去年十月，一个做家居收纳的卖家找我复盘。他在美国站准备上一款可折叠布艺收纳箱，前期花了三个月、将近四万块钱做市场调研，报告六十多页，类目规模、竞品销量、评论痛点、价格带分布一应俱全。结论写得也很漂亮：市场容量大、竞争中度、痛点明确，建议进入。他信了，首单下了两千件，结果上架第四周广告 ACOS 烧到 78%，第六周开始降价清仓，最后算下来净亏十一万。
我把他那份报告从头翻到尾，发现一个很尴尬的事实：报告里没有一句话是错的，但也没有一句话能直接拿来做决定。类目规模大，大到什么程度算值得做？竞争中度，中度到什么程度算不能做？痛点明确，明确到转化率能提升几个点？全都没有边界。真正的问题不在执行，也不在选品眼光，而在于这份调研方案本身无法被证伪，它生产的是”听起来对的知识”，不是”可以下注的判断”。
我现在看任何一份市场调研方案，不管是自己团队做的，还是服务商交过来的，都只问三个问题。这三个问题任何一个答不上来，报告写得再厚我也不会用。
能被证伪的结论长这样：美国站宠物饮水机在 $29.9-$39.9 价格带，最近两个季度新上架链接的 60 天存活率低于 18%，所以不建议用纯低价策略切这个价格带。
不能证伪的结论长这样：这个类目需求旺盛、竞争激烈，但依然存在差异化机会。后面这种话，把类目换成母婴、换成户外、换成汽配，一个字都不用改。
我的判断标准很粗暴：能不能给这个结论写出一句”如果出现 X，这个结论就是错的”。写不出来，说明它不是结论，是描述。
同一款产品，不同工具给出的月销量估算能差三倍。原因不是谁在造假，而是口径完全不同：有的用 BSR 排名反推，有的用评论增速反推，有的用广告位曝光折算。三种口径在淡旺季的误差方向都不一样。
所以我在方案评审时有个硬性要求：每一个关键数字后面必须跟三样东西，数据口径、时间窗口、样本量。比如”月搜索量 8.2 万”要写成”月搜索量 8.2 万（平台站内搜索词工具，2024 年 3 月-2024 年 5 月，去重后付费+自然合计，样本为该关键词下 Top 500 搜索结果）”。
写不出这三样，这个数字就只能当背景色，不能进决策链。
这是最容易被忽略的一条。调研的终点不是”我知道了”，而是”我决定花多少钱做什么事”。
如果一份调研的结论无法映射到下面任何一个动作上，备多少货、定什么价、投多少广告预算、要不要开模、要不要认证，那它对你的决策帮助接近于零。
回到那个收纳箱卖家。他报告里所有的结论，最后都没能回答”首单该下多少件”。他下两千件，是拍脑袋的，不是报告推出来的。这就是典型的调研和决策脱钩。
那个卖家的调研材料分成四块。第一块是工具导出的类目数据，月度销售额、BSR 分布、Top 100 链接清单。第二块是三份第三方行业报告，讲的是全球家居收纳市场的增长趋势。第三块是 40 条竞品差评的手工归类。第四块是两张自己拍的竞品实物照片。
这四块素材本身质量不差，问题出在组装方式。他把前三块拼成了一个”机会论证”，第四块只是附件。整个过程里，没有人去验证一个最基本的问题：那些差评里提到的痛点，值多少钱。
具体说，”盖子容易塌”这个痛点在 40 条差评里出现了 11 次，占比 27.5%，看起来很高。但他没有往下算：这 11 条差评对应的链接，月销分别多少？如果一款月销 3000 的链接里有 27.5% 的人抱怨同一个问题，那修正它理论上能撬动多少销量？答案可能只有 2%-3% 的实际转化提升，因为绝大多数人不写差评，写了差评的人也不代表购买决策的全部。
差评占比高≠痛点值钱。痛点的价值 = 抱怨频次×受影响销量×付费意愿，三个乘数少一个都不成立。
第一是工具默认口径。你打开一个工具，它给你一个月销量数字，看起来是客观事实，其实是某种估算模型的输出。你不问口径，它就变成了”事实”。
第二是第三方报告的宏大叙事。全球市场年复合增长率 8.7%，这句话是真的，但它跟你在美国站能不能活下来没有关系。宏观数据不能压缩成微观决策。
