去年下半年，我帮一个做家居收纳的卖家复盘他的店铺，发现一件挺荒诞的事：他花了整整三周时间用各种选品工具筛出 46 个"高潜力款"，采购样品、拍图、写 Listing，忙到凌晨。结果上架两个月，真正跑出利润的只有 7 个，其余 39 个里有 21 个死在同一件事上，发不出去，或者发出去之后运费把毛利吃光了。他跟我说了一句话，我印象很深："我不是选错了品，我是压根没算过这个品能不能发。"
这句话基本概括了跨境电商选品里最普遍的一个结构性错误：把物流当成选品之后要解决的成本项，而不是选品之前必须通过的准入门槛。ERP 在物流对接场景下的真正用法，也不是"管理订单"，而是把物流参数提前变成可筛选、可打分的选品字段。这篇文章拆的就是这件事，为什么顺序要反转，ERP 里哪些字段真正影响选品，以及一套可以照着落地的反向筛品逻辑。
绝大多数关于"ERP 跨境电商怎么用"的内容，都停在功能层面：能对接几个平台、能同步订单、能打面单、能看库存。这些是事实，但它们回答的是"ERP 能做什么"，而不是"我应该拿 ERP 做什么决策"。这两件事之间的差距，就是很多卖家用了三年 ERP 却依然在物流上反复踩坑的原因。
通行流程是"选品 → 采购 → 上架 → 出单 → 找物流"，而我这几年越来越确信应该反过来：物流可行性 → 成本结构 → 需求验证 → 上架 → 放量。
原因很直白。需求是可以被制造和放大的，成本结构不行。一个产品如果体积重超标、含纯锂电池、或者目的国要求 EPR 注册，这些约束不会因为你投了多少广告而消失。你越晚发现它们，沉没成本越高，样品费、拍摄费、Listing 制作、广告测试预算，全都白扔。而这些东西加起来，往往比一次失败的选品工具订阅费贵几十倍。
ERP 对接物流商之后，会把一堆原本藏在物流商后台的参数，变成你自己数据库里的字段：实重、体积重、计费重、可发国家、时效区间、运费模板、限制品类、是否支持带电、是否支持退件回仓。
这些字段单独看没什么，但一旦和 SKU 主数据绑在一起，你就拥有了一个别人没有的能力：在采购之前，批量判断一个 SKU 在目标市场上的物流可行性。不需要一个个去问货代，不需要每次发样品才试出来，直接跑规则。
我见过太多卖家的选品会是这样的：大家围着一堆"看起来不错"的品讨论，试图找出那个"爆款"。这是筛选思维。而做得稳的团队开会是这样的：先拿物流数据把明显发不了的品全部划掉，剩下十几个候选，再讨论哪个值得试。
选品工具帮你找到"可能好卖"的品，物流数据帮你排除"肯定做不了"的品。后者的确定性高得多，而且几乎不需要运气。一个团队如果能把淘汰环节做扎实，哪怕选品眼光一般，也不至于亏大钱。
要理解这件事为什么现在变得特别重要，得先看清楚过去几年跨境履约环境发生了什么变化。
2015 到 2018 年那波铺货红利期，选品的核心逻辑是"多上、快上、测出来再补货"。那时候物流确实可以后置，小包专线价格低、清关宽松、时效要求也不高，你随便上一个品，出了单再找货代发就行，运费再高也高不过信息差带来的溢价。
现在这套逻辑基本失效了，原因是三个同时发生的变化。
第一是履约模式分化。半托管、全托管、海外仓、本地发货，不同模式对 SKU 的重量、体积、备货周期要求完全不同。同一个产品在直发模式下亏钱，在海外仓集拼模式下可能很赚钱，反过来也成立。
第二是合规门槛抬升。欧盟的 EPR、包装法规、电池法规，美国对特定品类的准入要求，都在把"能不能卖"这个问题从营销层面拉回到合规和物流层面。这类门槛不会因为你选品能力强就绕过去。
第三是流量成本上涨。当获取一个订单的成本变高，每一单的履约亏损都变得不可接受。过去你还能用"先冲量、后优化"的思路，现在冲量本身就是亏损放大器。
把技术语言翻译成人话，ERP 对接物流商之后，你的系统里会形成一条完整的数据链路：
选品环节真正用得上的，是物流层的参数 + 结算层的实际发生费用 + 售后层的退货成本这三块。因为只有这三块组合起来，才能算出"这个品在真实履约条件下的到手利润"，而不是采购价和售价之间的账面差价。
