去年 9 月，我接手一个跨境电商团队的运营复盘时，看到一组让我印象很深的数字：他们的店铺数从 6 个扩到 18 个，月广告预算从 12 万涨到 40 万，但后台自然搜索流量只增长了约 30%，单店平均投产比反而从 2.8 掉到 1.9。老板的第一反应是”广告投得不够狠”，我的判断却完全相反，问题不在预算，而在多店经营把原本可以复用的流量资产，硬生生拆成了 18 份互相稀释的碎片。
这篇文章想解决的问题很具体：当你有 3 个、8 个甚至 20 个店铺时，流量获取这件事到底应该怎么做才更有效？我会先给出结论，再讲我实测过的场景、踩过的坑、以及用数据工具把链路跑通的方法。全文的案例来自我参与过的真实项目，涉及金额和效率数据做过脱敏，但比例关系和判断逻辑是原样的。
先把话说死：多店经营的流量效率，几乎不取决于你开了多少家店，而取决于你有多少比例的流量资产是可以被复用的。可复用资产包括关键词库、素材原子、人群包、达人关系、评价内容、站外内容位。这些资产每多复用一次，你的边际流量成本就下降一次；反过来，如果每家店都在从零开始做一遍冷启动，你的边际流量成本会随店铺数线性上升，甚至更快。
很多人算多店模型时用的是加法：6 个店做到 6 万美金，18 个店就该做到 18 万美金。真实的曲线更接近”乘法再打折”，店铺数乘以复用率，再乘以一个随店铺数递减的执行效率系数。当复用率低于 30% 时，执行效率系数掉得特别快，因为团队的时间被切碎了。
我在项目里做过一个粗略的量化：把”新增一个店铺带来的有效访问增量”除以”新增一个店铺带来的总成本增量”，得到的值我称为单店边际流量效率。6 店扩到 9 店时，这个值是 1.4；9 店扩到 12 店时掉到 0.9；15 店之后基本在 0.6 附近。也就是说，超过某个临界点之后，你每多开一家店，拿到的有效流量增加得比成本增加得慢。
我在至少 7 个团队里反复看到同一个现象：运营能说清楚某个店的 ACOS，财务能说清楚某个店的毛利，但没人能说清楚某个店铺某个站点某个 SKU 的”有效流量成本”。这三本账是分开的。
这三本账不对齐的直接后果是：你无法判断一个店铺应该”加投”还是”关停”。很多团队的做法是凭感觉，感觉这个店有起色就加预算，感觉不行就降预算。凭感觉做多店预算分配，结果一定是预算流向”会哭的孩子”，而不是”回报最高的店”。
多店经营有一个谁都不愿意多谈、但影响巨大的变量：账户健康度。同一套收款、同一台电脑、同一个网络出口操作多个店铺，在平台的风控模型里会形成关联簇。关联本身不一定立刻封号，但会带来几个隐蔽后果：新店冷启动期被拉长、广告审核更慢、部分流量入口被限制、活动报名被降权。
我见过一个极端的例子：一个团队用同一台云主机登录 11 个店铺后台，结果新开的 3 家店在两个月内几乎拿不到自然搜索入口的曝光，广告也一直卡在学习期。换成独立环境之后，其中一家的首月自然流量恢复到了同站点平均水平的 70% 以上。这个变化很难用 A/B 测试严格证明，但方向性判断是明确的：账户层没做干净之前，投放层的所有优化都是在漏水的桶里加水。
我自己的经验阈值是 5 家店。5 家店以内，几个人用 Excel 手工汇总还能撑住，虽然每周要花掉 6-10 小时；超过 5 家店、并且跨 2 个以上平台时，手工汇总的错误率和延迟会迅速放大，你会开始用”上周的数据”做”这周的决策”。
这时候需要的不是更勤快的运营，而是把数据合并在系统里完成。我后面会用一个具体的工具，数跨境（官网 https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys），来说明多店数据怎么从”各店各表”变成”一张对齐的看板”，以及这件事怎样直接影响流量决策速度。
这一节我尽量还原过程，因为多店流量问题的判断，靠结论记不住，靠场景才记得住。
团队主营三个平台：一个欧美主流平台、一个东南亚平台、一个内容电商平台。SKU 总量约 1400 个，但真正出单的不到 380 个。扩店节奏是每两周开一家，运营从 4 人加到 11 人，广告预算从 12 万/月加到 40 万/月。