第三是幸存者案例。所有调研都会自然地指向那些做得好的链接，因为它们的评论多、数据全、排名高。但决定你要不要进入一个类目的，恰恰是那些已经死掉的、没有评论的、找不到踪迹的链接。
我做国内电商和跨境都做过，跨境的调研难度至少高一个量级，原因有四条。
最后一条最容易被低估。我见过太多团队，调研做得很扎实，等货到仓，类目已经从蓝海变成红海了。调研的质量不只看准确度，还要看它跟决策窗口的匹配度。
下面这七条，是我在过去两年里反复在不同团队身上看到的。它们不是理论错误，是操作错误，每一条都有具体的翻车场景。
类目年销售额 2000 万美元，对头部品牌是机会，对一个月销目标 5 万美金的新卖家只是背景。真正要算的是”可触达份额”：在你能承受的价格带、你能做到的毛利区间、你能投入的广告预算下，天花板是多少。
我一般让团队先写一个数：这个类目里，跟我同价位、同卖点、同物流方式的链接，加起来月销多少。这个数才是有意义的分母。
BSR 排名、评论数、Best Seller 榜单，都是前台信号。它们能告诉你”谁在卖”，不能告诉你”谁在赚钱”。一个 BSR 5000 的链接可能靠站外冲量亏本做排名，也可能靠高复购稳赚，前台看不出来。
我的做法是至少做一次交叉验证：用前台榜单锁定候选链接，再用第三方估算工具看流量结构，最后用广告位实测验证价格带的转化能力。三线交叉，误差才压得下来。
调研时我们天然地会去看排名靠前的链接，因为数据全。但决定一个新链接能不能活的，是同期上架的链接里死了多少。
我的经验是估算”新品存活率”：锁定过去 6-12 个月上架、上架时无评论、现在评论数在 30-200 之间的链接，看有多少。如果这个数字在类目 Top 500 里占比低于 5%，说明这个类目的新品通道基本关了，别硬挤。
很多团队会纠结”到底该信 A 工具还是 B 工具”。我的看法是，两个工具的差异不是精度差异，是口径差异。A 用排名反推，在头部准、长尾偏；B 用评论增速反推，成长期链接准、成熟期偏高。
解法不是二选一，而是标注口径，然后看两个口径下结论是否一致。如果两个口径给出完全相反的判断，说明这个类目的数据噪声太大，应该降级处理，不要下重注。
这是我见过最贵的错误。一个团队花了 45 天做完调研，结论是”冬季款需求上升”，等他们下单、生产、发货，已经是第二年的三月，季节窗口关上了。
调研方案必须写清楚一个时间上限，超过上限就强制交付一个”粗糙但可用”的结论，而不是继续调研。我通常把上限设为：单款投入 5 万以内，7 天；5-20 万，15 天；开模定制类，45 天。
市场再好，你做不出来或者做出来没利润，都是白搭。我见过一个团队调研了半年，最后发现在目标价格带里，他们的工厂成本比竞争对手高 18%，根本没有入场资格。这 18% 是第一天就能算出来的。
所以我的调研框架里，”自身匹配”是独立的一层，必须在市场验证之后、备货决策之前跑完。
调研方案应该从一开始就写好：如果出现什么情况，我们就放弃。比如”如果目标价格带的头三款链接月销合计低于 2000，直接放弃”。这句话写下来的好处是，它把调研从”寻找支持理由”变成”寻找否决理由”，能显著降低自我欺骗。
讲完误区，说方法论。我目前用的是”三层验证 + 四个否决项”，跑过几十个类目，稳定性最好，也最容易被团队复制。
目标是回答”这个需求是真的吗，规模够不够”。三条线交叉。
三条线同向，需求真实性判定为高；两条同向一条背离，判定为中，需要加做小批量测试；三条互相矛盾，直接降级，不要浪费预算。
目标是回答”我挤得进去吗”。核心看三个指标。
第三个指标是我最看重的。如果一个价格带只有 20% 的 SKU 却贡献了 34% 的销量，那这就是结构性的供给缺口。
目标是回答”我做得了吗，做了赚钱吗”。这一层最枯燥，但否决率最高。
| 验证项 | 具体看什么 | 不通过的典型信号 |
