去年冬天，我在深圳龙华一间不大的办公室里做季度选品复盘。桌上摊着一份 46 个候选 SKU 的清单，每个 SKU 后面都跟着一串 12 位数字。运营负责人语气很笃定：这批 UPC 是 2019 年花 800 块钱买的 5000 个，用了五年，从没出过问题。
我把这 46 个码全部丢进 GS1 的公开查询入口跑了一遍。结果只有 3 个能查到清晰对应的品牌所有者，剩下 43 个在 GS1 数据库里连影都没有。这 43 个码校验位全部正确，格式无可挑剔，扫码枪也能正常读出来，但它们的”主人”根本不存在，或者更准确地说，这些码所属的公司前缀，早在几年前就因为没续费而被回收了。
那一刻我意识到一件事：绝大多数跨境卖家检查 UPC，只检查了一件事，这串数字能不能被扫出来。而真正决定选品质量的，是这串数字背后的”身份档案”。这篇文章我想把这套方法完整拆开：怎么用 GS1 注册信息做 UPC 检查，以及为什么它能成为选品策略质量评估里性价比最高的一道前置关卡。
先把结论摆在最前面，后面的内容都是围绕这三条展开的论证。
结论一：UPC 本身只是一串标识，价值几乎为零；UPC 背后的 GS1 注册档案，才是信息密度极高的情报源。一个 12 位数字能告诉你的只有”这是第几号商品”，但 GS1 数据库里的公司名称、注册时间、前缀下的商品数量、续费状态，能告诉你这家公司是不是正规品牌、做了多久、铺了多少品、还在不在经营。
结论二：GS1 前缀下的 GTIN 数量变化曲线，是可以用来反推竞争对手产品战略的。一个品牌三年内从 12 个码扩到 300 个码，和一个品牌三年内一直停在 30 个码，说明的是两种完全不同的公司。前者在系统性地铺产品线，后者在守着一个固定的小盘子。
结论三：UPC 检查应该前置到选品评审的第一步，而不是等上架被拒之后再补。它能帮你在一分钟内筛掉三类卖家：用转售码的、用二手码的、以及根本没有能力维护品牌资产的小作坊。这三类对手，本质上不值得你花时间做深度对标。
但这里有个前提：你得分清”格式合法”和”身份合法”。这是两件事，混淆它们是我见过最普遍的错误。
我发现在讨论 UPC 之前，必须先花十分钟把命名体系掰正。很多选品会议上的争论，根源其实是两个人在用同一个词指代不同的东西。
GTIN 是 Global Trade Item Number 的缩写，是一整套商品标识体系的总称。它下面有几个长度不同的成员：GTIN-12 就是北美常见的 UPC-A，GTIN-13 就是欧洲和亚洲常见的 EAN-13，GTIN-14 主要用于箱规和外包装，GTIN-8 用于极小包装商品。
它们本质上描述的是同一件事，某个 GS1 成员组织分配给某个企业的、某个具体商品的唯一编号。你在美国站看到的 UPC，和你在日本站看到的 JAN（Japanese Article Number，本质是 EAN-13），在系统层面是可以互相转换的，只要补位并重新计算校验位。
UPC-A 的第 12 位、EAN-13 的第 13 位都是校验位，用来防止人工输入或扫描时的单字符错误。算法很固定，我平时用这段脚本做批量初筛：
def upc_check_digit(eleven_digits: str) -> int:
"""输入 UPC-A 的前 11 位数据位，返回应有的第 12 位校验位"""
if len(eleven_digits) != 11 or not eleven_digits.isdigit():
raise ValueError("UPC-A 需要 11 位数字数据位")
total = 0
for index, char in enumerate(eleven_digits, start=1):
weight = 3 if index % 2 == 1 else 1 # 奇数位 ×3，偶数位 ×1