三个月后，GMV 从约 62 万涨到 138 万，看起来翻倍了。但净利润只从 8.4 万涨到 9.1 万。更糟的是，自然流量占比从 41% 掉到 27%，也就是说这个团队越来越依赖付费流量来维持同样的规模。
我做的第一件事不是看广告后台，而是把 18 个店的订单、广告、成本数据全部导出，统一到一个维度表里。这一步花了整整四天，因为各平台字段名、时区、币种、归因窗口全都不同。合并完之后，三个事实浮出水面。
第三条尤其关键。70% 的关键词重复意味着两件事：一是内部竞价，同一个词在多个店铺广告账户里互相抬价；二是知识没有被沉淀，某个店验证过的高转化词，其他店并不知道。
很多团队讨论流量时，用的是”曝光量””点击量””访客数”，但这些指标太容易注水。我建议把决策指标统一收敛到有效访问：满足停留时长超过阈值、访问深度大于 1 页、且排除已知的机器与代理来源的去重访客。
改用有效访问之后，那 5 家”看起来在涨”的店露出了真面目，它们的曝光增长主要来自低质流量位，有效访问几乎没有增加，但点击成本在涨。这个发现直接推动了后面的关店决策。
原始状态是”复制”：把 A 店的 Listing 标题、主图直接搬到 B 店。结果是平台判重、搜索加权降低、用户看到同质内容点击率下降。
改进后的做法是”改写”：把一条爆款素材拆成若干原子，利益点、场景画面、使用前后对比、卖点口播、价格锚点，然后按目标站点重新组合。同一个原子在 18 家店的复用次数，从平均 1.1 次提高到平均 4.6 次，同时保持了内容差异性。
多店流量做不好，往往不是因为不会投放，而是因为几个根深蒂固的误区。我按”踩坑频率 × 损失金额”排序，逐个说。
这是最常见的。逻辑上似乎成立：一个品卖得好，多开几家店就能多卖几份。但平台的搜索与推荐机制会把同质内容聚类处理，结果是你的多家店在争夺同一批流量的同时，彼此的权重都被拉低。
更现实的损失在内容端。一条无差别复制的 Listing，意味着你没有为不同站点的人群做本地化，转化率会明显低于同站点平均水平，而平台会把低转化理解为”这个商品不受欢迎”，进一步减少自然曝光。这是一个下滑螺旋。
我理解团队想省成本，但这一块的节省和风险完全不成比例。风控关联的后果不是”可能封号”这么简单，而是让你在很长一段时间里拿不到真实的流量反馈。当你不知道数据下降是因为内容不行还是因为被限流，所有的优化都变成了猜。
我的建议是把账户环境的成本直接计入”流量获取成本”。一个独立环境的月成本，通常远低于一家店一个月的广告浪费。这不是技术问题，是账算得清不清楚的问题。
广告系统需要足够的转化样本才能完成学习。如果你有 18 家店、40 万预算，平均分配是每家 2.2 万。对于客单价中等偏上的品类，这点预算可能连一个广告组的冷启动都完不成。
结果是每家店都在”半学习”状态：模型不稳定、成本波动大、优化师每天在救火。真正有效的做法是打穿而不是铺开，集中预算先把 3-5 家店打到稳定盈利，再复制方法论，而不是同时让 18 家店都处于半死不活的状态。
ACOS 是广告花费除以广告销售额，它完全不含自然流量、不含人力、不含退货、不含工具成本。一个 ACOS 25% 的店，如果退货率 18%、人力分摊高、自然流量占比低，实际可能是亏的。反过来，一个 ACOS 45% 的店，如果它带动了站外流量和复购，可能是赚的。
所以我坚持用一个更”笨”但更真实的指标：单位有效流量成本 = （广告花费 + 人力分摊 + 工具与账户成本）/ 有效访问量。这个指标会把所有虚胖都挤掉。
很多团队会用”某项目管理工具”或”某项目管理平台”来排期：谁在哪天完成哪家店的素材、谁负责哪个站点的投放。这没错，任务是执行层的骨架。但任务工具回答不了”哪家店该加预算”这个结果层的问题。
多店经营真正缺的是结果对齐：把 18 家店的广告、订单、成本在一个口径下横向比较。任务工具管”做没做”，数据工具管”做得值不值”，两者不能互相替代。
把上面的经验抽象一下，我用的是一套三层模型。顺序非常重要：账户层 → 内容层 → 投放层。很多团队是倒着做的，先谈投放技巧，再谈内容，最后才想起账户环境，这是典型的低效顺序。