|---|---|---|
| 成本结构 | 出厂价、头程、FBA 费用、平台佣金、退货损耗合计后的毛利率 | 目标售价下毛利率低于 28%，广告一投就亏 |
| 物流可行性 | 体积重、是否带电、是否易碎、是否受季节性仓位限制 | 体积重是实重的两倍以上，头程成本失控 |
| 合规门槛 | 认证、标签、成分限制、专利风险 | 需要 6 个月以上的认证周期，窗口期已过 |
| 供应链弹性 | 起订量、补货周期、是否支持改款 | 起订量 5000 件但你的试单能力只有 800 件 |
| 资金占用 | 从下单到回款的完整现金周期 | 现金周期超过 120 天，现金流撑不住第二单 |
否决项的作用是防止团队在明显不成立的方案上继续投入情绪。我的四个否决项是：
这四条写进方案第一页，评审时先跑否决项，通过了再谈机会。顺序反了，就会变成给一个错误答案找理由。
下面这段代码是我给团队用的调研方案自检脚本，逻辑很简单：把一份方案拆成若干检查项，任何一项缺失就打回。它不判断结论对不对，只判断方案是否完整可审。
# 市场调研方案验收检查（伪代码，可移植到任意表格工具）
required_checks = [
("数据口径", "每个核心数字是否标注 口径/时间窗/样本量"),
("可证伪性", "每个结论是否写出 推翻条件"),
("决策映射", "结论是否对应 备货量/定价/广告预算 中的至少一项"),
("需求验证", "搜索线、评论线、退货线是否三条齐备"),
("竞争结构", "头部集中度、新品存活率、价格带错配度是否计算"),
("自身匹配", "毛利率、体积重、认证周期、现金周期是否填写"),
("否决项", "四项一票否决是否在方案首页明确列出"),
("时间上限", "是否标注调研截止日与超期后的降级交付方案"),
]
def review(plan):
missing = [name for name, _ in required_checks if not plan.has(name)]
if missing:
return f"打回，缺失 {len(missing)} 项：{missing}"
return "通过，进入结论评审"这张清单看着笨，但它是我们团队把调研命中率从 30% 多拉到 60% 左右的主要工具之一。
方法论讲完，必须落到工具和具体数据上。这一节我用 2024 年 3 月做过的一个真实案例来拆：宠物智能饮水机，美国站，首批预算 8.5 万，调研窗口 11 天。
当时我用的主力数据工具是数跨境（https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）。选它的原因很实际：我需要在一个界面里同时看到类目结构、价格带分布、关键词需求和竞品明细，而不是在四个工具之间来回导表。调研窗口只有 11 天，切换工具的时间成本比订阅费贵得多。
我先拉了两组数据。第一组是核心关键词过去 12 个月的搜索趋势，”pet water fountain”这个主词在 3 月的月搜索量在 12 万量级，同比微涨，没有明显的季节性断层。第二组是类目 Top 100 链接的评论增速。
把两组数据叠在一起看，结论是需求真实但增速平缓：搜索端年增长在个位数，评论端增速略高于搜索端，说明单链接的转化效率在提升，用户在更集中地选择少数产品。这属于”存量竞争”信号，不是”增量爆发”信号。
这个判断直接影响了后面的策略：不做新品类的教育型营销，而是做已有需求的份额抢夺。
这一步是我认为整个调研里性价比最高的动作，只花了大概两小时，却决定了后面所有定价决策。
| 价格带 | 在售 SKU 占比 | 销量占比 | 供需差值 | 判断 |
|---|---|---|---|---|
| $19.9 以下 | 34% | 12% | -22% | 严重供给过剩，价格战主战场 |
