2024 年我复盘了自己和团队经手的 37 个上新 SKU，发现一个反常识的结果：选品评审会上被一致认为”趋势最明确”的 9 个品，半年后还在稳定出单的只剩 2 个；反倒是 3 个当时被判为”趋势一般、但供应链刚好能压住成本”的品，撑起了那个季度近四成的毛利。
这件事让我重新理解了跨境电商运营执行标准里的一条，选品上新环节的趋势观察，真正决定成败的地方从来不在”选什么”，而在”什么时候上、上多少、上多久”。趋势观察不是选品的前置研究，它是上新节奏的校准器。
这篇文章不讨论”如何找到爆款”这种人人都能写的话题。我要拆的是：趋势观察到底应该以什么形式、在什么节点、用什么样的量化标准，嵌进选品上新的执行流程里。下面所有数据，除特别标注外，都来自我所在团队 2024 年 1 月至 2025 年 3 月的内部上新样本，以及我在数据工具上做的交叉验证。
如果一项趋势观察最后产出的只是一段文字描述，比如”户外露营品类热度持续上升”，那它对上新执行几乎零价值。真正能进入执行层的趋势观察，必须能回答三个问题。
第一个问题：这个趋势信号从出现到现在，斜率是加速还是衰减？第二个问题：当前类目的在售 SKU 数量增速，是慢于还是快于需求增速？第三个问题：以我现在的供应链和物流能力，从决策到首批可售，需要多少天，这个天数能不能压住趋势的剩余窗口？
这三个问题的答案，分别对应上新动作里的时机、数量、深度。答不出来，趋势观察就还停留在情报阶段，没进入执行阶段。
我把这条标准叫做”三缺口尽调”：需求缺口、供给缺口、履约缺口，三者必须同时存在，缺一条我都不会批准上新。
需求缺口指的是搜索量、加购量、评论增速三者同向上升，而不是只有搜索量涨。供给缺口指的是头部链接的评论数还没过某个阈值、类目在售 SKU 增速低于需求增速。履约缺口指的是从下单到入仓的周期，短于趋势的剩余活跃周期。
我见过太多团队只验证需求缺口就上新，结果一上架就撞进红海，因为供给缺口早就被填满了。这是最高频的失败模式，没有之一。
下面这张图是我们团队 2024 年 37 个上新 SKU 的失败原因归因。归因口径是”该 SKU 在 90 天内未达到预设动销率时，最主要的一个原因”，也就是只记第一主因，不重复计数。
这张图最值得注意的是：真正”完全没看到趋势”的 SKU 是零。所有失败的品，趋势方向本身都没判断错。错的是介入时点和验证深度。
每年 6 月和 9 月，团队会集中上新一批 SKU，目标是抢万圣节、黑五、圣诞三个节点。这类上新的特点是节奏刚性，上架时间窗口由平台流量节奏决定，不由我们决定。
坑在于：集中上新让趋势观察变成了”一次性批量作业”。选品会在 7 月开一次，一次性定 20 个 SKU，到 9 月再复盘时，其中至少 5 个的趋势窗口已经关闭。2023 年我们就吃过这个亏，20 个 SKU 里有 6 个上架首月的搜索热度已经比评审时下滑了 30% 以上。
解法不是更早开会，而是把趋势观察从”会议事件”改成”滚动机制”。我们后来改成每两周更新一次趋势看板，评审通过的 SKU 进入”待上架池”，每周根据最新斜率决定是否继续排队。
有一类团队的上新逻辑是：看到竞品某个链接起量，30 天内跟进同款。这在标品、低客单价、无专利壁垒的类目里，是相当有效的策略。
但这类上新对趋势观察的要求恰恰最高。因为你进入时，供给缺口正在被快速填补，你能抢到的只是趋势尾部的利润。我们内部做过测算，跟卖式上新如果在上架后 14 天内没有进入类目搜索前 3 页，后续的广告成本会上升 40% 以上，基本做不出正向利润。
所以跟卖式上新的趋势观察重点，不是”这个品能不能做”，而是“现在入场还来不来得及”。这是一个纯节奏问题。
工厂型卖家和有产业带资源的卖家，上新更多是被动响应，工厂出了一款新模具、有一批库存尾货、老客户提了一个新需求。
这类上新的趋势观察方向和前两种完全相反。前两种是”先有趋势，再找供给”；这一类是”先有供给，再验证趋势”。验证的重点是：这个供给能力，恰好能落在哪个正在上升但供给不足的细分场景里。
