2024 年 3 月，我做了一件让自己很不舒服的事：把过去 14 个月上架的 137 个 SKU 全部拉出来，逐个回填"立项依据"。结果相当难看，其中 96 个 SKU 的立项依据只有一句话："感觉这个能做。"而那 96 个"凭感觉"上架的产品里，真正活过 90 天、并且毛利率站上 18% 的，只有 17 个，占比 17.7%。剩下 41 个有数据依据的 SKU，同期活下来 28 个，占比 68.3%。
这组数字直接推翻了我原来的一个假设：我一直以为自己的问题在于"数据源不够好"。但真实情况是，我的问题在于从来没有把选品工具当成一套可验证的系统来使用，只把它当成了一个搜索框。同一批工具，在两个不同使用方式下，产出差了将近 4 倍。
这篇文章是我 2024 年 4 月到 7 月、历时 90 天的完整复盘。涉及 3 个店铺、2 个一级类目（家居收纳、户外轻装备），数据来自我自己的内部台账，金额按人民币口径换算，已做脱敏。我会把三轮筛选的真实转化数据、一次彻底的失败案例、以及"什么时候该加码、什么时候该停手"的判断逻辑全部摊开讲。
我把 90 天验证期跑完之后，最想告诉别人的一句话是：选品工具最值钱的能力，是稳定地说"不"。一个能每天给你推 20 个"潜力爆款"的工具，和一个能每天帮你干净利落地否掉 200 个不该碰的产品的工具，后者对生意的价值可能高 10 倍。
我在这次复盘里定下了三个"系统有效性"的判定指标，它们不直接等于利润，但能提前 60 到 90 天预测利润。第一个是无效候选品淘汰率：进入初筛的产品里，有多大比例被明确否掉并留下了理由。第二个是决策周期：从一个想法进入候选池，到做出"立项 / 放弃"的最终决定，平均花了多少天。第三个是立项后 90 天达标率：立项上架的产品里，有多少达到"月销 ≥ 60 单且毛利率 ≥ 18%"的及格线。
这三个指标组合起来看，会暴露一个很反直觉的现象：淘汰率低不一定代表机会多，往往代表标准松。我第一轮筛选的淘汰率只有 86.5%，第三轮升到 88.8%，看起来变化不大，但第三轮立项产品的 90 天达标率是第一轮的 1.22 倍。原因不在淘汰率本身，而在淘汰的"理由结构"变了。
第一条：工具的准确率不是关键变量，口径一致性才是。我做过一次交叉测试，同一款竞品，四个不同来源给出的月销量估算分别是 1,850 件、620 件、1,240 件和 2,400 件，最高最低差了 3.9 倍。如果今天用 A 口径、明天用 B 口径，你的阈值就永远无法校准。
第二条：现金流比毛利率更早报警。我在第一轮筛选中放过了两个"毛利率 32% 但体积重、海运周期 52 天"的产品，结果它们的资金周转天数是其他产品的 2.4 倍，第四个月就把现金流拖到了警戒线。选品系统必须把"资金占用天数"当成一级指标，而不是二级指标。
第三条：失败的产品比成功的产品信息量更大。我在这 90 天里记录了 380 条淘汰理由，最后发现真正能复用的规律，全部来自这些被淘汰的产品。成功案例往往有运气成分，淘汰理由却是可重复的因果链。
先把时间线拉回去。2023 年第一季度，我们团队 3 个人，主营店铺在售 SKU 40 个出头，整体毛利率 22.4%。那时候我的选品方式非常原始：逛榜单、看竞品、感觉差不多就下单 300 件试水。因为盘子小，错了也亏不了多少。
真正的转折点在 2023 年第三季度。那半年我们为了冲销售额，把 SKU 数量从 40 个一路加到 154 个，选品节奏快到什么程度？平均每 2.3 天就要决定一个新 SKU 上不上。到 2024 年第一季度，在售 SKU 达到 180 个，整体毛利率掉到了 11.2%。
更麻烦的是库存。仓库里躺着 40 多个"上架三个月、累计出单不到 30 件"的产品，占用的采购资金接近 27 万元。那段时间我最大的感受不是"没找到爆款"，而是"我根本不知道自己为什么选错了"。因为每次决策都是拍脑袋，事后没有任何可以追溯的依据。
2024 年 4 月 1 日，我给自己定了一个 90 天的硬期限，把它拆成三段，每段 30 天，每段跑一轮完整的"扫描，筛选，测试，回流"循环。三轮不是重复，而是刻意设计成渐进式收紧：第一轮宽进严出，先把口径跑通；第二轮验证阈值是否合理；第三轮检验系统能否稳定复现。
每一轮的节奏是这样的：第 1 到第 10 天做类目扫描和候选池生成，第 11 到第 18 天做数据初筛和深度评估，第 19 到第 24 天做立项决策，第 25 到第 30 天做小预算广告测款并回填结果。关键约束是：每一轮的决策必须在 30 天内闭环，不允许"再看看"。