| $20-$29.9 | 28% | 31% | +3% | 基本平衡 |
| $30-$39.9 | 20% | 34% | +14% | 结构性供给缺口，重点目标 |
| $40-$49.9 | 12% | 15% | +3% | 平衡，但对手多为品牌方，进入需强差异化 |
| $50 以上 | 6% | 8% | +2% | 小众高端，不适合首单试水 |
这张表是那次调研里唯一让我当场改变计划的发现。原本团队倾向切 $24.9 的入门价位，看到 -22% 的供需差之后，立刻改成 $32.99-$36.99。低价带的 SKU 供给是销量占比的三倍，这个价格带里每一个新链接都在跟三倍于自己的对手抢同一块蛋糕。
我把目标价格带内 18 款竞品的差评做了归类，共 640 条。归因结果是这样的：噪音偏大 31%、滤芯更换频繁且贵 24%、水泵半年内故障 17%、App 连接不稳 13%、清洗不便 9%、其他 6%。
接下来是我认为大多数团队会跳过的一步，把痛点换算成钱。噪音抱怨占 31%，但这 18 款产品里，噪音问题集中在其中 6 款老款机型上，而这 6 款的合计月销约 4200 件。按”抱怨者占实际不满者 1/10″的经验粗略折算，受影响销量大约是 4200 件中的一部分，真正能通过静音设计撬动的份额，乐观估计不超过 8%。
反过来，滤芯成本占 24%，且分布更均匀，覆盖了 14 款产品、合计月销约 9600 件。这一项的可撬动份额估计在 12%-15%，明显更高。
所以最终的产品定义是”可拆洗+通用规格滤芯”，静音作为次要卖点。如果只看抱怨条数，噪音是第一痛点；算完价值之后，滤芯才是。
定价 $34.99，我把成本拆成六项，做了一次完整测算。
合计成本约 $29.65，毛利 $5.34，毛利率约 15.3%。这个数字低于我设定的 28% 门槛，按否决项应该直接放弃。
但这里有个关键调整：广告预留 18% 是成熟期的稳态值，首六个月会更高。我把这条单独拿出来讨论后，团队做了两件事，把出厂价谈到 $7.40（换供应商+提高单次下单量），并把 FBA 配送费通过包装优化降了 $0.60。调整后毛利率回到 22.6%。
6% 仍然没到 28%，所以最终决定是：降低首单量到 800 件，用最小成本验证转化率，达到两个条件之一（自然转化率超过 9%，或广告 ACOS 稳定在 30% 以内）再加单。这次调研的产出不是一个"做还是不做"的答案，而是一个"用多大代价试"的答案。
这次调研里我犯过一个错。第 6 天的时候，我已经拿到了足够下结论的数据，但因为工具里还能看到更多维度，竞品的广告投放时段、站外引流占比、变体销量拆分，我又多花了三天去看这些数据。
结果是，三天新增的信息没能改变任何结论，反而让团队的讨论从”怎么做”偏移到”是不是还有别的可能”。后来我给自己定了一条规矩：当新增数据不改变任何一个否决项的结论时，调研就该停了。
这条规矩看起来简单，但它把我们的平均调研周期从 19 天压到了 11 天，而决策命中率没有下降。
同样的方法论，落到不同卖家身上，动作完全不一样。下面按五种典型情况给建议，你可以直接对照自己的位置。
你的核心矛盾是资金少、容错低。所以不要做全类目调研，只做”单点验证”。
具体动作：选 3-5 个候选品，每个只花 3-4 小时做价格带错配和评论痛点折算，然后选一个用最小起订量试单。调研预算控制在总投入的 5% 以内，总时长不超过 7 天。
你可以不做的事：不买贵的行业报告，不做完整竞品矩阵，不做多站点对比。这些对你现阶段没有边际价值。
这是最适合完整三层验证的一档。你有能力承担 15 天的调研周期和 1-2 万的调研预算，也承受不起一次 20 万级别的错误备货。
我建议把调研做成固定流程：第 1-3 天需求验证，第 4-7 天竞争结构，第 8-11 天利润与供应链，第 12-15 天结论评审和否决项复核。用数跨境这类工具把数据采集时间压到 3-4 天，剩下的时间全部留给判断和讨论。