我合作过的一家户外家具工厂，2024 年初拿到一批可折叠铝合金桌的产能。他们原本打算做常规露营桌，我建议他们去看露营场景里的细分需求变化，结果发现”车尾箱收纳尺寸”这个搜索词组的增速远高于”露营桌”大盘。最终产品按车尾箱尺寸重新设计，单品毛利率比常规款高 11 个百分点。
三种场景看起来差异很大，但失败时的表现是同一个：趋势结论停留在 PPT 里，没有转化成一张带日期的上新排期表。
我的硬要求是：任何一次趋势观察，产出必须包含三个字段，建议上架日期、建议首批备货量、建议淘汰日期。没有这三个字段的趋势报告，一律退回重做。
热度是某一天的绝对值，趋势是一段时间的斜率。这两者经常被混为一谈。
一个典型例子：某款产品在 TikTok 上被一条视频带火，当日搜索量暴涨 5 倍。但如果你把时间轴拉长到 60 天，会发现这个峰值之后是断崖式回落，斜率是负的。团队如果在这个峰值上决策上新，等到产品到仓，需求已经回到了原来的水平。
我的判断习惯是：所有趋势信号至少要看 12 周的移动变化，并且要看周环比的中位数，而不是峰值。峰值会骗人，中位数不会。
需求增长 200%、供给增长 300%，这不是机会，是陷阱。但很多团队的选品报告里，只有需求侧数据。
我们的供给核查有三项硬指标：类目在售 SKU 数量周增速、头部 20 个链接的平均评论数、新品进入前三页的平均耗时。这三项能相当准确地告诉你，这个类目的门是开着还是已经关上了。
“趋势观察”四个字最容易被读成”大家一起看看”。当一项工作没有唯一责任人，它在上新流程里就会天然被压缩时间。
我们现在的做法是设置”趋势归口人”，由这个人对每一个进入上架池的 SKU 的趋势时效负责。如果该 SKU 上架时趋势窗口已过，责任归他，而不是归选品岗。
我见过最典型的失效形态：季度趋势报告做了 40 页，结论写得很漂亮，但上新排期表还是按老节奏在跑。信息和执行之间断了。
解法是让趋势结论直接驱动排期工具里的字段。趋势结论如果不能改变排期表上的某一个日期或者某一个数量，它就还没有真正生效。
趋势有寿命，履约有时间。这两条曲线的交点是上新的生死线，但很多团队的选品模型里根本没有履约天数这个变量。
我做过一个粗略的统计：在快消类目里，从供应商下单到海外仓可售，常规周期是 35 到 55 天。而一个由社媒引爆的趋势，活跃周期通常只有 60 到 90 天。留给你的净操作空间没有想象中那么宽。
不同渠道的趋势信号，提前量和可信度完全不同。外观驱动型产品在内容平台上的信号，通常比搜索平台早 4 到 8 周；但功能驱动型产品，反而在搜索平台上的信号更早、更稳定。
用错信号源，会让你要么进得太早（需求还没起来，广告烧不动），要么进得太晚（供给已经填满）。
这是最贵的误区。所有上新都应该预设淘汰日期，而不是等库存堆起来再处理。
我们现在每个 SKU 在上架时就写好”建议淘汰日期”，通常是上架后第 90 到 120 天。到点自动进入复盘，决定是续命还是清货。这个动作把滞销库存的处置从”被动救火”变成了”主动排程”。
这一层只回答一个问题，信号是在加速还是在衰减。
我用的口径是：12 周滚动窗口内的周环比中位数为正，且最近 4 周的斜率绝对值不低于前 8 周，才算”仍在加速”。这条标准会过滤掉相当大一部分看起来热闹、实际已经见顶的信号。
需要强调的是，斜率为正是上新的必要条件，不是充分条件。很多团队把这一条当成了全部判断依据，这是最省事也最危险的做法。
这一层回答：需求涨得比供给快吗。
我常用的一个粗略指标是”供需增速比”：把类目近 4 周的搜索量增速，除以类目在售 SKU 数量增速。这个比值大于 1.5 时，供给缺口通常还在；小于 0.8 时，基本可以判断为供给过剩。
另一个更直观的观察是头部链接的评论数。如果类目第一页的链接普遍评论数在 200 以下，说明这个类目还没有被大卖彻底占领；如果普遍在 2000 以上，新链接进入的难度会陡增。
这一层回答：我能在窗口期关闭之前把货上架吗。
计算方式很朴素，趋势剩余活跃周期，减去从决策到首批可售的总天数。如果这个差值小于 20 天，我会把备货量压到最小可测规模，只做趋势验证，不压重仓。
这个计算必须在选品会上当场做，不能会后补。因为一旦进入执行，履约周期就很难再压缩了。
这一层回答：即便做成了，钱能不能留下。
