2023 年 3 月，我帮一个 3 人小团队做季度复盘。他们做亚马逊美国站家居类目，前一年上了 11 款产品，活下来的只有 2 款，另外 9 款的库存清理总共吃掉约 47 万元现金流。创始人的原话是：“我们每一款产品上架前都做了市场调研，看了榜单、比了价格、翻了竞品评论。”
问题恰恰出在这里。他们做的不是市场调研，是“选品会”，一种把主观偏好包装成数据结论的集体自我说服。榜单看了，但只看前 20 名；价格比了，但只比售价不比到手成本；评论翻了，但只翻好评不翻差评里的退货诱因。
这篇文章我想讲清楚一件事：跨境电商的市场调研，对中小商家来说到底该怎么“完成”。不是怎么开始，是怎么收口，收口到一张能让你在 48 小时内决定“做还是不做”的决策表上。我会用我自己带团队的实操流程、踩过的坑、以及像数跨境这类数据工具在其中的真实位置来展开。
我把话说明白一点：如果你做完调研，产出的是 30 页 PPT 或者一份 Excel 表格，但团队看完还是“感觉可以做”，那这次调研的价值接近于零。中小商家和大卖家的根本差异不在方法论，在容错次数。
大卖家可以一个类目里铺 50 款产品，用自然淘汰法筛出爆款；中小商家一年可能只敢上 5 到 8 款。大卖家做调研是为了提高胜率，中小商家做调研是为了降低试错次数。这两个目标导出的动作完全不同。
我带过的团队里，最常见的失败模式是“越调研越兴奋”。候选人从 3 个变成 8 个，每个都能找到支持理由：这个竞争小、那个搜索量涨、另一个毛利高。调研做成了许愿池。
我的做法反过来：设定 5 条硬性排除线，任何一条不通过就直接出局，不再讨论。比如“头部 3 个 listing 评论数均超过 8000 条且价格带卡在 19.99-24.99 美元”这类结构性壁垒，中小商家基本没有正面进攻的余地。
我见过最夸张的项目：一个 4 人团队花了 11 周做调研，期间没有上架任何新品，等结论出来时，那个类目的季节性窗口已经过去了。调研本身是有机会成本的，而且是双重成本，花掉的人力 + 错过的窗口。
我给自己团队定的红线是：单品级调研不超过 5 个工作日，类目级调研不超过 10 个工作日。超时不是“更严谨”，是流程设计失败。
“这个产品有潜力”不是结论，无法证伪。“如果上架后第 30 天广告 ACOS 高于 45%，且自然订单占比低于 20%，说明选品假设错误”，这才是结论。
我把这一步叫“预设止损条件”。没有止损条件的选品结论，本质上是一次没有退出机制的赌注。中小商家输不起几次这种赌注。
今年调研美国站厨房收纳，明年调研美国站浴室收纳，如果两次调研之间没有留下可复用的数据结构，那你等于每次都从零开始。这部分我在第九节会详细讲怎么用工具沉淀。
先说我观察到的样本来源。2021 年到现在，我以顾问或外部运营负责人的身份，深度参与过 23 个中小跨境团队的项目，规模从 2 人到 25 人，主要战场是亚马逊北美/欧洲、Shopee 东南亚、TikTok Shop 美区，还有一部分做独立站 + Google 广告。
这 23 个团队的调研现状，基本可以归成三类，而且比例相当稳定。
表现是老板拍板。选品依据来自“朋友说这个好卖”“1688 上这个最近很火”“刷到一条短视频讲某个品类爆了”。这类团队平均一年上 6 到 12 款，存活率（定义为上架 12 个月后仍能稳定出单且毛利为正）我统计到的数字大约是 18%。
这类团队的最大问题不是不努力，而是努力全部集中在执行端，优化 listing、砸广告、催物流，而没有花力气在起点上。起点错了，后面的优化只是在延长亏损曲线。