我把 ERP 里和选品直接相关的字段梳理成下面这张表。这里要强调一点：不同 ERP 对这些字段的命名和粒度不一样，具体口径必须以你所用的系统说明和物流商官方文档为准，不要照搬别人的截图。
| 字段 | 对选品的意义 | 常见被忽略的点 |
|---|---|---|
| 实重（kg） | 基础计费依据 | 含包装后的重量，很多人只算产品裸重 |
| 体积重 / 计费重（kg） | 决定轻抛货是否被"抛重"计费 | 体积重系数不同渠道不一样，需按渠道分别算 |
| 可发国家 / 禁运国家 | 直接决定市场覆盖范围 | 同一物流商不同渠道覆盖国家差异很大 |
| 时效区间（天） | 影响转化率、纠纷率、退货率 | 区间下限常被当成实际时效来用 |
| 运费模板 / 分区价格 | 支撑分市场定价 | 分区跨度大，按"平均运费"算会失真 |
| 限制品类（带电/液体/粉末/磁铁） | 硬性否决项 | 纯锂与锂离子电池渠道政策完全不同 |
| 超规附加费 | 大件、异形件的隐性成本 | 三边和、最长边超标都会触发 |
| 退件处理方式 | 决定售后成本上限 | 退回国内 vs 本地弃件，成本差一个量级 |
接下来这部分是我在给卖家做诊断时反复见到的六个坑。它们之所以叫"误区"而不是"错误"，是因为每一个单看都说得过去，只有在组合起来、跨时间看的时候才会暴露问题。
这是最普遍的一条。发生的心理机制很简单：算运费很枯燥，看选品工具有数据、有曲线、有排行榜，更有"在做事"的感觉。于是大家本能地把枯燥的事往后推，结果就是物流成本在最后一步成为否决项，而这时候决策已经做了。
更麻烦的是，这个顺序问题会形成路径依赖。第一次因为运费放弃一个品，你会觉得是运气不好；第二次、第三次之后，你会开始怀疑自己的选品能力，而真实问题从来不在选品能力上。
很多卖家算运费的方式是：查一下渠道报价表，找到目的国，看看首重多少、续重多少，乘以重量，完事。这套算法对实心小件没问题，但一旦产品是"大而不重"，比如收纳盒、抱枕、宠物窝、泡沫类产品，就会严重低估。
物流商计费时用的是实重和体积重取大者。体积重的计算公式通常是长×宽×高除以一个系数，而这个系数在不同渠道之间并不统一，常见的有 5000、6000、8000 等口径，专线、快递、邮政小包各不相同。你在 A 渠道算出来能赚钱，换成 B 渠道可能就亏。
所以真正该在 ERP 里维护的，不是"这个 SKU 多重"，而是"这个 SKU 在目标渠道下的计费重是多少"。这两个值在很多品类上能差出一倍以上。
我见过一个卖家，美国站做得很稳，然后拿同一套选品逻辑去开欧洲站，结果一批产品卡在合规和物流上。美国市场对某些品类的准入相对宽松、海外仓体系成熟、退货处理也简单；欧洲市场各国法规差异大，同一个产品在德国能卖、在法国可能要额外注册。
物流侧同理。同一个品在美西仓发货和从国内直发欧洲，时效、成本、退件处理方式完全不同。选品结论必须绑定"市场 × 履约方式"这个组合才有意义，脱离组合的选品结论是不可迁移的。
这是最可惜的一条。ERP 里有最真实的履约数据，每个 SKU 的实际计费重、实际运费、超规次数、退货率、退件成本。这些数据如果只用来对账，价值发挥不到两成。
真正有价值的用法是反向使用：用历史 SKU 的实际物流数据，反推哪些特征会导致失控，然后把这些特征写成规则，用来筛新品。这就是从"事后记录"到"事前预测"的转变，也是本文后面五步法的核心。
选 ERP 的时候，很多卖家会被"支持对接 XX 家物流商""覆盖 XX 个国家"这类数字吸引。这类数字本身没有错，但它是厂商宣传口径，和你的实际业务收益之间隔着一层。
真正该问的是三个问题：我主力用的那 2-3 个渠道，对接深度够不够？计费重是按渠道真实口径算的，还是套用统一系数？运费是实时报价还是手动维护的模板？如果这三个问题的答案是不确定的，那对接 100 家物流商对选品的帮助，可能还不如把 3 家对接清楚。
