去年黑五前两个月，我帮一个做家居收纳的朋友复盘他的广告账户。他有两款产品，一款是他自己”感觉会爆”的折叠收纳箱，另一款是他在工具里翻了两周才定下来的壁挂式鞋架。结果很反常识：他花了两周调研的鞋架，ACOS 稳定在 18%，半年回本；他凭直觉上的收纳箱，广告烧了 4300 美金，退货率 11.4%，最后清库存亏掉两万多人民币。他问我一句话：”我到底错在哪一步？”我的回答是：你不是错在投放，你是错在没做市场调研就下了不可逆的采购订单。
这篇文章，我想把跨境电商精细化运营里最容易被跳过、也最值钱的那一环，市场调研，完整拆开讲一遍，包括我怎么判断、我用什么口径、我在哪个环节踩过坑，以及我会怎么给不同阶段的卖家设计不同的调研方案。
我做了六年跨境电商运营，带过自己的店，也帮别人做过诊断。如果只让我给一句话结论，那就是：市场调研的核心目标不是找到那个”一定会爆”的产品，而是用尽量低的成本，把明显会亏钱的选项提前删掉。这个结论听起来很朴素，但它直接决定了你调研的方向、时间投入和数据取舍。
因为爆款是事后归因，不是事前预测。任何声称能提前锁定爆款的方法论，本质上都是在做概率游戏。但亏损是可以事前识别的：需求规模不足、竞争集中度过高、利润空间被挤压、合规门槛超标，这四个信号只要命中两个，这个品基本就不该做。
我自己的数据是这样的：过去两年我深度参与过 37 个选品决策，其中 11 个在调研阶段就被我否掉了。事后我追踪了这 11 个被否掉的品，有 9 个在同类目里已经出现了明显的价格战信号，另一批卖家上架后平均 ACOS 超过 35%。也就是说，调研帮我省下的不是几千块广告费，而是几十万的备货资金占用。
很多人对”精细化运营”的理解是：广告分组更细、关键词否词更勤、Listing 优化更细。这些都重要，但它们是在一个已经选错的方向上做微调。选品错了，投放端再精细也只是把亏损变慢。
真正拉开差距的是：同样一笔预算，有人拿 5% 做调研，把候选池从 50 个缩到 3 个，然后集中资源打；有人拿 0% 做调研，直接上 10 个品，靠广告数据淘汰。后者的试错成本看起来低，实际上是拿真金白银的采购和物流费用去做样本测试。
我见过太多卖家把”我用了三个工具查数据”当成专业。问题是，三个工具给出的搜索量口径可能完全不同：有的统计的是平台站内搜索次数，有的统计的是全渠道关键词热度，有的只覆盖英语站点。你把这些数字放在一张表里比较，得到的结论是错的。
所以我现在的原则是：主要决策依据只用一个主数据源，其他工具只作为交叉验证。口径一致比数据多重要得多。下面第二节我会讲到我为什么最终把主数据源收敛到”数跨境”这个平台。
把”市场调研”当成一个动作去讨论是没有意义的，因为它高度依赖卖家的阶段、预算和团队配置。我先描述三类真实存在的卖家，你大概能对号入座，然后我们再看他们各自该怎么做。
这类卖家通常是刚起步，或者从国内电商转型过来。他们选品的依据往往是：身边有人卖这个赚了钱、1688 上这个货源好找、朋友圈刷到某个品很火。上架前他们唯一做的”调研”是看一眼竞品销量，然后判断”他卖这么好，我便宜两块钱肯定能分一杯羹”。
我去年遇到一个做户外露营的卖家，他看中了某款便携气炉，理由是”露营火了”。我让他查了三件事：一是这个关键词在目标站点的搜索趋势是不是在上升还是已经见顶；二是头部前五名的评论数门槛是多少；三是同类产品的平均售价在过去半年是涨还是跌。他查完之后自己就放弃了，这个类目的头部评论门槛已经过万，而他的预算只够开一个新品链接。
这类卖家已经有了一定的学习意识，手里可能有四五个数据工具。问题在于，他们经常拿着 A 工具的搜索量、B 工具的销量估算、C 工具的趋势曲线拼凑结论，最后发现数据对不上，于是陷入”到底信谁”的纠结。
我有个做宠物用品的客户就是这样。他给我看了一张表，同一个关键词，三个工具给出的月搜索量分别是 12 万、4.8 万和 32 万。我们花了两个小时才发现，三个工具覆盖的站点和统计周期都不同，其中一个是全渠道数据，一个是单平台数据，还有一个是包含长尾词合并的结果。这不是工具的问题，是没有统一口径的问题。
