2023 年 8 月中旬，一个做家居收纳的卖家朋友把他的选品表发给我看：37 个候选 SKU，清一色用某选品工具的"月销量 > 800、评分 < 4.3、上架时间 < 12 个月"筛出来。他信心满满地备了其中 6 个 SKU，走海运，9 月 20 日到仓。结果 10 月第一周，6 个里 4 个的日销只有预估的五分之一；另外 2 个卖得最好的，在 11 月 24 日断货，因为那款工具给他看的是"过去 12 个月平均月销量"，而感恩节当周的销量是这个平均值的 3.4 倍。
这不是工具不准，是用法不对。旺季准备里，选品工具的价值不在于"帮你找到爆款"，而在于"帮你提前 90 天排除掉会在旺季炸掉的 SKU"。我把这套用法叫做"倒推校验"：先用旺季的峰值需求去压力测试候选品，再用倒推时间表决定哪一步最晚什么时候必须做完。
下面这份操作手册，是我自己在 2021，2024 年连续四个 Q4、覆盖美国站和欧洲站共 60 多个 SKU 的准备流程复盘，包含真实踩过的坑、我用来判断的具体阈值，以及哪些步骤必须用数据工作台而不是浏览器插件来完成。文中有明确标注的示意数据，来自我自己店铺和几个卖家社群样本的统计口径，不是官方统计，请当作参考基准而不是标准答案。
如果你的旺季准备是从 9 月才开始，那你已经输掉了一半。亚马逊旺季的真正起跑线在 7 月中旬到 8 月初，而选品工具在这个阶段的作用是"筛掉"，不是"选出"。
我自己的经验是：一个 100 个候选 SKU 的池子，经过完整的五层校验后，能进入备货阶段的通常只有 3 到 8 个，淘汰率在 92% 以上。淘汰率越高，说明你的校验越严格，旺季翻车概率越低。
反过来说，如果你用选品工具筛出来的 30 个 SKU 全都想备货，那说明你的筛选条件太松，工具只是帮你做了一次"看起来专业的随机抽样"。
很多人对选品工具有一个误解，认为它是一个"发现机会"的工具。但在旺季准备这个具体场景下，它实际承担的是四个角色，而且优先级是倒过来的：
把这四个角色排好序，你的工具使用方式就会从"每天刷榜单"变成"每周跑一次校验表"。这是效率上最大的差别。
旺季翻车最常见的形态不是"选错了品"，而是"选对了品但没到货"或者"到了货但广告没跑起来"。这两件事本质上都是时间问题。
下面这张表是我自己在用的最晚启动时间基准，针对的是海运头程、美国站 FBA 的常规情况。欧洲站因为 VAT 和合规审核，整体要再往前推 15 到 20 天。
注意最后一行：FBA 入库截止日是硬约束。每年平台公布的时间都在变，但规律是"黑五前 3 到 4 周"。把截止日当作"最晚发货日"是最典型的认知错误，因为它其实是"最晚到仓日"。海运从深圳到美西仓，正常 30 到 35 天，加上清关和入仓预约排队，实际要留 45 天。这意味着你的头程下单时间，最晚是 D-75 左右，而不是 D-30。
7 月最重要的事情不是选品，是把去年 Q4 的数据拆开看。我自己的复盘方式是三张表：SKU 级毛利表、广告归因表、断货与滞销表。
SKU 级毛利表要看的是"旺季毛利率是不是比淡季低"。很多卖家没意识到，旺季的仓储费、配送费、退货处理费都会上浮，加上广告 CPC 上涨，实际毛利率可能比淡季低 8 到 12 个百分点。如果你的产品旺季毛利率算下来低于 25%，那它在旺季基本是白干。
广告归因表要看的是"哪个关键词带来了真正的订单"。旺季的搜索行为会明显变化，比如"gift for"类的词在 11 月中旬会突然起量，而这类词在 7 月的搜索量几乎为零。如果你 7 月不把这些词挖出来，10 月就没时间准备了。
断货与滞销表是我认为最被低估的一张表。2022 年我在一张表里发现，我店铺里断货造成的损失，是滞销造成的损失的 2.7 倍。这直接改变了我的备货策略，从"保守备货防滞销"转向"适度超备防断货"。
8 月的核心任务就是压缩。我通常从三个来源收集候选：去年表现好的老品延伸、竞品新品监控、类目榜单变化。
