持续优化和监控，平台可以在提升用户满意度的同时，实现成本的有效控制

最后通过起送价机制，平台能够有效控制低客单价订单的配送成本，减少亏损风险。该方案在购物车和提交订单环节均进行了严格的校验，确保用户在满足起送价后才能完成下单。未来，可以进一步优化起送价的动态调整机制，根据用户购买行为和市场情况灵活设置起送价，提升用户体验的同时最大化平台收。

本文由 @pemg的笔记 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自Unsplash，基于CC0协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务