Temu账号绩效看起来像一个分数，实际更像一组经营风险的集中提示：订单有没有按时履约、商品质量是否稳定、售后问题能不能及时处理，以及销售增长是否建立在可持续的供货能力上。中小商家最容易踩的坑，不是分数暂时不高，而是只盯着一个总分，却没发现某个商品、某个仓库或某段时间的异常正在持续累积。
我分析店铺表现时，通常先把“账号绩效”拆成三层：平台明确展示的指标、可能影响指标的经营过程、经营者能够调整的动作。平台展示结果，例如履约异常或商品相关表现；经营过程可能包括备货准确度、发货交接和售后响应；动作则是收紧库存、调整商品信息、增加抽检或暂停承接超出能力的订单。
这三层不能混为一谈。某项指标出现波动，不等于平台一定按某个固定公式扣分；一个订单发生异常，也不一定单独导致账号受到限制。平台规则、类目要求、活动安排和账号阶段都可能影响实际结果。我的判断原则是：以卖家后台当前显示和平台最新规则为准，把经验分析用于排查原因，不把经验推断说成平台的内部算法。
对中小商家来说，绩效管理的目标不是“把每一个数字做得漂亮”，而是降低可避免的异常，确保有限的现金、人力和库存优先投入在能稳定交付的商品上。
单日数据很容易被订单结构、物流节点或活动流量影响。我更愿意同时看近期趋势和异常订单明细：如果履约表现连续多个观察周期变差，就要检查流程；如果问题集中在一两款商品，优先处理商品或供应链；如果多个商品、多个批次同时异常，则要排查仓库、承运环节或团队协同。
这里的“连续多个观察周期”不是平台统一规定的窗口，而是商家内部复盘口径。可以按日发现异常、按周做归因、按月决定资源调整。小店不必先搭复杂的绩效模型，但至少要能回答：哪项指标变了、从什么时候开始、集中在哪些订单或商品、谁负责处理。
当退款、履约、商品评价和销售增长同时出现问题，不能只按数据变化幅度排序。我会先比较两个问题：它对账号和现金流的潜在影响有多大，团队能否在短时间内控制。如果一款商品的尺寸描述不准确并持续带来退货，通常比短期点击下降更值得先处理；如果仓库已经出现积压和发货延迟，继续追求订单增长可能进一步放大风险。
中小商家的经营顺序应是先止损，再恢复稳定，最后才扩大增长。先让订单能交付、商品描述可信、售后有人接，再讨论加预算和扩品。
中小商家常见的情况是，运营人员既要看商品、处理订单，又要联系供应商和仓库；负责人可能还要盯广告、现金流和售后。团队规模小带来沟通快的优势，也带来一个明显弱点：关键工作容易依赖某个人记忆，一旦订单增长、人员请假或供应商交期变化，流程里没有留痕的部分就会突然暴露。
比如，运营以为仓库已经收到备货通知，仓库却以为要等采购确认；商品页面写着现货，采购单上的交期却还没确认。订单出现延迟时，问题看似发生在发货环节，根因可能是承诺库存、供应商回复和后台商品状态没有同步。
这类场景不需要猜平台的评分细则，先把订单时间线拉出来就能发现不少线索：订单生成时间、备货确认时间、交仓时间、物流节点时间、售后发生时间，以及团队什么时候发现并处理异常。
店铺的整体履约表现看起来稳定，不代表所有商品都稳定。热销商品的正常订单可能掩盖一款新品反复缺货；整体售后比例看起来不高，也可能是某个尺码、某个颜色或某个批次的问题集中发生。只看全店平均数，容易错过真正应当暂停或整改的对象。
我建议至少将数据按商品、时间、仓库或供货批次分组。没有足够数据时，不要急着给商品贴上“表现差”的标签；先看异常是否重复出现，再确认是否有共同条件。样本少时，单个售后事件带来的比例波动可能很大，必须同时看绝对数量和占比。
平台风险是平台规则、商品要求或账号表现可能带来的影响；经营风险则包括备货失控、库存占款、利润不足和售后资源不足。两者会互相影响，但并非同一件事。某个指标暂时没有触发平台处置，不代表经营问题可以忽略；反过来，一次经营异常也不应未经核实就判断为账号必然受限。
我会先把后台提示当作事实，把原因分析当作待验证假设。这能减少两种常见误判：把所有问题归咎于平台，或把平台明确提示的规则问题当成普通经营波动。