关键是结论评审要有非项目成员参与。做调研的人天然会维护自己的结论，外部视角能有效识别自我论证。
你的调研重点不是单个品的成败，而是筛选效率。单个品的调研深度可以降低，但候选池要放大。
建议用”宽进严出”：候选池一次进 50-80 个，用自动化规则做初筛（价格带错配、集中度、新品存活率三条硬指标），剩下的 8-10 个再做深度验证。这样单位调研成本会降到小团队的一半以下。
需要注意的是，铺货型团队最容易忽略自身匹配层。建议把毛利率和现金周期的计算做成自动化的，挂在数据工具上，不通过就自动淘汰。
你的优势是成本，劣势是对终端需求的感知。调研重点应该放在”我现有的产品能不能直接改成目标市场要的样子”。
具体做法是先做倒推：拿你现有产线能力，列出能做的产品清单，然后只对这个清单做市场验证。不要先看市场再找产品，那是你最容易踩的坑，你会发现自己看中的东西做不了或者做不便宜。
另外，工厂型卖家的调研必须包含”改款成本”这一项。开一次模多少钱、改一次结构多少天，这些直接决定你能不能跟上需求变化。
你的调研维度要比平台卖家多两项：获客成本和复购结构。
平台卖家的流量是平台给的，你的流量要自己买。所以同样的类目，你要多算一笔账：目标客群在哪些渠道、单次获客成本多少、首单能不能回本、多久能靠复购回正。如果首单回不了本且 LTV 模型不成立，这个品就不适合 DTC。
复购结构这一项，我建议直接做小样本问卷调查，100 份有效问卷就能看出大致轮廓，成本比投广告试错低得多。
方法和建议都有了，但真正难的是取舍。资源永远是有限的，多花在调研上一天，就少一天卖货。我按决策的”可逆性”和”金额”两个维度，说清楚什么时候该重、什么时候必须快。
单款投入 1 万以内、库存可以清掉或者可以转卖、不涉及开模和认证的，属于可逆投入。这类决策的最优策略是快速试错，不是深度调研。
我给这类项目的调研时间上限是 0.5-1 天。看到一个价格带错配明显、评论痛点集中、供应链能当天确认的品，直接下单测。错了损失有限，对了就能加单。
在可逆决策上做深度调研，本质上是花 3 万块钱的成本去规避 1 万块钱的风险。
开模、认证、定制包装、签独家代理，这些投入一旦发生就收不回来。这类决策必须做重调研，时间上限可以放到 30-60 天，预算上限可以放到首批投入的 8%-10%。
但注意，重调研的重点不是”多算几个指标”，而是”多验证几个假设”。开模类项目我最少追问三件事：如果首批卖不动，模具能不能改做别的规格？如果目标价格带被压价，成本还能不能再降 10%？如果竞品在半年内跟进同款，我的护城河是什么？
节日款、季节款、热点款，这类品的窗口期只有 6-10 周。你的调研周期必须压到窗口期的 1/4 以内，否则调研完了也没意义。
压缩的办法不是砍环节，而是砍样本。原本看 Top 50 链接，改成看 Top 15；原本 40 条差评归类，改成 15 条；原本 12 个月趋势，改成 3 个月趋势。样本变小会让结论精度下降，但在这个场景下，及时的错误好过迟到的正确。
很多团队纠结要不要买工具。我的判断标准是：如果工具能把你采集数据的时间从 6 天压到 2 天，同时数据口径可查，那它值钱的地方不是数据本身，而是省下来的那 4 天判断时间。
但如果你的团队还没有判断框架，买工具只会让你更快地产出一份”无法证伪的报告”。所以顺序应该是先有方法论，再上工具，反过来会加速犯错。
| 场景 | 建议调研周期 | 调研预算占比 | 必须做的动作 | 可以省掉的动作 |
|---|---|---|---|---|
| 可逆型测试款 | 0.5-2 天 | ≤3% | 价格带错配、供应链当日确认 | 完整竞品矩阵、行业报告 |
| 精品选品（常规） | 7-15 天 | 5%-8% | 三层验证、四个否决项、利润测算 | 多站点同步调研、站外渠道分析 |