退货成本在选品阶段的权重，被严重低估。一个退货订单的成本不只是退回的运费，还包括：原发出的运费、可能的关税、退回后的质检和翻新、以及无法二次销售的报废损失。
不同品类的退货物流成本差异极大。服装、鞋类、家居纺织品这类退货率高的品类，即便单件物流成本很低，退货后的综合损失也可能吃掉三四个订单的利润。如果 ERP 里没有把退货物流成本和 SKU 绑定，你在选品阶段就看不到这个风险。
下面这套流程是我在实际项目里反复用、也反复调整过的版本。它的设计原则是：每一步都要有明确的判断标准、可执行的操作动作和可检查的输出结果。如果某一步说不出"输出什么"，那一步就是多余的。
第一步不是算钱，是划红线。把你主力目标市场的物流硬约束列成清单，逐条对照候选 SKU。
这一步的输出结果是一份"红名单"，明确不能做的 SKU 及原因。这份清单要写下来，不要放在脑子里，因为它的价值在于阻止团队反复讨论同一个已经被否决的品。
第二步才是算账。我建议用一个固定的利润模型模板，把下面这些项全部列进去，而不是心算毛利。
| 成本项 | 取值口径 | 容易出错的地方 |
|---|---|---|
| 采购成本 | 含税到仓价 | 用裸价，漏掉国内运费和包装 |
| 头程/直发运费 | 按计费重 × 分区单价 | 用平均单价代替分区单价 |
| 尾程派送 | 按实际渠道 | 海外仓模式下常被忽略 |
| 平台佣金 | 按类目费率 | 用统一费率代替类目费率 |
| 支付与汇损 | 按实际结算口径 | 完全不算 |
| 退货摊销 | 退货率 × 单次退货综合损失 | 只算退回运费 |
| 仓储与操作 | 按体积占用 × 天数 | 大件品类容易高估自己扛得住 |
| 广告与推广 | 按目标 ACOS 倒推 | 用"以后会降"当假设 |
算完之后看一个核心指标：物流成本（头程+尾程+退货摊销）占售价比。这个比例是选品阶段最有信息量的单一数字，比毛利额更能说明抗风险能力。
第三步是把候选品类归到不同的履约层级，因为不同层级需要完全不同的供应链设计。
分层不是为了分类好看，而是为了避免用同一套成本模型去评估不同层级的品。用轻小件的模型去算大件，一定算错。
第四步是把前面的判断规则化、系统化。不要靠人脑记忆，而是把规则写进 ERP 或数据看板的筛选条件里，让系统自动给每个 SKU 打标。
下面是一个规则配置的示例结构，字段名需要按你实际系统的口径替换，这里只演示逻辑：
{
"rule_name": "物流可行性否决规则 v1",
"apply_scope": ["US", "DE", "GB"],
"reject_if": [
{
"field": "volumetric_weight_kg",
"op": ">",
"value": 2.0,
"reason": "体积重超 2kg，直发尾程运费吞噬毛利，需改海外仓模型"
},
{
"field": "battery_type",
"op": "in",
"value": ["pure_lithium", "lithium_metal"],
"reason": "纯锂 / 锂金属电池多数普货渠道拒收，仅特殊渠道可发"
},
{
"field": "liquid_volume_ml",
"op": ">",
"value": 100,
"reason": "液体超 100ml 需 MSDS 及特殊渠道，成本与时效均不可控"
}
],
"flag_if": [
{ "field": "freight_ratio", "op": ">=", "value": 0.30, "level": "yellow" },
{ "field": "freight_ratio", "op": ">=", "value": 0.40, "level": "red" },
{ "field": "return_rate_30d", "op": ">=", "value": 0.12, "level": "yellow" }
