多店经营能不能改善 Temu 全托管的经营问题，关键不在于把同一批商品复制到更多店铺，而在于能否把不同店铺设计成可比较、可调整的经营单元。诊断时，我会先问三个问题：问题发生在选品、供货与履约的哪一段？新增店铺能不能提供新的有效样本？如果结果变差，团队能否定位到具体店铺、商品和批次？这三问没有答案，多开店通常只会放大库存、协同和合规风险。
全托管模式下，卖家需要关注的核心链路通常包括商品供给、平台审核与运营规则、备货、发货、质量表现、库存周转和回款。各环节的具体责任边界会因平台招商政策、商品类目、合作条款和时间而变化，因此不能把某个卖家的流程经验当成所有店铺的统一规则。诊断前，应先对照当前后台要求与合作协议，确认每个节点由谁负责、以什么指标验收。
我把多店经营看成一种分组验证机制：不同店铺可以承载不同的商品组合、价格带、供货节奏或新品测试方案，让团队观察差异，并把有效做法保留下来。它不是“同一商品多上几遍就会多卖”，更不是绕过平台规则的办法。如果开店后仍然共用一套选品表、一套补货逻辑和一套滞销处理方式，店铺数量增加，诊断能力却没有增加。
判断是否值得开第二家店，我建议至少同时满足三项条件：第一，现有店铺的问题已经有明确假设；第二，新店承担独立测试任务，而不是机械复制；第三，团队有能力分别核算店铺级库存、资金和履约表现。缺一项，就先优化现有店铺的商品与流程。
店铺数量本身不是成果指标。我更关注四组结果：经营结果，如有效动销商品占比和贡献毛利；供应链结果，如备货准确性、缺货率和库龄；执行结果，如新品从提交到可售所需时间；风险结果，如质量异常、规则问题和库存集中度。对比时必须统一统计窗口与商品口径，否则容易把季节变化、促销变化误判成多店策略的效果。
| 诊断问题 | 应观察的信号 | 优先处理方向 |
|---|---|---|
| 订单增长但利润与现金变差 | 毛利贡献、备货资金、回款周期、滞销库存 | 先核算单品经济性与补货节奏 |
| 商品提交很多但可售少 | 审核通过率、资料返工次数、上架耗时 | 先修正商品资料与提交流程 |
| 单店波动大且原因不明 | 店铺、商品、批次的表现差异 | 先建立可追溯的数据维度 |
| 团队有稳定供给但测试不足 | 新品样本量、测试周期、可比性 | 考虑用第二店做受控实验 |
如果现有店铺的商品、批次和库存都无法拆开核算，新增店铺不会自动修复这个问题。我的建议是先把基础台账补齐，再考虑扩大经营单元。否则所谓的“多店对比”，很可能只是把无法解释的总数拆成更多无法解释的总数。
一个有效的多店项目，至少要能回答：新店测试了什么假设？它与原店的差异在哪里？经过多长时间、多少有效商品样本后做判断？哪些结果触发继续，哪些结果触发停止？如果这些问题没有事先定义，团队很容易在结果出来后挑选有利指标，例如只看订单数、不看库存占用，只看上新量、不看有效动销。
因此，核心结论可以压缩成一句话：先诊断瓶颈，再把新店设计成实验单元；先证明可复制，再扩大店铺数量。
“全托管”容易让人产生一种错觉：平台承担了更多前台运营工作，卖家只需提供商品，后续问题就会自然减少。实际管理中，卖家仍需要理解自己承担的商品供给责任、交付要求、品质要求、库存安排和结算条款。不同类目与合作阶段可能有差别，不能仅凭“全托管”三个字推断平台替卖家承担全部经营风险。
我会把经营链路拆成四层。第一层是商品：产品是否有需求、差异和稳定质量。第二层是供给：能否按计划备货，是否有替代供应能力。第三层是协同：提交资料、处理异常、同步库存时有没有延迟。第四层是财务：备货资金、库存损耗、费用与回款能否匹配。店铺只是承载这些动作的组织单位之一，并不是问题发生的唯一位置。
例如，商品有潜在需求，但备货过慢，经营结果可能表现为缺货或错过销售窗口；商品按时到仓，但质量批次不稳定，结果可能表现为退货、投诉或后续供给受限；商品与供货都正常，但团队没有按店铺记录测试条件，最后就无法知道哪种策略更有效。多店的价值在于帮助识别差异，而不是替代链路管理。