账户层的目标不是”合规”，而是”拿到真实反馈”。判断标准有三个：每个店铺有独立且稳定的登录环境；每个店铺的收款与主体关系清晰可追溯；每个店铺有独立可用的申诉与备份路径。
这一层做不好，你在第二层和第三层看到的所有数据都是失真的。我通常会把这一层的验收标准写成清单，任何一项不达标就不允许进入投放阶段。这听起来很死板，但能省掉后面大量的无效优化。
内容层的核心动作是”拆”。一条 30 秒的短视频，我会拆成：前 3 秒钩子、核心卖点、使用场景、对比证明、价格锚点、行动指令。每个部分单独标注它在哪个站点、哪类人群上表现最好。
拆完之后，多店的内容生产就从”每家店拍一条”变成”从原子库组合一条”。这带来的不只是效率提升，更重要的是每一条新素材都天然带着已验证的转化基因。下面是我用的素材与投放命名规范，确保了素材跨店可追溯：
{平台}_{站点}_{店铺编号}_{流量类型}_{素材原子编号}_{版本}_{优化目标}
示例：
AMZ_US_S07_SP_HOOK01+SCENE03_VID-V3_转化
SPP_SG_S12_SP_PRICE02+PROOF01_IMG-V8_点击
TTS_MY_S15_GMV_HOOK04+CTA02_VID-V2_加购
说明：
平台（3位） AMZ / SPP / TTS
站点（2位） US / SG / MY
店铺编号（S+序号）
流量类型 SP（站内付费）/ OR（站内自然）/ EX（站外）/ PV（私域）
素材原子编号 钩子 HOOK / 场景 SCENE / 卖点 SELL / 证明 PROOF / 价格 PRICE / 指令 CTA
版本 VID-V1..Vn / IMG-V1..Vn
这套命名看起来啰嗦，但它让”哪个原子在哪个站点有效”变成一个可以查询的问题，而不是靠记忆。当我们把 18 家店的数据按这个规范合并之后，发现 HOOK03 和 PROOF01 这两个原子在东南亚站点的表现显著优于欧美站点，于是素材生产优先级立刻调整了。
投放层我把店铺分成三类，预算分配和考核指标完全不同。
| 店铺层级 | 判定标准 | 预算策略 | 核心考核指标 |
|---|---|---|---|
| 攻坚店（3-5 家） | 单位有效流量成本低于毛利的 60%，且自然流量占比在提升 | 不设上限，优先抢量，允许短期 ACOS 偏高 | 有效访问增长率、自然流量占比 |
| 维持店（8-10 家） | 单位有效流量成本约等于毛利的 60%-85% | 按周微调，设定成本红线，不做激进扩张 | 单位有效流量成本、库存周转 |
| 观察店（其余） | 连续 3 周成本高于毛利贡献，或数据不可用 | 冻结增量预算，只保留基础投放观察 | 是否触达关停标准 |
这套分层最大的价值是把”要不要给某个店加钱”从一个争论变成一次查表。以前开会要讨论两个小时的事情，现在十分钟能定，而且标准是一致的。
我把这个公式放在这里，因为它是我做多店流量决策时最依赖的一个数。
判断规则很直接：如果单位有效流量成本超过单次有效访问可贡献毛利的 85%，这家店在流量获取上就是不可持续的，需要立刻调整，而不是”再等等看”。
这一条我给一个可操作的判断规则：只有当现有店铺的”复用资产清单”可以覆盖新店首月 60% 以上的内容与关键词需求时，开新店才是划算的。
如果覆盖度低于 40%，说明你还没有形成可复用的资产，此时开新店等于复制一遍之前的混乱，只是把混乱的规模放大。我见过的最惨的案例是一家公司从 9 店扩到 24 店，复用资产覆盖度只有 22%，结果六个月后关掉了 13 家，人力成本几乎全部沉没。
前面讲的是判断逻辑，这一节讲工具落地。我选数跨境作为例子，是因为它正好落在”多店经营的数据对齐”这个位置上，它做的是把多店铺、多平台的数据拉到一个口径下，生成可对比的经营看板。官网是 https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys，我下面讲的用法都基于实际操作场景。
平台后台是按店铺、按平台的视角设计的，它天然不回答跨店比较的问题。你要看”18 家店里哪 5 家的有效流量成本最高”，在后台里需要打开 18 个页面，导出 18 张表，手工对齐时区和币种，还得处理不同的归因窗口。
