去年双十一前两周，我接手了一个女装店铺的商品分析复盘。店铺在售 SKU 有 847 个，看起来货盘很厚，但拉出近 90 天数据后发现：贡献 82% 销售额的 SKU 只有 119 个，剩下 728 个 SKU 里，有 213 个连续 60 天零成交，还有 96 个销量个位数但占用了近三成的库存资金。运营团队当时的第一反应是"砍"，列了一张 300 多个 SKU 的淘汰清单。我没有直接同意，因为三年前我就在另一个母婴类目上犯过同样的错，一次性砍掉 40% 的 SKU，结果三个月后连带款断档，主推款的关联购买率掉了 11 个百分点，整个店铺的客单价从 168 元跌到 139 元。
那次踩坑让我明白一件事：商品组合优化从来不是一道"留哪些、砍哪些"的减法题，而是一道"每个 SKU 在组合里扮演什么角色、承担什么任务"的匹配题。这篇文章，我想把过去几年在电商和零售场景里反复验证过的这套工作流，一次讲透。
如果只让我用一句话概括商品组合优化的本质，我会说：它是在有限货架资源、有限库存资金、有限运营精力这三个约束下，持续为每个 SKU 匹配一个"存在理由"的动态过程。注意"持续"和"动态"这两个词，这是它区别于"清库存款""砍滞销款"这类一次性动作的关键。
我见过太多团队把组合优化做成了季度末的清理运动：拉一张滞销表，删一批 SKU，然后继续按老办法上新品，半年后同样的问题再出现一次。这种做法的根本问题在于，它只处理了结果，没有处理产生这个结果的机制。
经过多次实操调整，我现在固定用这五步来推进任何一个组合优化项目，顺序不能乱：
这五步里，真正被大多数团队跳过的，是第二步"分类"和第五步"迭代"。大家偏爱直接跳到决策，因为那一步最有掌控感，但跳过分类的决策往往误伤，跳过迭代的优化往往反弹。
这个题目难讲，是因为它横跨了三个专业领域：商品企划的业务判断、数据分析的指标设计、项目管理的执行节奏。纯讲业务会变成经验之谈，纯讲数据会脱离场景，纯讲执行又缺少判断依据。我能讲透的部分，是把这三层缝在一起，给出每一步的具体判断标准和操作动作。
组合优化的目标不是"SKU 越少越好"，也不是"新品越多越好"，而是让组合整体的销售额、毛利、周转效率、现金流四个指标同时处在健康区间。任何一个指标单点最优，都可能以牺牲其他三个为代价。这句话后面会反复用到。
要理解组合优化为什么难，得先理解组合是怎么一步步变乱的。我在多个类目观察到，混乱不是一次决策造成的，而是几个常见行为长期叠加的结果。
大多数店铺的组合膨胀来自上新机制。运营有上新 KPI，采购有选品指标，买手有季度预算，这三股力量叠加，SKU 只会往上走。而淘汰机制往往是缺位的，没有人为"删掉一个 SKU"负责，但有太多人为"新增一个 SKU"负责。这种不对等，天然导致组合超载。
我统计过一批中小电商店铺的上新与淘汰数据，结果是：平均每上新 100 个 SKU，同期主动淘汰的只有 23 个左右。也就是说，组合每年净增约 77% 的新面孔，而真正被清掉的极少。
当店铺有一个稳定的爆款时，组合问题容易被掩盖。爆款的销售额占比高，会让管理者产生"组合还不错"的错觉。但实际上，一个爆款撑起大部分销售，意味着组合的抗风险能力极低，一旦这个款断货、被跟卖或趋势转向，整店销售会断崖式下跌。我曾经见过一个家居店铺，单一爆款占全店销售的 47%，那个款一断货，店铺当月销售直接掉了四成。
现在的商品分析工具越来越多，能一键拉出销量、库存、毛利、周转的各种报表。这在某个意义上反而加剧了混乱：当所有 SKU 都被同等程度地展示在一张表里，团队很容易失去优先级判断。报表本身不告诉你谁重要，判断谁重要仍然是人的工作。这也是为什么"分类"这一步不能省。