],"output": "sku_risk_level"
}
规则跑完，每个 SKU 会得到一个风险等级。红灯直接不进选品池，黄灯需要补充验证，绿灯才进入实测。这套规则一旦建好，团队里任何人都能跑，不依赖某个人的经验。
第五步是验证。前面四步都是纸面推演，真实运费和实际计费重可能和预估有偏差，所以必须小批量实测。
验证时重点看三组数据的偏差：
只有偏差在可接受范围内，才值得放量。放量的依据不是"卖得还行"，而是"履约成本和预期一致"。这两者的区别在于，前者可能只是流量红利，后者才是可复制的模型。
如果团队需要一个简单的打分工具，我推荐用五个维度做红黄绿分级，比精确打分更容易执行。
| 维度 | 绿灯 | 黄灯 | 红灯 |
|---|---|---|---|
| 物流成本占售价比 | < 20% | 20%-35% | > 35% |
| 时效可接受度 | 买家对时效不敏感 | 可接受但影响转化 | 买家强时效需求 |
| 退货敏感度 | 退货率低且退件成本小 | 退货率中等 | 高退货且退件成本高 |
| 合规风险 | 无特殊要求 | 需注册或认证 | 存在准入门槛或限制 |
| 复购潜力 | 耗材或高频品类 | 一般 | 一次性购买 |
用法很简单：五个维度里出现两个及以上红灯，直接放弃；出现一个红灯加两个黄灯，补数据后再决定；全是绿灯或黄灯，进入实测。这套规则的粗糙恰恰是它的优点，因为它不会被"这个品看起来真的很有潜力"这种主观判断推翻。
前面讲的是方法，这一节讲一个具体案例。数据来源是我在项目里用数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）做的一次历史 SKU 复盘，案例主体是一个做 3C 配件和家居小件的卖家，主战场是美国站，直发为主、少量海外仓。
这个卖家的情况在中小卖家里很有代表性：做了四年，SKU 数量累积到 217 个，但真正稳定出单的不超过 40 个。他自己感觉"选品越来越不准"，但说不清问题出在哪。
我的做法不是重新选品，而是先把已有的 217 个 SKU 拉出来，按物流成本占比做一次全量分布。这一步的价值在于：历史数据里已经包含了所有答案，只是没人系统看过。
把每个 SKU 的实际计费重、实际运费、退货综合损失汇总，除以该 SKU 的实际成交均价，得到"综合履约成本占比"。分布结果如下。
| 履约成本占比区间 | SKU 数量 | 占比 | 这些 SKU 的实际状态 |
|---|---|---|---|
| 低于 15% | 31 个 | 14.3% | 多数为店铺利润主力 |
| 15%-25% | 58 个 | 26.7% | 正常经营区间，部分可优化 |
| 25%-35% | 57 个 | 26.3% | 依赖广告克制才能微利 |
| 35%-50% | 44 个 | 20.3% | 多数处于"卖一单亏一单"边缘 |
| 高于 50% | 27 个 | 12.4% | 基本可判定为结构性亏损品 |
这里最值得注意的数字是：履约成本占比超过 35% 的 SKU 合计 71 个，占总数的 32.7%。也就是说，这个卖家三分之一的 SKU 在结构上就不成立，和运营水平、广告投放能力没有关系。
我从 71 个高危 SKU 里挑了三个典型，看看它们当初是怎么被选上的。
第一个是桌面理线器。采购价 6.8 元，售价 15.99 美元，账面毛利看起来很好。问题出在包装：为了防止运输压损，供应商用了较厚的吸塑盒，包装后体积重达到 0.9kg 计费重，而产品实重只有 0.21kg。抛重之后，单件尾程运费比预估高了近一倍，履约成本占比冲到 42%。
第二个是便携电动打气泵。含锂电池，最初上架时走的是某个普货渠道，出单正常。后来该渠道收紧电池政策，被迫切换到特殊渠道，运费上浮的同时时效从 9 天拉长到 18 天。时效变化直接推高了纠纷率和退货率，最终履约成本占比超过 50%。