这类团队会用卖家精灵、Helium 10 之类的工具拉榜单数据，会做关键词搜索量分析，甚至会算毛利率。但他们有个共同盲区：只看“谁在卖得好”，不看“为什么我能比他们卖得好”。
我印象最深的一个案例：一个 5 人团队做宠物用品，通过工具筛出一款“月销 3000+、竞争度中等、毛利 38%”的猫砂盆。数据上看很漂亮，上架后 4 个月累计亏损 26 万。原因是他们没查这个类目头部 listing 的品牌注册情况和 A+ 内容投入，也没注意到这款产品的差评里 40% 集中在“尺寸与图片不符”这个物流包装问题上，而他们的供应链恰好做不了这个尺寸的折叠包装。
这类团队最可惜。他们有 SOP、有模板、有周报，调研做得很规范，但调研结论和执行之间没有强制绑定。运营团队可以无视调研结论硬上一个产品，因为“调研只是参考”。
我后来给这类团队加了一条规则：任何新品立项，必须提交一份含“排除记录”的调研表，不仅要写为什么选它，还要写排除了哪些候选、为什么排除。这条规则一加，新品立项数量立刻下降了 40%，但存活率翻了一倍多。
下面这 5 个误区，是我在不同团队里反复见到的。每一个我都标了“平均纠正成本”，也就是从发现问题到把损失停下来，大致要花多少钱、多少时间。
这是最普遍的认知错位。市场调研的范围至少包含四层：市场层（需求规模与增速）、竞争层（对手结构与壁垒）、自身层（供应链与资金能力）、执行层（物流、合规、售后）。选品只是这四层交集的产物。
只做选品的团队，等于跳过了三层的校验。平均纠正成本：一次错误选品的清库存损失，我统计的样本中位数约 18 万元，时间成本 5 到 8 个月。
榜单展示的是活下来的产品，死掉的产品不会出现在任何榜单上。你从榜单上看到的是“结果”，但你需要的是“过程”和“失败率”。
我让团队必做的一个动作是：拉出某个细分类目近 18 个月内上新的全部产品，统计有多少款在 6 个月内掉出前 100 名。这个数字通常比大家想象的高得多，在我抽样看过的 7 个细分类目里，这个比例最低是 61%，最高到 84%。
很多流行的调研模板来自年营收千万美元级别的团队：消费者洞察访谈、品牌资产模型、品类趋势五年规划。这些框架没有错，但它们的假设前提是“我有足够的试错预算和市场影响力”。
中小商家需要的不是更完整的框架，是更短的决策链。一个 3 人团队花两周做消费者访谈，不如花两天把 200 条差评做结构化归类。
跨境市场的变化速度远超国内电商。平台政策调整、物流价格波动、新卖家涌入、汇率变化，都会在 3 到 6 个月内显著改变类目格局。我见过一个团队拿着 14 个月前做的调研结论上新品，结果那个类目的平均售价已经跌了 22%。
我的建议是：类目级判断每季度复核一次，单品级判断在立项后 30 天内做一次数据回检。复核不需要重做全套，只需要盯 5 个关键指标的变化。
这是我认为最致命的一条。所有调研的最后一问都应该是：“以我们现在的资金、供应链、运营人手，这件事我们真的做得成吗？”
我见过太多“市场很好但我们做不了”的案例：需求旺但需要大额备货（资金不够）、毛利高但需要定制模具（供应链不支持）、竞争小但需要本地售后（人手不够）。调研的最后一公里永远是自我能力盘点。
讲完误区，讲我的方法。这套逻辑我在 23 个团队里迭代过 6 个版本，现在稳定下来的是“三层漏斗 + 一张表”。它的核心思想是：每一层漏斗只回答一个问题，回答完就往下走，不要在单层反复纠缠。
这一层不碰具体产品，只看三个维度：目标市场的需求规模与增速、目标平台的规则与流量结构、目标类目的生命周期阶段。
我关注的指标有：类目近 12 个月搜索量的同比变化、平台在该类目的佣金与广告政策变化、该类目在目标国家的电商渗透率。这一层的产出物是一句话判断，比如“美国家居收纳类目仍在增长，但亚马逊站内广告竞争度已进入高成本阶段，新卖家需要靠差异化包装切入”。
