去年我在深圳龙岗见过两个做家居收纳的团队，办公地点隔了两层楼，用的是同一批货代、同一套物流方案、同一个平台店铺类型。A 团队 6 个人，一年上新 340 款，年终盘点时真正贡献正向利润的只有 4 款，其余 336 款的打样费、头程费、仓储费和广告测试费加起来，把 4 款赚的钱吃掉了一大半。B 团队 3 个人，一年上新 38 款，跑出 7 款能稳定出单的产品，净利润率反而是 A 团队的将近两倍。差距不在运营技巧，也不在谁更勤奋，而在”选品上新”这四个字到底被当成什么来做，A 团队把它当成”找爆款”，B 团队把它当成一条可以反复跑的流水线。
这篇文章想讲清楚的就是这件事：对于中小商家，跨境电商真正的前置能力，不是某个单品的成功经验，而是选品上新这套动作能不能被拆解、被衡量、被复用。下面的内容来自我自己参与过和近距离观察过的几个团队，数据做了脱敏处理，但比例关系和判断逻辑是真实的。
如果把跨境电商运营拆开看，选品、上新、listing、广告、物流、客服，每一块都有人做得比你好。中小商家资源有限，不可能每块都做到极致，只能选一个杠杆最大的环节先突破。我的判断是：选品上新就是那个杠杆最大的环节，原因是它能同时影响后面所有环节的成本结构。
很多商家把希望寄托在”押中一个大爆款”上。这个逻辑在 2018 年之前成立，那个阶段平台流量红利足、竞争密度低，选到一个需求旺盛的细分类目，随便铺几款都能出单。现在的情况完全不同：同一类目里可能有几百上千个卖家在卷同一个关键词，头部链接的评论数、广告预算、供应链成本都不是中小商家能正面对抗的。
在这种环境下，单点押注的成功率会显著下降，而提高上新次数、缩短单次上新周期、降低单次试错成本，反而能把成功率从”靠运气”变成”靠概率”。假设你的类目里每 20 款能跑出 1 款稳定盈利的产品，一年上新 40 款，你大概率有 2 款能跑出来；一年上新 200 款，理论上能跑出 10 款。前提是单款试错成本要压得住，否则上得越多亏得越快。
绝大多数选品课程教的是”怎么找到好产品”，我的经验恰恰相反：选品真正花时间的部分，是把 90% 看起来不错但实际不能碰的产品排除掉。
一个类目表面上月销 5000 单，看起来是机会；点进去看，前 3 个链接吃掉了 70% 的销量，前 10 个链接的评论数都在 2000 条以上，头部卖家还在用低价+广告的组合封杀新进入者，这就是典型的”看起来有量、实际上没位置”。排除掉这一类，你的候选池会迅速缩小，剩下的才是值得打样的。
我见过太多团队的”上新”是供应商推什么就上什么、老板刷到什么就上什么。这种随机节奏有两个致命问题：一是资源被均匀摊薄，每一款都拿不到足够的测试预算；二是无法复盘，因为你不知道哪一批次的上新决策是对的。
把上新节奏设计成”固定周期、固定数量、固定测试预算”，你才有了可比较的样本。这是从”做生意”变成”做系统”的分水岭。
为了把抽象的判断落到实处，我先描述三种我实地看过、并且跟了至少一年的上新模式。它们分别代表中小商家在不同资源条件下的典型选择。
这是 2021 年前后最流行的做法。团队用软件批量抓取类目热销链接，选出几十上百款，直接找工厂拿现成货，一次上架几十个 SKU，靠自然流量测试出单情况。
我跟踪的那个团队，一共 6 个人，其中 3 个人负责上架和客服，1 个人负责找货，1 个人负责广告，1 个人负责仓库。一年 340 款，平均每款的打样和首批备货成本大约 1850 元，总投入约 63 万。最后跑出 4 款盈利产品，年利润大约 40 万，算上人力成本，实际是亏的。
这种模式的致命问题不在”铺货”本身，而在于它把每款产品的测试预算压到极低，导致任何一款都没有机会被真正验证。一款产品上架两周，没有自然出单就放弃，可实际上很多类目的转化周期要四到六周。