只看店铺总订单，容易掩盖商品间的巨大差异。一个店铺可能同时有少数稳定商品、许多尚未验证的新品，以及占用资金却长期无动销的库存。若把三类商品混在一起，团队会误以为店铺整体表现平稳，实际上增长可能高度依赖少数款，风险也集中在少数库存决策上。
我建议至少保留以下分析维度：店铺、商品编码、商品类目、供应商、生产批次、备货批次、提交日期、可售日期、库存数量、异常类型和处理状态。经营数据不一定一开始就需要复杂系统，但这些关键字段要保持定义一致。特别是商品编码和批次字段，若团队各自用不同命名方式，后续报表即使做得漂亮，也可能把同一商品拆成多个记录。
观察周期也要与决策周期相匹配。短周期适合发现资料错误、履约异常或明显不动销；较长周期适合判断季节性、复购潜力和补货表现。新品测试不应在还没有足够曝光、供给或可售时间时就仓促淘汰，也不应因为某个短期峰值便立即大量加单。
行业报告可以帮助理解宏观消费、电商贸易或物流环境，但通常不会直接回答某家卖家的具体商品是否值得备货、某个店铺是否应该分组。引用公开数据时，我会先确认发布日期、统计对象、口径和范围，再说明它与自己的决策有什么关系。宏观增长率不能直接替代单品毛利，平台总体趋势也不能证明某个店铺策略有效。
如果团队使用数跨境等跨境经营数据服务做市场观察，我会把它定位为辅助研究与数据整理环节，而不是经营决策的自动答案。应以服务当前可用功能、数据覆盖范围与授权方式为准，先核对所研究市场、类目、时间窗口以及数据口径是否匹配，再与自有订单、库存、供货和财务记录交叉验证。工具可以减少汇总工作，但不能替团队补上因果判断。
复制商品会增加管理记录，却不必然增加有效需求。若商品定位、素材、供给和价格策略没有实质差异，新增店铺无法自动创造新的购买理由；如果平台规则限制重复经营或不鼓励同质化铺货，重复提交还可能增加审核、维护和合规成本。具体规则应以平台当前政策为准，不应把他人曾经采用的操作方式当成长期有效的技巧。
我判断是否要复制商品，会先问这次复制改变了什么。如果只是换一个店铺归属，测试价值很低；如果新店面向不同的商品组合、不同的供货节奏或不同的运营假设，并且这些差异可以合规表达和独立核算，才有比较意义。测试前就要写下差异，不要等数据出来后再补故事。
订单量是结果指标之一，不是完整的经营结论。新增店铺可能带来额外备货、仓储、质检、对账和运营时间。如果订单增加的同时，库存周转变慢、资金占用变高或异常处理耗时上升，团队需要判断新增销售是否足以覆盖这些成本。
我会把订单指标与贡献毛利、库龄、可售率和异常成本放在同一张经营表中。毛利核算应尽量纳入采购、头程或国内运输、包装、质检、退货损失、服务费用和资金占用等相关成本；具体科目按企业实际业务与财务口径处理。只看平台结算金额或销售额，很容易把“收入增长”误读成“经营质量改善”。
有些团队把店铺一店交给一个运营，二店交给另一个运营，随后直接比较结果。这种做法看似清楚，却可能把人的经验、供应商、商品成熟度、季节窗口和资源倾斜一起混进差异中。若店铺 A 的成熟商品更多、库存更充足，店铺 B 的新品更多，那么结果差异不一定来自运营策略。
更好的办法是先控制可比条件。比如从相近类目、相近上新时段、相近供货能力的商品中抽取测试组与对照组，再明确谁负责记录、谁负责执行、谁负责复核。人员可以分工，但数据口径要统一。否则，比较的是团队配置差异，不是经营方案差异。
如果商品资料反复返工、补货依赖个人记忆、库存表与实际批次对不上、异常处理没有负责人，开新店只会扩大流程缺陷的影响范围。尤其是同一供应商同时为多店供货时，优先级、交期、质检标准和批次归属若没有约定，店铺之间可能发生库存争用，最后每个运营都以为库存属于自己。
我通常会先要求团队把一个现有店铺跑通基本闭环：商品有明确分类，库存有批次记录，补货有触发条件，异常有处理时限，经营结果有复盘。基础流程还没有稳定之前，不建议把“多店”作为第一解决方案。
