2023年第二季度，我经手的一个铺货型店铺在批量上传3200个SKU时，被亚马逊诊断报告一次性退回187条记录。当时我第一反应是供应商发错货了，但把原始数据拉出来逐条比对后，我发现了一个更值得警惕的事实：其中163条报错的根本原因是UPC码重复，而这163个重复码并不是随机分布的，它们高度集中在四个类目里。更巧的是，这四个类目恰好是我当时使用的选品工具连续三个月推荐的高频方向。
那一刻我意识到，UPC重复码排查根本不是合规环节的收尾工作，它其实是选品策略的一面镜子，能照出你和多少同行正在挤同一条赛道。
先把结论放在前面。经过那次事故之后，我把UPC重复码排查从”上传前的合规检查”升级成了”选品策略的月度复盘指标”，并且在后续两年里用这个思路调整了三次选品方向。我认为大多数卖家对UPC重复码的理解停留在一个太浅的层面，只把它当成供应商质量问题或者平台风控问题，而忽略了它承载的信息量。
第一，UPC重复率高，通常说明你的选品信息来源和大量同行重合。第三方UPC码的流通路径是有限的，当一批卖家同时从相似渠道采购、又同时用相似工具选品时，重复碰撞几乎是必然结果。重复本身不是问题，重复集中在你主推的类目才是问题。
第二，UPC重复码的类目分布，比重复率本身更有分析价值。整体重复率10%听起来很吓人，但如果这10%均匀散落在50个类目里，它只是采购问题；如果这10%里有70%集中在3个类目，那就是选品策略问题。
第三，UPC排查的最佳时机不是上传前，而是选品定稿后、采购下单前。上传前排查只能止损，选品定稿后排查能改变决策。这个顺序上的微小差异，决定了你是被动救火还是主动调整。
要理解这个逻辑，需要先看清楚UPC码在跨境生意里的真实流通结构。正规UPC来自GS1，每个码绑定一个企业主体，全球唯一。但市面上大量流通的第三方UPC码，来源是各种批量转让、代理注册、甚至程序生成的码段。
这些码段有一个共同特征：它们是被成批释放、成批采购、成批使用的。当一群人用同一套选品逻辑筛选出相似的品，又用同一批渠道采购UPC，碰撞概率就会急剧上升。所以UPC重复码的本质，是一个被动的、由市场行为共同写下的”选品重合度记录”。
这个记录比任何选品工具的热度榜单都真实，因为它是用真金白银采购和上传行为投票出来的，而不是算法推荐出来的。
基于那次事故，我给自己店铺定了三条可执行的硬指标，每季度复盘一次：
这三条指标不复杂，但它们把一个原本属于运营后端的数据，变成了前端策略的输入。接下来我会完整还原那次事故的排查过程，包括我具体用了什么方法、踩了哪些坑、以及后来怎么把它和类目数据结合起来的。
这一节我会尽量把过程写细，因为UPC排查最有价值的部分不在结论，而在你面对一堆报错数据时，能不能从”合规视角”切换到”策略视角”。
那个店铺当时的定位是轻铺货，SKU总数维持在2800到3500之间，客单价集中在12到35美元区间，主营类目覆盖家居、运动户外、宠物、玩具四大板块。选品节奏是每周一批，每批80到150个新品，从选品工具抓取到采购上架大概7到10天。
UPC的采购方式是每季度集中采购一次，单次3000到5000个，通过一个长期合作的第三方渠道拿货，单价在0.08到0.12美元之间。这个价格区间基本可以判断是非GS1官方来源的码，但因为之前两年没出过大问题，我一直没有系统性地做重复排查。
问题就出在这个”没出过大问题”的惯性上。小额随机碰撞被平台的容错机制消化掉了，直到某次批量上传把累积的问题一次性暴露出来。
那次上传用的还是常规的库存文件批量模板，涉及3200条记录。提交之后大约40分钟，后台返回了诊断报告。报告的结构大致是这样：
error-code | attribute-name | original-value | accepted-value | error-message
8541 | external_product_id | B08XXXXX01 | | The value provided for the UPC is invalid or duplicates
8541 | external_product_id | B08XXXXX02 | | The value provided for the UPC is invalid or duplicates