第三个是布艺收纳筐。这个品的失败最有教育意义。它在需求端数据非常好，搜索量高、竞品评论数适中、评价普遍正面。但在物流端，它的折叠后体积重依然达到 2.3kg，且在美国站的退货率达到 14%，退货后几乎无法二次销售。需求侧的漂亮数据，完全掩盖了履约侧的硬伤。
复盘时我把这两个指标做了交叉，发现一个值得记录的现象：履约成本占比高的 SKU，退货率也普遍更高。
一开始我以为是巧合，后来想明白了逻辑：物流成本占比高，往往意味着产品体积大、包装复杂、运输过程中的挤压和破损概率更高；同时也意味着这类产品价格中运费占比高，买家收到后对品质的预期也更高，落差感更强。两个因素叠加，退货率自然上去。
这就形成了一个负向循环：物流成本高 → 定价被迫抬高 → 买家预期抬高 → 退货率上升 → 退货物流成本再叠加 → 履约成本占比进一步上升。这个循环一旦形成，靠优化广告是解不开的。
必须说明的是，上面这组数据来自单个卖家的历史复盘，样本量 217 个 SKU、单一主力市场，不具备行业普适性。不同类目、不同市场、不同履约模式下的分布会有明显差异。
另外，案例中涉及的具体占比阈值是我在这个项目里使用的经验值，不是行业标准。你在自己业务里使用时，应该先用历史数据跑出自己的分布，再确定阈值。照搬别人的阈值，是这类方法最容易失效的方式。
工具层面，我用数跨境主要做三件事：把分散在不同渠道的物流成本归集到 SKU 维度、按履约成本占比做分层筛选、以及观察履约指标和售后指标的关联。这三件事的共同点是，都需要跨数据源的整合，手工做不现实。
方法讲完了，但不同阶段的卖家能做的事情差别很大。下面按单量阶段和品类、市场分别给建议。
这个阶段最大的风险是"用高级工具解决基础问题"。你真正需要的不是一套复杂系统，而是一份写下来的物流可行性清单。
这个阶段的目标不是效率，是建立"先算物流"的条件反射。习惯比工具重要得多。
到这个阶段，SKU 数量和多渠道并行会让手工管理失效。你需要 ERP 或数据看板来承接规则。
这个阶段最容易犯的错是只清理不预防。清理高危 SKU 能立刻改善利润表，但如果不把规则前移到选品环节，半年后你会清理出第二批同样的问题品。
规模到这个量级，讨论"要不要用 ERP"已经没有意义，问题变成"怎么让 ERP 的物流数据真正参与决策"。
这个阶段的核心命题从"选品"变成了"供应链弹性的设计"。同一个品在不同履约方式下的经济性差异，往往比品与品之间的差异更大。
品类差异对物流策略的影响，比卖家规模的影响更大。同样是月销两千单，轻小件卖家和大件卖家的操作重点完全不同。
| 品类 | 首要动作 | 核心风险 |
|---|---|---|
| 轻小件（数据线、手机壳） | 放大 SKU 广度，靠选款和内容竞争 | 同质化严重，价格战侵蚀利润 |
| 中件家居（收纳、厨房小件） | 重构包装和拆装结构，压低体积重 | 体积重估算偏差导致成本失控 |
| 大件家具 | 先定履约方式（海外仓/海运集拼）再选品 | 仓储成本和滞销风险远高于运费 |
| 带电产品 | 先验证渠道可用性，再谈产品本身 | 渠道政策变化导致整线失效 |
| 服饰鞋包 | 把退货成本放进定价模型 | 退货率波动直接决定盈亏 |
| 易碎品 | 把破损率计入履约成本 | 包装成本与破损率之间的平衡难把握 |
选品和物流这件事，很少有"全都要"的选项。下面这几组取舍是我在做决策时反复遇到的，每一组都有自己的答案，关键是想清楚你付得起哪一边的代价。
更快的时效意味着更贵的渠道。这个取舍的答案不取决于你的偏好，取决于品类的需求弹性。如果买家对该品类有明确的时效需求（比如节日礼品、季节性用品），时效优先；如果是长周期决策、买家对时效不敏感的品类，成本优先。
判断方法很直接：去看竞品差评里，有多少条是在抱怨物流慢。如果这个比例很低，说明时效不是这个品类的核心竞争力，你可以放心走低成本渠道。