收集到 200 到 300 个候选之后，第一轮粗筛用的是硬性条件：评分低于 4.0 的直接剔除、评论数超过 8000 的剔除（头部垄断）、价格带不在我供应链优势区间的剔除。这一轮通常能砍掉 70%。
第二轮就是季节性校验，也是最容易出错的一轮。我会看这个品在过去 24 个月里，Q4 销量占全年销量的比例。低于 22% 的说明它没有明显旺季属性，备货逻辑和平时一样就行；高于 35% 的则是"强季节品"，需要单独走一套备货节奏。
经过两轮之后，剩下的通常在 30 到 50 个。第三轮才是利润率、物流成本、合规风险的细算，最终压到 15 到 20 个进入打样和询价阶段。
9 月是我全年最忙的一个月，因为三条线必须同时推进，任何一条断了都会影响 Q4。
备货线要确认的是：工厂能不能在 10 月 15 日前把货做完。旺季工厂同时接很多单，如果你没有提前锁定产能，很可能被排到 11 月。我的做法是 8 月底就支付定金锁产能，哪怕当时还没最终确定数量。
头程线要确认的是：走海运还是快船，走哪个港口，清关资料是否齐全。2023 年我有一个 SKU 因为产品标签上的成分表格式不对，在洛杉矶港被扣了 11 天，直接错过了 11 月第一波流量。
广告线要确认的是：预算、关键词库、否定词库、分时段竞价策略。这一条最容易被拖到 10 月，但那时候竞价已经涨上去了。我的经验是广告结构必须在 9 月底搭建完成，10 月只做微调。
10 月开始，选品工具的使用方式要彻底切换。这时候不再看新机会，只看两件事：库存天数和广告 ACOS 的异常波动。
库存天数我用的是"以当前 7 日滚动日均销量计算的可售天数"。如果某个 SKU 在 11 月 5 日的可售天数超过 90 天，说明它大概率会在 1 月变成滞销库存，这时候要果断在 11 月中旬开始降价清货，而不是等到 12 月底。
广告这边，我会设置一个"单日 ACOS 超过目标值 1.8 倍自动降预算"的规则。旺季流量波动大，人工盯不过来，规则化处理更稳。
这是最致命也是最普遍的一个。多数选品工具默认展示的是"过去 30 天销量"或"过去 12 个月平均月销量"，这两个数字在旺季的偏差可以非常大。
我实测过一个厨房小家电 SKU：工具显示的 12 个月平均月销量是 1240 件，而它在 11 月的实际销量是 4180 件，倍率 3.37。如果你按 1240 去备货，11 月第二周就断货了。
正确的做法是打开工具的"历史销量趋势"或"季节性"视图，看这个品在过去两年 10，12 月的峰值。备货量应该基于峰值而不是均值。我的经验阈值是：强季节品的备货量按"过去两年 Q4 单月最高销量 × 0.75"来定，这个系数是为了平衡断货和滞销风险。
搜索量总量大不代表你能吃到。真正决定转化的是搜索词结构，长尾词占比、品牌词占比、礼品词占比。
举个例子：一个类目主词月搜索量 20 万，但其中 65% 是品牌词，意味着这部分流量你基本吃不到。剩下 35% 里如果又是大词为主，那你的新品几乎不可能在前三个月拿到自然排名。
我自己的判断标准是：如果某个类目主词的前 20 个长尾变体中，有 8 个以上的竞品评论数低于 300，这个类目就值得进；低于 4 个，直接放弃。长尾词的竞争密度，比主词的搜索量更能预测新品成功率。
前面提过一次，但值得单独展开，因为每年都有人栽在这上面。
完整的链条是：工厂生产完 → 国内仓库集货 → 报关 → 海运 → 目的港清关 → 卡车派送 → 亚马逊仓库预约收货 → 上架可售。这七个环节里，任何一个环节的延误都会后移可售时间。
我自己的经验值是：从"货做好"到"可售"，海运要留 45 到 55 天，空运要留 12 到 18 天。如果只按船期算，会低估 15 天以上。