total += int(char) * weight
return (10 - total % 10) % 10
def is_valid_gtin(code: str) -> bool:
"""同时兼容 UPC-A(12) 与 EAN-13(13) 的校验位验算"""
code = code.strip()
if len(code) == 12:
return upc_check_digit(code[:11]) == int(code[11])
if len(code) == 13:
total = 0
for index, char in enumerate(code[:12], start=1):
weight = 1 if index % 2 == 1 else 3 # EAN-13 的权重顺序相反
total += int(char) * weight
return (10 - total % 10) % 10 == int(code[12])
return False
批量初筛
codes = ["012345678905", "6901234567892", "012345678906"]
for c in codes:
print(c, "校验位通过" if is_valid_gtin(c) else "校验位失败")必须说清楚的是：校验位通过只说明这串数字没写错，完全不说明它被 GS1 正式分配过。任何懂算法的人都能造出无数个校验位正确的假码。我见过一些卖家把”校验位通过”当成”码是真的”，这是最危险的误判。
UPC 开头的几位数字叫 GS1 前缀，它标识的是”由哪个 GS1 成员组织发放”，而不是”商品在哪里生产”。690 到 699 是中国物品编码中心发放的前缀，但一个美国品牌完全可以在中国代工，然后用美国的 GS1 前缀。反过来，一家中国企业申请了 690 前缀，把货卖到美国，这也是完全正常且合规的。
| 前缀区间 | 发放机构所在地区 | 常见误读 |
|---|---|---|
| 000-019 / 030-039 / 060-139 | 美国 | 被误读为”美国制造” |
| 300-379 | 法国 | 被误读为”法国品牌” |
| 400-440 | 德国 | 被误读为”德国品质” |
| 450-459 / 490-499 | 日本 | 被误读为”日本原产” |
| 471 | 中国台湾 | 常被误判为大陆厂商 |
| 489 | 中国香港 | 常被误判为海外品牌 |
| 690-699 | 中国内地 | 被误读为”一定是国内公司” |
| 880 | 韩国 | 被误读为”韩国制造” |
我在选品评审里见过太多”看到 690 就判定是同行铺货、看到 000 就判定是品牌方”的操作。这个判断的准确率大概和抛硬币差不多。前缀唯一能告诉你的信息是：这个品牌愿意为 GS1 付费，而且是在哪个市场付的。仅此而已，但这一点本身已经很有价值。
回到开头那 46 个 SKU 的清单。我当时的初筛流程其实只有三步，全程不到三分钟，但直接砍掉了三分之二的候选。
这一步剔除的是”手抄错误”和”临时编造”。有些运营为了赶评审进度，会随手编一个看起来像 UPC 的数字填进表格，校验位一跑就露馅。这一步的淘汰率通常在 5% 左右，但一旦漏掉，后面所有分析都建立在假数据上。
GS1 各成员组织都提供公开查询服务，能查到某个 GTIN 对应的公司名称、地址、联系方式。核实时要重点看三件事：所有者名称是否与商品页面上的品牌名一致、地址是否真实可查、该公司名下是否还有其他 GTIN。
如果查不到记录，基本可以判定是转售码或二手码。如果查到的所有者名称是一个和商品毫无关系的贸易公司，那也要打问号，正规品牌很少让别人代持自己的商品身份。