第二种我一直不太推荐的做法，是盯着类目里的爆款链接跟卖。别人卖得好的款，我找同款或近似款，价格压 10%，赌自己能分到一点流量。
这个模式在小规模下能赚点钱，但有两个天花板。第一，你跟的是已经跑起来的款，意味着你进场的时候，这个产品的生命周期可能已经过半，最好的流量窗口已经过去了。第二，头部卖家有规模成本优势，你压价他跟价，最后双方都进入微利状态，而你的资金实力根本撑不住持久战。
我见过一个做宠物用品的商家，连续跟了三款爆款，每款都能出单，但每款的毛利率都从最初的 35% 一路掉到 12%，最后算上广告费是负的。
第三种是我想推荐的。它不追求单款爆，而是建立一套固定的筛选标准，每周按节奏推进：补数据、筛候选、打样、小批量测款、复盘、排下一批。
我跟踪的那个 3 人团队就是这么跑的。他们的上新数量只有 38 款，但每一款在进入打样之前，都经过了市场容量、竞争结构、供给成本、账期压力四层筛选。结果 38 款里跑出 7 款稳定出单的产品，单款平均试错成本 4200 元，总投入约 16 万，年利润反而比前面那个 6 人团队高。
| 对比维度 | 铺货式上新 | 跟卖式选品 | 数据化上新 |
|---|---|---|---|
| 年上新款数 | 300+ | 15-40 | 30-60 |
| 单款筛选耗时 | 约 20 分钟 | 约 1 小时 | 约 6-10 小时 |
| 单款试错成本 | 1500-2000 元 | 3000-6000 元 | 3500-5000 元 |
| 毛利率区间 | 25%-35%（后期快速下滑） | 12%-35%（持续被压价） | 30%-45%（相对稳定） |
| 可复盘性 | 低，无统一标准 | 低，跟着别人走 | 高，有明确打分表 |
| 对团队能力要求 | 低，但耗人力 | 低，但依赖信息速度 | 中高，需要数据能力 |
我复盘过自己和别人踩过的坑，发现选品上新失败的原因高度集中在四个误区上。这四个误区不会让你立刻亏钱，但会让你在半年后发现自己一直在原地打转。
最常见的场景是：老板晚上刷平台，看到一个产品觉得不错，第二天就让采购去找货。这种决策方式的问题不是”刷平台”这个动作错了，而是你没有给它配上任何筛选条件，导致每一次决策标准都不一样。
今天你看重的是”看起来有需求”，明天你可能看重”供应商离得近”，后天变成”利润率高”。三次决策用了三套标准，最后你没法判断哪次对了、哪次错了。
正确的做法是先定标准，再拿标准去套产品。标准要写在纸上，而不是放在脑子里，因为脑子里的标准会随情绪波动。
销量榜是最容易被误读的数据。一个类目月销 8000 单，看着很香，但你要看的是这 8000 单是怎么分布的。
我常用三个指标做判断：
这三个指标叠在一起看，比单看销量榜有用得多。我记得有一次看一个厨房小工具类目，月销 1.2 万单，看起来是大机会，但 CR5 达到 71%，前五名里三个是品牌卖家，这个类目对中小商家来说就是”看得到吃不着”。
供应商推了一款新品，说”这个最近很火”，你就上；这周心情好，一口气上五款；下周因为囤货压力大，一款都不上。这种节奏下，你的广告预算、库存资金、人力分配全都是乱序的。
更麻烦的是，没有固定节奏，就没有对照组。你没办法回答”到底是这批产品不行，还是这个时间段流量差”，因为每一批的条件都不一样。
这是我认为最需要警惕的误区。现在市面上选品工具很多，打开就能看到各种榜单、趋势线、蓝海指数。一些商家以为买了工具就能选对品，实际上工具只解决”信息不对称”，不解决”判断标准”。我见过太多人盯着数据面板看了一下午，最后选出来的品还是凭感觉，工具用得很勤奋，判断标准依然空白。