如果每周会议只讨论“绩效是不是下降”，团队很难采取动作。会议需要具体到对象：哪类订单延迟、哪个商品退款集中、哪些售后未在内部时限内处理、库存数据与可售数量差异多少。越能定位到订单和商品，越容易找到责任环节，也越容易验证整改效果。
我通常建议小团队先建立一张轻量异常表，不必一开始做复杂系统。表格至少包括发生日期、订单或商品标识、问题类型、发现渠道、原因假设、处理人、完成时间和复查结果。重点不在工具，而在记录口径一致。
总分方便比较，却不一定能回答“该改什么”。如果后台展示了具体提示，应先看指标定义、适用范围、统计时间和关联订单；如果平台没有公开某项分数的计算细节，就不要拿外部经验公式反推账号状态。不同时间、类目和经营阶段的规则可能变化，旧经验不能替代当前页面说明。
正确做法是将平台展示数据和自有经营数据并排记录，确认双方的统计口径是否一致。例如，内部统计按发货交接时间计算，后台可能采用不同节点或口径。二者不一致时，先查定义和时间范围，再讨论为什么数据不同。
在销售压力下，商家容易把出库速度当成唯一目标，减少抽检或跳过包装复核。短期看似能多处理订单，但如果错误商品、缺件或包装破损增加，后续的售后处理会占用更多人力，还可能带来退货、退款和库存损失。
质检不一定要逐件做同样强度的检查。对新供应商、新批次、曾出现问题的商品，应增加抽检或重点检查；稳定批次可以采用较轻的抽样方式，但要保留记录。抽检标准应根据商品风险和历史问题调整，而不是所有商品一律增加成本。
库存不足确实可能造成销售中断或履约压力，但简单加库存并不能解决预测不准、供应商交期不稳定或库存信息不同步。对现金紧张的商家来说，囤货还可能把一个履约问题变成资金和滞销问题。
补货决策至少要结合近段时间销量、供应商交期、在途库存、可售库存、退货可重新销售比例和现金占用。销量突然上升时，先确认增长是否持续、供货能否兑现，再逐步加量。不要只用活动期间的单日销量推全年需求。
售后原因可能包括商品描述不清、规格理解偏差、包装问题、质量差异、运输损伤或买家预期变化。将问题全部归到买家一侧，会错过改善详情页、尺寸说明、图片标注和包装流程的机会。
我会把售后原因先分为“信息理解、商品质量、履约运输、使用体验、其他待核实”，再回看证据。一次投诉不足以证明系统性问题，但同一原因反复出现，就值得做小范围整改与复查。
流量增长会放大供给能力，也会放大商品缺陷。若商品存在描述误差、备货不足或利润空间过薄，额外订单可能带来更多售后和资金压力。广告点击增加并不等于商品经营质量提升，订单增长也不自动等于账号更健康。
在履约或售后出现重复异常时，先降低增长速度，查清问题再恢复投放，通常比一边加量一边补救更稳健。这并不是拒绝增长，而是避免把尚未解决的流程问题扩大成全店问题。
聊天消息适合临时沟通，不适合作为唯一的运营台账。人员交接、供应商变更或售后升级时，重要信息可能散落在不同群聊里。出现异常后，团队只能回忆“当时好像通知过”，难以判断是哪一步没有执行。
用共享表格或合适的业务工具记录订单、库存、异常和责任人，可以减少重复沟通。选工具时先确认数据来源、更新频率和实际连接能力；不要因为工具能生成报表，就默认它能够替代平台后台或解决流程责任不清的问题。
发现指标波动时，先核对时间范围、订单范围、平台定义和数据更新时间。如果后台页面更新延迟、内部报表按另一时区统计，或者不同报表排除了不同状态的订单，比较结果可能会失真。
我建议保留每次复盘的数据截点：记录日期、使用的页面或报表、统计区间和筛选条件。这样下次复查时，能够区分真实变化与统计口径差异。涉及平台规则的部分，优先查看后台通知和当前规则说明，并保存必要的截图或记录。
将异常按商品、供货批次、仓库、订单日期和问题类型拆开后，可以初步判断问题边界。单一商品重复发生，倾向于先查商品信息、质量或库存；同一批次多款商品异常，可能要查供应商或来货验收；多个商品同时出现延迟，则应检查团队处理能力、仓库交接或物流安排。