更麻烦的是旺季的仓库预约。11 月前后，美西几个大仓的预约窗口经常要排 7 到 10 天。2022 年我有批货在 11 月 8 日到港，但因为预约排期，11 月 19 日才入仓，11 月 23 日才可售，完美错过了第一波。
这个误区比较隐蔽。很多人拿去年的爆款数据来定今年的备货，但忽略了类目结构在一年内的变化。
我见过一个典型情况：2022 年某个收纳品类因为居家办公需求爆发，Q4 销量是常年的 5 倍。有人拿这个数据去定 2023 年的备货，结果 2023 年该品类回落，销量只有 2022 年的 40%，直接压了半年库存。
我的做法是看"三年趋势 + 两年季节性"两个维度。三年趋势判断品类是上升、平稳还是衰退；两年季节性判断旺季倍率是否稳定。如果两年倍率差异超过 40%，说明这个品的季节性不稳定，备货要保守。
这是认知层面的问题。选品工具提供的永远是"数据"，不是"结论"。同一个"月销 800 件"，对一个有供应链优势的卖家和没有优势的卖家，含义完全不同。
我见过太多人把工具的"推荐指数""机会分数"直接当决策依据。这些分数是通用模型算出来的，它不知道你的成本结构、你的现金流、你的运营能力。
工具负责把事实摆出来，判断必须由你自己做。这也是为什么我后来从"用插件看单品"升级到"用数据工作台看全局"，因为只有把工具数据和你自己的成本、库存、广告数据放在一起，才能形成真正的判断。
第一层要回答的问题是："这个品类的旺季大盘，容得下我备的货吗？"
很多人只看自己这个 SKU 能卖多少，不看整个类目的吞吐量。如果一个细分类目 Q4 的头部 10 个竞品加起来月销只有 3000 件，而你想备 800 件，那意味着你要吃掉 26% 的市场份额，这个目标对新品来说基本不现实。
我的判断标准是：你的目标备货量，不应该超过该细分类目头部 10 竞品月销总量的 8%。超过这个比例，要么是你低估了竞争，要么是你高估了自己的转化能力。
要算这个数字，需要工具能导出竞品清单和各自销量。单个浏览器插件做这件事很痛苦，因为你要一个一个点开看。这也是我后来改用数据工作台的原因之一。
第二层要回答的是："这个品的旺季倍率是多少，稳定吗？"
我会算三个数：Q4 销量占全年的比例、旺季单月峰值与淡季单月均值的倍率、以及这个倍率在过去两年的波动幅度。
经验阈值是这样的：Q4 占比 25%，35%、倍率 2，4 倍、两年波动小于 30% 的，属于"健康季节品"，可以按峰值备货。倍率超过 5 倍的属于"极端季节品"，建议只做一次试销，不要重仓，因为一旦预判偏差，库存压力极大。
倍率低于 2 倍的则说明这个品没有明显旺季属性，备货逻辑跟平时一样，不需要为旺季特别加量。
第三层要回答的是："这个类目的竞争格局，是否允许一个新玩家在 90 天内起量？"
我主要看四个指标：头部 3 名评论数占比、近 6 个月新上架产品的排名上升速度、竞品平均评分、以及竞品价格带的分散程度。
如果头部 3 名的评论数占整个前 20 名的 60% 以上，说明垄断度高，新品很难挤进去。如果近 6 个月有 3 个以上新上架产品进入了前 50 名，说明这个类目还有流动性，值得进。
竞品价格带也很关键。如果前 20 名里有 15 个都集中在 19.99，24.99 美元这个区间，说明价格战打得很凶，你的利润空间会很薄。
第四层是硬算账。我用的公式是：
旺季单件净利 = 旺季售价 − 产品成本 − 头程分摊 − 平台佣金 − FBA 配送费 − 旺季上浮仓储费 − 广告分摊 − 预估退货损失
这里有两个容易被漏掉的项：旺季上浮的仓储费，以及退货损失。Q4 的仓储费率通常比平时高，而且 12 月的退货率显著上升，我自己的数据是 12 月退货率约为 7 月的 1.8 倍。
退货损失不只是退款金额，还包括退回的货能否二次销售。如果退货商品因为包装破损只能弃置，损失就是全额成本。我在算账时通常按"退货率 × 单件成本 × 0.6"来估算退货损失，0.6 是二次销售率。
最后一层最容易被忽略，但它决定你能不能活到 12 月。