这条约束听起来很硬，但它解决了一个真实存在的顽疾，以前我们的决策平均要拖 26 天，很多候选品在"再看"的过程中错过了最佳上架窗口，最后不了了之，连失败的原因都留不下来。
这个分工最重要的设计是把"找数据"和"下判断"拆开。我发现只要同一个人既找证据又做结论，他的结论一定会偏离阈值，因为他会不自觉地收集支持自己想法的数据。这是我在第二轮里纠正的最大组织问题。
在讲具体怎么搭之前，我必须先把坑说清楚。这五个误区我全部亲身踩过，其中第三个让我在 2023 年直接亏掉了一个季度的利润。
绝大多数人选品工具的使用方式是：输入类目，按销量排序，看前 20 个，挑一个顺眼的。这个用法的问题在于，你把工具的排序算法当成了商业判断。但工具能看到的只是公开的销量估算、评论数和排名波动，它看不到你的供应链成本、你的广告效率、你的资金周转能力。
正确的定位是：工具负责把 3,000 个候选压缩到 300 个，你负责把 300 个压缩到 30 个，供应链负责把 30 个压缩到 10 个。每一层都用不同的判断维度，工具只承担第一层。
2023 年我做过一个决策，某关键词月搜索量 8.7 万，我看了一眼就拍板了。上架之后 45 天只出了 22 单。后来拆解才发现，这个 8.7 万的搜索量里，头部三个词根贡献了 61%，而且全部指向一个已经形成品牌心智的价格带，我的定价卡在中间，既没有性价比优势也没有品牌溢价。
搜索量是"总需求"，但真正决定你能不能吃到的是"可争夺需求"。可争夺需求 = 总搜索量 × 非品牌词占比 × 你的价格带匹配度。这三个因子任何一个接近零，前面的数字再大也没用。
我经历过最惨的一次是只看 BSR。2023 年第二季度，我选了一款 BSR 稳定在 800 名左右的产品，看起来需求量很稳。但实际结果是：这个排名是靠高频秒杀和站内广告硬撑起来的，我上架后没有对应的广告预算，自然流量占比从预期的 62% 掉到了 21%，广告成本直接吃掉全部毛利。
单一指标最危险的地方在于，它看起来很客观。BSR、月销量估价、搜索量、评论数，任何一个单独拿出来都能构成一个"看起来有理有据"的决策，但它们都不构成决策依据，只构成决策约束。
这是最容易被忽视、也最致命的一条。同一款产品，我用 30 天窗口和 90 天窗口分别统计数据，需求稳定性评分差了 34 分。30 天窗口受促销季影响严重，会把短期爆发误判为长期需求。
我的做法是强制使用双窗口：所有需求类指标必须同时给出 30 天和 180 天两个口径，两者偏离超过 40% 的候选品，一律标记为"季节性待确认"，进入人工复核而不是直接淘汰。
这是最普遍、也最贵的一个误区。2023 年我在工具订阅上花了大概 1.8 万元，但真正的决策质量几乎没变。因为工具提供的是数据，系统提供的是数据到决策之间的转换规则。规则不写下来，工具就只是个更贵的搜索框。
判断标准很简单：如果你今天停掉所有工具订阅，你的选品流程能不能继续运转？如果答案是"不能"，说明你依赖的是工具而不是系统。我 90 天验证期结束后，即使停掉其中一个平台，流程依然能跑完，只是效率下降约 30%，这才是健康状态。
讲完误区，回到正题。我把这套系统的核心逻辑总结成一句话：先定义决策单位，再定义指标，最后写死阈值。顺序不能乱，因为大部分人是从指标开始的，结果就是指标越加越多，决策却越来越慢。
很多人把决策单位定义成"一个产品"。这是错的。因为你决定上架一个产品时，真正承担风险的是"产品 + 首批采购量 + 验证周期 + 广告预算"这个组合。同一个产品，首批 300 件和首批 1,500 件的风险完全不同。
我把决策单位重新定义为：产品 × 首批采购量 × 验证周期（21 天）× 测款广告预算（1,500 到 3,000 元）。定义完之后，很多看起来"还不错"的产品会自动出局，因为它们在 21 天、3,000 元的约束下根本跑不出有效信号。
我的筛选模型分四层，每层 2 到 4 个指标，每层有独立的及格线，四层必须全部通过才进入立项，任何一层不通过就直接淘汰，不做综合打分妥协。这四层分别是：市场需求层、竞争结构层、供应链可实现层、财务模型层。
"阈值先行"的含义是：在跑数据之前，把阈值写死在配置文件里，跑完数据只看是否越线，不允许事后调整。我第一轮就吃过亏，数据出来后觉得某个产品"就差一点点"，手动放宽了标准，结果它成了那一轮唯一一个 90 天未达标的产品。