我们内部的红线是：在类目平均 CPC 上浮 30% 的悲观假设下，单品毛利率仍不低于 25%。达不到这条线的品，即使趋势再好我也不上。
原因很简单，趋势型上新的广告成本天然高于常规款，因为它需要快速教育市场、快速占位。如果用乐观的 CPC 去算利润，几乎必然亏。
四层过滤器如果只在脑子里跑，一定会被压缩。所以它必须变成代码化的判断规则，进到排期工具里。
def should_launch(signal, supply, fulfillment, profit): 第一层：信号斜率 if signal.week_over_week_median <= 0: return "拒绝：信号已衰减" if signal.recent_4w_slope < signal.prior_8w_slope: return "观察：增长动能减弱" 第二层：供给缺口 if supply.demand_supply_ratio < 1.5: return "拒绝：供给已填满" if supply.top20_avg_reviews > 2000: return "谨慎：类目已被头部锁定" 第三层：履约闭环 window_left = signal.active_window_days - fulfillment.days_to_shelf if window_left < 20: return "小单测款：备货量 = 最小可测规模" 第四层：利润留存 if profit.margin_at_cpc_130pct < 0.25: return "拒绝：利润无法留存" return "通过：进入上架池，设定淘汰日期"
这段伪代码的真实作用不是自动化决策，而是把判断标准从”人的经验”变成”可审计的规则”。当一次上新失败时，我们能回去查是哪一层过滤器失效了，而不是笼统地说”这次看走眼了”。
这张漏斗是我认为整篇文章最值得看的一张图。它说明一个反直觉的事实：趋势观察的瓶颈不在”发现信号”，而在”过滤信号”。信号捕捉环节的淘汰率是 78%，而供给、履约、利润三层合计又淘汰了 96% 的剩余信号。
早期我们做趋势判断，主要靠人工翻平台前台、看竞品链接、在社媒上找讨论。这套方法能发现趋势，但有两个致命缺陷：一是滞后，二是无法量化供给侧的增速。
人工翻页看到的供给是某个时点的快照，不是增速。而增速恰恰是第二层过滤器最核心的输入。所以后来我把趋势校准环节固定交给数据工具来做，人工只负责最后一步的常识判断。
我目前主要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）。选它的原因不是功能多，而是它能在同一个工作流里同时给出需求侧和供给侧的连续数据，省掉了跨工具拼接的步骤。
我会重点看目标关键词组的 12 周走势，而不是当前搜索排名。重点观察两件事：周环比的中位数是否为正，以及最近 4 周的波动幅度是否收窄。
波动收窄通常意味着需求从”话题驱动”转向”稳定需求”，这是最理想的上新时点。因为此时广告成本还没起来，但需求已经稳定，测款的成功率会明显提高。
这是第二层过滤器的直接输入。我们每周会抓取目标类目的在售 SKU 数量和新增链接数，算出增速，再除以需求增速，得到供需增速比。
实操中我发现一个细节：类目 SKU 数量的增速往往领先价格战 3 到 5 周。也就是说，当你看到 SKU 增速突然跳升时，价格战还没开始，但你还有 3 到 5 周的窗口可以做准备，要么加速上架，要么直接放弃。
我会跟踪 10 到 20 个对标竞品的上架频率。如果竞品在过去 30 天里密集上新同一细分品类，这通常是一个强信号：他们看到了什么，或者他们准备打什么。
反过来说，如果竞品在某个类目的上新停滞了 60 天以上，也是一个信号，可能这个类目的供给已经过剩，他们主动收缩了。
同一品类内，不同价格带的销量占比会随时间迁移。新品上市初期通常集中在高价格带，随着供给增加逐步下移。
观察价格带迁移能帮你判断：现在进入，应该卡在哪个价格带。如果主流销量已经开始向低价带集中，说明类目进入成熟期，此时进入需要极强的成本优势。