旺季备货是典型的"先垫钱后回款"。假设你备 5000 件、单件成本 30 元，就是 15 万现金压在里面，加上头程运费 5 万，就是 20 万。这笔钱要在 9 月付出去，回款要到 12 月甚至次年 1 月。
我的做法是算一个"旺季现金缺口峰值"：把 9 月到 12 月每个月的支出和回款列出来，找出缺口最大的那个月，然后确认自己的可用资金能不能覆盖。如果缺口覆盖率低于 1.3 倍，就要主动降低备货量，而不是硬撑。
浏览器插件解决的是"看单个竞品"的问题，它做得很好。但旺季准备要解决的是"看 100 个候选品在 24 个月里的表现，并且和我自己的成本数据对齐"，这已经超出插件的边界了。
2023 年之前我一直用插件 + Excel 手工拼表，痛点有三个：数据更新要手动导、竞品清单要一个个点、最要命的是算不出来"竞品销量 × 我的成本结构"这种交叉分析。
后来我改用数据工作台的方式，把亚马逊后台报表、广告报表和第三方选品数据汇总到一起，用数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）把这几路数据接进同一张看板。对我最大的改变是：从"每周花 6 小时整理数据"变成"每周花 1 小时看结论"，省下的时间用来做判断。
第一步是数据接入。需要接的通常有三类：亚马逊后台的业务报告（SKU 级销量、退货、库存）、广告报表（关键词、花费、转化）、以及选品工具的竞品数据。
这一步的关键是字段口径统一。比如"销量"这个字段，后台报表给的是"已发货件数"，选品工具给的是"估算件数"，两者不能直接相减。我会在接入时统一转换成同一个口径，并在看板上标注数据来源。
具体到操作层面，我的建议是先从最小的数据集开始：只接一个站点、一个类目、过去 24 个月的数据。跑通之后再扩，否则前期会陷在字段映射里出不来。
我自己的旺季节奏看板上有六个数：类目搜索指数、类目平均转化率、平均 CPC、我的 SKU 可售天数、动销率、以及单件净利。
这六个数每天刷新一次就够，不需要实时。关键是看趋势和拐点，比如当平均 CPC 连续 5 天上涨超过 8%，就说明竞品开始加投了，我也要相应调整预算。
看板的价值在于把"感觉"变成"阈值"。以前我判断"是不是该降价清货"靠感觉，现在我看"可售天数是否超过 90 天且动销率低于 40%"，两个条件同时满足就执行，不再犹豫。
这是核心步骤。我会在数据工作台里做一张宽表，每一行是一个候选 SKU，每一列是五层校验对应的指标，最后一列是综合评分。
下面是这套校验表的核心字段结构，我用自己的实际配置举个例：
候选SKU校验表（核心字段）
─────────────────────────────────
sku_id | 产品编号
cat_volume_top10 | 类目头部10竞品月销合计
q4_ratio | Q4销量占全年比例
peak_ratio | 旺季峰值/淡季均值倍率
peak_volatility | 近两年旺季倍率波动幅度
top3_review_share | 头部3名评论数占前20名比例
new_entrant_6m | 近6个月进入前50的新品数
price_band_cv | 竞品价格带变异系数
peak_net_margin | 旺季预估单件净利率
landed_cost | 单件到岸总成本
cash_gap_cover | 现金缺口覆盖率
─────────────────────────────────
判据示例：
q4_ratio >= 0.25 且 peak_ratio >= 2.0 且 top3_review_share new_entrant_6m >= 3
peak_net_margin >= 0.25
cash_gap_cover >= 1.30