8542 | external_product_id | 019XXXXXXXXX | | The UPC does not match the brand or product
打开报告第一眼看到的是187条记录，当时心情是比较麻木的，因为铺货店铺每次上传都会有报错，20到40条属于正常波动。但187这个数字明显超出正常范围，我开始逐条看错误代码。
187条里，8541占163条，8542占18条，其他零散错误6条。8541明确指向UPC无效或重复，这就是问题的核心。
我做的第一件事是把163个报错UPC从原始上传文件里提取出来，然后和全量3200条记录的UPC列做交叉比对。这个过程如果用Excel手工做会非常痛苦，我当时的做法是写了一个简单的Python脚本。
import pandas as pd
from collections import Counter
df = pd.read_csv("upload_batch_2023q2.csv")
df["upc_clean"] = df["upc"].astype(str).str.strip().str.zfill(12)
counter = Counter(df["upc_clean"])
dup_upcs = {upc: cnt for upc, cnt in counter.items() if cnt > 1}
dup_rows = df[df["upc_clean"].isin(dup_upcs.keys())]
dup_summary = dup_rows.groupby("category").agg(
sku_count=("sku", "count"),
unique_upc=("upc_clean", "nunique")
).sort_values("sku_count", ascending=False)
print("批次内重复UPC总数:", len(dup_upcs))
print("涉及SKU数:", len(dup_rows))
print(dup_summary)跑完之后有两个数字让我意外。第一个是批次内部真正重复的UPC有74个，涉及SKU 152条；第二个是剩下11条报错的UPC，在本批次里是唯一的，说明它们的问题不是批次内重复，而是已经被其他卖家用过了，属于外部占用。
这两个问题的处理方式完全不同，这也是很多人排查时容易混淆的地方。批次内重复是采购和分配问题，外部占用是渠道质量问题。
真正让我改变判断的，是第二步。我把163条报错记录按类目统计了一遍，结果如下：
四大主营类目吃掉了85.3%的报错，而当时的选品工具在过去三个月里，推荐频次最高的正好就是Home & Kitchen和Sports & Outdoors。这个重合度不是巧合。
我当时用的选品逻辑是”销量增速+评论数少+价格带集中”，这套逻辑本身没错，但问题是它会被大量卖家同时使用。当所有铺货卖家都在用类似的筛选条件时，大家挖出来的品就会趋同，采购的UPC码段也会趋同，最后在平台上撞车。
更直观的证据来自那74个批次内重复的UPC。它们不是随机的，而是成簇出现的：同一批采购码段里，相邻的几十个码往往集中在同一两个类目。这说明选品节奏和采购节奏是绑定的，选品同质化直接传导成了UPC同质化。
在分享专业判断逻辑之前，我需要先清理掉四个非常普遍但会误导判断的误区。这些误区我在和同行交流时反复听到，也在我自己早期踩过。
这是最普遍的反应。遇到重复码，第一反应是找供应商换货或者退款。换货当然要做，但如果止步于此，你就浪费了这批数据最有价值的部分。
供应商提供的UPC码之所以会重复，是因为它本身就是被大量卖家共享的码池。你的码和别人的码重复，意味着你的选品和他们重叠。这不是单纯的供应商问题，而是整个流通链上下游共同作用的结果。
把责任推给供应商，等于放弃了从数据里读出选品信号的机会。我现在的做法是：换货照做，但先把重复码的类目分布和渠道来源完整记录下来，作为选品复盘的一手材料。
换码能解决眼下的上传问题，但解决不了底层问题。因为UPC重复反映的是选品同质化，而同质化不会因为你换了码就消失。