这类卖家的做法我认为是最接近正确的。他们在打开任何工具之前，先写下自己的假设，比如”我假设这个品类的核心购买人群是 25，35 岁租房女性”，然后带着这个假设去查数据：看评论区的用户画像、看搜索词的长尾结构、看竞品的营销文案在打什么卖点。数据要么强化假设，要么推翻假设，而不是无目的地浏览。
这种方式的好处是，调研有终点。你知道什么时候调研结束了，假设被验证或推翻的时候。而前面两类卖家，调研要么从未开始，要么永远结束不了。
接下来这部分，我尽量说得具体一点，因为这些都是我或者我身边人真实踩过的坑，而不是教科书上的条目。
这是最普遍也最贵的误区。搜索量大只能说明有大量的人在找，但找的人是不是愿意付费、是不是已经被现有产品满足，完全是另一回事。
我做过一个词叫”phone stand”的调研，月搜索量很高，看起来是标准的大需求词。但真的去拆搜索词的意图结构会发现，其中很大一部分是”diy phone stand””how to make phone stand”这类信息型搜索，这些流量根本不会转化为购买。真正带购买意图的词，比如”adjustable phone stand for desk”，搜索量只有前者的一个零头。
我的处理办法是：把关键词按购买意图分层，只统计”带购买意图的长尾词总量”作为需求规模指标。具体分层标准我放在下面这个代码块里，你可以直接拿去用。
# 关键词购买意图分层规则（我实际在用的版本）
用途：从原始关键词表中筛出真正代表购买需求的部分
INTENT_LAYERS = {
"高购买意图": [
"buy", "for sale", "best", "review", "vs", "alternative",
"for [人群/场景]", "with [功能]", "size", "cheap", "under $X"
],
"中购买意图": [
"how to choose", "which", "comparison", "guide", "top 10"
],
"信息意图（不计入需求规模）": [
"how to make", "diy", "what is", "meaning", "template free",
"repair", "fix", "tutorial"
]
}
def calc_real_demand(keyword_df):
"""只统计高+中购买意图词的搜索量总和，作为真实需求规模"""
real_intent = keyword_df[
keyword_df["intent"].isin(["高购买意图", "中购买意图"])
]
return real_intent["search_volume"].sum()
经验值：同一品类下，"真实购买需求"通常只有总搜索量的 15%，35%
我用这个比例做过多次校准，偏离过大的词表要重新检查分层规则看到竞品月销 3000 件就冲进去，是另一个高频错误。你看到的是销量，看不到的是他的采购成本、他的头程运费、他是不是在做亏本引流、他的广告占比是多少。
我曾经拆过一个看似很赚钱的竞品。BD 排名长期靠前，评论数过万，价格稳定在 25.99 美元。我按当时的采购价和物流成本算了一遍，如果他是正常渠道拿货，毛利大概只有 12%，扣掉 20% 左右的广告和平台佣金，基本是微亏或者持平在跑。后来我在他的品牌页面上看到了他的其他高毛利配件，才明白他的策略是用这个品做流量入口。
如果你照着这个”看起来很好卖”的品去抄，你抄到的是一个引流款，而不是利润款。所以我在调研竞争层时，会强制自己算一遍竞品的成本结构，哪怕只是粗略估算。
国内电商的节奏、流量结构、用户决策路径和海外差异非常大。我见过几个从淘宝转过来的卖家，他们的默认假设是”低价+高性价比=爆款”，但海外很多类目的用户更在意评价可信度、配送时效和品牌一致性。
举个例子，家居类目在美国站点，用户对”材质描述是否清楚”的敏感度远高于价格差异。同样的产品，A 链接写了详细的材质和尺寸对照，B 链接只有几张图和一句”high quality”，即使 B 便宜 3 美元，转化率也可能低一半。这类差异是查搜索量查不出来的，必须去看评论和问答区。