上面讲了误区，接下来讲我实际在用的判断框架。它的结构很简单：四层漏斗逐层排除，最后用一个加权公式给剩下的候选打总分。每层漏斗只回答一个问题，避免在一次判断里塞进太多变量。
第一层只看一件事：这个类目的天花板有多高。如果整个类目 Top 50 链接的月总销售额只有 30 万，就算你做到第一名，能分到的份额也支撑不了一个团队的运营成本。
我一般用两个口径来判断：类目月搜索量和类目 Top 100 链接的总销售额。前者反映需求规模，后者反映实际成交规模。两个口径之间的差异也值得看，如果搜索量很大但成交额不高，说明这个类目转化率低，或者用户只是逛不买。
判断完天花板，接着看这个市场里的位置够不够。核心看 CR5、头部评论数、以及近半年新品上榜数量这三项。
我的经验阈值是这样的：CR5 低于 40%、头部前 10 链接平均评论数低于 800、近半年有 3 个以上新品进入前两页，三个条件至少满足两个，这个类目才值得进入下一层。
这一层最容易被忽略，但它决定你实际能赚多少。需要算清楚的是：出厂价、头程运费、平台佣金、广告费占比、退货率、以及最关键的供应商账期。
账期这一项对中小商家尤其致命。如果你的供应商要求全款提货，而平台回款周期是 30-45 天，那么每一批货你都要垫资一个半月。一年做四批，就是四次垫资。资金周转不过来，再好的选品也跑不起来。
最后一层是节奏的可行性。问自己三个问题：每周能拿出多少小时做筛选？每月能拿出多少钱做测试？团队里谁负责复盘？
如果每周只能拿出 5 小时，那就不要设计一个每周上新 5 款的节奏，因为你根本没时间做筛选和复盘。节奏必须匹配真实资源，而不是匹配你的期望。
下面这段脚本是我自己在用的打分逻辑，用 Python 写，输入是各项筛选指标，输出是一个 0-100 的综合分。权重可以按自己的类目特点调整。
def selection_score(item):
"""
item 字段说明：
market_size 类目月成交额（万元）
cr5 前五名链接销量占比（0-1）
avg_reviews 头部10链接平均评论数
new_ratio 近半年新品进入前两页的数量
gross_margin 预估毛利率（0-1）
payment_days 供应商账期（天）
test_budget 单款可投入测试预算（元）
"""
1. 市场容量得分：10 万以上给满分
size_score = min(item["market_size"] / 10.0, 1.0) * 25
2. 竞争结构得分：CR5 越低越好
cr5_score = max(0, 1 - item["cr5"] / 0.7) * 25
3. 供给可行性：毛利率与账期综合
margin_score = min(max((item["gross_margin"] - 0.15) / 0.35, 0), 1) * 15
terms_score = min(item["payment_days"] / 45.0, 1.0) * 10
4. 上新节奏：单款测试预算够不够
budget_score = min(item["test_budget"] / 4000.0, 1.0) * 25
total = size_score + cr5_score + margin_score + terms_score + budget_score
return round(total, 1)
使用示例
candidate = {
"market_size": 12.5,
"cr5": 0.38,
"avg_reviews": 620,
"new_ratio": 4,
"gross_margin": 0.42,
"payment_days": 30,
"test_budget": 4500,
}