新店开通后销量上升，不代表销量上升是开店造成的。同期可能出现了旺季、促销、平台流量变化、供货恢复或主力商品自然增长。要验证多店策略，至少需要记录同期变化，并尽可能设置对照组，或者采用分阶段上线的方式观察差异。
真正有价值的复盘不是“我们开了两家店，后来卖得更多”，而是“在供货、类目、时间窗口近似的条件下，采用某种商品分组方式后，某类指标出现了怎样的变化；这项变化是否足以覆盖新增成本；结果能否在另一批商品上复现”。这类表达更接近决策证据，也更方便团队纠错。
我会先把经营问题写成一个可验证的句子，而不是写成“店铺表现不好”。例如：“新品从提交到可售的等待时间偏长，导致可售窗口缩短”；“销售集中于少数商品，库存配置未能跟上动销”；“相同商品在不同批次出现质量差异，影响后续供给稳定性”。问题越具体，越容易决定是否需要多店。
接着沿链路逐层排查。若问题是资料返工，优先检查模板、图片、属性和提交流程；若问题是缺货，优先核算供应商交期、备货缓冲与补货触发条件；若问题是库存滞留，优先找出商品分层、上新验证和停止补货机制；若问题是归因困难，才考虑通过店铺分组建立更清晰的对照。不要把所有问题都归结为“流量不够”或“店铺数量太少”。
多店更适合解决“需要把方案分开观察”的问题，而不是解决“基础数据缺失”的问题。若同一经营主体能够合规运营多个店铺，且能够维持商品、人员、库存和财务的可追溯性，多店可以成为实验设计的一部分。但如果新增店铺会导致管理跨度超过团队能力，应先缩小测试范围或在现有经营单元内分组观察。
我会在决定前做一张简短的测试卡：写清楚假设、对照条件、观测指标、测试时间、最低样本要求、停止条件和负责人。样本要求应结合商品周期、库存可用性和决策成本确定，不存在适用于所有类目的固定“测试几天”或“必须上多少款”的通用答案。
观察指标帮助解释过程，例如商品提交耗时、资料返工次数、到仓准时率；结果指标衡量经营结果，例如有效动销率、贡献毛利、库存周转；护栏指标用于避免策略以牺牲底线换取表面增长，例如质量异常、超龄库存、资金占用和规则风险。
每个测试至少选一项结果指标和两项护栏指标。若只设订单目标，团队可能为了短期销量过度备货；若只盯库存周转，团队也可能过早停止尚未进入稳定销售窗口的新品。指标之间存在取舍，经营判断应说明为什么接受某项成本，以及成本上限在哪里。
在测试开始前就写出什么情况要暂停：例如商品资料存在重复性错误、供货能力无法满足计划、资金占用突破预算、质量异常达到内部警戒线，或店铺操作出现合规疑问。停止不是认输，而是保护资源并避免把小问题扩大成跨店问题。
扩张条件也要明确。一个测试方案只有在结果可重复、成本可承受、关键风险没有恶化时，才适合复制到更多商品或店铺。若结果依赖某位员工的个人经验、某个供应商的特殊支持或一次性促销条件，就应先判断这些资源能否稳定复制。
数跨境可以作为本文讨论的跨境经营数据工具案例。访问前述官网时，团队应先确认当前提供的功能、覆盖市场、数据来源、更新频率与使用限制，避免将产品介绍直接等同于某项具体数据能力。这里的重点不是把任何工具当成“选品答案”，而是说明市场信息如何进入多店测试：先形成候选假设，再用自己的商品、供货和店铺表现验证。
例如，团队可以围绕某个目标类目提出假设：“近期某细分需求的相关商品活跃度提升，但竞争供给也在增加；我们需要测试低库存风险的差异款，而不是直接扩大采购。”工具侧的市场观察用于缩小研究范围，随后仍需核对商品合规、供应商报价、生产周期、质量标准、物流条件和实际成本。公开或第三方数据只能提供外部视角，不能代替自有订单和库存账。
在数据记录上，我建议为每条市场假设保存来源、查询日期、时间范围、类目筛选条件和团队解释。这样，即便之后市场热度变化，团队也能回看当时为何决定测试，而不是只留下一个“数据说它能卖”的结论。对外部数据的引用应遵守相应平台的服务条款与授权要求，不要未经允许抓取、转售或公开敏感数据。
以下是为了说明诊断方法构造的情景模拟，不代表任何企业的真实经营数据，也不是行业平均值。某团队主营家居小件，原来由一家店承载全部商品。管理层看到新品测试周期长、滞销库存偏多、不同商品表现难以拆分，提出新增两家店。诊断后发现，核心问题不是店铺数量不足，而是新品没有分层、备货批次缺少记录、补货只看累计销量。