我用一个具体例子说明。当时那批163条报错里，有58条来自Home & Kitchen。如果我当时只是换码重新上传，那么这58个品在平台上会正常开卖，但它们要面对的是同一批选了类似品、只是用了不同UPC的卖家。竞争压力一点没减少，只是从合规层面转移到了流量层面。
换码是战术动作，调整选品方向是战略动作。只做前者，你会发现自己每个季度都在处理同样的问题。
品牌备案确实可以申请GTIN豁免，让部分类目免填UPC。这是很多卖家听到”UPC麻烦”之后的第一个念头。但GTIN豁免有严格的适用范围，通常需要品牌已注册、产品属于自有品牌线，而且豁免审批本身需要时间。
对于铺货型卖家，这条路基本走不通。更关键的是，GTIN豁免解决的是”不用UPC”，而不是”选品同质化”。你免掉了合规成本，但你的品还是那些品，竞争对手还是那些竞争对手。
我后来在自己的精品线里做了品牌备案和GTIN豁免，但铺货线仍然坚持用UPC并做系统排查。两条线的逻辑完全不同，不能混用。
这是反向误区，同样危险。有人看到自己店铺UPC重复率只有2%，就认为选品策略没问题。但低重复率可能来自两个完全不同的原因：一是你真的选得差异化，二是你选的品太冷门，根本没人跟你抢。
这两种情况的商业含义完全不同。前者是好策略，后者可能是策略失误。要区分它们，必须把UPC重复率和其他类目指标交叉验证，比如类目的在售商品数、新卖家增速、平均评分分布。
清理掉误区之后，可以进入正题。这一节我会讲清楚我现在的判断逻辑，它是一个从码到品、从品到类目、从类目到策略的四层链路。
拿到重复码数据后，第一步不是看总量，而是判断重复类型。我通常分成三类：
这三类的处理优先级不同。批次内重复影响最大，因为它会直接导致上传失败；外部占用最隐蔽，因为它只在下架或审核时才暴露。我的经验是先处理批次内重复，再用外部占用数据反推渠道质量。
这一步是核心。我会计算两个指标：单一类目重复占比和重复集中度指数。单一类目重复占比好理解，重复集中度指数是指排名前四的类目占全部重复码的比例。
根据我自己的观察，判断阈值大致如下：
| 重复集中度指数 | 含义 | 建议动作 |
|---|---|---|
| < 40% | 重复散落在多类目，属于正常随机碰撞 | 仅处理采购，不调整选品 |
| 40% – 60% | 部分类目选品密度偏高 | 对占比最高的2个类目做差异化调研 |
| 60% – 80% | 选品方向高度集中 | 调整选品逻辑，增加差异化筛选条件 |
| > 80% | 选品逻辑与大众严重同质 | 暂停该方向铺货，重新做类目结构规划 |
我那次事故的集中度指数是85.3%，落在第四档。这也是我后来决定暂停Home & Kitchen铺货、转向更细分方向的原因。
集中度高不一定是坏事。如果重复集中的类目本身竞争不激烈，那只是说明这个小众方向被少数工具集中推荐，窗口期短但仍有价值。要区分”红海同质化”和”小众工具曝光”，必须引入类目竞争数据。
我会看三个数据：该类目的在售商品总数、近90天新卖家增速、以及该类目Top 100商品的评分分布。这三个数据从公开的类目分析工具里都能拿到，比如我长期在用的数跨境就提供了比较完整的类目维度和卖家结构数据。
四层链路走完，最终输出的是一个明确结论：这个类目该加码、维持、还是撤出。我通常会把结论分成四种，对应不同的策略动作。这部分我放在第六节详述。
这一节我用自己店铺的实际数据，加上数跨境的类目分析功能，完整走一遍验证过程。所有数据来自我经手店铺的运营记录和公开类目数据，可作为方法参考，不代表行业普遍水平。
我把当时四个高重复类目中的三个拉出来做了横向对比：Home & Kitchen、Sports & Outdoors、Pet Supplies。这三个类目在当时的重复占比分别是35.6%、22.1%、12.9%，但它们的类目结构完全不同。
从这组数据能看出一个反直觉的现象。Pet Supplies的UPC重复率只有7.4%，是三个类目里最低的，但它的新卖家增速却是最高的，达到13.7%每月。这说明当时这个类目的重复率还没跟上，因为涌入的卖家还在铺货初期，UPC碰撞还没大规模发生。
UPC重复率是一个滞后指标，它反映的是已经发生的同质化，而不是正在发生的同质化。如果你只看重复率，会漏掉那些增速快但还没有大规模碰撞的类目，而这些类目恰恰是风险正在积累的地方。