市场调研不是一次性项目，而是有半衰期的。我自己的经验是，一个品类的竞争格局数据，有效期大概在 4 到 6 个月。超过半年，头部排名、价格带、广告成本可能都已经变了。
我给自己定的规矩是：核心类目每季度复查一次，重点看三件事，头部前三是否换人、主流价格带是否下移、广告位竞品数量是否增加。这三项里有两项变化，就要重新评估。
同一个关键词，在不同平台的搜索量、竞争程度、购买意图都不一样。如果你做的是多平台布局，用单一平台的数据去推另一个平台，很容易判断失误。
讲完误区，我说说我自己的判断框架。我把它设计成一个四层漏斗，每一层负责淘汰一类不合适的选项，四层走完剩下的候选品才值得进入采购谈判。
这一层我只问三个问题：类目整体规模是多少、近 12 个月的走势是上升还是下滑、季节性波动幅度有多大。规模太小的类目撑不起你的运营成本，趋势下滑的类目你进去就是接盘，季节性太强的类目要求你对现金流有极强的管理能力。
我一般会看近三年的趋势曲线，而不是只看最近三个月。只看三个月，你看到的是波动；看三年，你才能看出周期。很多类目有明显的年度周期，比如户外用品、节日礼品，判断错周期会让你在错误的月份备货。
这一层用我前面提到的关键词意图分层方法，把总搜索量拆成”真实购买需求”和”信息型流量”，然后看真实需求的比例。我自己的经验阈值是：真实购买需求占比低于 20% 的类目，我会非常谨慎；低于 12% 的，基本直接放弃。
同时我会看需求的集中度，是集中在少数几个大词上，还是分散在大量长尾词上。集中在少数大词意味着你要和头部正面竞争，分散在长尾则意味着有机会做细分切入。
竞争层我主要看五个指标：头部评论门槛、TOP10 品牌集中度、价格带分布、新品存活率、以及广告位数量。其中我认为最被低估的是”新品存活率”，这个类目最近半年上架的新品里，有多少还活着、有多少已经死了。
一个类目如果评论门槛很高但新品存活率也不错，说明这个池子还有增量空间；如果评论门槛高、新品存活率还低，那就是存量厮杀，新玩家进去大概率是炮灰。
最后一层是算账。我会把采购成本、头程物流、平台佣金、FBA 或海外仓费用、广告预估、退货损耗、汇率波动全部算进去，得出一个”最坏情况下的毛利率”。我的底线是：最坏情况下毛利率不能低于 25%，否则这个品不值得投入。
这里有个容易忽略的点：退货损耗。不同类目的退货率差异极大，服装可以到 25% 以上，而工具类可能只有 3%。如果你用行业平均退货率去算服装类目，你的利润模型会崩掉。
讲完方法论，必须落到工具和过程上，否则都是空话。我现在做市场调研的主要数据源是数跨境，下面我完整讲一遍我为什么选它，以及我实际是怎么用它跑完一次调研的。
前面说过，我最大的痛点是口径不一致。我早期同时用四五个工具，结果每次做决策都要先花时间对齐数据。后来我做了一次筛选，标准有三条：一是数据覆盖的站点和类目是否够全；二是指标定义是否清晰可追溯；三是能不能把趋势、竞争、需求这几类数据放在同一个界面里看，减少切换成本。
数跨境打动我的地方主要在第二点和第三点。它的类目趋势、关键词、竞品数据在同一套体系里，我做四层漏斗的时候不需要反复导出、拼接、对齐时间窗口。对一个要同时评估几十个候选品的人来说，减少一次数据对齐就省下几个小时。这一点我在别的平台上是没有体验到的。
另外它的类目趋势数据我做过一次校验：拿我自己在做的两个类目，用它的趋势曲线和我后台的实际订单曲线对比，方向基本一致，峰值月份误差在半个月以内。这个精度对我来说够用了，我要的是判断”在涨还是在跌”，不是精确预测下个月的销量。
我以今年三月做的一次宠物用品调研为例，把步骤拆开讲。
我先锁定”宠物出行用品”这个二级类目，目标站点是美国和德国。范围一定要先框死，否则你会在几十万条数据里迷路。
我用类目趋势功能拉了近 36 个月的走势。结果显示这个类目有明显的双峰结构，一个是春季 3，5 月，一个是年末 11，12 月，中间的 7，8 月是低谷。我当时是三月份，正好在第一个峰值前，这个时间点对我来说是合适的。
