去年 11 月的月度复盘会上，品类负责人问我："这个月销量掉了 12%，是流量问题还是转化问题？"我打开后台，把总销量、UV、转化率、客单价四个数字念了一遍，然后说"应该是流量问题"。他追问："哪个渠道？哪个品类？从哪天开始？"我答不上来。那次复盘之后，我把"销量趋势分析到底要做哪些事"重新梳理了一遍，沉淀成一份 10 项清单。这份清单后来被我用了两年多，改过 4 版，也帮团队把复盘会从"念数字"变成了"下判断"。
这篇文章不做概念科普，也不推荐任何工具。我直接把这份清单拆开：每一项看什么、为什么必须看、异常怎么判断、汇报时怎么说，以及在不同阶段你应该砍掉哪几项。
如果你只想记住一句话：销量趋势分析的本质不是"看销量"，而是把销量这个结果，拆成能被解释、能被干预的若干组成部分。所以清单的每一项，都对应一个"可干预的变量"。
下面这张表是我实际在用的版本。它不追求指标最全，而是保证每一项都能回答一个业务问题。如果你的清单里有一项说不出它回答什么问题，那一项大概率可以删掉。
| 序号 | 事项 | 核心指标 | 回答什么问题 |
|---|---|---|---|
| 1 | 总量趋势 | 退款后净销量、销售额、7 日 / 28 日移动平均、同比、环比 | 整体在涨还是在跌，跌得急不急 |
| 2 | 结构趋势 | 品类 / SKU / 渠道销量占比、贡献度分解 | 谁在拉动，谁在拖累 |
| 3 | 节奏趋势 | 月度季节指数、大促节点销量分布、上新爬坡周期 | 这次波动是正常的还是异常的 |
| 4 | 异常波动 | 偏离历史波动区间幅度、连续负增长天数、突增突降 | 什么时候应该停下来查，而不是继续看平均数 |
| 5 | 动销与库存 | 动销率、售罄率、周转天数、库销比 | 是卖得动，还是货压着 |
| 6 | 价格，销量联动 | 价格指数、销量弹性系数、促销依赖度 | 降价有没有换回对应的量 |
| 7 | 流量，转化链路 | 曝光、CTR、加购率、支付转化率、件均 | 销量变化到底停在哪一环 |
| 8 | 退款与售后回流 | 退款率、退货后净销量、退款滞后修正 | 账面销量是不是真销量 |
| 9 | 竞品与大盘对标 | 类目排名、份额估算、大盘增速 | 是自己不行，还是大家一起不行 |
| 10 | 新品与生命周期 | 首销周期、爬坡斜率、老品衰退斜率 | 明年的量能不能接得上 |
第 8 项和第 10 项是最容易被漏掉的。大多数教程讲到第 7 项就停了，但退款口径决定你看到的是不是真需求，新品斜率决定你的趋势判断能不能延续到下一个季度。
第一，口径必须先定死，再谈趋势。同一个"销量"，可以是下单量、支付量、发货量、签收量，也可以是退款后的净销量。这四个口径在同一个月的差异，我见过最大到 23%。用下单量做趋势分析，等于把"用户点了什么"当成了"生意做成了什么"。
第二，粒度决定你能看到什么。日粒度能抓住断货和活动异常，周粒度能抵消周末效应，月粒度只能看方向。用月粒度去做双十一复盘，就像用海拔图看心电图。
第三，先分清分析对象。单品、品类、店铺、渠道，四个对象的趋势会互相打架。全店在涨、品类在跌，是很常见的情况，说明结构在迁移，而不是生意在变好。
我把这份清单用过三个不同类目：家居收纳、3C 配件、宠物用品。每一次都会改掉一两项。家居收纳必须重点看体积重和周转天数，3C 配件必须重点看价格弹性和竞品上新节奏，宠物用品必须重点看复购周期和订阅占比。
所以正确的用法不是照抄 10 项，而是先跑一遍，然后问自己：这 10 项里，哪三项在上个月真的帮我发现了问题？哪三项我每次都跳过？跳过三次以上的，换成你类目里更关键的那一项。
我见过太多这样的复盘：PPT 上放一张销量折线图，一句"同比下降 8%，主要受大盘影响"，然后进入下个议题。问题不在态度，在于这张折线图本身承载不了判断所需的信息。