发现问题之后，我开始系统性地用类目数据反向验证UPC重复信号。我长期用的工具是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys），它的类目分析模块能拉到在售商品数、新卖家增速、价格带分布、评分结构这几个关键维度。
我的具体做法是：每次选品批次定稿后，用选品工具的推荐结果对照数跨境的类目结构数据，看两者是否出现背离。如果选品工具推荐的品高度集中在某几个类目，而数跨境上这几个类目的新卖家增速同时超过10%，那我会直接判定为高风险，暂缓铺货。
这个交叉验证方法在2023年第三季度救了我一次。当时选品工具连续两周推荐Sports & Outdoors里的露营装备，我拉数跨境数据发现该类目近90天新卖家增速11.2%，在售商品数94万，Top 100商品的平均上架时间只有14个月，说明这是一个被大量新品快速涌入的类目。我果断把这批品的铺货量砍了60%，转投Pet Supplies里的智能喂食器细分。
这个案例让我形成了一个固定习惯：把UPC重复率当滞后指标，把类目新卖家增速当先行指标，两者结合才能判断同质化的阶段。只看前者会滞后，只看后者会激进。
为了说明这个逻辑的边界，我再讲一个反例。2023年底我看过一个工业配件类目，UPC重复率只有1.8%，新卖家增速也低，按我的判断应该属于低风险。但当我拉数跨境的类目数据时发现，该类目的搜索量在过去12个月下降了23%，Top 100商品的动销率只有41%。
这说明它的低重复率不是差异化做得好，而是市场需求本身在萎缩，没人愿意挤进来。低UPC重复率加上低需求，等于一个安静的陷阱。这也是我在误区四里提到的”冷门不等于蓝海”的具体体现。
所以我现在看UPC重复数据时，一定会同时确认两件事：类目需求是否稳定或增长，以及新卖家是否在流入。只有两者都为正，低重复率才是真优势。
UPC重复排查的结论没有统一答案，取决于你的店铺类型、阶段和已有资源。我把常见的四种情况分别给出可执行建议。
你的核心任务是建立流程，而不是解决单次问题。建议按以下顺序执行：
铺货店铺最容易忽略流程，因为SKU多、节奏快，每次都想着先把眼前的问题处理掉。但铺货的核心竞争力恰恰在流程效率，UPC排查如果能流程化，长期收益远大于单次救火。
你的UPC量小，重复碰撞概率低，但单品的容错空间也小，一次UPC事故可能影响主推款。建议：
精品卖家的优势是决策集中，一个信号就能调整方向。建议把UPC排查和竞品监控合并成一个动作，每次看竞品时顺手检查UPC占用情况。
你最容易犯的错误是用选品工具的推荐结果直接铺货，跳过差异化判断。建议：
新卖家没有历史数据，所以需要主动建立基线。我见过太多新卖家第一批就采购3000个UPC，出问题后既浪费时间又浪费资金。500个起步，跑通流程后再放量，是更稳的做法。
你的合规压力小了，但选品同质化的风险还在。建议把UPC排查的精力转移到类目结构监控上，因为豁免让你失去了一个重要的市场信号源。
具体做法是用类目新卖家增速和选品工具的推荐集中度替代UPC重复率，重建一个策略验证机制。我在自己的精品线上就是这么做的，效果比单一依赖UPC重复率更全面。
建议是理想动作，取舍是现实约束。这一节我讲四个我在实际操作中反复权衡过的取舍点，每个都给出我的选择和理由。
GS1官方UPC单个成本在30到50美元左右，还要加上年度续费。第三方码单价0.1美元左右，差距是几百倍。这个取舍看起来很明显，但实际决策没那么简单。
我的选择是分层使用。精品线和品牌线用GS1正版码，因为这类产品生命周期长、需要长期稳定、也方便做品牌备案。铺货线用第三方码，但必须配合季度排查流程。这样既控制了成本，又通过流程把风险压到可接受范围。
如果你的品类生命周期普遍在12个月以内，第三方码的性价比明显更高。如果品类生命周期超过3年，GS1的稳定性优势会逐渐显现。
铺货讲究速度，很多人不愿意在上架前加一道排查。我早期也是这么想的，直到那次187条报错之后改了做法。
我的判断是：选品定稿后的排查不能省，上传前的临时排查可以省。因为选品阶段的排查成本最低、信息量最大，上传前排查只能救火，收益有限。现在我的流程是在选品定稿后、UPC采购前做一次排查，大概占用2到3小时，但能避免后续至少10小时的返工。