（1）需求规模：看的是天花板，不看当下销量。用 Google Trends 3 年趋势 + 平台类目搜索量做交叉验证。
（2）平台规则：重点看佣金调整历史、FBA 费用变化、平台自营是否进入这个类目。平台自营入场是极强的劝退信号。
（3）类目阶段：导入期、成长期、成熟期、衰退期。中小商家最舒服的区间是成长期中后段到成熟期前段，太早没需求，太晚没空间。
这一层开始接触具体产品。我的做法是先把类目的价格带切成 5 到 7 段，然后统计每段的销量占比和卖家集中度。
关键在于找“错位”：销量占比高但头部集中度低的价格带，是中小商家最现实的机会窗口。反过来，如果某个价格带前 3 名吃掉了 70% 的销量，那这个价格带对你来说就是不存在的。
流量来源同样重要。我会拆成三类：自然搜索（关键词排名能不能打）、广告（预算能不能扛）、站外/社媒（有没有内容能力）。一个没有内容团队的小商家去挤一个靠 TikTok 引流的类目，胜率会非常低。
这是投入产出比最高的一层，也是最容易被跳过的。我的做法是把竞品的 1-3 星评论全部抓下来，做结构化归类。
归类不是随便分词，要按“可改进性”分：产品设计缺陷、包装物流问题、说明书与预期管理问题、尺寸规格问题、纯情绪差评。其中“说明书与预期管理问题”和“尺寸规格问题”是中小商家最容易改善、性价比最高的切口。
我自己的经验值是：一个成熟类目里，1-3 星评论中约 15%-25% 属于“本可通过更好的详情页和图片说明避免”的差评。这部分差评对应的其实是免费的改进入口。
三层走完，如果没有强制收敛，团队通常会给出 6 到 8 个“看起来都可以”的候选。这时候需要一张决策表来强制收口。我用的表结构大致是这样：
决策表字段结构（每条候选品一行）
候选品ID | 目标价格带 | 预估到手成本 | 预估毛利率
上架首月广告预算上限 | 预设止损条件（如：第30天ACOS>45%则停投）
宏观层得分(1-5) | 中观层得分(1-5) | 微观层得分(1-5)
自我能力匹配度(1-5) | 排除理由（若适用）
最终判定：Go / No-Go / Hold（需补充信息）
判定规则：
这张表的最大作用是把讨论从“我觉得”变成“哪一格不达标”。我要求团队在会议上逐格过，不允许跳过任何一栏。很多争论到这里会自动消失，因为大家看的是同一份结构化事实。
前面讲的是逻辑，这一节讲工具。我不想把工具讲成“有了它就能赢”，那是骗人的。工具解决的是“信息采集和结构化的耗时”，不解决“判断力”。但它能把调研周期从 3 周压到 4 天，这 4 天里省下来的时间，才是中小商家真正的竞争力。
我自己在用的工具之一是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）。下面讲的都是我在实际项目里的操作路径和真实感受，不吹功能。具体模块和字段以官网最新说明为准，工具迭代比较快。
我筛选工具的标准和大多数人不一样。我不看“功能多不多”，我看三件事：能不能把多平台数据放到同一张表里对比、能不能让我自己定义分析维度、能不能把结果直接变成可分享的看板。
前两条决定了分析效率，第三条决定了团队协作效率。中小商家最大的浪费常常不是分析做错了，是分析做完了别人不信、不用、不复用。
（1）多源整合：跨境调研的痛点在于亚马逊、Shopee、TikTok Shop 的数据结构完全不同，过去我要在 4 个工具之间来回切，手工复制粘贴到 Excel，光整理就要 2 天。