团队于是改变方案：原店继续承载成熟商品；第二店只测试经过初筛的新品，并设置较小首批备货；第三店暂不立即开通，作为后续扩张选项。每个测试商品记录提交日期、可售日期、批次、首批数量、补货动作、异常原因和周期性结果。团队同时规定，只有经过预设窗口且可售条件满足的商品，才进入继续测试或补货评估。
| 观察维度 | 调整前情景 | 调整后情景 | 解释与限制 |
|---|---|---|---|
| 新品首批策略 | 多个商品采用相近备货量 | 按验证阶段分层设置首批量 | 首批规模根据供货条件和资金承受力确定 |
| 商品记录方式 | 以店铺总量为主 | 细分到商品与备货批次 | 数据质量改善后，才更容易定位滞销来源 |
| 补货判断 | 主要参考累计销量 | 综合动销、在途、库龄和交期 | 具体阈值由商品周期和供应商交期决定 |
| 扩店节奏 | 计划一次性增加多店 | 先验证第二店的测试价值 | 避免在流程未稳定前扩大协调成本 |
这个推演的关键不是“新增一家店就一定更好”，而是把不同职责拆开后，团队能够更清楚地看到测试商品和成熟商品的资源冲突。若第二店只是换了门牌，测试记录仍然不完整，那它不会自动改善选品和备货。若测试的商品组合、供货条件和时间窗口差异过大，店铺间结果也不能直接比较。
团队可以用情景模型做预算，而不是把预测包装成事实。假设新增经营单元后，每月增加管理工时 40 小时、额外样品与质检支出 6000 元、库存资金增加 8 万元；若预期贡献毛利增加 1 万元，但资金成本、滞销折损和人工成本尚未扣除，就不能据此判定项目回报为正。成本项目应结合企业实际会计口径核算，情景数值只用于演示方法。
我会把判断拆成两层。第一层是经营可行性：新增店铺是否让商品测试更清晰，供应链是否能承接，潜在收益是否有可验证路径。第二层是财务可承受性：在保守情景下，资金占用、库存折损和团队工时是否仍在预算范围内。如果只有乐观情景才成立，项目就需要缩小规模或暂缓。
建议至少记录以下字段：新店筹备与维护工时、样品与质检成本、首批备货金额、补货金额、在途库存、超龄库存、有效动销商品数、异常处理工时、贡献毛利和资金回收时间。月度汇总之外，保留商品级明细，才能解释总量变化来自哪里。
如果团队借助数跨境整理市场信息，最好把它放在研究流程的前段：发现候选市场或商品方向后，先形成问题清单，再用供应链与平台实际表现验证。对于工具提供的任何指标，都要确认定义、时间范围和数据来源；若无法确认，就把它视作探索线索而非决策依据。
市场研究与店铺经营数据可以通过统一的商品编码或内部项目编号关联，但要区分两类证据。市场侧回答“外部环境里有什么值得研究”，经营侧回答“我们自己的商品是否能稳定供货并取得可接受的结果”。两类数据相互补充，却不能互相替代。尤其是市场热度高但供货周期长、品质稳定性不足、现金承受力有限的商品，不应仅凭外部热度扩大备货。
如果现有经营主体能够合规运营多个店铺，且当前确实需要隔离不同的商品测试策略，团队也具备独立核算能力，可以考虑新增店铺。常见场景包括：成熟商品与新品测试的节奏冲突；不同类目由不同供应链团队负责，需要拆分库存责任；现有店铺的商品组合过于混杂，导致复盘无法归因。
即使具备这些条件，也建议先开最小规模的测试单元。明确新店只解决一个主要问题，设定预算、商品范围、负责人和停止条件。测试结束后，不要只问“是否增长”，还要问新增的可解释性和管理成本是否值得。
若商品资料错误频发、供货周期不稳定、库存数据无法对账、团队没有基础的单品成本核算，或当前经营风险已经超过资金承受能力，我建议先不扩店。此时优先做的是统一商品档案、复核当前库存、设置补货权限、确定异常负责人，并梳理每个商品的真实成本。