SKU在300以内，人工排查完全够用，Excel加透视表就能搞定。SKU超过800，建议上脚本。SKU超过3000，必须流程化加工具化，否则每次排查都是一场消耗战。
我现在的做法是脚本处理数据，人做判断。数据去重、类目聚合、集中度计算这些交给脚本，最后的策略判断自己做。因为UPC重复率本身没有意义，把它和类目结构、竞争态势结合起来才有意义，这部分判断目前工具还替代不了。
UPC重复率、类目新卖家增速、在售商品数、Top商品评分分布，这四个指标如果同时看，很容易陷入分析瘫痪。我的取舍是：以类目新卖家增速为主指标，UPC重复率作为验证指标。
理由是前者是先行信号，后者是滞后信号。当两者指向一致时果断决策，当两者背离时优先相信先行信号，同时降低铺货量做小规模测试。这个取舍规则让我在过去一年多里避免了至少三次重大铺货失误。
回到最开始那次3200个SKU的上传事故。如果当时我只是换批UPC、重新上传、继续沿用原来的选品逻辑，那么我解决的是一个上传报错，错过的是一次策略调整。后来我用了将近一年时间，把UPC重复率从一个合规数据慢慢养成了一个策略指标，这个过程里最关键的转变不是技术，而是视角。
从”这批码为什么重复”转向”这些重复码集中在哪些类目，这些类目正在发生什么”，是整个方法论的分水岭。前者是运维，后者是策略。同样的数据，两种视角带来的决策质量完全不同。
我最后再强调三个我认为最容易被忽略的判断点：
下一步如果你要动手，我的建议是按这个顺序走：先把你现有SKU库里所有UPC跑一遍去重，算出批次内重复率；再挑出重复码最多的三个类目，用类目分析工具拉这类目的新卖家增速和在售商品数；把这两组数据放在一起看，判断你的选品是在红海里同质化，还是在小众里差异化。整个过程大概需要半天时间，但足以让你对当前选品策略的健康度有一个量化判断。
如果你现在正处于大批量采购UPC的前夜，或者刚经历了一次上传事故，把这篇文章里的排查脚本和判断阈值先用起来。等你跑完第一轮，会发现自己看到的远不止UPC重复这件事本身。
我是做精品+精铺混合模式的，手上常年维持在八百到一千个SKU，之前一直都是靠上传时报错才发现码有问题，等报错的时候货都已经到仓了，特别被动。我也问过采购，他们说码是批量买的，批次里可能本来就有重复的，但我不知道该从哪一步开始查。
落地上分三步走，不要一上来就翻几千行。第一步是把台账建起来：新建一张表，字段至少包含UPC、对应SKU、站点、上架日期、码来源（谁给的、哪一批）、状态（备用/已用/作废），这张表后面所有排查都靠它。
第二步在本地做机器去重，把全量UPC复制到一列，用COUNTIF统计出现次数，再配合条件格式把次数大于1的高亮，同时检查位数与校验位是否符合12位UPC-A规则，位数不对的和重复的一起挑出来。
第三步做官方核验，把可疑码拿到GS1官方数据库逐条查，重点看两个字段：前缀对应的公司名是不是你自己或你的供应商主体、该码是否已被登记为其他公司的产品。核验完把结果回写台账，标注「确认重复」「疑似重复」「正常」。
我们的经验口径是把重复率控制在1%以内，超过5%就说明这一批来料码整体不可信，应该整批退回而不是逐个修补，因为逐个修补的隐性成本远高于退一批码。这套流程跑顺之后，一千个SKU大概两个小时能过一遍，建议每个新品批次上架前跑一次，不要等到出问题再查。
我一直以为UPC重复顶多就是上架失败，重新传一次就好了，直到有两个产品莫名其妙被合并到一起，评论数对不上，前台搜索也搜不到，我才怀疑是不是码的问题。但我又不敢确定，因为同期我还改过标题和主图，变量太多了。
先看几个典型症状：上架阶段可能直接报错，比如常见的商品标识符冲突类报错（8572、8541这一类），提示该UPC已被另一个ASIN占用；上架之后可能出现两个不同产品的评论串到一起、变体被系统自动合并、Listing被抑制、前台按ASIN和关键词都搜不到，严重的会触发账号健康层面的商品真实性审核。
确认是不是重复码引起的，做一个对照实验就行：找一个受影响的ASIN，在后台查看它的商品标识符，同时用这个UPC去前台做一次搜索，如果搜出来的是另一个ASIN，基本可以定性；再拉同期没出问题的对照组ASIN，看它们的UPC在官方库里的公司名是否一致。