| 开模定制或新站点进入 | 30-60 天 | 8%-10% | 假设压力测试、改款可行性、合规周期核查 | 无（此档不建议省略环节，只能压缩样本） |
这张表是我给团队用的默认配置，实际执行时按类目特性微调。但有一条不变：凡是不可逆的投入，宁可多花两周，也不要省掉利润测算。
最后说一个大部分团队不做、但长期回报最高的事：把每次调研的结论存档并回测。这件事我坚持做了两年，收获比任何单次调研都大。
不要只存报告文件。我的做法是把每次调研的关键结论拆成结构化字段存下来：类目、价格带、备货量、定价、预测转化率、预测毛利率、决策日期、假设条件、实际结果。
这样做的价值是，半年后你可以做回测。哪个环节的预测偏差最大、哪类否决项最常被误判、哪类价格带的判断最容易失灵，全都能看出来。
我一般在季度末拉一次回测，对比三件事：当时预测的转化率与实际转化率的偏差、当时测算的毛利率与实际毛利率的偏差、当时判断的竞争结构变化方向是否正确。
头几次回测结果很难看，我的记录显示第一季度的方向命中率只有 41%。但到第五个季度，同样的团队、同样的方法，命中率能稳定在 70% 左右。这个提升不是来自工具升级，而是来自对自身判断偏差的认识。
单个品的调研结论会过期，但类目的结构性认知不会。比如”这个类目新品存活率长期低于 8%”这个判断，可能在两年内都成立。这类判断应该被沉淀成类目档案，而不是随单品一起归档。
我的做法是给每个做过的类目建一页档案，只记录三类信息：结构性特征（价格带、集中度、存活率）、变化趋势（季度级别的方向）、已验证的坑（哪些打法试过且无效）。团队新人接手类目时先读这一页，能把试错成本降下来。
如果你现在手上正好有一个待决策的品，我建议你按这个顺序走一遍。
我见过太多卖家在选品上花的时间，比在定价上多十倍，但真正决定生死的是定价和利润结构。市场调研方案的价值不在于它告诉你这个市场有多大，而在于它能不能在你花钱之前，帮你排除掉那些看起来有希望、实际上算不过账的选择。一份好的调研方案，最好的结果不是让你找到一个爆款，而是让你用最小的代价，连续排除掉十个不该做的品。
调研不是知识生产，是风险管理。把它当成前者，你会得到一份厚厚的报告；把它当成后者，你会得到一个越来越准的判断系统。
我刚开始做跨境的时候，老板只给了五千块调研预算，还让我两周内出一份市场结论，我当时特别慌，不知道这笔钱该买工具还是该去测款。后来踩了几次坑才明白，小团队最怕的不是没钱，而是把钱花在了看似专业、实则无法验证的行业报告上。
先别买贵的工具，按“免费数据定方向，低价工具做初筛，小批量测款做验证”这三步走。第一步用平台自带的搜索下拉词、类目榜单和热销榜，免费拿到需求词和价格带分布；
第二步花几百块用一个第三方销量估算工具，把 5 到 8 个候选品类拉出来，但心里要清楚这类工具的销量是估算值，误差常见在正负 30%，只能用来排序、不能用来定生死；第三步用剩下的钱做最小验证，3 到 5 个 SKU、每个 20 到 30 件走空运小包，配合 7 到 10 天的小额广告投放。
我做过一个家居小类，工具显示头部月销 2000 件以上，但我们实测广告点击率只有 0.3%，需求是真的，问题出在主图和价格带，这种结论只有测款能给你，任何报告都给不了。所以预算分配上，建议工具费不超过总预算的三分之一，剩下的钱全部留给测款。
我带过一个新人，他从某平台下载了一份类目分析报告，数据做得特别漂亮，我们就照着备了三个柜的货，结果旺季卖不动，压了半年库存。后来复盘才发现，那份报告的数据窗口只截取了两个月的淡季，还把所有广告位带来的销量都算进了自然需求。从那以后我就养成了一个习惯，看任何调研结论先问它三个问题。
判断调研可信度，先问“分母是谁、时间多长、含不含广告”这三个口径问题。分母是指它统计的是类目 Top100 还是全量商品，Top100 只能说明头部表现，不能代表你能拿到的份额；时间窗口至少要覆盖 90 天并且包含一个大促节点，只取两三个月的淡季数据会系统性低估需求；