（2）自定义维度：现成的类目报告只能给你标准答案，但中小商家的机会往往藏在非标准维度里，比如“某个价格带里评论数 200-800 的中腰部卖家近 90 天的上新动作”。
（3）看板沉淀：调研结论如果能变成一张实时更新的看板，它就从“一次性报告”变成了“持续监控”。这一条对刚才讲的“调研一次管一年”误区是直接解药。
下面是我在 2024 年 6 月一次美国家居收纳类目调研里的真实节奏，团队 3 人，目标是选出 2 款进入立项的候选品。
第 1 天：搭看板框架 + 拉宏观数据。把类目近 12 个月的搜索趋势、销量规模、平台费用变化放进同一张看板。这一天不碰具体产品，只确认“这个池子还在不在”。
第 2 天：中观层结构化。把类目按价格带切片，同时把每个价格带的 Top 30 卖家拉出来，标记评论数、评分、上架时间、是否为品牌注册卖家。这一步过去要 3 到 4 天，现在半天能跑完基础数据，剩下半天用来做异常值排查。
第 3 天：微观层评论分析。抓取目标价格带内 8 个竞品的 1-3 星评论，按前面说的五类做归类。这是最耗人力的一步，也是最不能省的一步。我的经验是至少读 300 条，才能把归类做稳。
第 4 天：填决策表 + 会议收口。上午把三层结论填进决策表，下午 2 小时会议逐格过，输出 Go / No-Go / Hold 判定和止损条件。
我用同一套逻辑做过两轮对比。第一轮（2023 年 11 月）纯手工，4 人做 21 天；第二轮（2024 年 6 月）数据工具辅助，3 人做 4 天。两轮的最终立项数都是 2 款，但覆盖的候选池从 63 个扩大到 118 个，结论的命中率（即立项产品在 6 个月后仍保持正毛利）从 1/2 提升到 2/2。
我要特别说明：命中率提升不能全归功于工具。一部分来自逻辑本身在这半年里的迭代。工具真正贡献的是“同样时间能看到更多候选、更细的数据”，让排除动作更有依据。
把上面的逻辑和工具用法固定下来，就是我团队现在用的七步法。每一步都有明确的输入、产出和时间上限。这套 SOP 我建议中小商家直接抄结构，不要抄内容，因为内容强依赖于你的类目和平台。
在动手查任何数据之前，先把 5 条硬性排除线写下来。比如：目标价格带前 3 名集中度超过 65% 排除、需要定制模具且起订量超过 3000 件排除、类目需要本地售后排除。
先设排除线再查数据，能有效防止“越查越想做”的心理陷阱。这一步只花半天，但能省掉后面大量无效工作。
把三层漏斗需要的字段列成表头。这部分用一张表把宏观、中观、微观的字段都固定下来，后面所有数据都往这张表里填。
产出物是一段话判断 + 三个数字：类目近 12 个月搜索趋势变化率、平台费率变化、类目生命周期阶段判定。
价格带切片 + Top 30 卖家标记 + 上新时间分布。这一步的产出物是价格带分布图和目标价格带初判。
至少 300 条 1-3 星评论，分五类。产出物是一份“可改进点清单”，按改善难度和影响面排序。
把三层得分和自我能力匹配度填进去，同时写出每款候选品的预设止损条件。这一步我要强调：止损条件必须是可量化、可自动触发的，比如“第 30 天 ACOS > 45%”。
2 小时会议逐格过表，输出 Go / No-Go / Hold。会议结束后把所有排除理由归档，形成团队的“排除规则库”。
| 步骤 | 时间上限 | 核心产出物 | 常见卡点 |
|---|---|---|---|
| 设定排除线 | 0.5 天 | 5 条硬性排除标准 | 团队不愿提前放弃可能性 |
| 搭数据框架 | 0.5 天 | 三层字段表头 | 字段过多导致填表负担过重 |
| 宏观数据采集 | 1 天 | 类目阶段判断 + 3 个数字 | 数据源口径不一致，需要交叉验证 |