print(selection_score(candidate)) # 输出综合得分我的操作习惯是：综合分低于 60 的直接排除，60-75 的进入观察池，75 以上的才进打样流程。这个阈值不是绝对的，但设一个明确的门槛，能大幅减少”我再看看”这种拖延决策。
框架讲完之后，最现实的问题是：数据从哪里来。我自己的做法是用专门的数据工具来补这块，其中用得比较多的一个是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）。下面结合它的实际使用场景，讲讲这类工具在选品上新流程里到底承担什么角色。
我把选品上新的流程拆成五段：找候选、看容量、看竞争、算成本、排节奏。工具能直接帮上忙的是前三段，第四段需要你自己算，第五段完全是管理问题。
这一点很关键。不要指望一个数据平台替你完成全部决策，它的价值在于把”找候选、看容量、看竞争”这三步从几天压缩到几小时，而这正好是中小商家最耗不起时间的地方。
我拿一个具体案例来说明。去年下半年，有个做户外用品的商家想切入”便携折叠水杯”这个方向，他之前的做法是直接找工厂要样品，这次改成先跑数据。
第一步，用类目成交额和搜索趋势筛出三个候选细分方向：折叠水杯、运动水壶、车载保温杯。三个方向的月成交额分别是 8.6 万、24.3 万、41.7 万，车载保温杯容量最大。
第二步，看竞争结构。车载保温杯的 CR5 是 68%，头部 10 个链接平均评论数 1420 条；折叠水杯的 CR5 是 33%，平均评论数 480 条；运动水壶介于两者之间。容量最大的类目，位置上根本没有空档。
第三步，算供给成本。折叠水杯的出厂价 12.8 元，头程 3.2 元，平台佣金 15%，预估毛利率 41%；车载保温杯出厂价 28 元，毛利率只有 26%。
最后他选了折叠水杯方向，首批上了 3 款，其中 1 款在第六周开始稳定出单，单月销售额在 4 万左右。整个过程从开始看数据到决定打样，用了 9 天，比他以前”找样品，看样品，犹豫”的循环快了将近三周。
我自己记录了 14 个商家在使用数据工具前后的一些变化，虽然样本量不大，但趋势比较一致：
这里需要说明口径：这 14 个商家里有 9 个是年上新在 20-60 款区间的中小商家，另外 5 个上新量更大。数据来自他们自己的上新台账，我做了汇总，不是平台官方统计，所以只作为方向性参考。
用了数据平台之后，我反而更清楚哪些事必须自己判断：
把工具定位成”信息放大器”而不是”决策替代品”，是使用数据平台最重要的心态。它把候选池从 20 个扩到 200 个，让你有更多可比较的样本，但最终打哪一个，仍然取决于你的资金、供应链和时间。
前面讲的框架是通用的，但中小商家的资源差异非常大，同样一套方法在不同资金和供应链条件下，执行方式完全不同。下面按四种典型情况给出具体建议。
这个阶段最忌讳的是”多 SKU 铺开”。5 万块钱如果铺 20 款，每款只有 2500 元，连一次像样的广告测试都撑不住。
我的建议是把上新数量压到 3-5 款，把单款测试预算提到 8000-12000 元。具体节奏可以这样安排：
这个阶段的目标不是赚钱，是验证你的筛选标准是否有效。如果 5 款里 1 款跑出来了，说明标准可用；如果全军覆没，要先怀疑标准，而不是怀疑运气。
这个区间最舒服，也最容易犯”扩张过早”的错。有了资金之后，很多商家会立刻把上新数量从 5 款提到 30 款，结果每款都拿不到足够测试预算，回到铺货式的老路。
我的建议是保持”月度批次制”：每月固定上新 6-10 款，每款测试预算 4000-6000 元，连续跑六个月再看整体转化率。这样可以积累 40-60 款的样本，足够判断你的筛选标准在哪些类目有效、哪些失效。