回到开头那次复盘。我念的四个数字分别是：总销量 -12%、UV -9%、转化率 -0.3 个百分点、客单价 +2%。从数学上看，UV 跌幅最大，所以我说"是流量问题"。
但真实答案完全不同。拆到渠道才发现，UV 下滑集中在两个平台，而这两个平台的转化率其实是上升的；真正受伤的是第三个平台，UV 只跌了 2%，加购率却跌了 5.8 个百分点，因为那个平台的主力 SKU 在那段时间断了 6 天货。
总量指标会掩盖结构问题，这是我做过的最贵的一次误判。那次复盘之后，我给团队定了一条规矩：任何趋势结论，必须至少拆到"渠道 × 品类"这一层才能上会。
有一次季度复盘，全店销量同比 -3%，看起来是"平稳微降"。拆到品类发现，A 品类同比 +22%，B 品类同比 -31%。如果把资源按总量微降来判断，你会得出"不需要调整"的结论，实际上已经有一个品类在塌方。
年初的时候我用了"支付口径"，年中换了新的数据源，默认变成了"下单口径"。两条曲线拼在一起，中间出现了一个莫名其妙的跳涨，我花了两天才意识到是口径问题。现在我的做法是：任何趋势图旁边必须标注口径和取数时间。
双十一在 11 月，但 11 月的月粒度销量是个不错的数字，看起来"活动很成功"。实际上日粒度显示，活动后第 4 天开始，日均销量低于活动前基线，一直持续到月底。月粒度把透支效应完全平滑掉了。
这一点很少有人讲清楚。同样是"销量趋势"，在不同平台上的干扰因素完全不同，照搬别人的清单会踩坑。
| 平台类型 | 趋势分析的第一干扰项 | 必须额外监控的事项 |
|---|---|---|
| 亚马逊等跨境平台 | 断货与补货周期（海运 30，45 天） | 库容限制、IPI 指标、退货对净销量的修正 |
| 国内综合电商 | 大促节奏与搭售、预售定金口径 | 预售转尾款率、活动后透支天数 |
| 内容电商 / 直播 | 达人排期与流量脉冲 | 场次级销量分布、退货率（显著高于货架） |
| 独立站 | 广告归因窗口与自然流量混算 | 归因窗口设置、渠道间重复计数 |
举个具体例子：跨境平台的销量趋势如果按"下单口径"看，会严重高估真实需求，因为跨境退货和丢包比例本身就偏高，而且退款数据通常滞后 15，30 天。所以跨境场景下，第 8 项"退款与售后回流"不是可选项，是必选项。
清单本身不难列，难的是用对。下面五个误区，我在自己和同事身上都见过。
趋势包含三个要素：方向、速度、波动。只讲"跌了 12%"是方向，只讲"环比跌 12%、同比跌 3%"是速度，还要讲"这 12% 是均匀跌的还是集中在某几天跌的"，这才是波动。
我给自己定过一个判断顺序：先看方向（移动平均斜率），再看速度（同比 / 环比变化幅度），最后看波动（标准差或历史分位）。三步都走完，才允许下结论。
同比解决季节性，环比解决近期动量。用错场景，结论会南辕北辙。
销量是分子。只看分子，你会漏掉三个分母：动销率、售罄率、退款率。
一个真实观察：某次上新后总销量涨了 15%，看起来很好。但动销率从 62% 掉到了 41%，意味着新增的 60 个 SKU 里，有将近一半一件没卖出去。销量在涨，商品效率在跌。如果只报销量，这个信号就被藏起来了。
这是最高频的错误。销量下滑时，人的第一反应是"没流量了"。但用链路拆一遍，往往会发现流量只是其中一环，甚至不是最大的一环。
我见过的最可惜的复盘，是分析做得非常扎实，结论也完全正确，但最后一页只写了"建议持续关注"。没有动作的结论，等于没有结论。这一点我在第八节会给出具体的写法。
如果说前面的清单是"看什么"，这一节讲的是"怎么想"。我用的框架是：三层拆解定位问题，四个对照校准判断。
销售额 = 销量 × 均价。销量又可以拆成流量 × 转化率 × 件均件数。所以任何一次销量变化，都可以先按下面三层拆：
三层拆完，第四层才轮到价格。因为价格变化通常通过转化层表现出来，先看转化能避免把价格问题误判成流量问题。
单看自己的曲线，任何波动都无法定性。趋势判断的本质是"对照"，而不是"观察"。四个对照缺一不可：