2024 年 8 月，我们在数据工具上捕捉到一个信号：某类户外便携储能配件在北美站的搜索量连续 6 周正增长，且增速在加快。同期该细分类目的在售 SKU 数量只增长了 12%。
供需增速比算下来是 2.3，远高于 1.5 的阈值。头部第一页链接的平均评论数只有 340，没有形成垄断。这两条都通过了。
第三步是履约测算。该产品的供应商打样加生产需要 22 天，头程海运加清关入仓需要 31 天，合计 53 天。而该品类的趋势活跃周期，我们判断还有 110 天左右。窗口剩余 57 天，远大于 20 天的安全线。
第四步是利润测算。在类目平均 CPC 上浮 30% 的假设下，毛利率测算值是 31%，高于 25% 的红线。
四层全部通过，我们在 9 月初下单，10 月中旬上架。首批备货 600 件，上架后 30 天动销率 71%，第 45 天追加第二批 1200 件。这个 SKU 在那个季度贡献了团队约 18% 的毛利。
关键在于：这个品在选品会上被讨论时，没有人觉得它”惊艳”。它只是四层过滤器全部通过而已。我们后来复盘，发现真正赚钱的品，往往不是评审会上最兴奋的那个。
这张图有一个容易被忽略的细节：三个批次的 30 天留存差距只有 18 个百分点，但 90 天留存差距拉到了 20 个百分点，而且曲线形态完全不同。基线批次是陡降型，全量执行批次是缓降型。
这意味着趋势 SOP 的真正价值不在”上架即爆”，而在让 SKU 不至于在第 60 天就死掉。对现金流来说，缓降型的 SKU 结构远比陡降型健康。
我的结论很明确：数据工具能替代的是信息收集和增速计算，替代不了的是跨类目的类比推理和供应链常识判断。
举个例子：数据工具能告诉你某个细分词的搜索量连续 8 周上升，但它不会告诉你这个上升是因为某个海外博主发了条视频，而视频热度可能在两周内消退。这个判断只能靠人。
所以我们的分工是：工具负责跑完前三层过滤器的量化部分，人负责最后一步的趋势性质判断，以及第四层的供应链可行性确认。
小团队最大的约束是人力，所以不要把四层过滤器全量铺开。建议只做两层：信号斜率和履约闭环。
信号斜率可以每周花 2 小时，在数据工具上看 10 到 15 个目标关键词的 12 周走势。履约闭环只需要一张表，列出每个供应商的”下单到可售”天数。这两件事加起来每周不超过 3 小时。
小团队最该避免的是”铺宽度”。同时上 20 个 SKU 的试错成本，远高于上 5 个 SKU 并做透趋势验证。
中型团队可以把四层过滤器全量落地，但必须解决责任人问题。建议设置趋势归口人，对每一个进入上架池的 SKU 的趋势时效负责。
同时建议建立”趋势看板”，每两周更新一次，而不是每季度。看板上只保留三个字段：信号斜率、供需增速比、窗口剩余天数。
这个看板的作用不是给老板看，而是给排期决策用。任何一个 SKU 在这三个字段上变红，就应该自动触发重新评估。
这类卖家的趋势观察方向要反过来：先看自己有什么产能，再找匹配的趋势场景。
我的建议是把产能特征拆成三个维度，材料、工艺、最小起订量，然后在数据工具上寻找与这三个维度匹配的细分需求。不要去追与产能不匹配的热门赛道。
前面提到的折叠铝桌案例就是这个逻辑。产能没变，只是把产品定义从”露营桌”改成了”符合车尾箱尺寸的折叠桌”，毛利率就高了 11 个百分点。
旺季上新的趋势观察有一个特殊性：窗口期由平台流量节奏决定，不由趋势本身决定。所以此时的判断标准要放宽信号斜率要求，收紧履约要求。
具体做法是：如果上架日期已经确定，那么趋势观察的重点就变成”在这个日期上，什么品类最可能承接流量”。此时应该看的是历史同期的品类流量结构，而不是当下的趋势斜率。
| 团队类型 | 必做的过滤器 | 更新频率 | 最容易踩的坑 |
|---|---|---|---|
| 小团队（1-3 人） | 信号斜率 + 履约闭环 | 每周 1 次，每次 2-3 小时 | 为了追覆盖率而铺宽度，导致每个品都验证不透 |
| 中型团队（有选品岗） | 四层全量 + 归口人机制 | 每两周 1 次看板更新 | 趋势结论停留在看板，没有反向驱动排期表字段 |