这一步是我认为最被低估的动作。查询一个前缀，往往能看到这家公司名下注册的全部 GTIN 数量。这个数字本身不含任何商业机密，但它能极其清晰地告诉你：这是一个只做两三个 SKU 的试水卖家，还是一个管理着几百个 SKU 的产品型公司。
那 46 个候选 SKU 里，有 43 个卡在第二步。剩下的 3 个，其中 1 个所有者是家欧洲公司，前缀下只有 8 个 GTIN，明显是小众品牌；另外 2 个所有者是同一家美国公司，前缀下有 260 多个 GTIN，且注册时间跨度超过六年。这 2 个 SKU 后来成了我们重点对标对象。
这一节我列的五个误区，全部来自我自己踩过或亲眼见过的真实情况，不是教科书上的条目。
前面已经说过，校验位是防手误的，不是防造假的。我见过专门做码的供应商，写个小脚本批量生成校验位正确的号码，打印成表格卖给卖家。这批号码在扫码层面无懈可击，但在 GS1 数据库里一片空白。
判断方法很简单：校验位跑一遍，再查一遍所有者。两个都过才算过。
这个误区最要命的地方在于，它的风险延迟暴露。买码的时候一切正常，上架也正常，问题往往在半年后出现，品牌备案被拒、被原码主投诉、平台批量扫描命中、甚至整店关联处罚。
我见过一个案例：同一批 2000 个转售码被卖给至少 7 个卖家，这 7 个卖家横跨三个类目。其中一家的 listing 被投诉后，平台顺着 GTIN 关联，把另外 6 家的相关 listing 一并做了限制。这种情况下你根本不知道自己为什么被牵连。
这是纯粹的会计错觉。GS1 的年度续费买的是”持续可验证的身份”，一次性买断买的是”一个当下无人认领的数字”。前者在平台上是被认可的资产，后者在被质疑时拿不出任何授权链条。
更关键的是，GS1 前缀一旦停止续费，前缀下的所有 GTIN 就会进入可回收状态。你今天买的”永久码”，明天可能就被分配给别人。这是结构性风险，不是概率问题。
这种思路在铺货时代还能勉强成立，因为铺货的核心是快速周转、快速退出。但如果你在做精品或品牌，选品的核心资产就是那些 listing 和背后的评论、排名、流量权重。这些资产全部挂在 GTIN 上。用一个随时可能被收回的地基盖房子，不是省钱，是把风险堆在了最不该堆的地方。
这是我认为最需要纠正的一个认知。GS1 注册信息不是合规文件，它是竞争对手的公开档案。你可以合法、免费地看到对手有多少个 SKU、什么时候开始做、产品线扩张的节奏。这些信息在选品阶段的价值，远超它作为合规文件的价值。
前面讲的是”怎么查”，这一节讲”查完之后怎么判断”。我把这套判断逻辑固化成了四层模型，从最容易验证的到最需要经验的依次递进。
判断标准很硬：在 GS1 公开查询里能查到所有者，且所有者名称与品牌名高度一致或存在明确授权关系。
这一层不通过，后面三层都不用做了。因为一个连身份都没有的商品，你在它身上做的任何对标分析都是无效的，它可能是临时起意铺货的，也可能下个月就消失了。
这一层要交叉三个信息源：GS1 数据库里的所有者名称、商品页面上的品牌名、以及商标注册信息里的申请人。
三者一致，说明这是一个结构清晰的品牌。如果 GS1 所有者是一个贸易公司、商标持有人是另一个主体、页面品牌名又是第三个，那这个商品的权属结构是混乱的。权属混乱往往意味着这家公司要么在规避风险，要么内部管理极度粗放，两种情况下都不适合作为长期对标对象。
观察指标有三个：前缀下 GTIN 的最近注册时间、GTIN 总量的变化趋势、以及这些 GTIN 在平台上是否还有在售商品。
如果最近一次注册是三年前，那这家公司大概率已经停止新品开发。它的现有 listing 可能还有排名和评论，但产品迭代能力已经停滞。对于主打差异化的卖家来说，这类对手并不可怕；但对于主打供应链效率的卖家，这类对手反而值得警惕，因为它可能靠老品吃老本，成本结构极低。