一个反常识的判断：你的销量在跌，但份额在涨，这不是坏消息；你的销量在涨，但份额在跌，这才是真正危险的信号。份额思维比绝对值思维重要得多，尤其是在增长放缓的类目里。
很多教程会给你一个"环比波动超过 20% 即为异常"的阈值。这个数字在我看来基本没用，因为不同类目、不同体量的正常波动区间差别巨大。
我自己的做法是：取过去 12 个月（或 26 周）的环比变化率，算出 P25 和 P75，把 P25 – 1.5×(P75-P25) 和 P75 + 1.5×(P75-P25) 作为异常边界。用你自己的历史波动去定义"异常"，而不是用别人的经验值。
— 日粒度移动平均 + 同比（按 SKU 对齐星期几）
SELECT
sku_id,
stat_date,
net_qty, — 退款后净销量，不建议用下单量
AVG(net_qty) OVER (
PARTITION BY sku_id ORDER BY stat_date
ROWS BETWEEN 6 PRECEDING AND CURRENT ROW
) AS ma7,
LAG(net_qty, 364) OVER ( — 364 天 = 52 周，保证对比同一星期几
PARTITION BY sku_id ORDER BY stat_date
) AS yoy_qty
FROM dwd_sku_daily_sales
WHERE stat_date >= '2024-01-01';我给自己定的固定顺序是：先排除数据问题，再排除供给问题，再排除节奏问题，最后才归因到需求问题。
顺序不能乱。因为数据口径问题看起来最像"销量下滑"，而供给问题（断货、下架、库容受限）通常是影响最大、最容易修复的一类原因。先查这两类，能省掉大量无效讨论。
前面讲的都是方法论，这一节用一个完整案例串起来。案例里涉及的数据准备和看板搭建，我用的是"数跨境"（官网：shukuajing.jiushuyun.com）。选它的原因很实际：我需要把几个平台的数据拉到同一张表里，用统一口径做趋势对比，而不是在四五个后台之间来回切。
我在数跨境里做的第一件事不是画图，而是定义维度和口径。具体做完这几步之后，后面的趋势分析才成立：
需要说明的是，具体功能模块和版本差异，建议以官网实际演示为准。我自己的判断标准很简单：能不能在 30 分钟内把"渠道 × 品类"的销量趋势拉出来。能，就够用了；不能，工具再花哨也解决不了复盘慢的问题。
这个案例我在第四节已经用瀑布图拆过。补充几个当时的真实判断细节：
第一个判断是断货。我在趋势看板上先加了一条"在库天数"曲线，和销量曲线叠在一起看，断货那 9 天和销量下滑的起始点几乎完全重合。这一步用不到复杂模型，把库存曲线和销量曲线放在同一张图上，80% 的断货类问题会自己浮出来。
第二个判断是价格。8 月初我把主力 SKU 价格上调了 8%，同期支付转化率从 45% 掉到 38%。用弹性公式算下来 E ≈ -1.63，属于高弹性区间，这类商品涨价一档，人就会走。如果是低弹性商品（E 的绝对值小于 1），同样的涨幅可能只损失 2，3 个点的转化。
这是我做了四次调价之后才看明白的一条规律：同样的降幅，第二次的效果一定不如第一次。下面这张图是我四次调价的实测记录。
我把当月在售的 260 个 SKU 按"动销率"和"周转天数"放进同一张图，气泡大小代表销量规模。结果非常清晰：
长尾 SKU 占用了大量库存和运营精力，却只贡献了 10% 的销量。如果只看总销量，这个结构问题永远不会被发现。这也是我坚持把"动销与库存"列进清单第 5 项的原因。
同一个案子里，还有一个必须报出来的结构变化。6 月到 8 月，收纳箱这个主力品类的销量占比从 42% 掉到 33%，而衣架和桌面收纳分别从 21%、18% 涨到 27%、22%。