这些只是排查方向，不是自动定罪。比如多个商品同时延迟也可能只是某个共同外部环节异常。判断前应查看实际订单和节点记录，确认是否存在共同原因。
可以用“影响范围、重复频率、可控程度、修复成本”四个维度做轻量排序。影响范围大且可控的问题应先处理；影响很大但暂时不可控的问题，要准备替代方案并及时记录；频率低且影响有限的问题，先观察而不是马上投入大量资源。
不必给每项问题制造精确到小数点的风险分。对小团队而言，用高、中、低三级足够，前提是每一级的含义一致。比如“高”代表已重复发生且影响多笔订单，“中”代表存在明确风险但尚未重复，“低”代表偶发且影响可控。
发现退货增加时，如果同时大改图片、价格、包装、供应商和投放，就很难知道哪项措施有效。我更倾向于先写出一个主要假设，例如“买家对尺寸理解偏差导致该商品售后增加”，然后检查页面文案、咨询记录和售后原因，针对最有证据的环节做小范围调整。
如果数据支持假设，再把有效做法固化到流程；如果没有改善，撤回或调整措施，继续查其他原因。这样做速度不一定比拍脑袋更快，但能降低误改商品、误停库存和误加费用的概率。
每个整改动作都应配一个复查条件。比如更新商品信息后，观察后续一批有效订单中的相关咨询或售后变化；调整库存规则后，检查缺货与滞销是否同时变化。观察窗口要覆盖足够的订单或业务周期，避免只凭一两笔订单就宣布成功。
停止条件同样重要。如果处理成本迅速上升、毛利跌破商家可接受水平，或者供货端无法兑现，就应暂缓扩量，而不是因为已经投入时间和预算而继续加码。
为了说明中小商家怎样把绩效问题落到运营动作上，我用一个家居收纳类小店做情景模拟：团队由负责人、运营和仓库协作人员组成，商品数量不多，但多个商品共用供应商。店铺近期出现发货异常增加、某款商品售后集中和库存预测偏差。以下数值是为了展示分析方法而设置的情景数据，不代表平台统计、行业基准或任何商家的真实经营结果。
这个案例的核心不是算出一个“账号健康分”，而是把订单、商品、库存和售后信息关联起来。如果数据分散在后台、表格和聊天记录里，团队通常只能看到结果，难以迅速判断是哪一环节出现变化。
在这个场景里，我会先评估数跨境是否适合承担数据汇总和分析工作。商家可从其官网了解产品信息：数跨境。实际能否连接某个平台、某个店铺数据源，以及具体字段和更新频率，应以产品当前说明、授权范围和试用验证为准，不能仅凭工具名称推定功能。
如果数据源能够满足需要，我会先挑选少量关键字段，而不是一开始追求大而全的仪表盘：订单日期、商品标识、订单状态、发货或交接节点、售后原因、库存快照、采购交期，以及团队记录的异常类别。再通过统一的商品编码和日期口径，把同一商品在订单、库存和售后数据中的记录对应起来。
工具的作用是减少手工汇总和提高复盘速度，不是替商家判断平台规则。后台的绩效提示仍需回到平台核实；数跨境这类数据工具更适合协助经营者回答“异常集中在哪些订单、商品和时间段”“整改后是否改善”等问题。
假设模拟期内店铺有300笔订单，其中履约异常由前一周期的12笔上升到本周期的24笔。只看总数，团队可能马上要求仓库加人。但进一步拆分后发现，18笔异常集中在两款共用某供应商的商品，且订单生成后，采购确认平均晚了1.5天；其余商品的异常数量没有明显变化。
这时，优先排查方向就从“仓库人手不足”变为“库存承诺和供应商交期是否同步”。如果运营仍按旧库存售卖，仓库在订单发生后才向供应商补货，单纯加人只能更快处理等待，不能缩短供货周期。更稳妥的动作是暂时调整相关商品的可售节奏，核对在途库存和交期，并让采购确认结果进入可追溯记录。
同一模拟期里，某款商品的售后记录也由10笔升到18笔。按原因分类后，其中11笔与尺寸理解有关，4笔与包装有关，其他原因分散。这个分布提示团队优先核查尺寸信息和商品图，而不是立刻更换供应商或全面改包装。
数跨境或其他经营分析工具整理出的结果，仍要回到源记录验证。例如售后原因分类可能是人工录入，也可能来自平台字段；两种数据的准确性和覆盖范围不同。发现尺寸相关问题后，应抽查对应订单、客户反馈和页面内容，确认问题真的是买家理解偏差，而非商品实物尺寸不一致。