对于正在处理平台规则、质量或履约异常的团队，先确认问题已关闭且整改流程稳定，再评估是否增加经营复杂度。不要为了追求规模，把尚未解决的问题复制到更多店铺。扩大之前，把风险控制在单个经营单元内，通常比事后统一收拾更省成本。
不能开新店不代表不能做实验。团队可以在现有店铺中按商品组、上新批次、供应商或备货策略进行分组，但要注意平台规则、后台能力和实际运营条件。关键是提前建立测试编号，确保每组的商品条件和观察时间尽可能可比。
例如，可以挑选同类但不完全相同的商品，比较不同首批备货策略；也可以对供应商相近的商品，比较资料准备流程调整前后的返工情况。若组间差异明显，就不要声称某项策略造成了全部结果变化，而应把结论写成“在当前样本与条件下观察到的关联”，并通过下一批测试复核。
如果团队人员有限，我建议不要一开始就追求复杂的实验设计。先保证数据完整、责任清楚、比较条件合理，再逐步增加分组数量。简单但可复核的记录，往往比复杂却无人维护的报表更有决策价值。
较大的首批备货可能让商品更快进入供给状态，但也会提高资金占用与滞销风险；较小批次更适合验证需求，却可能受生产起订量、交期和补货能力约束。我的判断不是简单选“大”或“小”，而是先看供应商补货可靠性、商品生命周期、单位资金承受力和缺货损失，再决定测试规模。
对新商品，若交期短、补货灵活、首批成本可控，小批量测试通常更有利于保护现金；若交期长、供应商产能有限且需求证据较强，团队可能需要预留更长的供货计划，但也应明确止损点。不要用“别人备了很多”代替自己的供货和现金测算。
增加商品数量可以扩大探索面，但会增加资料制作、质量验证、批次管理和异常处理工作。团队若缺乏商品分层能力，更多新品可能让真正有潜力的商品得不到足够跟进。反过来，过度集中在少数商品，也可能带来销量与库存风险的集中。
我会按验证阶段分配管理资源：候选商品先做低成本筛选；进入测试的商品保留明确记录与适当资源；表现稳定的商品才讨论扩量。不同阶段的商品不应使用相同的备货、复盘和维护强度。多店的价值之一，是让团队有条件明确分层，但分层本身仍需规则和数据支持。
店铺拆得越细，经营责任与数据归因可能越清晰，但采购、库存、客服、质检和财务也可能需要重复协同。若每家店都形成独立流程，团队会增加沟通成本；若所有店铺都共用一张不分维度的表，又会失去诊断能力。
较稳妥的做法是把标准化能力放在共享层，把实验和结果放在可区分层：商品编码、供应商档案、质量标准、财务定义尽量统一；测试假设、商品组、库存归属与复盘结果则按经营单元区分。这样既不必重复建设所有流程，也能保留必要的比较能力。
短期放量可能要求快速备货，但供应商是否能持续保持交期与质量，比一次性完成大单更重要。若团队在高峰期集中把资源压给少数供应商，可能影响其他商品的供货安排，也可能让供应链在订单波动后留下积压。
评估供货稳定性时，我会同时看实际交期偏差、批次质量差异、补货成功率和替代供应能力，而不只看报价。若一个商品的增长高度依赖单一供应商，扩量前应评估断供影响，并准备风险预案。成本更低不等于整体风险更低。
| 经营阶段 | 优先目标 | 建议取舍 | 不建议做法 |
|---|---|---|---|
| 验证阶段 | 确认需求、质量和供给可行性 | 用有限预算换取清晰样本 | 为了铺量一次性扩大商品与库存 |
| 稳定阶段 | 提高动销质量与补货准确性 | 减少低效商品，保护成熟供给 | 只追求店铺数量和上新数量 |
| 扩张阶段 | 验证可复制性与组织承载力 | 先复现、再扩大，保留风险缓冲 | 把单店偶然结果视为可规模化规律 |
| 调整阶段 | 减少损失、恢复数据可信度 | 优先停掉低质量流程与高风险库存 | 用新店掩盖旧问题或延迟止损 |
为了避免多店计划停留在会议口号，我建议每个新增或调整中的店铺都维护一页诊断卡。它不需要做得复杂，但要能让接手的人看懂：这家店为什么存在，负责验证什么，使用哪些商品与供应资源，结果如何衡量，出现什么情况需要暂停。
诊断卡的意义不是增加表格，而是把隐性决策变成团队可以复核的记录。如果一项策略需要依赖个人口头解释才能理解，人员交接或季度复盘时就很容易失真。