这个判断的影响是直接的：如果只看总量下滑就减少整体投放，会把还在涨的衣架和桌面收纳一起压住。总量结论永远不能直接翻译成资源结论。
顺便说三个我在用数据工具时特别注意的偏差，它们会系统性地扭曲趋势判断：
这三个偏差的共同点是：它们都会让最近的数据看起来比实际更好。分析时如果发现"最近两周突然变好"，先怀疑偏差，再怀疑策略生效。
同一份清单，在不同角色手上的执行方式差别很大。下面按五种常见角色给建议。
优先做 1、4、7 三项：总量趋势、异常波动、流量，转化链路。这三项的数据你基本都能从后台直接拿到，不需要跨部门协作。
具体动作：每天早上花 5 分钟看昨天和 7 日移动平均的偏离；每周花 30 分钟做一次链路拆解，记录 CTR、加购率、支付转化率三个数的变化。坚持 8 周，你会对自己的商品建立起"正常波动区间"的直觉，这是最值钱的能力。
你的重点应该放在 2、5、10 三项：结构趋势、动销与库存、新品与生命周期。因为你管的是"结构能不能接得上"，而不是单个商品的日销。
一个具体建议：每月做一次 SKU 帕累托，看 Top 20% 的 SKU 贡献了多少销量，以及这个比例相比上月是升还是降。集中度持续上升，意味着你在越来越依赖少数单品，风险在累积。
同时按季度做一次新品爬坡的斜率对比。下面这张图是我对三批新品做的同期群对比，规律非常明显：越晚上市的批次，爬坡越弱。
不要一上来就搭复杂看板。你的第一步只需要三张图：近 30 天日销量折线、近 12 个月月度销量柱状、近 30 天曝光到支付的漏斗。
先把这三张图看熟，能回答"昨天为什么跌、上个月为什么涨、这个月转化有没有问题"这三个问题，就已经超过大部分同行了。结构、弹性、对标这些，等你有稳定数据源再补。
把第 8 项（退款与售后回流）和第 5 项（动销与库存）提到最前面。跨境场景下，物流周期长、退货比例高、库容受限，库存和退款这两件事对趋势的干扰，远大于流量的波动。
另外一个细节：跨境平台的销量趋势一定要做时区对齐。我曾因为时区错位，把"某天销量暴跌"分析了两小时，最后发现只是数据在 UTC 和当地时间之间错位了一天。
我的建议是把清单固化成三个节奏：日看异常、周看链路、月看结构。不要每天都看全部 10 项，那样没人能坚持下来。
| 节奏 | 覆盖事项 | 耗时参考 | 产出 |
|---|---|---|---|
| 每日 | 1、4、7 | 5，10 分钟 | 异常记录，超过边界才深挖 |
| 每周 | 7、8、9 | 30，45 分钟 | 链路与对标简报，一页纸 |
| 每月 | 2、3、5、6、10 | 2，4 小时 | 结构复盘 + 下月资源调整建议 |
清单的价值在于完整，执行的价值在于取舍。下面四组取舍，是我实际做过选择的地方。
日粒度噪音大、周粒度有滞后、月粒度只看得见方向。我的选择是：日常监控用 7 日移动平均，复盘用周粒度，规划和汇报用月粒度。日粒度的原始数据只看不用来下结论，只用来发现异常。
如果团队只有 1 个人做数据，我建议只保留 5 项：总量、结构、异常、动销、链路。价格弹性、竞品对标、新品斜率这三项每季度做一次深度分析就够，不需要每月做。
如果你有专职数据同学，10 项全做也没问题。但要注意：指标越多，汇报时的信息密度反而越低。一次汇报能讲清楚 3 个结论，就已经很好了。
手工 Excel、平台后台逐个下载、第三方数据分析工具，三种方案各有适用边界。下面这组数据是我在三个团队里实测的对比（示意数据，因团队规模和数据源不同会有差异）。
我的实际选择是：早期（SKU 少于 50、单平台）用 Excel；多平台、SKU 过百之后切到分析工具。切换的触发点不是"想不想用工具"，而是"每月花在取数和校对口径上的时间超过 6 小时"。
这是一个很容易被忽略的取舍。很多人（包括我自己）会在一个异常上深挖到半夜，最后发现是一个 3 天的小波动，下周自己就恢复了。
我的停止规则是：如果这个异常的影响金额小于当月销售额的 1%，且不涉及头部 20% 的 SKU，就记录不深挖。把时间留给影响面大的问题。