我把类目下的关键词按我前面的分层规则过了一遍。总搜索量看起来很大，但剔除信息型搜索后，真实购买需求只占 23% 左右，刚过我 20% 的线。这个结果让我谨慎但没有直接放弃。
这一步是我认为数跨境比较有用的地方。我把头部卖家的评论数、上架时间、价格都拉出来，发现 TOP10 里有三个是近 12 个月内上架的，评论数在 800，1500 之间。这说明这个类目的头部并没有完全固化，新玩家还有机会。
最后一步是算账。我把采购、头程、平台费用、预估广告和退货全部算进去，得到最坏情况下的毛利率是 29%，高于我 25% 的底线。到这一步，这个品才正式进入我的采购谈判名单。
我把今年做的三次类目调研结果整理成了一张对比表，你可以看出不同类目的关键差异在哪里。
| 调研维度 | 宠物出行用品 | 厨房小工具 | 户外照明 |
|---|---|---|---|
| 类目近 12 月趋势 | 上升 14% | 持平 ±3% | 上升 31% |
| 真实购买需求占比 | 23% | 31% | 16% |
| TOP10 评论门槛中位数 | 2400 条 | 6800 条 | 1500 条 |
| 近 12 月新品存活率 | 41% | 19% | 52% |
| 最坏情况毛利率 | 29% | 22% | 34% |
| 我的最终结论 | 进入候选 | 放弃 | 重点推进 |
这张表里最值得说的是厨房小工具。它的真实购买需求占比是三组里最高的，31%，看起来是个好类目。但它的评论门槛中位数是 6800 条，新品存活率只有 19%，最坏毛利率 22% 低于我的底线。三个指标里两个不合格，所以我放弃了。
这就是多指标综合判断的价值，单一指标好看，不代表整体可做。如果我只看了需求占比，我可能会一头扎进这个绞肉机类目。
说完成功案例，我得说说我失败的那次。前年我看中了一个家居清洁类的小工具，当时的判断依据是：类目趋势上升、需求占比不错、头部评论门槛只有 900 条。我判断这是个低竞争高增长的蓝海。
结果上架三个月后发现两个我没提前查清楚的问题。第一，这个类目的产品高度同质化，我上架两周就有四个卖家跟卖同款，价格从 19.99 掉到 12.99。第二，这个类目的退货率远超我预期，原因是产品在运输过程中容易损坏，我没有在调研阶段看退货率和差评关键词分布。
这次失败的教训是：我当时的调研只覆盖了”竞争强度”，没有覆盖”竞争的可防御性”。评论门槛低不等于好做，也可能意味着这个类目没有壁垒，谁都能进来打价格战。从那之后，我在竞争层加了一个判断项：这个类目的产品是否有难以复制的差异点，比如专利、认证、独家供应链。
方法论讲完了，但我知道很多人看完会问：”那我具体该怎么做？”答案取决于你在哪个阶段。下面我按四种典型情况给出可执行的建议。
这个阶段你最大的风险不是错过机会，而是把仅有的预算压在一个错误的品上。所以建议是：把调研时间拉长，把候选品数量压少。
我特别想强调第三点。新手最容易犯的错是”验证性备货太少导致断货”或者”备货太多导致滞销”，这两者里后者更致命。200 件是一个我觉得比较平衡的起点，既能测出真实转化和退货情况，又不会让你一次性压死资金。
这个阶段你已经有一个跑通的品，需要在它还能赚钱的时候找到下一个。你的调研重点应该放在”相关性”上，新品类和你现有的供应链、用户群、运营能力是否复用。
到了这个阶段，你调研的重点应该从”哪个品好卖”转向”哪个品能建立壁垒”。这意味着你要开始关注专利申请情况、认证门槛、供应商独特性、以及用户复购行为。
我在帮这类客户做调研时，会额外加两个分析模块：一是专利和商标检索，二是用户复购周期分析。前者决定你会不会被投诉下架，后者决定你的 LTV 模型是否成立。
如果你同时做多个平台，那你不能用一个平台的数据去推另一个平台。正确的做法是：先确定你的核心能力适合哪个渠道，再在对应渠道的数据体系里做调研。
比如你的优势是快速响应和柔性供应链，那可能更适合上新节奏快的平台；如果你的优势是品牌内容和用户运营，那可能更适合内容驱动的渠道。这个判断要在调研的第一步完成，而不是选完品再想渠道。
做调研本质上是一系列取舍。你不可能在所有维度上都拿到最优解，所以必须提前想清楚自己愿意放弃什么。