| 工厂型卖家 | 供给匹配 + 需求斜率 | 按产能释放周期，不固定 | 追与自身产能不匹配的热门赛道 |
| 旺季前 90 天 | 履约闭环优先，斜率放宽 | 每周 1 次，临近节点加密 | 用当下趋势斜率替代历史同期流量结构 |
这是最核心的一组取舍。趋势确定性越高，意味着你等待验证的时间越长，窗口剩余时间越短；上新速度越快，意味着验证越浅，误判概率越高。
我的处理原则是分品类：标品、低客单价、可快速返单的品，优先速度；非标品、高客单价、开模成本高的品，优先确定性。
原因是前者的试错成本可以用返单和清货消化，后者一旦判断错误，开模费和首批库存基本无法回收。
铺宽度在流量红利期有效，因为上架就能拿到自然流量。但在供给饱和的类目里，宽度意味着每个 SKU 都拿不到足够的评论和排名积累。
我的建议是：趋势明确时铺宽度，趋势模糊时做深度。趋势明确的窗口期，快速铺开可以最大化吃到流量；趋势模糊时，集中资源做透一两个 SKU，用数据验证方向，再决定是否复制。
这一组取舍常被简化成”工具贵不贵”，但真正的成本对比应该算上人工时间的机会成本。
按我们团队的实际情况，一个 SKU 的人工趋势调研在没工具时约 6.5 小时，有工具后降到 2.8 小时。按运营岗的人力成本折算，一个季度做 40 个 SKU 的调研，节省的时间大约相当于 1.5 个人月。
所以判断标准不是工具的年费，而是你一个季度要做多少个 SKU 的趋势验证。低于 15 个，人工可能更划算；高于 30 个，工具的边际价值就很明显了。
这是最容易被忽略的一组取舍。趋势型上新天然波动大，如果全部资源压在趋势品上，现金流会出现剧烈起伏。
我们的经验配比是：趋势型上新占 SKU 数量的 30% 左右，但不超过备货资金的 40%。剩下 60% 的资金留给基本盘，那些趋势斜率平缓、但常年稳定出单的品。
这个配比的好处是，趋势判断错误时，基本盘能提供现金流缓冲；趋势判断正确时，趋势品的利润能显著拉高整体毛利。
回到文章开头的那个反常识结果。37 个 SKU 的复盘告诉我，趋势观察失效的形态从来不是”没看到”，而是”看到了但没用好”。所以它不该是一项研究，而应该是一道闸门。
闸门的意思是：任何 SKU 进入上架池之前，必须在四层过滤器上留下可审计的记录。不是一段文字描述，而是四个数值，信号斜率、供需增速比、窗口剩余天数、悲观毛利。这四个数字不全，SKU 就不允许进入排期。
如果你今天就要开始改，我建议按这个顺序做三件事。
第一件事，今天就把过去 12 个月失败的 SKU 拿出来，按本文第一节的归因口径分类，看看你的失败主要集中在哪一层。这个动作不需要工具，两小时就能做完，但它会告诉你最该补哪一层。
第二件事，本周内为你的核心供应商建一张”下单到可售”天数表。这是第三层过滤器唯一的输入，也是最容易被忽略、却最容易拿到的一项数据。
第三件事，给每个进入上架池的 SKU 强制加上”建议淘汰日期”字段。这个动作会立刻改变你和库存的关系，从被动清货变成主动排程。
至于工具，我的态度一直是克制的。数据平台能大幅降低信息收集和增速计算的成本，但前提是你已经知道自己要算哪几个数。先用三件事把判断框架立起来，再决定要不要接入工具，顺序反了，工具只会变成更贵的干扰源。
我自己带过小团队做跨境，最怕的就是老板说“要多看趋势”，结果运营每天刷榜单、刷短视频，到了选品评审会上却说不清到底凭什么上这个款。我也经历过“感觉这个会火”然后备货砸在手里的情况，所以特别想知道，趋势观察到底该看哪几个数、达到什么程度才算达标。
把趋势拆成需求侧、供给侧、竞争侧三组指标，每组都定死抓取频率、责任人和阈值。需求侧看同一关键词在目标站点的搜索热度周环比、平台前台搜索下拉词的变化、社媒话题近30天发布密度；供给侧看1688、阿里国际站上同款供应商数量、是否有现货模具、打样周期；
竞争侧看类目新品榜近30天上榜数量、Top20链接的评论数增量。执行标准要写成可勾选的条款，比如“同一关键词连续3周正增长且累计涨幅≥30%”“近30天新增同款listing增速低于需求增速”，需求侧满足2条、竞争侧满足1条才允许进入选品池。