给一线运营看，可以讲细节和过程；给上级看，只讲三件事：发生了什么、为什么、下一步做什么。把所有拆解过程塞进汇报，反而会让对方抓不到重点。
把分析做对只是一半，把分析讲清楚是另一半。我看到过很多分析做得很好但讲得很糟的复盘，最后资源还是拿不到。
第一页就写清楚趋势判断，不要从数据源和口径开始讲。听众要的是判断，不是过程。口径和方法放在附录，被问到再展开。
"本月销量 128 万"这句话没有信息量。"本月销量环比 -12%，同比 +3%，类目大盘 -8%"才有信息量。绝对值只有在有对比基准的时候才有意义。
下面这组话术对比，是我在团队里反复纠正过的。差别不在于措辞，而在于是否给出了可执行的动作。
| 场景 | 不合格的写法 | 合格的写法 |
|---|---|---|
| 销量下滑 | 8 月销量环比下滑 18%，需持续关注 | 8 月销量环比 -18%，其中断货贡献 -7.2pct、提价贡献 -4.1pct；建议将主力 SKU 安全库存上调至 21 天，并把 8 月涨幅回撤 4% |
| 流量下滑 | 自然流量下降 9% | 自然流量 -9%，同期类目大盘 -8%，属于环境因素；建议把预算从该渠道转向衣架品类，因为后者同期增速 +6% |
| 结构变化 | 品类结构有所调整 | 收纳箱占比从 42% 降到 33%，衣架从 21% 升到 27%；建议下季度把新品预算的 60% 分配给衣架与桌面收纳 |
| 动销问题 | 部分 SKU 动销不佳 | 180 个长尾 SKU 动销率 23%、周转 140 天，占用库存资金约 X 万元；建议本季度清退动销率低于 30% 的 SKU |
汇报时还有一个技巧：只重点讲贡献 Top 20% 的 SKU 和品类。下面这张帕累托图是我常用的支撑材料，它能让听众立刻理解"为什么要聚焦"。
下面这份清单可以直接打印出来，每次月度复盘前逐项打勾。任何一项打不上勾，就不要急着下趋势结论。
看你的角色。单品运营最少 3 项（总量、异常、链路）；品类负责人最少 5 项（再加结构和动销）；需要对外汇报趋势的，建议 8 项以上，补上退款、对标和新品。
先积累 8 周数据，用 8 周的标准差做临时边界，之后每季度更新一次。8 周之前，只能靠人工记录异常事件来建立参照。不要求一开始就完美，但要求从今天开始记录。
用三个替代指标：头部竞品的类目排名的变化、类目关键词的搜索热度指数、平台发布的类目活动数量。这三个指标合起来，足以判断"是自己不行还是大家一起不行"。
判断标准是数据源数量和 SKU 数量。单平台、SKU 少于 50，Excel 足够；多平台或 SKU 过百，取数和对口径的时间会迅速超过用工具的学习成本，此时应该切换。切换的量化触发点是：每月取数与口径校对超过 6 小时。
不是。趋势分析回答"发生了什么、为什么"，预测回答"接下来会怎样"。在趋势分析还没做扎实之前，任何预测都是猜测。我见过太多团队跳过归因直接做预测模型，结果模型精度完全依赖输入数据的口径一致性，而口径恰恰是最容易出问题的地方。
回到最开始那个问题："这个月销量掉了 12%，是流量问题还是转化问题？"两年后我给出的答案会是这样："是转化问题，主要在加购到支付这一段，集中在 A 平台的收纳箱品类，从 8 月 7 日开始，起因是主力 SKU 断货 6 天叠加提价 8%，建议先把安全库存调到 21 天，同时回撤 4% 的涨幅。"同样的 12%，一个有动作，一个没有。
这份清单里我认为最被低估的两项，是第 8 项"退款与售后回流"和第 3 项"节奏趋势"。前者决定你看的是不是真需求，后者决定你判断的是不是假异常。大多数人在这两项上省下的时间，最后都在错误的结论上花掉了。
我自己的独特判断是三条，你可以直接拿去用：第一，趋势判断靠对照而不是观察，没有对照的曲线不构成结论；第二，弹性系数和异常阈值都不能跨期套用，必须用自己的历史波动重新标定；第三，任何一次销量结论，都必须能翻译成一个具体的、带责任人的动作，否则这次分析就还没有结束。