回到开头那家女装店。847 个 SKU 的组合，表面上问题是"滞销多"，但拉出结构后我发现，真正的问题有三层：
这三层问题对应的动作完全不同：结构问题要"补"，资源问题要"清"，趋势问题要"换"。如果只看到"滞销多"就统一砍，就会误伤那些虽然销量不高但承担引流或防守任务的款。
在讲具体方法之前，我想先把几个最常被误用的思路摊开讲。这些误区之所以顽固，是因为它们在短期内往往"看起来有效"。
这是最普遍也最危险的一个。砍 SKU 能在短期快速降低库存和仓储成本，报表会立刻变好看，所以团队容易上瘾。但如果砍掉的 SKU 里有承担引流、关联、形象功能的款，砍完之后的连带销售和复购会受影响，而这个影响通常滞后一到两个月才显现，等发现时已经很难回溯归因。
我自己的那个母婴案例就是典型。当时砍掉的 40% SKU 里，有一批是低毛利甚至微亏的"凑单款"，单看每个都不划算，但它们承担了把客单价从 120 元推到 168 元的任务。砍掉后，主推款的关联购买率从 34% 掉到 23%，客单价跟着跌。
"月销低于 5 件的都砍掉"是很多团队的口头标准。这个规则简单，但完全不区分角色。一个承担引流任务的低价款，可能月销就是 3 件，但它的作用是把新客带进店；一个高毛利的形象款，可能月销 2 件，但它是品牌调性的锚点。用同一把尺子量所有 SKU，等于放弃了角色判断。
现在的商品往往同时在多个渠道销售。同一个 SKU 在 A 渠道是引流款，在 B 渠道可能是利润款。如果只在单渠道视角下做优化，很容易出现"这边砍掉、那边缺货"的矛盾。跨渠道的组合优化，需要先把每个 SKU 在各渠道的角色分别标定，再做全局判断。
这是让组合问题周期性复发的原因。组合优化的成果不是静态的，市场在变、竞品在变、消费者在变。没有监控机制的组合，就像没有仪表的车，只能靠感觉开，出问题时已经晚了。我通常建议团队至少建立周度和月度两层复盘机制。
商品分析常常只看销量和毛利，不看资金占用，这是一个很大的盲区。一个高毛利但周转极慢的 SKU，实际上可能是在用大量的库存资金换一点点毛利，从资金效率看是亏损的。我在分析中习惯引入"资金占用回报"这个口径，把库存金额和它带来的毛利挂钩，很多看起来"赚钱"的款其实是负贡献。
讲完误区，进入方法。整个判断链我按照诊断、分类、决策三层来组织，这一节先讲前两层，决策放到下一节。
诊断不是拉一张销量表看看，而是要有结构。我固定用三个维度加一个综合健康度来做诊断。
看组合的"骨架"是否平衡，核心是角色分布。一个健康的组合，引流款、利润款、形象款、防御款应该有一个大致合理的比例。我通常参考的比例是引流款占 SKU 数约 15%-25%，利润款占 40%-50%，形象款占 5%-10%，防御款占 15%-25%。这只是参考，具体类目会有差异，但如果某一类严重偏离，就是结构问题的信号。
看库存资金和库位有没有花在刀刃上。核心指标是每个 SKU 的资金占用回报。我常用的判断是：如果一个 SKU 的资金占用回报低于全店平均的一半，且连续两个周期如此，就需要重点审视。
看组合是否跟得上市场趋势。核心看复购率和上新款的销售爬坡速度。如果老款复购率持续下滑，或者新款在合理周期内无法达到预期销量，说明组合的市场适应性在减弱。
把上面三个维度的关键指标加权，形成一个 0-100 的健康度分，便于团队有一个统一的对话口径。权重可以按类目调整，我常用的是结构 40%、资源 35%、适应性 25%。
分类是组合优化的核心动作。我用的框架是角色四象限，把每个 SKU 归到四类里。
任务是拉新和带流量。判定标准是：高访客占比、低毛利甚至微亏、能稳定带来新客。引流款不追求自身盈利，追求的是把流量引进来，通过组合内其他款完成变现。