如果证据支持页面信息不清，可以先改尺寸标注和图文说明，再观察后续订单；如果抽查发现实物尺寸偏差，则应把问题转向供应商和来货质检。数据工具帮我缩短寻找线索的时间，最终的经营判断仍由证据、平台规则和商家承受能力共同决定。
整改后，不应只看异常订单数是否下降。订单数量变化会影响异常绝对值，活动结束也可能让表面数据改善。最好同时观察异常率、涉及商品数、供应商确认耗时、库存差异和相关售后类型；在比较前确认两段时间的订单结构是否接近。
如果异常数下降但相关商品订单量也大幅减少，不能直接认定流程改善。若异常率下降、供应商确认时间缩短、可售库存与实际库存差异收敛，才更能说明整改方向可能有效。样本量较小时，结论要保留，并延长观察时间。
无论使用数跨境、电子表格还是其他业务工具，复盘结果都应能回答五个问题：问题何时发生、涉及哪些订单或商品、团队当前认为原因是什么、下一步由谁在何时完成、用什么数据验证措施有效。若仪表盘很漂亮，却回答不了这五个问题，它对小团队的经营价值仍然有限。
实际落地时，我会把“已确认事实”和“原因假设”分开记录。比如，“某两款商品有18笔履约异常”是事实；“供应商确认延迟导致异常”是待验证假设。分开记录能避免团队把推测当成结论，也能减少跨部门互相归责。
先核实平台提示、统计周期、指标定义和涉及范围，再保存后台记录。接着抽查相关订单，确认是否存在集中时段、商品或节点。如果暂时找不到共同原因，不要立即大幅改价、停掉所有商品或增加大量库存；先提高监控频率，补齐数据。
此时内部可以设一个短期观察表，记录每日新增异常、处理状态和证据完整度。若异常在后续订单中不再出现，再判断是否属于偶发波动；若继续重复，则进入专项排查。观察不是拖延，前提是有人负责、设有复查日期。
先按商品和供应商拆分，核对可售库存、实际库存、在途数量、采购确认和交接时间。若问题集中在某个仓库或某个供货批次，先处理对应范围，避免全店收缩；若多个商品同时受影响，再核查共同的仓库、团队交接或外部运输环节。
当供货能力不能确认时，谨慎管理可售承诺通常比盲目接单更稳妥。对现金和仓储空间有限的小店，短期少接一部分无法可靠交付的订单，可能比扩大库存后形成滞销更可控。任何商品状态调整都要同时考虑当前平台要求及已经产生的订单义务。
先抽查具体订单和原因，不要立刻给整条产品线下结论。若问题与信息理解有关，检查标题、规格、图示和使用限制是否清晰；若与实物质量有关，核对批次、抽检记录和供应商交付；若问题与包装或运输有关，检查包装方式和物流节点。
整改后先对相关商品做小范围验证。高风险问题尚未查清前，不适合仅靠加广告扩大订单。若持续出现相同缺陷，应评估暂停销售、返工、换供应商或退出该商品的成本，而不是因为已经投入广告费就继续承受售后损失。
增长阶段也要看承接能力。把近期订单峰值与备货、质检、客服和仓库处理能力对照，提前识别瓶颈。增加订单后，谁负责异常升级、谁核对库存、谁跟进供应商，要在高峰前明确；不然团队的沟通成本会随订单增长成倍增加。
可以分阶段扩量：先在能够稳定交付的商品上试增量，观察履约和售后是否同步稳定，再把有效安排复制到其他商品。对供货周期不稳定、利润薄或售后较重的商品，增长速度应更谨慎。
先投入能减少重复错误、且能快速验证效果的改进。例如，统一库存口径、规范供应商确认记录、补齐高频售后商品的信息，往往比一次性购买复杂工具或大幅扩仓更容易见效。数据工具是否值得投入，应看它能否降低手工汇总成本、提高问题定位速度，不能只看报表数量。
如果团队每周花很多时间复制数据，且无法及时发现订单和库存差异，可以小范围测试数据工具；如果订单规模很小、数据来源不多，一张设计清楚的表格可能足够。工具成本包括订阅费用，也包括接入、维护、培训和数据核对的时间。