这是我用得最多的一层，也是最需要结合平台数据的一层。单个 GS1 前缀的 GTIN 数量只是静态数字，把它和平台上的实际在售 SKU 数、类目排名变化、上新时间点结合起来，才能读出战略。
| GS1 表现 | 平台表现 | 战略判断 | 对标价值 |
|---|---|---|---|
| GTIN 持续增长，年增 50+ | 在售 SKU 同步增长，类目排名上升 | 系统性扩张型品牌 | 高，值得深度拆解 |
| GTIN 快速膨胀，年增 300+ | 在售 SKU 不足注册量的 20% | 广撒网试错型 | 中，可观察测试方向 |
| GTIN 长期停滞 | 老 listing 排名稳定 | 守成型，供应链效率高 | 中，重点看成本结构 |
| GTIN 大量但无对应商品 | 在售 SKU 极少或频繁更换 | 疑似码商或短期套利 | 低，直接排除 |
| GS1 无记录 | 商品正常在售 | 转售码或二手码 | 低，且需警惕关联风险 |
这套模型的用法不是给对手打分，而是决定”我要不要花时间研究它”。跨境选品最稀缺的资源从来不是信息，而是分析时间。四层模型的最大价值，是让你在一分钟内把 80% 不值得研究的对手排除掉。
光看 GS1 数据有一个明显短板：它只告诉你这家公司注册了多少码，不告诉你这些码对应的商品卖得怎么样。这个短板必须靠平台侧的数据工具补上。我平时用的是数跨境（https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys），它能把类目排名、在售 SKU 变化、上新节奏这些平台侧信号拉出来，和 GS1 侧的注册数据对齐。
这是一家做家居收纳的美国公司，GS1 前缀下 2021 年只有 34 个 GTIN，2023 年底涨到 260 个左右，2024 年中已经接近 480 个。单看这条曲线，能判断它在系统性铺品，但判断不了铺得成不成功。
把数跨境的类目数据叠上去之后，画面就清晰了：这家公司在该类目榜单前 100 名里的 SKU 数量，2021 年是 2 个，2023 年是 7 个，2024 年中是 11 个。注册量增长和榜单占有量增长是同向的，说明它的铺品是有动销支撑的，不是盲目注册。
这类对手值得投入最多分析时间。因为它的路径是可复制的：先跑通单品，再用同一套供应链和流量打法横向复制。我后来把这个品牌的产品线宽度、上新间隔、价格带分布全部拉了一张表，直接用作我们自己新品节奏的参照。
另一家做 3C 配件的卖家，GS1 前缀下有超过 1200 个 GTIN，注册时间集中在两年内。第一眼看上去像是个高速扩张的大卖家。
但数跨境的数据显示，这个品牌在平台上长期在售的 SKU 只有 90 个左右，而且上新和淘汰极其频繁，很多 SKU 存活周期不到 60 天。注册量远大于实际经营量，这是典型的”码囤积”特征。
进一步核对发现，这家公司的 GS1 所有者名称与平台上挂的品牌名不一致。这两个信号叠加，我基本可以判断：要么它在做多品牌矩阵测试，要么它在把码转手给其他卖家。无论哪种情况，它都不是一个产品型对手，不值得作为选品参考。
前两个案例是对外看的。对内，我自己的判断标准更简单：如果一个产品线预计存活超过 12 个月，并且要申请品牌备案，就一定要自注册；如果只是测试性铺货、预计 3 个月内清掉，那用转售码的账才勉强算得过来。
问题在于，几乎没有人能准确预测一个 SKU 会不会成为爆款。我自己的经验是，测试期用转售码的卖家，往往在测出爆款之后才回头补注册，这时候已经积累的评论和排名就面临迁移风险，换码意味着换 listing，等于把攒下来的权重全部清零。
前面都是判断方法，这一节落到具体动作。我按卖家类型分三种情况给建议，因为同一个动作在不同阶段的价值完全不同。