任务是贡献毛利。判定标准是：有稳定的销量和健康的毛利率、复购表现良好。这是组合的主力，也是资源应该重点倾斜的对象。
任务是塑造品牌调性、拉高价格带、吸引高价值客群。判定标准是：销量可能不高，但客单价高、毛利高、能提升品牌认知。形象款不追求销量，追求的是"镇店"效应。
任务是防守和搭配。判定标准是：销量中等、毛利中等、复购稳定、与主推款有强关联购买关系。防御款往往是组合里的"稳定器"，一旦砍掉，其他款的连带销售会受影响。
我给每个 SKU 打角色标签时，看这四个指标：
四个指标的组合模式，基本能对应到四类角色上。比如低毛利高销量的，多半是引流款；高毛利低销量的，可能是形象款；销量和毛利都中等但复购和关联购买高的，通常是防御款。
分类不能停留在口头。我会把它做成一张表，每个 SKU 一行，四指标加角色标签，作为后续所有决策的依据。
| SKU编码 | 销量指数 | 毛利率 | 复购率 | 关联购买率 | 角色标签 |
|---|---|---|---|---|---|
| SP-0193 | 9 | 12% | 8% | 35% | 引流款 |
| SP-0427 | 7 | 38% | 26% | 22% | 利润款 |
| SP-0801 | 2 | 52% | 11% | 15% | 形象款 |
| SP-0265 | 5 | 26% | 31% | 41% | 防御款 |
| SP-0612 | 1 | 9% | 2% | 4% | 待定/淘汰候选 |
这张表的意义在于，它把"这个款好不好"这种模糊讨论，变成了"这个款扮演什么角色、是否称职"的具体判断。团队拿这张表讨论，效率会高很多。
如果只有少数几个 SKU，人工分析就够。但面对几百上千个 SKU，就必须借助工具。我比较常用的一类工具是以"数跨境"为代表的跨境电商数据运营平台，网址是 https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys。它的价值在于能把销量、毛利、库存、周转这些分散数据整合到同一个分析视图里，省掉大量手工对齐的功夫。
更重要的是，工具能帮你把"角色判定"这件事标准化。当你有几百个 SKU，靠人一个个判断角色既慢又容易前后不一致。用一套清晰的指标口径在工具里做批量打标，能保证判定的一致性，也方便后续按角色维度做聚合分析。我通常的做法是：先用工具做全量打标和结构分析，再用人工复核那些边界模糊的 SKU。这样既有效率，又不丢失业务判断。
需要提醒的是，工具解决的是"看见"和"一致"的问题，角色怎么定义、比例怎么设定、什么算健康，仍然需要业务判断。不要指望工具替你做决策。
有了诊断和分类，才能进入真正的决策。我把组合优化的决策归结为四种操作：淘汰、保留、新增、替换。每一种都有明确的判断条件，不是凭感觉。
淘汰是四种操作里最需要谨慎的。我的判断顺序是：一个 SKU 是否淘汰，先看它是否承担角色任务，再看它的表现是否达标。
即使一个 SKU 销量低，出现以下任一情况，我通常会保留：
同时满足以下条件，我会优先淘汰：
保留的反面不是淘汰，而是"继续投入资源"。有时候保留只是不砍，但要不要给它更多资源是另一个判断。我会重点投入的 SKU，通常满足：角色清晰、指标达标、且在当前组合结构中是稀缺角色。比如一个店铺的引流款严重不足，那么现有的一个表现中等但稳定的引流款，就值得加大投入。
新增是最容易失控的操作，因为上新的冲动总是比淘汰强。我会给每个新品做一次组合匹配度评估，问三个问题：
三个问题都能过关的新品，我会给足资源。只过一个的，通常只做小批量测试。
替换是难度最高的操作，因为它涉及新旧款的过渡。我用两个指标来辅助判断：