| 中观结构切片 | 1 天 | 价格带分布 + 集中度 | 价格带切分粒度反复调整 |
| 微观评论归类 | 1-1.5 天 | 可改进点清单 | 归类标准不统一，同一评论被分到两类 |
| 填决策表自评 | 0.5 天 | 打分 + 止损条件 | 自我能力评分普遍虚高 |
| 会议收口沉淀 | 0.5 天 | Go/No-Go/Hold + 排除规则库 | 会议跑题，变成产品创意讨论会 |
七步加起来是 5 到 5.5 个工作日，这就是我说的“单品级调研不超过 5 天”的具体来源。如果某一步严重超时，通常是数据源有问题，而不是你的分析不够深入。
前面讲的是通用框架，但中小商家内部差异极大。一个月流水 3 万和月流水 80 万的团队，调研方式不应该一样。我按三个维度给建议：资金规模、供应链类型、运营能力。
预算 2 万元以下（试水阶段）。不要买任何付费数据工具的年费会员，不要做深度调研。你的核心任务是“用最小成本验证平台和物流链路能不能跑通”，不是选品。建议用免费数据源 + 3 天内选出 1 款低成本试单产品，目标是把全链路走一遍。
这个阶段调研的重点应该放在“合规和物流”而不是“产品和市场”。我见过太多新手把精力花在选品上，结果卡在认证或者头程运费上。
预算 2 万到 20 万元（正规化阶段）。这是最需要系统调研的区间。建议用付费数据工具，跑完整的七步法，单品调研控制在 5 天内。这个阶段每款产品的试错成本在 5 万到 15 万之间，一次调研的成本（工具费 + 人力）大约 3000 到 8000 元，投入产出比极高。
预算 20 万元以上（规模化阶段）。建议建立持续监控机制，而不只是项目制调研。用看板方式把类目关键指标做成周度更新的监控，同时把调研职责从“临时项目”变成固定岗位职能。
贸易型（无自有供应链）。你的调研重点必须放在“差异化呈现”上，因为你无法在产品本体上做改动。微观层的评论归类对你价值最大，找到那些“产品没问题但说明不到位”的差评切口。
工厂型（有自有产能）。你的优势是可以改产品。调研重点应该放在微观层的“产品设计缺陷”分类上，找到那些可以通过开模或改工艺解决的结构性问题。这类机会的护城河最深。
品牌型（有设计能力）。调研重点回到中观层的价格带结构，找的是“集中度低但销量占比高”的高端价格带。这类团队可以承受更长的回报周期，调研可以做到 8 到 10 天。
无内容能力的团队。避开所有依赖社媒引流的类目。调研时明确加一条排除线：目标类目的流量结构中站外占比超过 30% 的，直接排除。
有内容能力的团队。可以主动去找那些“站内竞争激烈但站外还有空位”的类目，调研时把社媒内容供给量作为一个独立指标来统计。
中小商家最痛苦的不是不知道方法，而是知道方法却资源不够。所以这一节讲取舍。我列四组我认为最关键的取舍，每组给出我的倾向和理由。
我的倾向是：风口型类目要速度，长周期类目要深度。季节性强的产品（比如节日装饰、户外用品）晚两周上架可能就错过整季，这时候调研应该压缩到 3 天内，用“快速排除法”而不是“完整评估法”。
反过来，家居、工具、宠物这类长周期类目，产品生命周期以年计，多花 5 天调研完全没有问题，因为那 5 天带来的是未来 2 年的稳定现金流。
我的倾向是：标准化数据买，非标准化数据自己采。类目趋势、价格带分布、竞品销量估算这类标准化数据，自己采集的成本远高于购买。但评论归类、自身能力评估这两件事，工具给不了你答案，必须自己做。
有一个判断标准很实用：如果数据“换一个人来查会得到同样结果”，那就买；如果“换一个人来查会得到不同结果”，那就自己做，因为那里面包含判断。