更麻烦的是口径漂移。不同平台的”访客数”定义不同，有的包含机器流量，有的按设备去重，有的按用户去重。当你把这些数字放在一张表里比较时，比较的其实不是同一件事。
这三个动作在数跨境这类工具里可以做成一次性配置、周期性自动更新的流程，而不是每周重复手工操作。我们当时的实测是：每周的数据整理耗时从约 9.5 小时压缩到约 1.5 小时，而且错误率基本归零，之前手工汇总的月度差异率大约在 4%-7%，改用系统化流程后降到 1% 以内。
这一步是多店流量管理里最容易被跳过、但回报最高的。平台报表通常能到广告活动层级，但你要做的是把它拆到”站点 × SKU”这一层，然后和订单数据关联，算出每个 SKU 的真实流量成本。
做完这一步之后，我们发现的第一个结论就推翻了原有判断：那个被认为”最有潜力”的东南亚站点，SKU 级别的有效流量成本其实比平均值高出 34%，因为它的广告花费集中在几个低转化 SKU 上。而这个结论在站点汇总层面是完全看不出来的，站点整体数据很好看。
| 指标 | 口径 | 观察频率 | 触发动作 |
|---|---|---|---|
| 单位有效流量成本 | （广告+人力+工具+站外）/ 有效访问量 | 每周 | 超过毛利贡献 85% 触发预算复核 |
| 自然流量占比 | 站内自然访问 / 总有效访问 | 每周 | 连续 3 周下降触发内容层排查 |
| 素材原子复用率 | 被 2 家以上店铺使用的原子数 / 原子总数 | 每两周 | 低于 50% 触发素材生产流程复盘 |
| 关键词重叠度 | 跨店重复投放词数 / 去重后总词数 | 每月 | 超过 60% 触发内部竞价治理 |
| SKU 级流量成本偏离度 | SKU 成本 / 站点平均成本 | 每周 | 偏离超过 30% 触发词与素材审查 |
| 新店冷启动周期 | 开店到达成盈亏平衡的天数 | 每店一次 | 超过 35 天触发账户层与内容层双排查 |
这六个指标的组合逻辑是：前两个看结果，中间三个看过程，最后一个看扩张质量。单独看任何一个都会误判，比如自然流量占比高但单位成本也高，说明你的内容在带流量但不带利润。
这里我要强调一件事：第 0-15 天单位成本会上升，这是正常的。因为环境隔离、数据系统搭建都会产生额外支出。如果团队在这个阶段因为”数字变差了”而叫停，后面的所有优化都不会发生。所以我们当时把这个预期提前写进了汇报材料，避免中途被质疑。
多店经营没有通用答案，不同店铺数量级对应的最优动作差别很大。下面按阶段给建议，每一种都说明适用条件和判定信号。
这个阶段最重要的是别急着开第三家店。你要做的是在只有 1-2 家店的时候，就把素材原子、关键词库、人群包按可复用格式沉淀下来。
判定信号：如果你的素材库里能被复用的原子数量少于 30 个，就先别开新店。
这个阶段要验证一个核心假设，第一家店的成功方法论，能不能被复制到其他店。做法是选 2 家店做对照：一家完全按照主店方法执行，另一家做本地化调整。跑 30 天后比较有效访问成本和自然流量占比。
我的经验是，跨店复制的成功率大约在 50%-60%，失败了通常是三个原因：站点人群差异被低估、价格带不匹配、素材本地化不足。这个阶段的价值恰恰在于找出失败原因，而不是追求全面成功。
这是最关键的阶段。6 店以上如果还在用 Excel 汇总，你的决策延迟会变成主要成本。这个阶段要做三件事：把多店数据合并到统一口径、做 SKU 级流量成本归因、建立店铺分层与预算分配规则。
这也是数跨境这类工具真正发挥价值的区间。当店铺数达到 6-15 家、跨 2-3 个平台时，手工汇总每周耗时会突破 8 小时，错误率显著上升，而系统化流程能把这块成本压到 1-2 小时，并让”哪个店该加投”这个判断有据可依。
超过 15 家店之后，流量效率的瓶颈通常不再是投放技巧，而是信息传递和决策一致性。同一个优化师在不同时期对”什么算好”的判断可能不同，不同优化师之间的判断更是不一致。