实际操作里，替代率高、互补率低的新品，可以直接替换老款；替代率低、互补率高的新品，应该与老款并存；两个都高或都低的，需要具体分析客群和价格带。
| 操作 | 核心判断问题 | 优先做的情况 | 需要谨慎的情况 |
|---|---|---|---|
| 淘汰 | 它是否承担角色任务？ | 四指标全面低且无关联关系 | 销量低但承担引流或搭配 |
| 保留 | 它是否值得加码？ | 角色清晰且是结构稀缺角色 | 角色模糊、指标平庸 |
| 新增 | 它补的是组合缺的角色吗？ | 补缺且能与主力款搭配 | 与现有款高度同质 |
| 替换 | 替代率和互补率如何？ | 替代率高、互补率低 | 两个指标都很高或都很低 |
决策做完了，难的是落地。我在实操中发现，组合优化失败的项目里，有很大比例不是决策错，而是执行乱，改得太快、改得太散、协同没对齐。
我会给每个待调整动作打三个分：影响面、紧急度、执行成本。影响面是调整后对整体组合指标的影响，紧急度是问题暴露的时间压力，执行成本是执行所需的资源和时间。
排序原则是：影响面大、执行成本低的先做；影响面大但成本高的，排到中期规划；影响面小成本高的，直接不做。这个原则能避免团队一上来就啃最硬的骨头，导致迟迟看不到成果。
节奏是执行里最容易被忽视的变量。改得太多会影响稳定，改得太少又看不到成效。我的经验是：单次调整的 SKU 数量，控制在在售 SKU 总数的 10%-15% 以内。超过这个比例，连带销售和客户体验容易受到明显冲击。
同时，调整要有观察期。每次调整后至少观察一个完整的销售周期，再决定下一步。我见过有些团队一次砍完所有滞销款，结果连引流和关联关系都打断了，得不偿失。
组合优化天然涉及多个部门：采购关心供应、运营关心销售、营销关心推广、财务关心资金。如果不同步，很容易出现运营想淘汰一个款，采购却刚下了一笔大订单的情况。
我通常的做法是：在调整前先对齐一张"调整清单"，明确每个动作的负责人、时间点、预期结果，并且让采购、运营、营销、财务四方签字确认。这样避免执行中扯皮，也方便后续复盘归因。
| 阶段 | 动作 | 调整比例 | 观察周期 |
|---|---|---|---|
| 第一阶段 | 清理零成交和高资金占用SKU | 5%-8% | 2周 |
| 第二阶段 | 补足稀缺角色的引流和防御款 | 5%-8% | 3周 |
| 第三阶段 | 调整价格带和角色比例 | 5%-10% | 4周 |
| 第四阶段 | 引入新品并评估替代与互补 | 8%-12% | 4-6周 |
组合优化做完不是终点，而是新周期的起点。迭代层的核心，是建立一套能自动发现问题的监控机制。
我会持续监控五个指标，任何一个进入警戒区就启动复盘：
不同周期的复盘重点不同，分清楚能避免团队天天盯大局或一年不动手。
不是每次复盘都要重做诊断。我会在以下情况触发完整诊断：
讲到这里，迭代机制的本质可以概括成一句话：让组合优化从一次性的项目，变成一个能自我发现、自我调整的运行系统。没有这个系统，再好的诊断和决策都会随时间失效。
组合优化没有一套放之四海皆准的做法，不同规模、不同阶段的团队，打法应该不同。我按几种典型情况给出建议。
这类团队最大的优势是 SKU 少、看得清，劣势是资源和人力有限。建议重点做分类和决策两步，诊断可以简化。用一张手工表把每个 SKU 的角色标清楚，然后集中资源把利润款和防御款做扎实，引流款保一到两个稳定的就够。不要贪多，宁可组合简单但结构清晰。
这是最容易出结构问题的区间，已经有了一定的组合复杂度，但管理体系还没跟上。建议完整跑通五步闭环，尤其重视分类和迭代。这个阶段借助工具（比如前面提到的数跨境类平台）做批量打标和结构分析，价值最大。执行上严格控制调整节奏，每次不超过 15%。