这张表跑一遍，通常 10 分钟以内能出结果，但前期配置字段要花时间。配置一次，之后的每个旺季都能复用，这是数据工作台相对插件的最大优势。
2023 年 8 月，我用这张表筛一个家居收纳的候选品。它的工具显示月均销量 1240 件，看起来不错。但校验表跑出来的结果是这样的：
问题出在最后一行。这个品旺季的预估净利率只有 21%，因为它的体积重比较大，头程成本占比高，而旺季 CPC 上涨又把广告分摊顶上去了。结论是：这个品值得做，但不适合在旺季做。我把它放到了次年 3 月淡季推，用较低的广告成本先积累评论。
同一批 128 个候选品里，最终只有 4 个通过了全部五层校验。这 4 个在当年的 Q4 贡献了我店铺 61% 的旺季销售额。
如果你的亚马逊年销还在 10 万美元以下，旺季准备的策略应该是"极简 + 保守"。
具体做法是：只做 1 到 2 个 SKU，且必须是你已经卖过至少 6 个月、数据完整的老品。不要在旺季推全新品，因为新品没有历史转化数据，你连广告预算都算不准。
备货深度按峰值销量的 60% 到 70% 来定，宁可断货也不要压库存。广告预算设一个硬上限，比如不超过预估旺季销售额的 18%，超了就停。
工具上，这个阶段不需要上数据工作台，一个靠谱的选品插件加一张 Excel 校验表就够了。把五层校验的判据抄进 Excel，手工填数据，跑 5 个候选品，你会比 80% 的同级别卖家准备得更充分。
年销 10 万到 100 万美元这个区间，最大的问题是"人不够、品太多"。这时候最有价值的动作是把五层校验流程化、表格化。
我的建议是建一张固定的校验表，每个旺季复用。同时把数据接入做起来，因为你已经有足够多的 SKU 和历史数据，手工整理的边际成本太高了。
这个阶段可以考虑用数跨境这类数据工作台，把后台报表、广告报表和竞品数据接到一起。重点不是为了省时间，而是为了让"哪个 SKU 该加货、哪个该清货"这件事有统一的判断标准，而不是每个运营按自己的感觉来。
备货深度可以提到峰值的 75%，同时开始做"分批次到货"：第一批在 10 月中旬到，第二批在 11 月初到。这样既降低了一次性压货的风险，又能在第一波数据出来之后调整第二批的数量。
年销 100 万美元以上、或者运营多个店铺的卖家，旺季的核心矛盾不再是单个 SKU 选得对不对，而是整体资金和库存的组合效率。
这个阶段我会做三件事。第一，建立跨店铺的统一库存视图，避免出现"美国店铺断货、欧洲店铺压货"这种结构性浪费。第二，按现金流贡献给 SKU 分级，A 类品优先保供，C 类品主动降量。第三，设定旺季的整体资金占用上限，任何单品的加量都不能突破这个上限。
工具层面，这个阶段必须用数据工作台，而且要支持多店铺、多站点的数据汇总。单点工具在这个规模下会变成信息孤岛。
站点差异经常被低估。我自己的经验是：美国站的旺季集中在 11 月下旬到 12 月中旬，节奏最陡；欧洲站的旺季更早启动、更平缓，而且因为各国 VAT 和合规要求不同，备货前置期要更长；日本站的旺季峰值不如美国明显，但年末礼品需求集中度高。
这是旺季最核心的一组取舍。多备货能降低断货概率，但会占用现金；少备货现金宽裕，但要承担断货风险。
我的判断方法是算一个"断货损失 / 滞销损失"的比值。断货损失 = 断货天数 × 日均销量 × 单件毛利。滞销损失 = 剩余库存 × 单件成本 × 清货折价率。
如果这个比值大于 2，说明断货的代价是滞销的两倍以上，那就应该偏向多备；小于 1，就往少备的方向走。不要用一个固定的备货系数，要用你自己品类的损失比值来定。
旺季广告投入的边际效益是递减的。10 月加投能有效拉升排名，为 11 月的自然流量做铺垫；11 月高峰期加投，更多是在"抢已经存在的流量"，单位成本更高。
我的做法是把广告预算的 60% 压在 10 月到 11 月第一周，剩下的 40% 用于 11 月中旬到 12 月的防守。这样做的逻辑是：排名是有惯性的，10 月建立起来的排名会在 11 月带来免费的自然流量。