广度是指你看多少个类目、多少个候选品；深度是指你对单个候选品看多少指标。我的经验是：早期阶段优先广度，快速筛掉明显不行的；进入到决赛圈之后优先深度，把剩下的两三个品彻底拆开。
如果你一开始就对每个品做深度调研，你会累死而且效率极低。如果你到最后还在做广度浏览，你会因为信息不足而不敢下决定。
免费数据可以让你完成初步筛选，但很难支撑利润测算和竞争结构分析。我的判断是：当你的月销超过 5 万，就应该考虑用付费工具提升调研效率和口径一致性，因为一次误判的损失远高于工具费用。
但也要注意，付费工具不是越多越好。我前面说过，多数据源最大的问题是口径冲突。一个用得熟的主数据源，比三个用得浅的工具更有价值。
这是一个经典争论。我的观点是：这两者不矛盾，取决于你的产品单价和备货成本。低单价、低备货成本的产品（比如 50 件起订的小配件），快速试错是可行的；高单价、高备货成本的产品（比如客单价 80 美元以上），必须充分调研。
判断标准很简单：算一下”如果这个品失败，我的损失是多少”。如果损失超过你月利润的 30%，就必须走完完整的调研流程。
多平台可以分散风险，但会稀释你的调研深度和运营精力。我的建议是：在单平台的月销稳定在 20 万以上之前，不要分散到第二个平台。先把一个渠道的调研方法论跑通、跑熟，再复制到其他渠道。
写到这里，我想收回来讲一个最终观点，也是我这些年最深的体会。
市场调研的价值不在于你这一次选对了什么品，而在于你有没有把它变成一个可以重复使用的流程。我见过太多卖家，每次选品都是从零开始，凭感觉、查数据、纠结、然后赌一把。这种方式即使赢了，也赢不明白；输了，也不知道输在哪。
而如果你有一套固定的流程，固定的四层漏斗、固定的指标阈值、固定的主数据源，那么每一次调研都会让你对市场的理解更精确一点。第一年你可能会误判，第二年你的判断准确率就会明显提升，第三年你会形成对几个类目的直觉，这种直觉是建立在数据积累上的，而不是凭空的”感觉”。
所以我给你的下一步建议只有三条：第一，选一个主数据源，把口径固定下来；第二，写一份属于你自己的四层漏斗清单，把每层的关键指标和阈值写清楚；第三，每完成一次调研，都回头复盘一次，记录哪个判断对了、哪个判断错了。坚持做二十次，你会比市面上绝大多数卖家都更懂市场。
至于工具，你可以去数跨境自己试一遍我上面描述的那套流程，从类目趋势到关键词意图再到竞争结构，看看它在你的实际类目里给出的数据能不能支撑你的判断。工具本身从来不是答案，能帮你把判断变成可复用的流程，才是它真正的价值。
我之前一直以为市场调研就是看看竞品卖多少钱、评论有多少条，把前台翻两页就算做完了。结果第一次备了 800 件货，上架三个月日销个位数，才发现自己压根不知道这个品在目标国是不是有季节性、广告点击成本是多少。后来我才认真想：真正能决定生死的那几个维度，到底是哪些？
我一般把市场调研拆成四层，按顺序做，不跳步。第一层是需求层：用 Google Trends 拉目标站点 5 年曲线看季节性和趋势方向，再结合平台后台搜索词排名看绝对量级。如果一年里只有三个月有量，备货和清库周期必须提前算进去，否则库存就是死的。
第二层是竞争层：把搜索结果首页前 20 个链接抓下来，记录上架时间、评论数、评分、BSR、变体数、是否平台仓发货、主图风格。重点看两件事，新链接（上架 12 个月内）还能冲进前 20 的比例，低于 20% 说明流量被老链接锁死；
以及评论数中位数，中位数超过 1500 基本意味着新品要靠大量广告硬砸。第三层是成本层：供应商报价加头程、平台佣金、履约配送费，再按售价的 12%-15% 保守预估广告花费，倒推税后毛利。第四层是合规层：目标国的认证要求（美国 FCC/FDA、欧盟 CE/EPR）、带电池或液体或磁性的物流限制。
这四层任何一层过不去，前面的调研全部作废，所以顺序不能反过来做。
我刚开始做的时候手上就一两万块钱，买不起一年几千块的选品工具，也没钱找数据服务商。那时候最焦虑的就是：是不是不花钱就做不了调研，只能靠感觉赌一把？后来我逼着自己用免费资源拼出了一套能跑通的流程，虽然粗糙，但确实帮我避掉了两个坑。