# selection_rules.yaml ， 阈值先行的配置文件示例
说明：所有阈值在跑数据前写死，本文件纳入版本管理，改阈值需记录 commit 理由
model_version: v3.2
effective_from: 2024-06-01
layer_1_demand: # 市场需求层
search_volume_30d: {min: 8000} # 月搜索量下限
search_volume_180d: {min: 20000} # 半年搜索量下限
stability_score: {min: 60} # 需求稳定性评分（0-100）
window_deviation: {max: 0.40} # 30天与180天口径偏离上限
layer_2_competition: # 竞争结构层
top3_keyword_share: {max: 0.55} # 前三词根搜索占比上限
brand_share: {max: 0.35} # 品牌词占比上限
review_median: {max: 600} # 竞品评论中位数上限
price_band_overlap: {min: 0.50} # 我方定价带与主流成交带重合度
layer_3_supply: # 供应链可实现层
moq: {max: 500} # 起订量上限
volume_weight_ratio:{max: 1.0} # 体积重比，超过则头程成本失控
sampling_lead_days: {max: 18} # 打样周期上限
historical_return: {max: 0.06} # 同类目历史退货率上限
layer_4_finance: # 财务模型层
gross_margin: {min: 0.28} # 目标毛利率下限
cash_cycle_days: {max: 75} # 资金占用天数上限
break_even_units: {max: 120} # 广告投放下保本单量上限
payback_months: {max: 3.0} # 回本周期上限
一票否决项：任意一层任一指标越线，直接淘汰，不进入综合评分
veto: strict_by_layer这份配置看起来繁琐，但它的真正价值在于把"我为什么否掉它"变成一个可以复现的答案。第三轮筛选时，我能在 3 分钟内说清任何一个被淘汰产品的具体越线项，这是第一轮做不到的。
这是整套系统里我最推荐的一个动作。任何进入深度评估的候选品，在立项之前必须写下一句话："如果发生 X，我就在 Y 天内放弃，不再追加投入。"这句话必须在花钱之前写，不能事后再补。
举个我第三轮的实际例子。候选品是一款户外折叠桌，我写的证伪条件是："如果上架后 21 天内，自然订单占比低于 30%，或者广告 ACOS 连续 7 天超过 45%，立即停止追加广告预算，进入清货流程。"后来这两个条件在第二周同时触发，我在第 18 天就停手了，实际损失控制在 6,800 元。同款产品如果按 2023 年的做法，我大概率会追加到 2 万元以上才认输。
数据只能告诉你"这个地方有人在买"，广告才能告诉你"你能不能比现有卖家更有效率地卖出去"。所以我的验证永远是双轨的：数据轨负责筛掉明显不该做的，广告轨负责确认剩下的到底能不能做。
小预算广告测试有几个硬约束：预算上限 3,000 元，时间窗口 21 天，只看两个指标，自然订单占比和广告边际 ACOS 的走势。前者判断产品能不能自己站起来，后者判断你的运营效率能不能随投入增加而改善。两者都不达标，说明这个产品的竞争结构已经僵化，不要硬撑。
# demand_filter.py ， 需求结构与竞争集中度的计算片段（示意）
输入：关键词级数据（关键词、30天搜索量、180天搜索量、是否品牌词、所属词根）
输出：候选品是否通过第一层与第二层筛选
import pandas as pd
def calc_layer1(df: pd.DataFrame) -> dict:
"""市场需求层：双窗口口径 + 稳定性"""
v30, v180 = df["search_vol_30d"].sum(), df["search_vol_180d"].sum()
稳定性评分：30天均值与180天均值偏离越小，得分越高
dev = abs(v30 / 1.0 - v180 / 6.0) / max(v180 / 6.0, 1)