解决办法是把判断标准固化在看板上：预算分配规则、预警阈值、关停标准都写成明确数值，任何人看同一张看板都能得出相同结论。这个阶段用”某项目管理平台”管执行节奏、用数据看板管结果标准，两者配合才能撑住规模。
如果你同时做平台店和独立站，要注意一个容易忽略的点：两者的有效流量成本不可直接横向比较。独立站的流量成本通常更高，但用户数据、复购、再营销资产归你自己，长期价值更高。
我的做法是给两条线设置不同的判定基准，独立站允许更高的首单流量成本，但要求 90 天复购率达标。用同一套标准去比较平台店和独立站，几乎必然得出错误结论。
多店流量获取本质上是资源分配问题，绕不开取舍。下面五组取舍是我在项目里反复遇到的，我会给出自己的选择倾向和理由。
铺货模式的流量成本结构是”低单价 × 高数量 × 高波动”，依赖平台的自然流量分发和价格优势；精品模式的流量成本结构是”高单价 × 低数量 × 可沉淀”，依赖内容资产和复购。
多店经营下我更倾向”精品打底 + 铺货补量”的混合结构。纯铺货在 10 家店以上时，素材生产和库存管理的复杂度会失控；纯精品则扩张速度太慢，很难在窗口期占住位置。
我的倾向是前 60 天集中，60 天后再分散。集中是为了让 3-5 家店跑出稳定模型，形成可复制的方法论；分散是在方法论已经验证之后，用它去批量复制。
反过来做，先分散再集中，你会发现每家店的数据都不够,无法判断哪个方向对，最后只能凭感觉关店，损失更大。
站内广告起量快、可量化，但复用率低、成本随竞争上涨；站外内容起量慢、难归因，但复用率高、能形成长期资产。多店经营下，我建议用站内广告养活现金流，用站外内容积累复用资产。
具体的配比我会按阶段调整：攻坚店站外内容投入占比可以到 35%-40%，维持店控制在 15% 左右。这个比例不是定律，但比”哪个便宜做哪个”要可靠得多。
一个容易被忽略的取舍：把什么交给工具，把什么留给人。我的划分是，数据合并、口径统一、异常预警交给工具；素材创意、卖点表达、人群洞察留给人。
把创意交给工具，出来的东西会同质化；把数据合并留给人，出来的东西会延迟和出错。这条线画错了，多店经营会同时失去效率和差异。
这是最根本的一组取舍。我的判断标准是：当单店的有效流量成本还在下降通道里时，优先加深度；当它进入平台期时，才考虑加数量。
怎么判断是否进入平台期？连续 4 周，单店在增加 20% 预算的情况下，有效访问增量低于 8%，就说明这家店的流量获取已经接近饱和，需要的是新店而不是更多预算。
| 取舍维度 | 倾向选择 | 适用条件 | 放弃的那一边，代价是什么 |
|---|---|---|---|
| 铺货 / 精品 | 精品打底 + 铺货补量 | SKU 超过 500 且跨 2 个以上平台 | 放弃纯铺货的极致低价，损失部分价格敏感流量 |
| 集中 / 分散预算 | 前 60 天集中，之后分散 | 新方法论尚未验证，或刚经历一次扩张失败 | 放弃短期覆盖面，部分店铺增长延后 |
| 站内广告 / 站外内容 | 站内养现金流，站外攒资产 | 有稳定现金流支撑，可承受 3 个月回报周期 | 放弃站外短期 ROI 的好看数字 |
| 工具 / 人工 | 数据交工具，创意留人 | 店铺数 ≥ 6，跨平台运营 | 放弃短期的人力节省，创意岗成本不降 |
| 店铺数量 / 单店深度 | 深度优先，饱和再扩 | 连续 4 周加预算有效访问增量低于 8% | 放弃快速做大盘子的可能性 |
回到开头那组数字。那个团队最后做了什么？关掉 5 家持续亏损的店，把 18 店收缩到 13 店；建立素材原子库，把复用率从 12% 提到 47%；把多店数据统一到一个口径下，用店铺分层规则分配预算。三个月后，GMV 是 121 万，比峰值略低，但净利润是 17.6 万，接近原来的两倍，自然流量占比回升到 34%。
这个结果说明一件事：多店经营的流量效率，不是一个投放技巧问题，而是一个资产管理问题。你的店铺数量只是分母，真正决定效率的是分子，有多少资产可以被反复使用，以及你有多快能用数据看清哪家店值得继续投入。
如果你现在正在做多店，我建议下一步按这个顺序做三件事：