我的建议是：可以继续用低成本码，但必须做两件事。第一，建立一份内部码库台账，记录每个码的来源、购买时间、使用状态，避免同一个码被不同运营重复使用。第二，在测出有潜力的单品后，立刻为该单品单独申请官方 GS1 码，并新建 listing 承接，不要等到被投诉才处理。
这个策略的本质是”用低成本试错，用合规承接成果”。它把 GS1 的投入从”全量成本”压缩成”命中成本”，铺货型卖家能接受，风险也可控。
我的建议很直接：全部自注册，不要省这个钱。在这个规模下，GS1 年费的绝对值对你的整体成本结构几乎没有影响，但它决定了你的品牌备案能否一次通过、listing 能否稳定存活、后续能否扩展到更多站点。
具体操作上，建议申请公司前缀而不是单个 GTIN。公司前缀一次授权可以覆盖几十到上千个码，单位成本远低于单买，而且后续上新不用重新走流程。我自己的经验是，按未来 3 年的 SKU 规划量上浮 50% 去选档位，避免中途因为码用完而重新申请，重新申请意味着换前缀，老码和新码会分属不同主体，管理上会很麻烦。
建议把 GS1 注册提升到品牌资产管理的层面。具体包括：确保所有渠道使用同一套 GTIN，避免不同平台用不同编码体系；在商标注册、GS1 注册、平台品牌备案三处保持主体名称一致；定期核对 GS1 后台的续费状态，把它纳入公司年度合规日历。
另外建议定期反向查询自己的前缀，确认没有被异常分配或滥用。我见过有公司在交接过程中漏续费，前缀被回收后又被第三方申请，导致自己的部分码失效。这种事故一旦发生，追回的难度远大于预防的成本。
建议之后必须讲取舍，因为大部分时候卖家不是不知道正确答案，而是正确答案和当下约束冲突。
我前面提过一组数字：以 100 个 SKU 的规模计算，GS1 官方前缀授权三年总成本大约在 1200 美元量级，而第三方转售码可能只要 30 美元，二手码甚至只要 2 美元。这个差距是 40 倍到 600 倍。
但要看的是另一组数字：如果一个 SKU 备货 1000 件、单价 15 美元，货值就是 1.5 万美元。一旦下架，按折价 40% 清货计算，单 SKU 损失约 6000 美元。一次下架损失，就相当于三年 GS1 年费的 5 倍以上。
所以取舍的关键不是”贵不贵”，而是”你的 SKU 会不会活过下架风险期”。如果活不过，省钱是对的；如果活得过去，省钱就是把自己最值钱的资产放在了最便宜的地基上。
GS1 官方注册需要走申请流程，从提交到拿到码通常需要几个工作日。对于抢季节、抢热点窗口的卖家来说，这几天可能就是生死线。
我的处理方式是分层：用转售码做冷启动测款，用官方码做正式上架。具体做法是先小批量备货，用临时码跑 2 到 3 周的数据，拿到点击率、转化率、退货率的真实反馈；确认有潜力后，同步启动 GS1 申请和正式 listing 搭建，在正式 listing 上线时把临时 listing 的评论做合规迁移或直接以新品形式重启。
这个方案的代价是会丢掉一部分早期权重积累，但换取的是选品决策速度。对于季节性强的类目，我认为这笔账是划算的。
很多平台对自有品牌、手工类商品、组合装商品提供 GTIN 豁免通道。这看起来是完美的省钱方案，但有几个隐性限制必须知道。
我的判断是：如果你确定未来三年只在一个平台、且产品线不会横向扩展，豁免是合理选择；否则自注册更稳。因为 GTIN 是跨渠道通用的语言，而豁免是平台级政策，政策会变，编码体系不会。
单次判断靠经验，长期执行必须靠流程。我把这套动作整理成了可以直接交给运营执行的 SOP。
把每次核验的结果归档成表，字段包括编码、所有者、注册时间、GTIN 总数、在售转化比、判断结论、对标价值等级。这张表积累到半年左右，就会成为你们团队最值钱的选品情报库。