stability = max(0.0, 100 - dev * 100)
return {
"search_volume_30d": v30,
"search_volume_180d": v180,
"window_deviation": round(dev, 3),
"stability_score": round(stability, 1),
}
def calc_layer2(df: pd.DataFrame) -> dict:
"""竞争结构层：词根集中度 + 品牌占比"""
by_root = df.groupby("root")["search_vol_30d"].sum().sort_values(ascending=False)
top3_share = by_root.head(3).sum() / df["search_vol_30d"].sum()
brand_share = df.loc[df["is_brand"] == 1, "search_vol_30d"].sum() / df["search_vol_30d"].sum()
return {
"top3_keyword_share": round(top3_share, 3),
"brand_share": round(brand_share, 3),
可争夺需求：剔除品牌词与无法进入的价格带后的有效规模
"contestable_demand": int(
df["search_vol_30d"].sum() * (1 - brand_share) * 0.62
),
}
def judge(l1: dict, l2: dict, rules: dict) -> tuple:
"""严格分层判定：任一层越线即淘汰"""
failures = []
if l1["search_volume_30d"] failures.append("L1:月搜索量不足")
if l1["stability_score"] failures.append("L1:需求稳定性不足")
if l1["window_deviation"] > rules["window_deviation"]["max"]:
failures.append("L1:双窗口偏离过大")
if l2["top3_keyword_share"] > rules["top3_keyword_share"]["max"]:
failures.append("L2:词根集中度过高")
return (len(failures) == 0, failures)
实际输出示例（第三轮某候选品）：
L1 -> search_volume_30d=18400, stability_score=72.4, window_deviation=0.19
L2 -> top3_keyword_share=0.612, brand_share=0.284, contestable_demand=8121
判定 -> (False, ['L2:词根集中度过高'])这段代码的重点不是算法多复杂，而是它把"可争夺需求"这个模糊概念变成了一个可以比较的数字。同一个类目里，8,000 的可争夺需求和 20,000 的总搜索量，是完全不同的两门生意。
这一节我讲具体的工具用法和真实数据。需要说明的是，工具只是链路中的一环，我更想展示的是"这一环怎么接入系统"，而不是工具本身的参数。
2024 年第二轮迭代时，我在链路最前端接入了数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）。在我自己的用法里，我主要拿它做三件事：类目结构扫描（先看一个类目的流量和销量是怎么分布的）、关键词需求分层（区分哪些是核心需求词、哪些是长尾补充词、哪些是品牌词）、竞品变动追踪（关注竞品价格带、评论增速、上新节奏的变化）。
为什么放在第一环？因为它承担的是"把 3,000 个候选压缩到 300 个"这个最粗粒度的过滤工作。这一步不需要极高的精度，但需要足够宽的口径和足够快的周转。把高精度工具用在这个环节是浪费，把低精度工具用在立项环节是灾难。这是我踩过坑之后才想明白的匹配逻辑。
具体功能、数据覆盖范围和套餐差异，建议直接以官网说明为准，我这里只讲我实际验证过的使用方式。