同时要开始做一件事：把每款产品的筛选打分、实际表现、失败原因记成台账。这个台账的价值在三到六个月之后会变得非常明显。
这类商家的优势是可以做定制和改款，劣势是容易陷入”我有什么就卖什么”的惯性。我见过不少工厂背景的团队，选品逻辑是”我们这条产线最近空着，那就上这个品”。
我的建议是把供应链优势用在改款而不是选款上：先用数据筛出竞争结构相对分散的类目，再看现有爆款有哪些明确的用户抱怨点（比如漏水、太重、收纳不便），用你的产线能力去改。这样既发挥了供应链优势，又避免了盲目上新。
这类商家通常是做内容或广告投放出身，擅长把流量变成订单，但供应链是短板。你们的选品逻辑要反过来：优先看供给可行性和账期，其次才看市场容量。
原因是你们最大的风险不是卖不动，而是卖动了供不上。一旦某个款爆了，供应商交不出货或者品质不稳定，你的账号评分会迅速下滑，前期的流量积累全部作废。
选品上新本质上是资源分配问题，而资源分配必然涉及取舍。下面四组取舍是我在实操中反复遇到的，每组都没有绝对正确答案，只有匹配与否。
宽度意味着更多机会，深度意味着更高效率。我的判断标准是看你的单款可投入资源。
如果单款只能投 3000 元，那你必须走宽度，因为这点钱做不深；如果单款能投 15000 元，那走深度更划算，因为深度带来的评论积累和排名优势会形成复利。
实操上我用一个粗略的公式：上新款数 ≈ 月度选品总预算 ÷ 单款有效测试成本。单款有效测试成本包括打样、拍照、广告、仓储四部分，在我的经验里大概是 4000-6000 元。低于这个数，测试结果就不具备参考性。
快速上新往往意味着价格要压，因为新品没有评论积累，只能靠价格吸引第一批用户。守住毛利则意味着上新慢，因为你要等自然流量慢慢积累。
我的建议是分阶段：前 4 周允许毛利下探到 15%-20%，用于快速积累前 20 条评论；第 5 周开始逐步回调价格，把毛利拉回 30% 以上。如果调到 30% 之后转化率崩掉，说明这个产品在这个类目里的真实毛利天花板就是 20% 左右，你要重新评估它值不值得继续投入。
自研改款的优势是差异化、毛利高、生命周期长；劣势是投入大、周期长、失败成本高。跟卖反过来。
我的判断依据是这个类目的产品同质化程度。如果类目里前 20 个链接的产品图片看起来几乎一样，说明差异化空间大，值得改款；如果类目里每个链接的卖点都不一样，说明已经卷到细节层面，新进入者改款的空间反而不大。
平台渠道的选品逻辑是”迎合搜索”，你要选的是有明确搜索需求的品类；独立站的选品逻辑是”制造兴趣”，你要选的是能在内容或广告里被讲清楚、能激发冲动购买的产品。
这两套逻辑不能混用。我见过把适合独立站的内容型产品搬到平台店铺，结果因为没人搜索而完全没有自然流量；也见过把平台上的标品搬到独立站，结果因为没有价格优势而转化极低。
| 取舍维度 | 选 A 的典型条件 | 选 B 的典型条件 | 判断失误的代价 |
|---|---|---|---|
| 宽度 vs 深度 | 单款可投低于 4000 元 | 单款可投高于 10000 元 | 走深度但缺钱：产品验证不了；走宽度但钱多：资源被摊薄 |
| 速度 vs 利润 | 类目新品窗口期短 | 类目复购率高、口碑重要 | 抢速度压价过猛：后期毛利拉不回来 |
| 自研 vs 跟卖 | 类目同质化严重 | 类目已高度细分 | 改款方向错：投入全部沉没 |
| 平台 vs 独立站 | 产品有明确搜索词 | 产品适合内容种草 | 渠道错配：流量结构完全不匹配 |
所有的方法论最后都要落到一个具体问题上：这一周，谁在什么时间做什么。下面是我自己在用的周度节奏，3-6 人的团队可以直接套用。
周一不做决策，只做信息收集。把上一周类目榜单的变化、趋势数据、供应商推荐的新品全部汇总，把候选池扩大到 100-150 款。这一步耗时控制在 3 小时内。