最省钱的一套组合是：Google Trends 加平台前台手动抽样加第三方工具的免费额度加集中式付费。具体流程是，先用 Google Trends 把 5 到 8 个候选细分词放一起对比，筛掉明显下滑或波动过大的；
然后在平台前台手动抽样 30 到 50 个竞品做成一张表，字段包括价格、评论数、评分、上架时间、变体数、近 30 天是否有上新；评论重点读 2 星和 3 星，把抱怨点归成 5 到 8 类，这往往就是你的差异化切入口。
付费部分我的建议是不要按月续费，而是花三五百块买一个月的选品工具会员，把候选词的搜索量、销量估算、广告竞争度在两周内集中拉完，做完就停。
需要提醒的是，任何工具给出的搜索量和销量都是模型估算值，同一款产品在不同工具之间差 2 到 3 倍很常见，所以至少要交叉验证两个来源，偏差超过 3 倍时只能当趋势参考，不能当决策依据。真正能校准的只有你自己上架后的真实转化数据。
我最怕的就是“看起来不错”这四个字，每个类目翻进去都觉得能做，结果做完发现自己只是被首页几个爆款晃了眼，没看到底下几百个日销个位数的链接。所以我特别想找一个能打分、能对照、能说“不”的标准，而不是靠感觉拍板。
我自己复盘了二十多个类目之后，沉淀出六条筛选线，满足四条以上才进入下一步。一，搜索结果首页前 20 个链接的评论数中位数低于 800，说明评论壁垒还没堆到不可翻越；二，近 12 个月内有新链接进入前 20，说明流量还在流动；三，广告点击成本占售价比例低于 10%，超过 15% 基本是给平台打工；
四，扣掉广告和退货之后的净毛利高于 25%；五，目标站点该类目平均退货率低于 8%，服饰、鞋类、大件家具这类天然高退货的要单独算；六，类目里没有明显的强专利或强品牌垄断，头部五条链接销量占比（集中度）超过 70% 时，我基本直接放弃。
要强调的是，这几条不是平台官方口径，是我自己按实际亏损案例倒推出来的经验线，不同站点、不同价格带会有偏移，你可以把它当起点，用自己的真实数据往上调。判断的核心逻辑只有一个：这个类目里，一个没有品牌背书的新卖家，靠产品和运营能不能在 12 个月内挤进第一页。
我以前的做法是调研报告写了十几页，选完品之后就把报告扔在一边，直到链接亏损才发现当初的判断全是错的，而且根本说不清是哪一步错了。后来我才意识到，调研的价值不在于写了多少页，而在于它能不能变成一个个可以被证伪的假设。
做法是把调研结论翻译成可验证的假设，控制变量去测。比如调研说“用户抱怨现有产品收纳不方便”，那就假设：主图第二张直接展示收纳结构，能提升点击率 15% 以上。
上架时同时上 2 套主图做 A/B 测试，固定同样的广告预算跑 7 到 14 天，只看三个口径：曝光到点击的点击率、点击到下单的转化率、广告花费占销售额比（ACOS）。
对照组取类目前 20 名同类产品的转化率中位数，你的转化率低于它的 60%，或者 ACOS 高出你的毛利率 15 个百分点，就该停手，不要用“再养一段时间”骗自己。把每个假设、验证方式、观察周期、止损线提前写在一张表里管起来，到点就复盘，把“当时以为”和“实际发生”逐条对照。
我自己的习惯是每次测款至少留 300 到 500 美金的测款预算，把它当学费而不是成本。跑过三轮之后你会发现，真正值钱的不是那份调研报告，而是你对自己判断偏差的认知，知道自己习惯在哪个环节高估市场，比多知道十个数据源更有用。
读者评论
个案例、11个否决，样本量偏小，而且没有控制品类和预算变量，图表里ACOS和亏损概率的改善很难排除幸存者偏差。调研投入占8%和选品存活率78%这个关系，我更想看按品类拆开的数据，否则容易把相关性当因果。
购买意图分层规则有用，但15%，35%这个经验值不能直接套。不同类目信息型搜索占比差很多，比如工具配件和礼品类。我的做法是先用广告小预算跑一批精准长尾词，看真实点击和转化，再反推需求规模，比纯靠关键词表分层更稳。
竞品利润结构那段提醒了我，但实操里很难算准。头程、仓储、退货、促销折扣这些外部看不到，只能猜。与其花大量时间拆竞品成本，不如先用自己的目标毛利反推最高可接受采购价，超过就放弃，调研终点会更清晰。