如果你的品类在大促当天流量占比特别高（比如超过全月 30%），那这个分配要调整，因为当天不投就等于放弃。
很多人算这笔账时只算了工具的年费，没算人力成本。
手工整理 100 个候选品的五层校验数据，一个熟练运营大概要 12 到 16 小时。旺季准备期只有 4 到 6 周，如果每周都要跑一次，就是 50 到 90 小时。按运营月薪折算，这部分人力成本通常在 4000 到 8000 元之间。
如果工具能把这个时间压到 1 小时以内，那么年费在这个量级下是划算的。但如果你的候选品只有 5 个以下，手工做反而更灵活。
旺季推新品的成功率比淡季低。原因很简单：旺季流量贵、竞争激烈，新品需要的"试错期"被压缩了。
我的策略是：旺季主推老品，新品只做"预埋"，用小预算跑关键词、积累评论，把真正的冲刺放到次年 3 到 5 月。2023 年我店铺里旺季销售额排名前 5 的 SKU，全部是上架超过 14 个月的老品。
这一阶段最容易犯的错是"跳过复盘直接选品"。跳过复盘的后果是，你今年用的筛选条件还是去年拍脑袋定的，同样的错误会重复一遍。
我在这里踩过的坑是"合规文件低估"。有一年我的产品需要一份额外的成分声明，供应商说 3 天能出，实际拖了 11 天。凡是涉及第三方出具的合规文件，一律多留两周缓冲期。
这一个月是全年最关键的窗口。如果 D-30 之前你的广告结构还没搭好，那旺季广告基本只能靠"竞价硬砸"。
如果只做老品加量、不做新品，D-60 开始还来得及，但只能走快船或空运，毛利会被压缩 5 到 10 个百分点。如果涉及新品上架，最晚 D-90，低于这个时间节点建议放弃本季，把资源放到次年 3 月。
所有第三方工具的销量都是估算，不是真实数据。我的经验是：对头部成熟竞品的估算误差通常在 ±15% 以内，对长尾和新品的误差可能超过 ±40%。所以不要用工具的绝对数值做决策，要用趋势和相对排名做决策。
如果你的候选项在 5 个以下，用 Excel 手工跑校验表就够了，没必要上工具。当你每周需要处理 30 个以上的 SKU，或者需要同时看多个店铺、多个站点的数据时，工具的价值才会明显体现出来。
可以补救，但成本很高。最快的办法是走空运紧急补货，代价是单件成本翻倍甚至更多；另一个办法是提高售价降低消耗速度，保住排名但牺牲短期销量。我的建议是：与其补救，不如在 D-60 就按 75% 的峰值备货，把断货概率压到 20% 左右。
立刻做复盘，不要拖到 2 月。重点是三件事：把今年的五层校验数据和实际结果对齐，看哪些判据阈值需要调整；统计断货和滞销的真实损失，更新你的备货倾向系数；把广告关键词的实际表现归档，作为明年的初始词库。
回到开头那个朋友。他 2024 年重新做了一遍，把时间线整体提前了 45 天，用五层校验表把 150 个候选压到了 6 个，两个主力 SKU 在 10 月中旬到仓。结果是当年的 Q4 销售额比 2023 年涨了 2.3 倍，而且没有一天断货。
他没有换更好的工具，也没有找到更牛的爆款。他改变的只有一件事：把工具从"找爆款的雷达"改成了"排风险的筛子"，然后把所有动作往前提了一个半月。
这就是我对旺季准备最核心的判断。旺季的竞争，本质上不是你比别人多发现了什么机会，而是你比别人少犯了几个错、早做了几步。流量、竞价、转化率这些东西在旺季会被放大，而唯一能对抗放大效应的，是提前量。
下一步你可以做三件事。第一，把你去年旺季的准备时间线画出来，看看每一项动作发生在 D-多少天，和本文的基准表对比，找出差距最大的那个环节。第二，挑 10 个候选 SKU，用五层校验的判据手工跑一遍，看淘汰率是多少，如果淘汰率低于 80%，说明你的判据太松。第三，如果你已经每周要处理 30 个以上的 SKU，把后台报表接入一个数据工作台，先跑通一个站点的节奏看板，再逐步扩到全店铺。
不要等到 9 月才动。旺季的胜负，在 7 月就已经分出大半了。