不要用内部报表否定平台提示，也不要在没有核实的情况下把内部异常直接归因于平台。先确认两个来源的统计范围、时间区间、状态定义和更新时间，再抽查具体订单。如果依然无法解释，按平台要求通过相应渠道核实，并保存沟通记录。
内部数据的任务是辅助排查和经营决策，平台后台及正式规则说明才是理解平台要求的首要依据。遇到可能影响账号经营的正式通知时，应按通知要求及时处理，不要等待内部分析系统更新。
如果商品质量稳定、订单流程成熟，缩短非必要等待时间有价值；如果商品刚换供应商、批次差异明显或此前出现过缺件问题，就不应为了速度取消关键检查。取舍要看省下的处理时间是否大于潜在售后成本，而不是把“快”当成唯一目标。
可以按风险分层：稳定商品采用常规检查；新商品和问题批次加强检查；已经确认严重缺陷的商品先处理根因。这样既避免所有订单都承担高质检成本，也避免高风险商品被当成普通订单处理。
备货能降低缺货风险，却增加资金占用和滞销可能。若供应周期长、销量稳定且毛利能覆盖库存风险，合理增加安全库存可能值得；若销量靠短期活动支撑、供应商交期不确定或现金流吃紧，分批补货通常更安全。
决策时应算现金占用而非只看采购单价。可把商品采购成本、运费、仓储成本、可能的折价和回款周期放在一起评估。销量预测不能保证准确，至少要准备需求低于预期时的处置方案。
订单量小且异常简单时，人工复核可能最便宜；当同一类数据需要重复复制、跨表核对或靠个人记忆时，自动化汇总可能降低成本。但工具上线并不自动减少工作，字段映射错误、授权范围不清和更新延迟，都可能制造新的核对任务。
我的建议是先选一个高频且成本可量化的场景试点，例如每周订单异常汇总或库存差异核对。试用前记下当前人工耗时和漏检情况，试用后再比较。如果只是把原来一张表变成一张更复杂的图，却没有减少处理时间或提高问题定位能力，就不应因为“数字化”这个名字继续追加投入。
潜力商品值得观察，但观察必须有边界。先确认问题是否可修复、修复成本多高、失败时最大损失是多少，再决定留多少库存和预算。如果产品缺陷来自供应端且供应商配合度低，继续投入广告不一定能换来长期回报。
对已经投入的成本，要区分沉没成本和未来成本。过去花掉的拍摄、广告或开发费用不能成为继续亏损的理由；真正相关的是下一阶段投入能否提高稳定性，以及可能获得的利润是否足以覆盖风险。
不同商品的毛利、供货周期、质量风险和售后特点不同，统一用一个库存规则或质检力度未必合理。高毛利但供货慢的商品，可能需要更保守地管理可售量；标准化程度高且补货快的商品，可以采用更灵活的补货策略。
账号整体的稳定性来自一组商品和流程的组合，不意味着每款商品都应达到同一种经营指标。重要的是把差异公开、把风险控制在可承受范围内，并避免高风险商品的增长速度超过团队处理能力。
每日检查不需要开长会，重点是新增异常、待处理订单和即将超过内部处理时限的事项。把当天发现的问题标记责任人和下一步动作，避免问题只停留在群消息里。平台后台有正式通知时，应优先按通知要求处理。
每日记录适合简洁，不必分析全部经营指标。小团队可以先核对订单、库存和售后中最容易造成后续影响的项目；若当天没有异常，也记录检查完成，避免团队误以为没人负责。
每周复盘围绕少数重复出现的问题展开：异常订单集中在哪些商品，供应商确认是否按时，售后原因是否重复，库存差异是否收敛。会议结论应写成动作，而非笼统的“加强管理”。例如“由采购在每日固定时间更新两款商品交期，运营据此调整可售库存”，就比“关注供货”更容易执行。
若团队尚无稳定的数据报表，可以从一页周表开始。表格列出本周变化、证据、原因假设、动作、负责人和复查日期，连续记录几周后再决定是否需要更复杂的分析工具。
月度复盘不是为了追求更多指标，而是判断之前的动作有没有改变结果。比较时要看业务规模和商品结构：如果订单量下降，异常总数下降未必说明流程改善；如果商品组合变化，售后比例也需要结合商品类别解释。
同时检查规则是否过期。平台要求、后台功能和团队流程都可能变化，过去有效的提醒方式未必仍适用。把平台正式信息、商品经营记录和内部流程分开管理，才能知道该改的是规则理解、经营策略还是执行方式。