我的倾向是：前两年做深度，不做宽度。中小商家最常见的死法之一是“什么都做一点”，结果是每个类目都进不了前 100 名，供应链也拿不到好价格。
但有一个例外：如果你的供应链本身具备跨品类灵活性（比如做布艺的工厂可以做家居、宠物垫、母婴用品），那么可以做“同供应链能力下的多品类”，因为你的成本结构是一致的。
这是我最后想强调的一组取舍。数据工具能帮你把信息采集成本降到原来的五分之一，但它不能替你判断“这个缺陷我们能不能解决”。
我的做法是把工具定位成“信息放大器”，把人工定位成“决策收口器”。工具负责把 118 个候选压缩到 14 个，人工负责从 14 个里选出 2 个。这个分工一旦明确了，团队就不会陷入“买了工具就等结论”的被动状态。
讲到这里，方法层面基本完整了。但我想再补一节，因为这可能是中小商家和成熟团队差距最大的地方：调研结论怎么沉淀。
大多数团队的调研结论以 PPT 或 Excel 形式存在本地硬盘里，三个月后就没人看了。下次做新类目调研，一切从零开始。这是巨大的浪费。
我把沉淀分成三层：规则层、数据层、看板层。
（1）规则层：每次调研排除掉的候选品和排除理由，形成“排除规则库”。这个库会越来越厚，你的调研速度会越来越快，因为很多工作可以提前排除。
（2）数据层：类目的价格带分布、集中度、评论归类结果，按季度更新。这些数据结构是跨类目可比的，做第二个类目时可以直接调用结构，只换数据。
（3）看板层：把关键指标做成持续更新的看板。数跨境这类工具在这个环节的价值比较明显，因为它的产出天然是看板形态而不是一次性报告。我在一个宠物用品客户那里做了 6 个看板，现在他们每季度的类目复核只需要 2 小时。
我在 3 个团队里推行了这套沉淀机制。观察到的变化是：第一次做类目调研平均 8 天，第二次做同类目调研平均 3.5 天，第三次降到 2 天。省下来的不是数据采集时间（那部分本来就靠工具），而是“重新理解类目结构”的时间。
这个递减效应是真实存在的，也是我认为中小商家最应该重视的长期能力。因为你的竞争对手可能每年都在重新学一遍同样的东西。
回到最开始那个 3 人团队。他们后来调整了做法：不再追求“选到最好的产品”，而是先设 5 条排除线，再用七步法在 5 天内收口，最后给每款立项产品写死止损条件。接下来 12 个月他们上了 4 款产品，3 款活下来，1 款在第 30 天触发止损条件后主动停投，损失控制在 3.2 万元。
这个结果不算惊艳，但它是可重复的。对于中小商家来说，可重复比惊艳重要得多。
我想留下的独特观点是这一句：市场调研对中小商家最大的价值，不是让你找到机会，而是让你有底气在机会不成立的时候，用最小的代价撤退。能撤退，才敢进攻。
如果你现在正准备做下一轮调研，我建议你按这个顺序做三件事：
这三件事加起来不到两天，但它们会改变你后面一整年做决策的方式。工具会变、平台会变、类目会变，但“先设排除线、再收口、最后留退路”这个顺序不会变。
我去年准备做北美站，一问调研服务的报价，从几千到几万都有，当场就犹豫了。花两个月慢慢调研吧，怕调研完风口都过了；草草看两天就下单吧，又怕选错品压一仓库货。到底有没有一个务实的时间和预算口径？
给一个我自己跑过的口径：单个目标市场加单个品类，总周期控制在2到3周，现金预算控制在3000到8000元人民币（不含自己的人力成本）。第一周做公开数据扫描，包括平台榜单、搜索趋势、竞品详情页；第二周做竞品评论拆解和价格带测算；第三周做小规模验证，比如小额广告测词、样品或小批量试单。
判断调研是否做完的标准，不是资料收集得够不够全，而是你能不能明确回答三个问题：这个品类前20名的月销量区间是多少、主流价格带落在哪、差评集中在哪三点。这三个问题答不上来，预算再加一倍也是白花；能答上来，就该停手进入测试，而不是继续收集资料。