最后一句判断：多店不是规模游戏，是复用游戏。当你的复用率低于 30% 时，每多开一家店都在稀释流量效率；当复用率超过 50% 时，店铺数才真正开始产生正杠杆。这个阈值，比任何投放技巧都值得你花时间去跨过。
我最开始图省事，同一条宽带、同一台电脑上登了三四个店，结果其中一个店广告突然跑不动，后台提示账号环境异常。从那以后我就一直纠结：到底要隔离到什么颗粒度才算安全，是不是非得每个店配一台电脑。
隔离至少要做到“设备指纹、网络出口、收款与资料”三件套各自独立。实操上我不买一堆电脑，而是用指纹浏览器给每个店建独立环境，配独立的住宅IP，同站点固定同一个地区出口，比如做美国站就一直用美国IP，别今天洛杉矶明天纽约，频繁换IP比固定IP更危险。收款账户、手机号、邮箱、退货地址也各店一套，绝不交叉。
判断依据是平台判关联看的是多维交叉，只要设备、网络、支付、资料里有两项以上重合，风险就明显上升。我踩过的坑就是一条IP挂两个店，第二个店从起量期开始曝光就比同类目低三成左右，换成独立IP重新养了两周才拉回来。
我供应链就只能做一类产品，所以一开始想的是同品类多开几个店，把同一批货铺开卖。跑了一个月发现广告费越花越多，单量却没涨多少，我就开始怀疑是不是自己人打自己人。
我的判断顺序是：先分站点，再分价格带或人群，最后才考虑同站点同品类多店。同站点同品类多店，本质是用自己的预算抢同一个关键词池，CPC会被自己抬上去。我实测过两个店投同一批核心词，两个店的广告成本占比都从25%左右升到35%以上。
更有效的做法是一个店对应一个站点，一个店对应一个价格带，比如一个店主打19.9美元以下的轻小件，另一个店主打49美元以上的套装，核心词重叠控制在两成以内。如果供应链实在只有一类货，那就按流量渠道分店：一个店吃平台站内搜索流量，一个店吃社媒和达人带来的内容流量，让两套流量结构不互相打架。
我手上同时有三四个店，预算就那么多，每次看到别的店有单自己没有就焦虑，恨不得每个店都开广告。但真全开了以后，总花费翻倍，利润反而变薄，我一直没想清楚这个钱该怎么切。
先跑通单店模型再复制，不要一上来全店开火。第一步算出保本投产比，公式是1除以毛利率，毛利率40%的话保本投产比就是2.5，低于这条线的店加预算就是烧钱。冷启动期我用721分法：70%预算给已验证的主力店，20%给处在测试期的第二店，10%留给新店试水。
新店前两周别看投产比，看点击率和加购率，点击率低于同类目均值说明主图或价格有问题，加预算也救不回来。给一个店加预算的信号是连续7天投产比都过保本线且订单量稳定，加的幅度按每周20%到30%走，一次翻倍基本会把转化率打崩。
店多了以后我最怕的就是月底看总账，总觉得整体还行，但具体哪个店在赚钱、哪个店在拖后腿，一直说不清楚。有时候A店看着单多，算完退货和广告其实是亏的。
别盯总销售额，盯单店贡献毛利和边际投产。我的表里固定几列：店铺、站点、广告花费、广告归因销售额、毛利、保本投产比、实际投产比、库存周转天数、退货率。判断口径是连续14天实际投产比低于保本线、且广告点击量已经超过500个，样本够了就直接砍掉或换品，不要靠感觉再等一个月。
库存周转天数超过90天的店，先清库存再谈加流量，否则流量进来只会压更多货。还有一个多店特别容易忽略的点：几个店共用一条供应链时，一定要用同一套SKU编码把库存汇总看，不然会出现这个店爆单、那个店断货、总仓其实压着一堆货的情况。
读者评论
素材原子化复用我们试过，落地比想象中难。拆成原子后组合的一致性很难控，本地化文案改写过头流量反而掉。我们最后是核心卖点固定、场景和价格锚点按站点换，复用率也就2到3次到头了。4.6次这个数字，除非品类特别通用，不然不太容易达到。
有个疑问，有效访问的停留时长阈值到底怎么定？我们做家居类目，用户本来就爱长浏览，阈值设高了误杀，设低了跟点击量没区别。而且去重访客这个口径各平台后台给不了，还是得自己拉日志算，小团队没这个人力，最后又回到凭感觉决策。
关停5家店的判断方向我认同，但执行里最麻烦的其实是人。那几家店背后往往是固定的运营和投手，关店意味着内部调整，很多老板宁可继续亏也不愿意动组织。所以多店流量问题的天花板可能不在数据工具，而在管理层的决心。