用四层漏斗对候选池做筛选。周二是市场容量和竞争结构两层，周三做供给可行性和打分。这两天是整个流程里最耗脑力的部分，建议安排给同一个人连续做，避免标准漂移。
周三收盘时，候选池应该已经从 150 款压到 5-9 款。周四只做一件事：把这几款的打样要求发给供应商，确认价格、起订量、交期和账期。如果某款供应商报价明显高于预期，直接换，不要因为”已经找了”而勉强推进。
周五不复盘新品，复盘上一批已经测试满四周的产品。看三件事：出单量、广告投产比、退货率。根据结果调整下周的筛选权重，如果发现”高毛利”这个条件筛出来的产品实际表现并不好，那就把它的权重下调。
| 时间 | 核心动作 | 产出物 | 耗时 | 负责人 |
|---|---|---|---|---|
| 周一 | 汇总榜单、趋势、供应商新品 | 100-150 款候选池 | 3 小时 | 运营 |
| 周二 | 市场容量 + 竞争结构筛选 | 候选池压缩到 25-30 款 | 4 小时 | 运营 |
| 周三 | 供给成本核算 + 综合打分 | 5-9 款打样名单 | 4 小时 | 运营 + 采购 |
| 周四 | 打样询价、确认账期与交期 | 打样订单 | 2 小时 | 采购 |
| 周五 | 复盘在测款表现，调整筛选权重 | 复盘记录 + 权重要调整 | 2 小时 | 负责人 |
| 周末 | 不安排固定动作，处理异常 | ， | ， | ， |
这张表最关键的不是动作本身，而是每周固定 15 小时的上新投入，以及固定产出 5-9 款打样名单。有了稳定的投入和产出，你才有可能在三个月后拿到一张有意义的数据表。
回到开头那两个团队。A 团队和 B 团队最大的差别不是谁更懂运营，而是 B 团队把选品上新变成了一件有时间、有标准、有产出的事情，A 团队则是靠感觉在推进。一年下来，两种做法的差距被时间放大成了两倍的净利润率。
我想强调三个我认为最容易被忽略的判断。
第一，选品的核心动作是排除，不是发现。你的候选池有多大不重要，你排除掉多少不合格的才重要。一个 150 款的候选池最后只剩 5-9 款，这是正常的，不需要为此焦虑。
第二，上新节奏比单款成败更重要。单款失败是常态，但如果节奏稳定，你能积累出可比较的样本，从而不断修正自己的筛选标准。没有节奏，失败就只是失败。
第三，数据工具解决的是信息效率，不解决判断标准。像数跨境这类平台能把候选筛选的耗时压缩 70% 以上，把决策周期从三周压到一周多，但筛选权重怎么设、阈值定在哪里、账期能不能接受，这些仍然要你自己回答。
下一步具体怎么做，我建议按这个顺序推进：
跨境电商的竞争到最后，拼的不是谁发现了别人没发现的产品，而是谁能在同样的时间里，用更低的成本、更高的准确率，完成更多次高质量的上新决策。这件事没有捷径，但有方法。
我自己启动资金就五六万，看到别人某个品卖爆了就跟着上，结果囤了一堆货卖不动。到底该凭感觉选，还是有能算得清的硬标准？我怕再压错一次，现金流就断了。
先把账算清，再谈审美和差异化。第一道门槛是毛利空间：平台佣金通常占 8%-15%，广告费 15%-25%，头程尾程 10%-20%，退货和损耗 3%-5%，这些加起来已经吃掉四到六成，所以出厂价到零售价之间的毛利率如果低于 40%，基本没有试错余地，扣完就是薄利甚至倒挂。
第二道是物流友好度：单件控制在 500 克以内、最长边 40 厘米以内，能走小包或空运，头程可控；抛重比超过 1:5 的品直接跳过，运费会比货值还高。
第三道是需求与竞争结构：用平台搜索词工具查月搜索量，优先选月搜索量 5000 以上、但头部链接评论数不到 500 的类目，说明需求真实存在、格局还没固化。这三条过完，再去看图片、卖点和人群。顺序千万别反，先看颜值再看账，是小商家最常犯的错。