我自己最大的体会是，UPC 检查的价值不在于单次筛选，而在于长期积累。当你连续跟踪三四十个品牌的前缀变化，你会开始看到一些别的卖家用钱都买不到的东西：谁在扩张、谁在收缩、谁在换代、谁在悄悄砍产品线。
不一定违法，但风险明显更高。GS1 查询不到通常有三种情况：编码由第三方转售商批量生成、编码所属前缀已注销被回收、或者编码本身就是编造的。这三种情况在平台上被质疑时，你都拿不出有效的授权链条。
我的建议是分场景：如果只是短期测试、备货量小、能承受下架，可以先用；如果要投入广告预算、要申请品牌备案、要长期经营，就不要用。
只能说它有较多产品注册行为，不等同于经营能力强。必须配合在售转化比判断。注册 1000 个码但在售只有 80 个 SKU，和注册 300 个码在售 260 个 SKU，是两个完全不同的公司。前者可能在做码的生意，后者才是真的在做商品的生意。
需要，建议至少每季度一次。检查三件事：续费状态是否正常、前缀下是否存在非自己注册的 GTIN、公司主体信息是否与商标和平台备案一致。这几项都属于低成本高收益的定期动作。
在大多数平台上，GTIN 是商品身份的组成部分，更换编码通常会被系统识别为新商品，已有的评论和排名权重不会自动迁移。这也是我建议在测款阶段就规划好编码策略的原因，换码的代价远高于一开始就选对。
建议统一。使用同一套 GTIN 跨渠道经营，可以让你的商品身份在所有系统中保持一致，便于做跨渠道的库存、评价和合规管理。如果各渠道编码不一致，后续做统一品牌管理时会遇到大量对不上账的问题。
回到最开始那 46 个 SKU。如果那天我没有跑那三分钟的核验，这 43 个无主码的商品会全部进入深度对标环节，占用团队两周的分析资源，最后得出一个建立在虚假身份上的结论。而真正值得研究的 2 个对象，可能因为时间不够被草草带过。
这就是我想强调的独特观点：UPC 检查不是合规工作，它是选品流程里信息回报率最高的一个前置动作。它免费、快速、可批量执行，却能同时完成三件事，剔除不值得研究的对手、识别真正的产品型公司、以及反推对手的产品扩张节奏。
具体怎么开始？我建议按这个顺序走三步。
跨境选品的竞争，最终不是比谁知道更多选品技巧，而是比谁能更早地识别出哪些对手值得研究、哪些不值得。UPC 检查恰好就是这个识别动作里最便宜、也最容易被跳过的一环。
我刚开始做选品时，供应商发来一张Excel，几百个12位数字，我直接填进后台就上架了，结果有两个Listing被提示GTIN无效。我一直以为UPC就是“12位数字”，后来才发现数字合法和码真正注册过是两件事。我想知道有没有一套自己就能动手做的验证流程。
可以拆成三步。第一步做格式校验：UPC-A固定12位，前11位加权求和，奇数位乘3、偶数位乘1，求和后取10的补数得到第12位校验位，校验位不对的直接淘汰，这一步能刷掉输入错误和伪造码。
第二步看前缀但要理解它是什么：GS1前缀是“公司前缀”不是国家码，000-019、060-139等主要分配给美国和加拿大，690-699是中国，但公司前缀长度可能是6到10位，只看前三位就断定产地是常见误判。
第三步拿前缀加品牌名去GS1官方渠道查（GS1 US的Verified by GS1可反查GTIN，GEPIR可按公司前缀查归属企业），也可以配合目标市场的商标库核对品牌持有人。判断口径：能查到公司名且与Listing品牌一致，算通过；查到公司名但品牌对不上，大概率是转售码或授权码；
完全查不到，基本是从第三方批量买的“白码”。实操上，新供应商第一批建议至少抽30%，通过率低于70%就整批退回，不要边卖边查。
我以前选品只看销量、评论数和价格带，直到有一批货卖起来后被品牌方投诉，才发现自己根本没搞清楚供应商是谁。后来听人说UPC的GS1注册信息里能读出品牌方的底细，但我打开那个查询页面，一堆公司名和地址，不知道哪个字段才是真正有判断价值的。