每年旺季前我都会把选品工具翻一遍，但数据维度太多，反而不知道先看哪个。去年就是因为盯着月销量，忽略了库存周转，结果爆单后断货，排名直接掉出前 50。
旺季前 30 天，选品工具里优先级最高的不是月销量，而是『近 14 天销量增速 + 可售库存天数 + 旺季历史价格弹性』这三个指标的组合。
实操口径：销量增速连续 7 天正增长且增幅大于 20%，可售库存天数低于 35 天，同时去年同月价格上浮 15% 后销量跌幅小于 10%，三条同时满足才算旺季可推品。只盯着月销量总榜，很容易在旺季拿到已经进入衰退期的品。判断依据是旺季流量放大的是趋势，不是存量，存量大的品往往竞争也已经到位。
我前年提前两个月就把清单锁死，结果旺季前两周冒出几个新爆款，完全来不及加进来。但去年拖到临近旺季才定，供应链又跟不上，我很纠结这个时间点。
锁清单要分两段，不是一次性定死。建议提前 45 天锁定 70% 的核心款，这批款用于备货、锁供应商产能和头程仓位；剩余 30% 留到旺季前 14 天，用选品工具按『近 7 天飙升榜 + 搜索量周环比』做补位。
补位款的判断口径是搜索量周环比大于 40%、且头部 listing 评论数少于 500，说明需求刚起、竞争还没堆满。这样既不会因为锁太早错过新机会，也不会因为锁太晚导致备货来不及。核心款和补位款的比例可以按你自身供应链的响应速度调整，响应越快，补位比例可以越高。
我刚开始做亚马逊的时候，选品工具说备多少我就备多少，结果第一年旺季压了一堆库存，第二年又备少了。我现在对工具给的数字天然不信任，但自己算又怕算错。
不能直接照抄，工具的备货建议通常是基于历史销量均值，没有把你的广告预算、促销节奏和竞品动作算进去。正确做法是把工具建议量当作基准线，再乘一个你自己校准过的修正系数。
修正系数怎么来：取过去两个旺季，用『实际销量 ÷ 工具预测销量』算出偏差，如果连续两季都偏高 20% 以上，说明工具高估，你的系数就取 0.8 左右。同时把旺季分成预热期、爆发期、收尾期三段，爆发期备货占比给到 55% 到 65%，收尾期只留 10% 到 15%，避免旺季结束后压货。
这个系数每个类目不一样，必须用你自己的历史数据回测，不能借用别人的。
我吃过亏，选品工具上看到一个品各项数据都好看，兴冲冲备了货，结果旺季根本没起量。后来复盘发现可能是工具的数据口径问题，也可能是短期波动被当成了趋势。
验证需求真伪，用三个交叉动作，不要只看单一工具的一个榜单。第一步，换一个数据源交叉比对，比如把工具 A 的飙升榜和工具外的搜索趋势工具对照，两边同时上升才算数。第二步，看评论增长曲线，如果一个品近 30 天新增评论数突然放大，但评分没有下滑，说明是真实需求拉动；
如果新增评论多但评分掉，多半是质量翻车带来的被动评论。第三步，小批量测款，旺季前用 50 到 100 件做轻量投放，观察点击率和转化率是否达到类目均值以上。三步都过再放量，任何一步不过就放弃。判断依据是需求验证的成本远低于压货成本，旺季一次误判可能吃掉整个季度的利润。
读者评论
淘汰率 92% 这个数字看着很爽，但落到资金有限的卖家身上未必可执行。100 个候选压到 3 到 8 个备货，前提是你有足够现金流同时押几个品，小卖家可能只敢押 1 到 2 个，这时候反而要在备货量上更保守，而不是照搬 0.75 这个系数。
倒推时间表里 D-90 锁产能、D-75 下单头程听着合理，但实际做起来最难的往往不是自己这边。工厂排期、货代舱位、港口清关都不由卖家控制，旺季尤其如此。这些时间点更像理想值，我执行时一般还会在此基础上再留 10 天缓冲。
文中数据是自营店铺加社群样本，口径写清楚了这点挺好。但家居收纳的旺季曲线和退货率直接套到 3C 或服装上可能差很远，尤其 12 月退货率接近两倍这个数，服装类目 11 月就已经很高了，节奏完全不一样，还是得按类目分开看。