如果出问题的那批码来源相同、供应商相同，而正常的批次来源不同，就能把变量锁到码上。注意排除干扰项：把改标题、改主图、改价格的时间点也标在时间轴上，如果异常发生在改码或上架那一刻而不是改文案那一刻，基本可以排除文案因素。定性清楚再动手整改，不要一上来就删链接重建。
老板让我拿数据证明这套选品策略是不是真的有用，我看后台只有销量、转化这些结果指标，但是这批新品上架的时候出了不少乱子，我不确定销量的高低到底是选品选得好，还是上架环节拖了后腿。我觉得如果拿脏数据去证明策略有效，这个结论根本站不住脚。
关键思路是把UPC唯一性当成一个执行质量的量化指标，先分层再对比，而不是拿一锅粥的销量说话。第一步，把同一批新品按上架时UPC是否唯一分成两组：干净组（码唯一且官方核验通过）和脏码组（重复码、验不到公司名、位数异常）。
第二步，两组拉同样的指标做对照：上架成功率、上架耗时、被抑制或审核的比例、首月动销率、首月自然曝光量。判断口径上，我们的经验值是干净组的上架成功率应该在95%以上，如果干净组和脏码组的上架成功率差出十几个百分点，那这部分销量差距就必须先从选品效果里扣掉，否则会低估或高估策略。
第三步才是看选品本身，用干净组的数据去评估选品策略，这时候的策略结论才是可信的。举个我们真实复盘过的例子：一批三百个新品里查出二十七个重复码，涉及十八个ASIN，其中六个的Listing被抑制了差不多两周，如果把这十八个算进选品失败，就会误判成「这个类目不行」，实际拆开看干净组的表现是达标的。
反过来，如果干净组和脏码组的表现几乎没差别，那说明这个平台的容错度比你以为的高，选品策略的验证压力就小很多。
我早期为了省钱，从一个第三方批发商那里买了一批UPC，价格只有正规渠道的十分之一，当时用着也没事。现在做了快两年，有些链接权限突然被限制，我怀疑是这批码的历史遗留问题，但链接上已经攒了几百条评论，一想到要删掉重建就头皮发麻。
能不重建就不要重建，评论和权重是重建的最大代价。先分层处理：如果Listing还在正常销售、只是被要求提供GTIN证明，优先走申诉路径，准备好GS1官方数据库里前缀归属你的主体证明、采购凭证、产品实拍图，向平台提交说明，走case沟通，一般三到十四个工作日会有结果，快的两三天。
如果Listing已经被抑制或商品标识符被系统锁死，且原ASIN无法保留，才考虑重建，重建时用GS1正规码并做一次品牌备案UPC豁免（如适用），从根上避免再被判定。至于整改周期，我的经验是「申诉类」平均一周左右，「重建类」本身很快但要重新累积评论和排名，真正的时间成本在两到三个月。
止损动作有三条：第一，立刻在新批次全部切换成GS1官方渠道的码，哪怕贵，折算到单个SKU上其实摊得很薄；第二，把历史用过的批发码全部登记成黑名单，避免以后不小心复用；
第三，给自己定一条铁律，不要买那种卖家承诺「一个码只能给一个人用」但拿不出官方前缀归属证明的码，因为这类码往往是回收再利用的，你今天用着没问题，不代表半年后没人拿同一个码去上架，冲突是延后爆发的。
读者评论
把UPC重复率当成选品同质化的信号这个角度确实新，但我觉得因果关系可能反了。重复码集中在某几个类目，更直接的原因是这些类目本身卖家基数大、第三方码段供应商就那几家，属于结构性问题，未必能推出选品策略有问题。按这个逻辑，卖家居的永远比卖小众品类的重复率高，那是不是意味着大家都该去做冷门类目？这个推论我不太敢跟。
单店样本这点作者自己标注了，比较诚实。不过前置排查省时间这个结论我存疑，选品定稿阶段一个批次可能就一两百个SKU，上传前是整个季度几千条一起跑，单位处理成本其实是下降的。真正有价值的可能是那三条硬指标，尤其是重复码涉及的类目数量不少于8个这条，把分散度当抗风险指标，这个思路可以直接拿来用。
UPC采购单价0.08到0.12美元这个区间，基本就注定了码源是批量转让的，出重复是概率问题不是运气问题。与其花精力做排查脚本，不如把这部分预算提到正规渠道，或者干脆走品牌备案免UPC。当然铺货店铺SKU量太大，这个成本账算不过来，所以作者的折中方案有它的现实合理性，只是我更倾向于把它当过渡手段而不是长期机制。