我们团队就三四个人，不可能买一堆年费上万的分析软件，但也不想靠拍脑袋选品。我试过只翻平台前台页面，信息太碎，看两天脑子就乱了。有没有一套不花钱、但口径固定、能重复跑的数据方法？
免费数据足够完成第一层筛选，关键是固定口径。具体做法：在平台前台按品类搜核心词，记录前2页约48到60个商品的售价、评分数、上架时间，做成表格；用平台搜索框的下拉词和相关搜索当需求词库；用Google Trends看12个月趋势，只看方向不看绝对值；把竞品1到3星评论逐条归类，做成痛点清单。
判断依据上，如果前20名里有超过3个是最近12个月上架且排名靠前的新品，说明这个市场对新进入者还算友好；如果前2页清一色是五年以上的老链接，就要格外谨慎。免费数据最大的问题是滞后和口径漂移，所以固定每周同一天、同一关键词抓一次，纵向对比自己的历史数据，比横向比绝对值更有参考价值。
我们一共4个人，运营、客服、美工各一个，加我自己。以前做调研全是我一个人熬夜翻页面，做到一半就断了，数据也接不上。我特别想知道别人实际是怎么排期分工的，不要那种组建专项调研小组的空话。
按数据采集、清洗判断、决策这三段切流程，不要按人切品类。具体排法：第1到3天，一个人负责平台前台数据，包括价格带、销量、评分数、上架时间；另一个人负责需求词和趋势数据，最后产出两张原始表。
第4到6天，让美工和客服各抽两小时做竞品评论归类和主图卖点对比，这一步交给客服往往比交给运营更准，因为客服对差评的敏感度最高。第7到9天，运营做利润测算，把平台佣金、头程、退货率按3%到8%的区间假设、广告ACOS都算进去，我负责拍板。第10到14天用小额广告或小批量试单验证。
最重要的一条是第3天必须做一次集中对齐，把字段口径统一，否则后面两张表对不上，前面三天基本白干。
我之前整理过一份三十多页的调研报告，图表做得挺漂亮，但最后问自己到底做不做、备多少货，还是答不上来。感觉一直在收集信息，就是下不了决心，这种状态特别消耗人。
把调研输出从报告改成一页决策表，只留四个字段：目标价格带、预估月销量区间、首批备货量、止损线。判断口径上，预估月销量取竞品前10名的中位数而不是平均值，因为平均值容易被头部爆款拉高，然后再乘0.3到0.5的系数作为自己的预期。
首批备货按能覆盖60到90天的预计销量来定，宁可第二批补货，也不要一次压死现金流，同时把物流时效和补货周期算进去。止损线要写死，比如广告ACOS连续两周高于毛利率、退货率超过10%、90天动销率低于30%，任意一条触发就停止追加投入。
实施路径拆成三段：测款期2到4周，少量SKU加小额广告验证点击率和转化率；放量期在数据达标后再加预算和库存；优化期用评论和客服记录迭代主图和详情页。调研的作用不是让你百分百确定能成，而是让你清楚在什么条件下该加码、什么条件下该停。
读者评论
个工作日锁死这个方向我认同，但真做起来很难。我们4个人，日常还要盯广告、回邮件、处理退货，调研一停下来就再也接不上。后来改成每天固定两小时、拉长到十天，产出反而比集中五天扎实。红线该有，但按人头定可能比按天定更实际。
只研究市场不研究自己那条我踩过。当初毛利算出来42%，结果供应商最小起订量3000个，资金压了两个多月。不过文中23个团队的存活率和纠正成本中位数，个体差异应该很大，当作横向参照可以，直接拿来预判自己的结果恐怕不太靠谱。
工具那段我有不同看法。工具本身不产生结论，我们去年也买过数据工具的会员，最后高频用的还是反查差评。真正卡住的是没人知道要拉哪些字段、怎么归类，这个判断能力比工具订阅费贵得多，也不是买了账号就能补上的。