最容易出错的是口径漂移：这周看这个关键词、下周换个说法，趋势线就断了，所以必须固定关键词、固定站点、固定抓取时间点，宁可只盯5个词，也不要每周换一套口径。
我踩过最大的坑就是刷到某款产品在短视频上突然爆了，当天就联系供应商下单，结果海运还没到，热度已经过去了，货堆在海外仓慢慢清。后来我发现光看“最近很火”根本不够，但也不知道该用什么标准去区分真趋势和一阵风。
用双窗口、跨渠道、供给补位三个动作来验证。第一是时间双窗口：同时看4周和12周曲线，两条都向上，并且把涨幅最高的那一周剔除后12周仍然正增长，说明不是单一爆点撑起来的。
第二是跨渠道一致性：至少两个相互独立的渠道同步上涨，比如平台搜索热度加社媒话题热度，或者两个不同站点的同类目数据，只有单一渠道暴涨的，多数是内容驱动的短期流量。第三是供给补位速度：如果30天内类目新增链接数增速超过需求增速，红利窗口已经在关闭，进场就是接盘。
时间窗口上，我给任何新品设2周小单测试，用小批量空运或少量入仓先测，用点击率、加购率、转化率、退货率四个指标做去留判断，真趋势的特征是自然搜索成交占比和复购随时间上升，而不是只有广告砸出来的成交。
我们团队就三四个人，第三方数据工具一年好几万，实在下不去手，每次老板问“这个款为什么上”，我只能说感觉最近挺火的。我也想知道，预算有限的情况下，有没有办法既省钱又能把趋势观察做成固定动作，而不是靠个人灵感。
把趋势观察变成低成本加固定动作的清单。免费源组合起来已经够用：Google Trends看关键词12周曲线，平台前台看Best Sellers和New Releases榜单，搜索下拉词看用户真实表达的变化，1688找同款看供应商数量和询盘热度，社媒话题页看最近发布密度。
关键不是数据源多，而是固定时间做固定动作，比如每周一上午花40分钟，抓同一批关键词和榜单，截图加链接存进一张共享表，三个月下来你就有了自己的时间序列，比任何通用报告都贴合自己的类目。上新评审只要求回答三个问题：这条趋势线连续几周向上、竞品近30天新增了多少个、我们的到货时间和成本能不能赶在窗口期内。
另外把这些动作放进一个统一的项目管理工具里，用同一套字段约束，比如趋势证据链接、验证结论、责任人、复盘日期，选品评审、上新节点、复盘记录都挂在同一条记录上，这样即使人少也不会因为换人而断档。
我们不是没看趋势，问题是选品会开完就散了，趋势结论躺在会议纪要里没人跟，等发现判断错了，库存已经压了两个月。我很想知道，怎么把趋势观察变成流程里的硬卡点，以及上新后多久复盘、拿什么标准去验证当初的判断。
在流程上设三个卡点。进池卡点：趋势证据不达标不能进入选品池，必须提交趋势截图或链接加数据口径，防止口头结论。上会卡点：选品会必须给出趋势窗口期、竞品密度、到货周期这三项判断，缺任何一项不上会。
复盘卡点：上新后第14天和第45天各做一次复盘，用自然搜索成交占比、加购转化率、退货率、库存周转天数四个指标。判断标准可以设成，第14天自然搜索成交占比超过30%且转化率不低于类目均值，视为趋势判断成立，允许追加备货；
如果广告依赖度高、自然流量起不来，说明是买来的量不是趋势的量，应停止追加并进入淘汰流程。复盘结果一定要回写到选品档案里，形成判断、验证、修正的闭环，这样下一轮选品时手上就有自己类目的历史数据可用。责任人必须写到具体的人，否则看趋势这件事永远停留在会议纪要里。
项目管理工具在这里的作用是让卡点可追溯，而不是替代判断。
读者评论
供需增速比那个指标我实际用过，问题在数据源：第三方工具给的类目在售SKU口径前后不一致，同一个词这周显示800个下周变600个，比值波动大到没法当决策依据。小团队要么自己定期抓，要么只能退回去看头部评论数这种相对稳的信号，不然这一层过滤器很难真正跑起来。
到120天设淘汰日期我们体会不太一样。做家居园艺这类长尾品，有些款前三个月动销一般，换季后反而起来了，一刀切砍掉会误伤。我觉得淘汰线至少要按类目和退货成本分档，不然容易把慢热款当滞销清掉。
趋势归口人听着合理，但三五人的团队最后大概率还是运营主管兼着，责权分开反而更乱。我更关心排期表那三个字段谁来维护，如果靠人工每周更新，跑两个月基本就流于形式，能自动同步数据才是最难的。