一条完整证据链包括平台提示或原始记录、关联订单或商品、原因判断依据、执行动作和复查结果。需要截图时，保留日期和上下文；涉及客户信息时，只在必要范围内使用并遵守相应的数据保护要求。
证据链不只是为了处理争议，也能帮助新同事快速接手。一个团队如果每次都从头猜原因，说明知识没有沉淀；当同类问题再次出现时能快速找到历史记录，才算把一次异常转化成经营能力。
如果现在还没有固定的账号绩效管理机制，我建议先做三件事。第一，打开卖家后台，列出当前实际展示的指标和需要遵守的规则，并记录更新时间；第二，选出最近反复出现的一个异常类型，追溯到商品、订单或流程；第三，为整改设负责人、期限和复查条件。
如果数据分散、人工汇总耗时已经明显影响判断，再评估包括数跨境在内的数据工具是否适配当前数据源和流程。先验证一个具体场景，再决定是否扩大使用范围，不要把采购工具当成治理问题的替代品。
我看中小商家的账号绩效，最关注的不是某个孤立分数，而是团队能否持续识别异常、找到证据、采取动作并验证结果。这个闭环做得好，平台提示、订单数据、售后记录和库存变化才会成为经营信息，而不是一堆互相矛盾的数字。
下一步最有效的做法，不是先追求更复杂的报表，而是选一个重复发生的问题，把它追到具体商品和流程，再用一项可验证的整改措施收尾。能稳定交付、能解释异常、能在问题扩大前调整增长节奏的账号，才更有条件追求长期经营表现。
我刚开始经营时，后台会显示不少指标，不确定该先盯哪几个。我想知道在时间和人手有限的情况下，怎样判断哪些数据最值得优先处理。
先看平台商家后台当前展示的绩效项和规则说明，再按“可能影响账号状态或商品经营、且短期内能改进”的顺序处理。通常可重点检查订单履约、取消或异常订单、商品质量相关反馈、客服响应等指标；不要套用其他市场或类目的固定阈值，应以自己账号后台的口径和考核周期为准。
我遇到过某段时间绩效变差，但订单量看起来没有明显变化，因此不知道是履约、商品问题还是数据统计周期造成的。我希望有一套排查顺序，避免只凭感觉改商品或促销。
先记录绩效变化的起止日期，并对照后台指标说明确认统计周期、分母和异常订单是否计入；再按订单、物流、售后或商品反馈等维度筛选同期记录。找到异常集中的环节后，抽查对应订单和操作时间线，先修复最集中的问题，并持续观察一个完整统计周期，避免把短期波动误判为长期趋势。
我备货资金有限，旺季时又担心销量突然增加，备多了会压库存，备少了可能影响履约。我想知道怎样用现有订单和库存信息做更稳妥的安排。
按商品建立可售库存表，至少记录可用库存、在途库存、近期日均销量和补货所需时间；对销量波动较大或补货周期长的商品留出更高缓冲。每天核对库存与可接订单量，发现库存或发货能力不足时，及时按平台允许的方式调整商品状态或可售数量，并以实际揽收和履约记录复核是否改善。
我有时会把销量不佳归因于曝光不足，想通过推广拉动订单，但也担心商品信息或履约问题会让投入白费。我希望能根据数据区分问题出在流量、转化还是经营执行。
先看商品曝光、点击、转化和订单履约等数据：曝光偏低且商品基础信息完整、履约稳定时，再测试推广；曝光尚可但点击弱，优先检查主图、标题和价格呈现；点击有但转化弱，检查商品信息、评价反馈、价格与库存。每次只调整少数变量，并记录调整日期和前后同口径数据，避免把季节、促销或流量变化误当成单项优化效果。
读者评论
我们店之前也只看全店履约数据，后来按商品拆开才发现，问题集中在一款尺码标注不清的商品上。分组有用，不过订单量少时比例很容易被个别售后拉高，最好同时看数量和具体记录。
小团队做异常表确实比翻聊天记录省事，但维护也要花时间。我觉得字段不宜一开始设太多，先把订单、问题、负责人和复查结果记全，能持续更新比表格做得复杂更重要。
库存这块我有不同体会：销量突然起来时，等趋势确认再补货有时会错过窗口，但盲目囤货也有资金压力。除了销量和交期，可能还得给关键商品设一个可承受的缺货风险线，定期调整。