我又当运营又当客服还要打包，但总觉得不上新就没增长，于是一个月硬上十几个品，结果每个都半死不活，广告数据也看不出到底哪个有问题。是不是我上得太多了？
中小商家不要按数量定上新，要按可用的测试位定。一个人稳定运营的情况下，一个月上 4-8 个新品比较现实，其中留 2 个作为下一季度的储备。理由是每个新品从选品、打样、拍图、写文案到广告冷启动，至少消耗 15-25 小时隐性工时；
同时开十个，每个只能做到 60 分，数据都不显著，最后分不清是品不行还是执行不行。做法上，固定每周一天做选品评审，等上一批的测试结论出来再定下一批名单，而不是拍脑袋排期。上新时间尽量卡在目标市场旺季前 60-75 天，给平台收录、评论积累和广告学习期留出窗口。
用一个表格或者某项目管理工具把每个 SKU 的状态记录下来，从选品中、打样、上架、测款到淘汰，一目了然，比全靠脑子记靠谱得多。
我最怕新品一上来就烧广告，不开广告又完全没有流量。开吧，钱花出去也不知道什么时候该止损，经常是拖了两个月才发现这个品根本不行，预算全打水漂了。
用最小可行测试，而且测款前就把停止线写死。做法是每个新品配一个独立广告组，日预算控制在客单价的三到五倍人民币量级，连续跑 7-14 天，不要边跑边加预算。判断分三层：第一层看点击率，7 天内 CTR 低于类目均值（多数类目在 0.3%-0.8% 之间）说明主图和价格没吸引力，先改图，不要加钱；
第二层看转化率，累计 100 个点击以上还不出单、转化率低于 1%，说明详情页、评价或者需求本身有问题；第三层看加购率，加购率长期低于 5%，基本是需求和定价的问题，不是运营能力的问题。三层里任何一条连续两周不达标，就停掉，把预算挪回已经跑出正 ROI 的品。
最忌讳的是边看边改标准，越改越舍不得，最后拖成长期亏损。
我遇到过选好的品上架被拒，也听说过别人被投诉外观侵权直接下架，还有运费算下来比货还贵的。这些都是上架后才知道，损失已经产生了，有没有办法在打样之前就筛掉？
把合规筛查放在打样之前，而不是上架之前，具体走四步。第一，查商标和专利，用目标市场的商标检索库和外观设计专利库，搜品类关键词加上常用英文名，重点盯美国外观设计专利和欧盟外观专利，很多看起来普通的造型其实是有专利的。
第二，查认证门槛，电子类要 FCC 或 CE，儿童玩具要 CPC 或 EN71，化妆品和食品接触类几乎每个市场都有额外要求，没资质就别碰，后期补办的成本远高于换一个品。
第三，算实重和体积重，用长乘宽乘高除以抛重系数（空运常见 6000、快递常见 5000）得出计费重，再对比头程报价，如果头程成本超过售价的 25%，这个品基本不成立。第四，查平台类目限制和平均退货率，服装鞋类退货率经常到 20%-30%，必须提前把退货成本算进毛利里。
这四步做完再下单打样，能过滤掉大部分看着能赚钱的伪机会。
读者评论
文章说数据化上新每款筛选6-10小时，3人团队一年38款，算下来每周也就几小时，看着可行。但实际做的时候，光供应链询价、确认账期和样品跟进就占掉大半，筛选标准很容易在赶进度时妥协。我们试过类似节奏，最后发现最难的不是打分表，而是坚持按打分表淘汰。
跟卖式选品被文章说得比较负面，但小团队起步阶段靠跟卖活下来是常态。它毛利低、天花板低，但现金流快，能撑过前半年。关键是要设退出线，比如毛利率跌破20%就撤，而不是一直跟到负毛利。文章没提这个过渡价值。
文章说工具只解决信息不对称，不解决判断标准，这点我同意。但实际用下来，小类目的工具数据误差很大，月销经常是估算值，CR5算出来都不准。所以不是判断标准空白，是底层数据就不够可信，最后还得手动翻前几页链接数评论，效率很低。