这是跨境卖家最常纠结的一组。海外仓的优势是时效和转化，代价是备货资金占用、仓储费、以及滞销风险。
我的判断标准是三个数字的组合：日均单量、单件毛利额、品类生命周期长度。日均单量足够覆盖仓储成本、单件毛利额足够高、品类生命周期足够长，三条都满足，海外仓值得上。如果品类本身波动大或者生命周期短，海外仓的滞销风险会盖过时效收益。
SKU 越多，选中的概率越大，但物流集约度越低，每个 SKU 的发货量小，拿不到更好的渠道价格，包装和仓储管理也更碎。
一个实用的平衡思路是：在同一个物流特征区间内扩 SKU，而不是跨区间扩。比如你主做 0.3-0.8kg 计费重区间的产品，就尽量在这个区间内做品类延伸。这样既能扩 SKU，又不破坏物流集约度，渠道议价能力也能保住。
有些卖家会考虑自建物流对接系统，理由是"更灵活"。这个判断在什么情况下成立？
我的看法是：当你的物流需求足够特殊、且量级足够大，以至于现成方案的妥协成本超过自建成本时，自建才成立。对绝大多数中小卖家来说，现成 SaaS 的问题不是"功能不够"，而是"没用起来"。你连自己 217 个 SKU 的履约成本分布都没看过，自建系统也只是把没看过的数据换个地方存。
合规是少数几个"不能取舍"的项。其他取舍可以权衡，合规不行，它不是一个成本项，是一个准入门槛。发现某个品类需要额外认证时，正确的做法是重新评估这个品是否值得投入合规成本，而不是想办法绕过去。
一个现实的做法是：在选品的第一层筛查里就把合规要求列进去，让合规成为前置条件而不是后期障碍。这样你在做取舍的时候，面对的是一个已经被过滤过的候选池，而不是一个随时可能踩雷的池子。
回到最开始那个卖家的问题。他后来做了一件事：把 217 个 SKU 按履约成本占比重排，砍掉所有超过 45% 的品，然后对剩下的品逐个问一个问题，如果重新选一次，我还会选它吗？
结果很有意思。他砍掉了 63 个 SKU，店铺总销售额下降不到 9%，但净利润明显改善。更重要的是，他后面的选品流程变了：每次开会第一件事不是看哪个品有潜力，而是看哪些品在物流上根本发不了。
我认为这件事最值得记住的一点是：选品能力的天花板是运气，物流判断的下限是纪律。你不可能每次都选对爆款，但你完全可以做到不选那些结构上就做不了的品。前者靠天赋和手感，后者靠流程和规则。
如果你现在就想动手，我建议按这个顺序做三件事。
这三件事都不需要额外预算，需要的只是把顺序调过来。而顺序一旦调过来，你会发现很多过去纠结很久的选品问题，其实在第一步就已经有答案了。
我自己是做家居小件的，去年旺季前选了一款带LED灯串的装饰品，看竞品卖得挺猛就直接备了两个柜的货。结果Listing上架、货到海外仓之后才发现，含电池的品类在目标国只能走特定渠道，尾程运费比我预估的高出一大截，最后是硬着头皮亏着清完的。
后来我才想明白，问题不在选品眼光，而在于我把物流当成了选完品之后的执行环节，而不是选品的前置条件。
把物流对接数据前置，本质是先做排除法而不是先做选择题。具体做法是：在ERP的SKU主数据里，给每个候选品补上四个字段，禁运属性（带电、液体、粉末、磁性、大件）、单件实重与包装后尺寸、目的国可发性、退件是否能回收二次销售。这四个字段里任何一个不通过，这个品就直接淘汰，不用再算利润。
判断依据是物流可行性属于硬约束，它不像价格那样可以靠谈判或优化解决，尺寸超规、品类禁运、目的国不接，都是不可协商的。顺序反了的代价通常出现在三个阶段：备货后才发现只能走特殊渠道导致运费翻倍、上架后才发现部分国家站点根本发不了导致流量浪费、以及退货无法回收导致的实际亏损远高于预估。
这三笔钱都比提前筛查的时间成本贵得多。
我用过两套ERP，第一套基本只用来打单和同步订单，物流数据在我眼里就是个运单号。直到有一次我算某个SKU的毛利，发现账面上明明是赚的，实际回款却对不上，才发现我一直在用ERP里的标准运费模板算成本，而实际账单里有偏远附加费和超规费。从那之后我才开始认真看ERP里物流模块到底沉淀了哪些字段。