本文没有提供所谓适用于所有卖家的行业平均线，因为商品生命周期、类目属性、供货周期、成本结构和平台要求可能差异很大。团队应该先用自己的历史数据建立基线，再设定内部目标与警戒线。比如，先观察过去若干周期的返工、交期、库龄和异常分布，再判断什么变化值得升级处理。
阈值不宜只用一个绝对数字。对于小体量团队，单次异常可能造成很大比例波动；对于商品较多的团队，则应同时看异常数量和异常率。应明确分母是什么、是否排除不可比样本，以及指标的更新时间。没有统计口径的百分比看起来精确，实际上可能无法复核。
每轮测试结束后，至少写下三项内容：观察到了什么、哪些因素仍然无法区分、下一轮准备如何改变。若结果不理想，要判断是商品方向不成立、供给执行不稳定、样本不足，还是测试过程没有按计划运行。把所有失败都归类为“商品不行”，会让团队忽视流程问题；把所有失败都归类为“执行不够”，则可能长期逃避商品判断。
复盘还应记录未采用的方案及其原因。比如没有扩大备货，是因为供货交期过长；没有新增店铺，是因为现有数据仍无法按商品批次对账。保留这些决策依据，下一次经营条件变化时，团队才能重新评估，而不是从头重复争论。
我对 Temu 全托管多店经营的判断是：店铺不是增长本身，而是组织商品、供给和测试的一种方式。它能否改善经营，取决于团队是否先找到真实瓶颈，是否让新店承担清晰且合规的任务，是否用统一口径记录商品、批次、成本和风险。
下一步可以先做一件小事：选出当前最影响经营的一个问题，整理最近一段时间的商品、库存、异常与成本记录，判断它属于市场假设、供货、流程还是数据归因问题。只有当现有经营单元无法清楚比较不同方案时，再设计一个规模可控的多店测试。先让差异可见，再谈复制增长；先证明可复制，再扩大经营规模。
我在单店经营时，常遇到流量、转化或履约表现不理想，却分不清是商品问题还是运营问题。想增加店铺之前，我该先看哪些数据？
先按商品和时间段拆分曝光、点击率、转化率、退款率、缺货率及履约时效，并与自身历史表现或相近商品对照。若问题集中在少数商品或某个环节，应先修正选品、定价、库存或履约；只有当不同商品线、目标客群或运营流程确实需要分开管理时，多店才可能帮助验证假设。
我担心多个店铺上架相似商品后，内部竞争反而增加，库存和运营精力也被摊薄。实际规划店铺定位时，应该按什么维度区分？
先为每家店明确可验证的差异，例如商品品类、价格带、目标市场或上新节奏，并建立商品归属清单。测试期间尽量避免同款商品在多个店铺无差别铺货；按周比较各店的曝光、转化、毛利及库存周转，若新增店铺没有带来增量而只是分散订单或资源，就应调整定位或合并运营重点。
我开出新店后，订单增长不一定代表整体经营变好，因为订单可能只是从原店转移过去。复盘时用哪些指标，才能判断多店是否产生了实际增量？
同时看单店指标和全店铺组合指标，并选取新增店铺上线前后的可比周期。重点核对总成交额、扣除平台费用与履约等成本后的贡献利润、转化率、退款率和库存周转；若总盘利润或有效订单没有改善，而管理成本上升，就不能仅凭新店订单数判断成功。
我准备增加店铺，但担心备货分散、缺货或滞销，也怕团队同时处理多套商品信息和运营任务。有没有比较稳妥的试运行方式？
先用少量差异明确的商品做限期试点，设定库存上限、补货触发线和滞销处理规则，并统一记录商品、订单、库存及问题责任人。每周检查缺货率、售罄速度、滞销库存和单店运营耗时；只有当新增店铺在库存风险可控的情况下带来可衡量的利润或客户覆盖增量，再逐步扩大商品范围。
读者评论
我们之前也试过把商品分到不同店铺看表现，后来发现补货批次和可售时间没记清，数据根本没法公平比较。先把台账统一这点很实用。
我比较认同订单不能单独看。不过全托管下哪些成本能准确归到单店，实际做起来不容易，尤其共用供应商和库存时，分摊口径最好也提前定好。
多店测试的停止条件值得重视。团队常常只设“表现好就加量”，却没想过什么时候暂停；滞销和资金占用达到什么程度该止损，可能还需要结合类目周期来定。