这类团队组合复杂，跨部门协同成本高。建议把组合优化制度化，设立明确的角色责任制和监控看板，让每类角色有人负责。同时，大型团队容易陷入"指标打架"，需要统一对话口径，组合健康度分在这时尤其重要。迭代机制要做得更细，周月季三层复盘都要落地。
跨平台运营的组合优化，难点在角色冲突。同一个 SKU 在不同平台的角色可能不同。建议先做跨平台的角色标定，再做全局结构判断，最后回到各平台做适配调整。不要在各平台孤立优化，否则容易出现一边砍、一边缺的尴尬。
新品密集期，组合容易快速膨胀。建议把新品评估前置到上新流程里，用组合匹配度三问过滤。与其事后淘汰，不如事前严进。同时给新品设定清晰的观察期和淘汰标准，避免"上了就没下文"。
组合优化本质上是取舍的艺术。前面讲了很多"怎么做"，这一节我想讲"怎么选"。因为有资源约束，就没有办法什么都做。
当店铺面临短期业绩压力，团队往往倾向于什么都保留，怕砍了影响销售。我的判断是：短期压力下，优先清理对当前业绩无贡献、但对未来也没价值的 SKU，同时保留所有有潜在关联价值的款。简单说，砍"真死款"，留"睡着的款"。真正该砍的是那些零成交、零关联、零复购的三零款；有任何一个非零价值的，先留着。
有时候一个爆款能顶半店业绩，但它的存在会让组合结构失衡。我的取舍原则是：保住爆款的同时，用爆款带来的利润和流量去"养"结构。也就是不牺牲爆款，但把它的溢出价值导向结构补齐，比如用爆款的关联位推防御款，用爆款的毛利补引流款的亏损。长期看，健康的结构比单一爆款更抗风险。
上新和淘汰都需要资源，两者冲突时，很多团队优先上新。但我的经验是：当零成交 SKU 占比超过 20% 时，优先淘汰；低于 10% 时，优先上新。因为组合已经严重超载时，继续上新只是加重负担；组合清爽时，上新才能放大价值。
数据分析能揭示规律，但市场总有数据暂时看不到的变化。我的做法是：数据用于发现"是什么"，直觉用于判断"为什么"和"接下来会怎样"。当两者冲突，先追问数据背后的业务解释；如果找不到合理解释，宁可谨慎保留，观察一个周期再做决定。数据是重要依据，但不是唯一依据。
写到这里，前面讲的诊断、分类、决策、执行、迭代，其实都在回答同一个问题：每个 SKU 为什么存在于这个组合里？能清晰回答这个问题的款，无论销量高低，都值得保留；回答不了这个问题的款，即使短期销量不错，也值得警惕。
组合优化不是做减法，不是把货盘越砍越薄，而是做匹配，把对的款放在对的位置上，让流量、毛利、资金、复购这四个要素在组合里各司其职。这也是它区别于"清库存"的根本之处。
如果你读到这里，我的建议是从下周开始就做一件具体的事：挑出你店铺里 20 个最有代表性的 SKU，包括你心里的主力款、边缘款、纠结款，用本文的角色判定表把它们逐个标一遍角色。过程中你会发现，很多平时"感觉还行"的款，其实说不清存在的理由。这 20 个款标完，你对整个组合的理解会有明显不同。
想更系统地做的话，可以借助数据工具把全量 SKU 先跑一遍结构分析和角色打标，再人工复核边界款。工具解决效率和一致性的问题，角色定义、比例设定、健康判断这些决策，仍然需要你自己拿主意。组合优化最终考验的，不是分析工具用得多熟，而是你对"这门生意该卖什么、为谁卖、怎么卖"想得有多清楚。
我们公司最近在推组合优化，老板上来就说把不赚钱的SKU都砍掉，但我总觉得这样太粗暴了。我之前也没系统做过这块，不知道专业的人第一步到底是从哪切入的，是先做数据分析还是先定策略？