有价值的数据链路是订单，仓库，物流商，轨迹这一条，但真正对选品有用的是被回写到SKU主数据上的那几个计算结果。重点看四个：一是计费重，它是实重和材积重取大值，材积重按长×宽×高除以抛比系数算，不同渠道抛比可能是5000也可能是6000，这个系数差异会让轻抛货的成本完全不同；
二是每SKU每目的国的落地成本，也就是把运费模板和实际账单结合后的单件履约成本；三是时效区间，一定要看P90而不是平均值，平均值会把最慢的那批订单藏起来，而差评往往来自那批；四是渠道可用性，包括是否可发、是否属于必走特殊渠道。反过来，物流轨迹详情、承运商名称这类字段对选品基本没用，不用花精力。
需要提醒的是，运费模板给的是标准报价，旺季附加费、偏远费、超规费都不在里面，用模板数据做选品决策会系统性低估成本。
这个问题我踩过坑。早期我算利润就是售价减采购价再减平台佣金，觉得有三十个点毛利就能做。后来有个品，采购成本很低、售价也不差，但单件尾程运费占了售价的四成，加上头程和退货损耗，实际是亏的。我当时特别需要一个明确的红线，不然每次选品都是凭感觉。
可以套用的公式是：到手价减去平台佣金、头程运费、尾程运费、退货损耗、支付与广告成本、采购成本，剩下的才是真实毛利。其中物流总成本（头程加尾程）占售价的比例，是我用来做初筛的第一道线：如果这个比例超过售价的三成到三成五，除非这个品有明显的高复购或者高溢价能力，否则我一般不进。
原因不是这个比例本身有魔法，而是跨境电商的退货率、旺季附加费、汇率波动都会从这三十个点里啃掉一块，留不出安全垫。退货损耗这一项很多人直接忽略，但它必须按品类单独估，服饰鞋包和家居硬件的退货率完全不是一个量级。
另外一个执行细节是：ERP预估出来的运费只能用来做初筛，真正的决策数据要用小批量试单的真实账单来校准，尤其是偏远地区和旺季。
我同时跑两个平台、用了两个海外仓，最头疼的就是同一个SKU在这个站点卖得好，搬到另一个站点就各种问题。有次一个品在美国站跑得不错，我直接铺到欧洲站，结果货到仓之后才发现那个国家不接受某种材质，只能低价处理。这种损失不是选品眼光的问题，是我没有一套机制去提前发现它。
做法是建一个目的国乘仓库乘渠道的三维可用性矩阵，在ERP里给每个SKU打上三类限制标签：不可发国家、必走渠道、禁运或敏感属性。这样在铺货前就能用筛选功能一次性筛掉不匹配的组合，而不是靠人记。
日常运维上，每周跑一次异常报表，重点看两类SKU：一类是有订单但无可用渠道的，说明这个SKU在某个站点其实处于半瘫痪状态；另一类是实际运费超出预估两成以上的，说明要么尺寸重量录错了，要么遇到了附加费，都要回头修正主数据。
小批量验证的操作是：新品类先发二十到三十单到目标国，用真实签收时效和尾程账单回填到ERP里，再决定是否放量。试验期尽量不压库存，能走一件代发就先走，等真实数据跑通、成本模型稳定了再批量备货。
判断标准很简单，如果这二十到三十单里有超过两成的订单运费或时效偏离预估，就说明这个品在这个市场还没跑通，不该放量。
读者评论
做家居收纳的，确实体积重是坑。之前只算实重，上架后运费吃掉利润。文章说把计费重做成ERP筛选字段很实用，但不同渠道体积重系数差异要系统能支持，不然落地还是Excel。
从运营角度，先物流后需求有点极端。物流可行性是底线，但需求验证也不能太晚，否则容易筛出一堆能发但卖不动的品。比较认可把物流当否决项，不是唯一选品依据。
作为刚入行的卖家，8个物流字段表格最有用，尤其是禁运国家、带电限制和退件处理。很多ERP报表有数据，但不会主动做选品规则，还是要自己配规则或导出处理。
物流成本占比图对大件卖家很有参考。大件确实要先定海外仓或海运集拼，不然直发模型根本不成立。不过文中数据是示意，实际还要按渠道报价和目的国重新测算。
文章核心“淘汰比筛选更值钱”有共鸣。选品会容易变成找爆款，但用物流规则先砍掉肯定做不了的品，能省很多样品和广告费。执行难点是ERP字段准确性和物流商数据及时同步。