两个不同的假设
使用率是促销订单中使用优惠券的比例。增量订单是没有促销就不会发生的订单。两者不是同一个数字。
如果 30% 的订单使用 10% 优惠券，折扣支付在全部促销订单的 30% 上，包括本来就会买的基线订单。这些基线使用是补贴，不是增长。
公式
每单折扣成本 K = 使用率 × 客单价 × 折扣。折扣成本 =（基线 + 增量）× K。增量贡献 = 增量订单 × 客单价 × 贡献利润率 C。
净影响 = 增量 × C − 折扣成本 − 固定成本。保本增量订单让净影响等于 0：（基线 × K + 固定成本）÷（C − K）。如果 C ≤ K，再多增量订单也无法扭亏。
算例
基线 1,000 单、客单价 60 美元、贡献利润率 40%、折扣 10%、使用率 30%、增量 50 单、固定成本 0。K = 1.80 美元，C = 24 美元。
折扣成本 = 1,050 × 1.80 = 1,890 美元；增量贡献 = 50 × 24 = 1,200 美元；净影响 −690 美元。保本增量 =（1,000 × 1.80）÷（24 − 1.80）= 81.08，向上取整 82 单。
为什么不是 79
一种简化算法用当前折扣成本除以每单贡献：1,890 ÷ 24 = 78.75，取整 79。它把折扣成本当成固定值，但每多一个增量订单也会按同样使用率使用优惠券。
精确算法把这部分算进去，结果是 82 单。这个例子里差异不大，但在高使用率、高折扣时会放大。计算器使用精确版本。
容易出错的地方
使用率 100% 时，每个促销订单都享受折扣。如果每单折扣超过每单贡献，再多增量也无法保本。
固定券成本、联盟佣金和设计费也要覆盖。如果所谓“增量”订单本来就会来自老客，促销主要是左右手互搏。
怎么验证
用 holdout 或 geo test：把收到优惠券的组和相似但未收到的组对比。分别跟踪使用率和增量订单，再用实测值重跑模型。
所有人都能找到的优惠码不是受控测试。使用唯一码、明确人群和干净的对比窗口，再把规划结果当证据。