把三轮数据放在一起看，最有意思的不是"命中率提升了"，而是淘汰原因的结构发生了迁移。第一轮淘汰的产品里，42% 是因为竞争集中度过高；到第三轮，这个比例降到 28%，取而代之的是"毛利不达标"上升到 39%。
这说明什么？说明前两轮把最容易识别的坑填平之后，剩下的淘汰压力自然转移到了更精细的维度上。一个系统的成熟标志，不是淘汰率升高，而是淘汰理由从"粗颗粒"转移到"细颗粒"。
| 指标 | 第一轮（4/1-4/30） | 第二轮（5/1-5/31） | 第三轮（6/1-6/30） |
|---|---|---|---|
| 进入候选池 SKU 数 | 1,240 | 980 | 860 |
| 通过数据初筛 | 168 | 121 | 96 |
| 进入深度评估 | 42 | 35 | 28 |
| 完成供应链核实 | 24 | 22 | 16 |
| 正式立项 | 11 | 8 | 6 |
| 实际上架 | 9 | 7 | 5 |
| 90 天达标数 | 6 | 5 | 4（观察期未满） |
| 立项命中率 | 55% | 63% | 67% |
| 平均决策周期 | 26 天 | 14 天 | 9 天 |
| 单次测款广告花费 | 4,200 元 | 3,400 元 | 2,600 元 |
这张表里我最看重的是最后两行。命中率从 55% 提到 67%，同期决策周期从 26 天压到 9 天、测款花费从 4,200 元降到 2,600 元。也就是说，我们不只是选得更准，还选得更快、更省。这三者同时改善，才说明系统的效率真的提升了，而不是靠拉长决策时间换取准确率。
我必须讲这个失败案例，因为它差点让我对整套系统失去信心。
那是第二轮的一个候选品，一款户外便携收纳包。所有数据都漂亮得不像话：月搜索量 8.7 万，竞品评论中位数 320 条（远低于 600 的上限），前三词根占比 41%（低于 55% 上限），品牌词占比 22%。四层模型全部通过，财务模型显示毛利率可达 34%，资金占用天数 68 天。我几乎没有犹豫就立项了，首批 600 件，测款预算 3,000 元。
结果：上架 45 天，累计出单 22 件。第 60 天我启动清货，最终亏损约 1.4 万元。
问题出在哪？我复盘了三层原因。第一层是价格带错配：这个类目的实际成交集中在 89 到 129 元区间，我的成本结构决定了定价必须在 168 元以上，才有 30% 以上毛利。数据告诉我"有人在买"，但没告诉我"买的是那个价位"。第二层是季节性错位：8.7 万的搜索量集中在 4 到 6 月，我上架时已经是 7 月中旬，需求曲线正在下行。第三层是视觉竞争：头部卖家的主图都是场景实拍，我用的是产品白底图，点击率只有类目均值的 0.6 倍。
这次失败让我在模型里加了两个新约束：价格带匹配度必须 ≥ 0.50，以及需求曲线必须处于上行或平稳期，不接下行段。第三轮加入这两条之后，候选池直接从 980 掉到 860，淘汰率上升了 2.3 个百分点，但立项命中率提升到了 67%。
把 2024 年 1 月（系统上线前）和 2024 年 7 月（三轮跑完）的数据放在一起对比，变化最明显的并不是销售额，而是几个"隐形指标"。销售额从 68 万元涨到 81 万元，涨幅 19%，这个数字其实很温和。但同期库存滞销金额占比从 31% 降到 14%，资金占用天数从 118 天降到 74 天，整体毛利率从 11.2% 回到 19.5%。
这三个指标加起来，意味着同样一笔资金，现在能周转的次数多了 0.6 次，而且每次周转的质量更高。我认为选品系统的第一产出永远是现金流质量，销售额增长是副产品。如果你搭完系统发现销售额没涨但现金流明显改善，这套系统是成功的，不要因为销售额焦虑而放弃它。
| 核心指标 | 2024 年 1 月（上线前） | 2024 年 7 月（三轮后） | 变化幅度 |
|---|---|---|---|
| 整体毛利率 | 11.2% | 19.5% | +8.3 个百分点 |
| 库存滞销金额占比 | 31% | 14% | -17 个百分点 |
| 资金占用天数 | 118 天 | 74 天 | -44 天 |
| 平均决策周期 | 26 天 | 9 天 | -65% |
| 在售 SKU 数 | 180 个 | 142 个 | -21% |
| 月销售额 | 68 万元 | 81 万元 | +19% |
| 无效候选品淘汰率 | 无统计 | 87.5% | 新增指标 |