下一步怎么做，我建议这样安排：
先跑一轮，再改清单。清单是结果，不是起点。
我每次做月度复盘，老板问销量怎么样，我就只会说这个月涨了还是跌了，然后就没词了。我自己也觉得光看总销量太单薄，但真让我列，又说不清楚到底该看哪几个指标，怕漏了关键项被问住。
不能只看总量，至少要覆盖六类：总量趋势（同比、环比、近3期移动平均）、结构趋势（品类/单品/渠道占比变化）、节奏趋势（日周月分布与大促节点占比）、异常波动（突增突降的幅度与持续天数）、动销趋势（动销率=有销量SKU数÷在架SKU数、售罄率、周转天数）、链路趋势（流量×转化率×客单价拆解）。
判断依据是：总量回答方向，结构回答谁在拉动谁在拖累，节奏回答是否偏离历史规律，异常回答是否需要归因，动销回答商品是否还有活力，链路回答问题出在前端还是后端。六类都过一遍，才算把销量趋势看完整。
我之前一直按月看销量，结果有次大促期间某个单品断货三天，我完全没发现，等月底看报表才知道少卖了一大截。后来同事说日粒度也要盯，但我又怕天天看数太碎，抓不住重点，不知道不同粒度到底各管什么。
建议三层粒度分工：日粒度看异常和节奏，重点盯突增突降、断货、库存告警，用近7日均值做基准，单日偏离±30%就要标记；周粒度看短期趋势和活动效果，对比上周和去年同期，看活动期间的销量爬坡与回落曲线是否正常；月粒度看结构和战略，重点看品类占比、动销率、周转天数的变化方向。
判断依据是粒度越细越适合发现问题，粒度越粗越适合下结论，所以日粒度用来报警，周粒度用来验证，月粒度用来汇报。不要用月数据去找日级别的问题，那样一定漏。具体阈值需结合行业和自身波动性调整，快消类可收紧，耐消类可放宽。
上个月我们店销量掉了15%，我第一反应是投放没做好，赶紧去加预算，结果加了也没起色。后来才知道是那个品类整体在淡季，同行也在跌。我就很想知道，遇到销量下跌，到底怎么一步步排查，别一上来就乱调动作。
按四步排查：第一步看大盘，拉平台行业指数或同类目TOP10的公开销量走势，如果同行同幅度下跌，大概率是季节性/大盘因素；第二步看自身结构，拆到品类和单品，确认跌幅是集中在少数SKU还是全面下滑；第三步看链路，把销量=曝光×点击率×转化率×客单价拆开，定位是流量掉了还是转化掉了；
第四步看外部动作，核对是否有改价、改主图、断货、竞品上新、平台规则变动。判断依据是：大盘同步跌→顺势调整节奏；只有自己跌且集中在少数品→查单品链接和库存；只有自己跌且全面下滑→查流量结构和店铺权重。先定位再动手，比先加预算有效得多。
我做完分析，数据都对，但一汇报就被问‘所以呢’‘你想说明什么’，感觉白做了。我也知道不能只念数字，可具体怎么组织话术、先讲什么后讲什么，一直没摸到门道，怕讲得太细被嫌啰嗦，讲得太粗又被说不专业。
按三段式讲：先给结论，一句话说清趋势判断，例如‘本月销量环比跌10%，主因是A品类转化率下降，不是流量问题’；再给证据，用同比/环比/竞品对标三个对比支撑，避免只报绝对值，重点说清变化的幅度和来源；
最后给动作，每个异常都配一条可执行建议，例如‘A品类主图点击率低于类目均值，建议本周内做A/B测试替换主图’。判断依据是汇报对象要的是判断和决策依据，不是数据本身，所以先结论后论据、用对比替代绝对值、给建议不给现象这三条要同时满足。一页纸能讲完最好，细节放附录备查，被追问再展开。
读者评论
清单第8项退款口径和第10项新品斜率确实容易被忽略，我做跨境时因为退货数据滞后半个月，用下单口径看趋势经常误判，这点深有体会。
三条前置认知里口径先定死这条太重要了，之前换数据源前后口径不一致，曲线出现跳涨查了两天才发现，现在所有图表都强制标注口径。
五个误区里同比周对齐到364天这个细节很实用，之前做同比曲线噪音大一直找不到原因，试了52周对齐后确实干净很多，建议做趋势的都注意下。