先做诊断，不要先砍。我在实操里的顺序是：第一步拉齐三张表，近12个月的销量表、毛利表和库存周转表；第二步按销售额做ABC分层，同时叠加毛利率和周转天数做交叉标记；第三步对照诊断清单找症状，比如C类SKU占比超过60%、或者高毛利SKU的周转天数超过90天，这些才是真问题。
砍SKU是第四步的事，诊断没做完就动手，砍掉的往往不是最该砍的。判断依据就一条：任何SKU的淘汰决策，必须同时看过它在销售额、毛利、周转三个维度上的表现，只看利润或只看销量都会误判。
我看了很多教程都说要用ABC分析，但具体到多少算A、多少算C，每篇文章说法都不一样。有的说二八原则，有的说三七分，我拿自己店铺的数据套进去，感觉怎么分都能说得通，到底有没有一个靠谱的口径？
ABC没有绝对标准，但有一个实操中比较稳的口径：按销售额降序累计，累计占比到70%的划为A类，70%到90%的划为B类，90%到100%的划为C类。这个70/20的分法比经典二八原则更宽容一些，能避免A类过窄导致后续资源全压在少数几个SKU上。
关键是划完之后要立刻叠加第二维度，比如把A类里毛利率低于15%的单独标出来，这批是『高销低利』的重点观察对象；把C类里复购率高于30%的标出来，这批是不能简单砍掉的『小而美』。分界线只是起点，交叉标记才是真正产生决策信息的地方。
我知道商品要分角色，也看过引流款利润款这些说法，但落到自己手上就卡住了：我手上这个SKU到底是引流款还是利润款？有没有一套能量化的判定标准，而不是凭感觉贴标签？
用四个指标交叉判定：销量排名、毛利率、复购率、关联购买率。具体口径是这样，引流款：销量排名进前20%，但毛利率低于品类均值；利润款：毛利率高于品类均值至少5个百分点，销量排名在前50%以内；形象款：销量排名可能靠后，但客单价显著高于品类均值，且经常被老客购买；
防御款：销量和毛利都中等，但关联购买率高，也就是它经常和其他SKU一起被买走。判定顺序建议先看毛利再看销量，因为毛利决定这个SKU值不值得留，销量只决定它现在贡献多少。一个SKU如果四个指标都不占，那才是真正可以考虑淘汰的对象。
上次做完一轮SKU调整，大家觉得改完了就完事了，结果过了一个季度发现有些被砍掉的款其实是老客的刚需，又开始往回加。我想知道调整之后到底该怎么复盘，周期多长、盯哪些指标，才能避免这种来回折腾？
复盘节奏分三层：周度看动销率和缺货率，这两项反映调整有没有造成即时断档；月度看组合健康度五个指标，A类SKU销售额占比、C类SKU数量占比、整体毛利率、平均周转天数、关联购买率，任何一个指标连续两个月恶化就要触发重新诊断；季度看老客复购结构，重点确认被淘汰SKU的购买者有没有转移到替代款上。
判断闭环是否有效，核心看一个数：调整后90天内，整体销售额是否持平或增长，同时毛利率和周转天数至少有一项改善。如果销售额掉了但另外两项没改善，说明这轮调整方向错了，要回到诊断环节重做，而不是继续微调。
读者评论
看完很有共鸣，我们店就是上新有KPI、淘汰没人管，SKU从300多涨到800多，真正赚钱的就那一百来个。文章把'分类'这一步讲透了，以前确实只会拉表砍款，结果连带销售掉了才发现砍错了。
资金占用回报这个口径很实用。我们之前只看毛利，有些款毛利高但压了半年库存，算下来其实是负贡献。准备按这个思路重新盘一遍货盘。
一次性砍40%SKU导致客单价从168跌到139这个案例太真实了。我们去年清库存也干过类似的事，滞销少了但连带率明显下降，后悔没早点看到角色分类的思路。
五步闭环里迭代只有29%完成率，这数据挺扎心的。我们做组合优化基本就是季度末清一次，清完就没人跟了，半年后同样的问题又冒出来。监控机制确实得建起来。
跨渠道角色标定这点容易被忽略。同一个款在天猫是引流，在抖音可能靠它赚钱，单渠道视角去砍很容易顾此失彼。希望作者能再展开讲讲多平台组合怎么协同。