注意"在售 SKU 数从 180 个降到 142 个，销售额却涨了 19%"这一行。这是整次复盘里我最想强调的反常识结果：砍掉 21% 的 SKU，销售额反而增长。因为在砍掉的 38 个 SKU 里，有 29 个属于长期占用仓储和运营精力、月均出单不到 8 件的"僵尸品"，它们消耗的客服、库存和广告资源远超它们的贡献。
另外我还做了一次数据源口径的交叉测试，用来验证"口径一致性比准确率更重要"这个判断。同一款头部竞品，四个来源的月销量估算如下表。这个测试直接促使我在配置里写死了"只使用单一主口径，辅助口径仅做偏离预警"的规则。
这套系统不是拿来照抄的。我按自己的经验把卖家分成三类，每类的配置策略差别很大，照抄高阶段的配置只会把自己拖死。
这个阶段最大的风险不是选错品，而是决策太慢导致错过窗口。很多起步期卖家的真实情况是：一天能看 200 个产品，一周也做不出一个决定。所以我给的第一个建议是反直觉的，先放弃完善系统，先建立"21 天必须做决定"的硬规则。
这个阶段是这套系统收益最大的区间，因为你的决策频率已经足够高，任何一点效率提升都会被放大很多倍。我的建议是完整上四层模型，并且把"资金占用天数"提到一级指标。
到这一步，系统的重点从"选品效率"转向"决策审计"。因为你团队大了、层级多了，最大的风险变成决策被稀释、阈值被逐级放宽。我见过最典型的失败是：总部定了 28% 毛利率门槛，执行层为了完成上新数量指标，一路放宽到 21%，半年后整个产品线毛利率掉 5 个点。
— decision_log.sql ， 决策日志表结构（示意）
— 核心目的：让任何一次立项/淘汰在半年后都能被完整还原
CREATE TABLE decision_log (
decision_id BIGSERIAL PRIMARY KEY,
candidate_sku VARCHAR(64) NOT NULL,
category_l1 VARCHAR(64) NOT NULL,
round_no SMALLINT NOT NULL, — 第几轮筛选
decision_type VARCHAR(16) NOT NULL, — approve / reject / terminate
layer1_score NUMERIC(5,2), — 市场需求层得分
layer2_score NUMERIC(5,2), — 竞争结构层得分
layer3_score NUMERIC(5,2), — 供应链可实现层得分
layer4_score NUMERIC(5,2), — 财务模型层得分
rejected_reason VARCHAR(128), — 淘汰的具体越线项，必填
falsify_condition TEXT, — 立项时写下的证伪条件
first_purchase_qty INTEGER, — 首批采购量
ad_budget_cny NUMERIC(10,2), — 测款广告预算
decision_date DATE NOT NULL,
decided_by VARCHAR(32) NOT NULL, — 决策人，与采集人必须不同
data_owner VARCHAR(32) NOT NULL, — 数据采集人
result_90d_units INTEGER, — 90 天实际出单
result_90d_margin NUMERIC(5,2), — 90 天实际毛利率
created_at TIMESTAMP DEFAULT now(),
CONSTRAINT chk_reason CHECK (
decision_type <> 'reject' OR rejected_reason IS NOT NULL
)
);
— 常用审计查询：统计各轮次的淘汰理由结构变化
SELECT round_no,
rejected_reason,
COUNT(*) AS cnt,
ROUND(100.0 * COUNT(*) / SUM(COUNT(*)) OVER (PARTITION BY round_no), 1) AS pct
FROM decision_log
WHERE decision_type = 'reject'
GROUP BY round_no, rejected_reason