我通常看三类信号。第一是注册主体：查到的公司名是工厂、贸易公司还是品牌运营公司，注册地址是否和供应商自称的地址/主体一致，这一条能过滤掉相当一部分“贴牌冒充原厂”。
第二是同一公司前缀下已注册的GTIN数量：GS1是按量级收费的，常见档位是10个、100个、1000个、10000个，一个只买了10个码的公司通常只做极少SKU，如果对方声称有200个SKU，说明它在混用其他来源的码。第三是注册时间和更新活跃度，老前缀加持续新增，通常说明是长期经营的品牌方。
可以做成百分制打分表：前缀能查到公司名20分，公司名与品牌/店铺主体一致20分，GTIN数量与宣称SKU数匹配20分，注册时间超过两年20分，前缀下类目集中度高20分。低于60分我不建议深度合作，60到80分可以小批量试单，80分以上才考虑做独家或压库存。
身边有朋友在网上花几十块钱买了几百个UPC，说照样能上架、照样出单，我一度也想省这笔钱。但我又担心短期能上架、长期会不会被秋后算账，尤其是我们打算做品牌备案和长期Listing的时候。
短期能上架是真的，因为前台校验多数只认格式和是否已被占用。但风险在于归属：第三方转售码本质是别人公司前缀下的GTIN，你没有授权链路。平台在做品牌备案、品牌保护、透明计划这类校验时，会比对GTIN与品牌所有者，一旦对不上，轻则Listing被锁、编辑权受限，重则影响账号健康；
而且你无法用不属于自己的码去完成品牌注册，也进不了需要品牌授权的类目。可执行的做法是：优先向工厂或品牌方索取他们自己前缀下的码；如果对方只能给转售码，就要求提供GS1的授权或转让凭证，拿不出来就别用；
确实需要自有码，就去GS1在本地的注册机构按需购买，注意它是按年续费而不是一次性买断，预算时要算进年度成本。判断依据很简单：账号和品牌备案是资产，不要用一个几十块钱的码去赌。
我们团队现在三个人做选品，一个人一天手工查几十个就到头了，而且查完只是各自记在表格里，没有统一标准，经常同一个供应商这次通过下次又不通过。我想把这件事做成一条能复用的SOP，而不是靠人肉。
我们自己的SOP是五步：导出候选ASIN/UPC表；本地脚本先做格式校验（补零到12位、去空格、修正把字母O/I混输成0/1的情况、算校验位、去重）；批量调用GS1官方或可信的GTIN数据库接口拉取公司名和品牌名；用模糊匹配算品牌名与店铺品牌的相似度，阈值我一般设0.8；
最后输出带红旗标记的结果表交给选品同事复核。红旗清单建议固定下来：同一公司前缀对应多个互不相关的品牌；同一品牌散落在多个前缀下；整张表校验位错误率超过5%（说明数据源本身就不可信）；公司名查不到；公司名是贸易类主体但类目横跨五个以上。
数据口径上，我们跑下来的经验是，工厂直供的表通过率通常在90%以上，从中间商手里拿的表经常只有50%到60%。所以规则可以定为：通过率低于70%时，先修数据源再谈选品，不要拿脏数据去做打分，否则越算越偏。
读者评论
那张对比图的数据太整齐了。我们自己品牌的码是GS1自注册的，品牌备案还是被卡过一次，原因是listing上的品牌名拼写和GS1所有者名称对不上，补了授权说明才过。所以96%这个通过率我不敢照搬，实际里名称一致性才是最常翻车的点，不是码的来源。
前缀下的GTIN数量当参考可以，当结论要小心。我们供应商前缀下有四百多个码，实际在售的二十来个，其余是历年试款后停掉的。另外GS1各成员组织的公开查询覆盖度不一样，有些地区免费只给公司名，注册时间和码量要付费，拿不到就别硬套这套方法。
方法本身没毛病，执行上有点理想化。一个季度几千个候选，逐个去查GS1不现实，我一般只对最后入围的十几个做。另外二手码真正致命的不是查不到记录，而是同一个码被多个卖家同时挂在售，直接在平台搜一下UPC看有没有重复listing，比查数据库更快。