含不含广告是指那些销量里有多少是投放买来的，如果一份报告没有区分自然流量和广告流量，它的“需求旺盛”结论基本不能用。除此之外再看三个补充项：退货率和差评率有没有纳入，这两个指标直接吃掉利润；有没有第二个数据源做交叉验证，两个工具的估算差异如果超过 50%，就说明这个类目本身数据噪声大，要谨慎；
最后看它有没有告诉你数据是怎么采的，采不到采集方法的报告，一律按营销物料处理。我自己的做法是以第三方工具的估算做排序，以平台后台的真实成交和退货数据做最终判断，两者冲突时永远信后者。
团队里最常争论的就是“这个类目到底能不能做”，每个人看的指标不一样，有人说销量高就行，有人说竞争太激烈别碰，吵到最后还是凭感觉拍板。我后来逼着自己把这套判断写成了一张打分表，虽然粗暴，但至少让讨论有了共同的尺子。
我给团队用的门槛是四项硬指标，过三项才进下一步。一，需求规模：类目月搜索量不低于 3 万，或者类目 Top20 的月销中位数不低于 300 件，低于这个量级连广告都跑不出模型；二，竞争集中度：头部前五名的销量占比不高于 60%，如果前五名吃掉七八成，新玩家基本只能靠价格战切进去；
三，利润空间：扣掉头程运费、平台佣金、尾程配送和预估退货损耗之后，毛利率不低于 35%，低于这个数你连广告都投不起；四，退货率不高于 8%，服饰、鞋类这类非标品可以放宽到 15%，但要相应把毛利率门槛提到 45% 以上。
广告方面我用一个简化公式做上限：可承受 ACOS 约等于毛利率乘以 0.6，毛利率 35% 就意味着 ACOS 长期超过 21% 这个品就不健康。这四项里任何一项明显不达标，不要试图靠运营技巧去补，直接换品，这是我交过库存学费之后最想强调的一点。
我最头疼的不是调研做不出来，而是报告写得漂漂亮亮，开完会大家点点头，两周后去看，什么都没动。后来发现根子在于报告里全是“类目竞争激烈”“用户价格敏感”这种结论，没有一条能直接变成某个人的动作。
关键是把调研结论翻译成“假设，验证方式，判定口径”三件套，每一条都要落到具体的人和时间。
举例来说，不要写“目标用户对价格敏感”，而是写：假设 19.9 到 24.9 美元价格带的转化率不低于 3%，验证方式是测款 50 单配合 7 天广告，判定口径是点击率不低于 0.5%、转化率不低于 8%，责任人是谁，14 天后复盘。
落地工具上，我们会用一个项目管理平台建一个“市场调研”看板，每条假设做成一张卡片，卡片上必填这三个字段和截止日期，到期没拿到数据的卡片强制关闭并标注原因。另外一个我坚持的规矩是：报告里每写下一个结论，后面必须跟一个动作和一个责任人，写不出来就不许写进报告。
这样一份调研最后产出的是十几张待验证的卡片，而不是三十页 PPT，执行率会完全不一样。
读者评论
个样本推演出 15%、32%、61%、78% 这种精度的数字，统计上其实站不住，作者自己也标了"样本推演"，但正文后面又拿这些数当推荐依据。我倾向把它当成经验排序看，别当量化标准。最后还是要小批量上架实测，那调研和测试的界限就很模糊了。所以时间上限可能得从"调研启动到上架"整条链倒排，只约束调研这一段，容易给人一种流程可控的错觉。
另外"决策命中率"是怎么定义的？,"痛点价值等于抱怨频次乘受影响销量乘付费意愿，前两个还勉强能算，第三个在没上架前根本无从验证。,"7天/15天/45天这个分级我认同思路，但实操里拖住进度的往往不是调研，而是等工厂报价、等认证排期、等舱位。
事后复盘时，"命中"很容易被结果偏好污染，卖得好的会被追认为当初判断对了，真正该算的可能是同期没做的那些决策。我们试过从评论里找"愿意多花钱解决这个问题"的表述来估算，样本少得可怜而且高度自选择，抱怨的人本来就更容易表达。调研按时收口了，后面照样拖三个月，季节窗口一样关上。