ORDER BY round_no, cnt DESC;这个表最关键的字段是 rejected_reason 和 decided_by / data_owner 的强制分离。前者保证每个"不"都有理由，后者保证找数据的人和下判断的人不是同一个。我在这 90 天里最深的体会是，制度约束比工具功能重要得多。
所有的系统设计本质上都是取舍。这一节我讲四个我实际面对过的取舍，每个都附上我的选择和当时的真实理由，你可以不同意我的选择，但至少要意识到这些取舍存在。
我在 2024 年初花了两周时间尝试自建采购数据管道，用爬虫抓类目榜单和关键词数据。结论是：除非你的选品频率高于每周 5 个新候选品，否则自建不划算。两周的开发和后续的维护成本，折算成时薪超过 1.2 万元，而同样的数据在成熟平台上的年费不到这个数字的三分之一。
但自建有它不可替代的价值：口径完全可控。当你的类目非常垂直、通用平台覆盖不足时，自建是唯一选择。我的判断标准是：通用平台能否覆盖你 80% 的候选品数据需求？能，就用平台；不能，再用平台 + 自建的混合方案。
宽口径意味着候选池大、不遗漏机会，但评估成本高；窄口径意味着效率高，但容易漏掉"看起来不起眼、其实利润很好"的产品。我在三轮里都用了宽进口、窄出口的策略。
具体来说，第一层（需求层）用宽口径，阈值设得低，只要不出现明显异常就放行；第四层（财务层）用窄口径，接近一票否决。原因是：机会的分布是不可预测的，所以入口要宽；但失败的代价是可估算的，所以出口要窄。这个原则在选品之外的很多决策场景里同样适用。
这是一个真实的两难。阈值频繁调整能快速适应市场变化，但会让你的历史数据失去可比性，你无法判断"命中率提升"是因为决策变好了，还是因为阈值放宽了。
我的做法是：一个大版本内阈值冻结，只允许在版本切换时调整，并且每次调整必须记录三条以上数据证据。90 天里我只切换了两次版本（v3.0 到 v3.1 到 v3.2），每次调整不超过 3 个参数。这样虽然响应市场变化慢一点，但换来的是可信的对比数据。
我不认为数据应该完全取代直觉，但我认为两者的分工必须明确。直觉负责生成候选，数据负责淘汰候选。让直觉做淘汰会漏掉真正的好机会，让数据做生成会陷入"只找能算清楚的东西"的保守陷阱。
我在第三轮的 6 个立项里，有 1 个是直觉强行推的，一款看起来数据平平但我在供应链端有独特优势的产品。它最终达标了，毛利率 26.4%。如果完全按数据走，它会在第一层就被淘汰。所以我的建议是：给直觉留一个明确的"配额"，比如每轮 1 到 2 个名额，但要求它必须通过财务模型层的检验。这样既保留了对机会的敏感度，又守住了风险底线。
90 天跑完，我最大的收获不是选到了几个好产品，而是我终于能说清楚"我为什么做了这个决定"。这句话听起来很朴素，但它是从"靠感觉做生意"到"靠系统做生意"的分水岭。
回到标题，选品工具能不能验证系统搭建效果？能。但它验证的不是工具的准确率，而是你有没有一套能把数据转化成决策、把决策转化成可复盘记录的流程。工具只是这条流水线上的一个工位，它的产出质量取决于整条线，而不取决于它自己。
不要急着买工具、不要急着搭模型。先拿一张表格，从今天开始记录每一次选品决定：候选品是什么、通过了哪几层、淘汰理由是什么、谁做的决定、结果如何。连续记录 30 条之后，你会自己发现你的决策盲区在哪里。我的那 96 个"凭感觉"的 SKU，就是这么被发现的。
速度不是准确率的敌人，拖延才是。大部分长期不决策的候选品，最后都变成了"不了了之"，既没有产生收益，也没有留下教训。给自己设一个 21 天的硬上限，宁可做错也不要拖。错了至少有数据可复盘，拖了什么都留不下。
最后说一句我复盘时写在笔记本第一页的话：选品系统真正的产出，不是一份爆款清单，而是一份你能信任的"不做清单"。我在这 90 天里最终放弃的产品有 3,055 个，正是这 3,055 个"不"，让剩下的 21 个上架产品有了被认真做好的机会。
读者评论
口径一致性这点很真实，但第三方销量估算差3.9倍时，实操里怎么校准？我现在更依赖广告后台搜索词和退货率反推，单靠选品工具很难统一阈值。淘汰理由比爆款清单有用，但小团队维护台账的执行成本不低。
天验证期设计得清楚，可小卖未必等得起。每轮30天闭环，加上扫描、测款和供应链核实，至少得有三人分工才转得动。我自己的卡点也一直在打样和起订量，不在初筛。
现金流比毛利率更早报警我认同，体积重、海运周期长的产品毛利再高也不敢碰。但把资金占用天数当一级指标，财务口径得实时跟得上，否则选品时算的还是静态毛利。另外失败样本也受类目周期影响，未必都能复用。