去年九月，我陪一个做家居百货的团队复盘了一次选型失误。他们在两个季度前上线了一套商品分析模块，选型评审时那张功能表上打了 27 个勾，其中一项写着"毛利分析（支持）"。上线后第一次大促结束，财务给出的当月净利润比商品部门的预估少了 41 万元。商品负责人拿着工具里的"商品毛利报表"去找财务对账，双方差了将近 18 万。没有人算错，问题出在那张打了 27 个勾的表里，没有一个问题在问：这份毛利，能不能拆到 SKU-渠道-促销这个层级？

能不能把退货成本和履约成本重新归集回商品？促销让利是记在费用里还是记在商品头上？

这就是《商品分析能力清单：选型方法需要覆盖哪些利润空间事项》这个题目真正要解决的问题。绝大多数选型失败不是因为工具不够强，而是因为选型问错了问题：你在比"有没有这个功能"，而工具上线后要回答的是"这笔利润被谁吃掉了"。

下面这份清单，是我过去几年在电商、零售和跨境三个场景里反复用过的选型框架，加上我踩过的坑、见过的对账差异，以及一套可以直接拿去问供应商的提问清单。它不替代你的业务判断，但能帮你在签合同前把"利润口径"这件事谈清楚。

一、核心结论：选型比的不是功能数量，而是利润覆盖度

先把结论摆出来，后面的内容都是围绕这三句话展开的。

第一，商品分析的选型标准应该从"功能清单"换成"利润空间事项清单"。功能对应的是操作，能力对应的是结果。供应商可以轻松在功能表上打勾，但没法伪造"这个 SKU 退货之后还剩多少利润"这个答案。

第二，真正需要覆盖的利润空间事项，至少有六层，而且它们的优先级不是平均的。毛利结构拆解和履约成本分摊决定你能不能看到问题，退货损耗和促销折让决定你看到的问题准不准，库存周转决定你发现问题的早晚，行动建议能力决定你看完之后能不能改。

第三，选型失败最常见的形态不是"工具不行"，而是"口径没谈"。毛利按什么口径算、退货成本归集到哪里、促销让利记在商品还是费用、跨境的头程和尾程怎么摊，这些必须在选型阶段就写进验收标准，否则上线后你和财务会永远对不上账。

1. 六层利润空间事项清单

我把"利润空间事项"定义为：商品从采购到售后全链路上，会真实改变最终利润、但目前多数分析工具不覆盖或覆盖不精确的可量化维度。这个定义有两个关键词，"真实改变"和"不精确覆盖"，前者排除掉无关指标，后者指明选型的发力点。

注意这六层是有顺序关系的。第一层不成立，后面五层全部悬空，因为如果毛利都拆不到 SKU-渠道-促销，退货成本和履约成本往哪里归集？

2. 为什么"能力清单"必须压过"功能清单"

功能清单的致命问题是它可以被复用。同一份功能表，供应商 A 打勾、供应商 B 也打勾，你看不出差别。但能力清单不行，因为它要求用你自己的数据现场验证。

我后来的做法是：选型会上不带功能表，带三个负毛利 SKU 和一个反常促销活动。要求候选工具用真实数据现场跑一遍，看它能不能回答四个问题，这三个 SKU 分别亏在哪一层、这场活动的让利记在谁头上、退货后还剩多少利润、建议动谁。四个问题答不上来三个的，功能再多也不进下一轮。

这个方法还有一个额外好处：它天然过滤掉了"演示数据特别漂亮"的陷阱。很多工具的演示环境用的是整理干净的样例数据，一旦换成你真实的多平台、多币种、多促销类型的数据，报表立刻对不上。用真实数据试，问题会自己浮出来。

3. 我给的一份选型权重建议

权重不是标准答案，但它能防止你在选型会上被"功能多"带偏。下面是我在快消和跨境两个场景里用过的版本，可以按业务特点调。

二、背景与真实场景：一场满减活动，把三个爆款打成了负毛利

抽象讲框架容易飘，我把那次家居团队的现场还原一下，你能更清楚"利润空间事项"在真实业务里长什么样。

1. 那两周我看到的报表

他们主推的是一个收纳系列，三个核心 SKU 占了这个系列 68% 的销量。当月做了一场"满 300 减 50，叠加平台券"，活动结束后工具里的商品毛利报表显示：系列整体毛利率从 41% 降到 33%，属于"可接受的促销让利"。

但财务的当月数据里，这个系列的净利润是负的。差在哪里？我们把数据拆开之后发现三件事：

• 三个 SKU 里有一个在活动期间的实际售价低于变动成本，因为它同时命中了满减、平台券和店铺券三重叠加，这个 SKU 单月卖出的 4300 件全部是负毛利。
• 这个 SKU 的退货率是 19%，远高于系列的 7%，退货带来的逆向物流和翻新成本没有被归集到商品维度，而是记在了物流费用里。
• 它的体积重比同类商品高出 40%，履约成本被按订单平均分摊，导致这个 SKU 承担了远低于它实际消耗的物流成本。

换句话说，这个 SKU 同时踩了第一层（毛利拆不出来）、第三层（退货不归集）、第五层（履约不按商品分摊）三个坑。而在选型时，这三件事对应的功能表上写的都是同一个勾："毛利分析（支持）"。

2. 利润是怎么在链路里被一层层吃掉的

我把从成交金额到最终净利润的扣减顺序整理成了一张瀑布式的结构。你可以在选型时拿着这张结构去对照，工具能不能在每一层都给出数字，是判断它"利润覆盖度"的最直接方法。

这张图最关键的信息不是最后那个 13 元，而是中间那两层，促销折让 42 元和履约成本 38 元。这两项加起来 80 元，超过了商品成本本身。而在大多数商品分析工具的默认报表里，这两项要么被合并进"费用"，要么干脆不出现在商品维度。

3. 为什么"进销存口径"和"利润口径"永远对不上

我见过最多的对账差异，根源在于两套口径天然不同。

进销存口径关注的是货和钱：这个月进了多少、卖了多少、库存还剩多少。它的最小单位往往是商品或仓库，时间单位是月或周。利润口径关注的是每一笔交易赚了多少，它必须挂在订单和商品上，并且要能追溯到渠道和活动。

这两套口径在中层对得上，在两端对不上。进销存会把促销让利记在"销售费用"，利润口径要求它记在"商品收入抵减"；进销存会把退货记成"库存增加"，利润口径要求它记成"商品成本增加 + 收入冲减"。同一件事，两套账，差出来的就是你和财务对账时的那 18 万。

所以选型时真正要问的不是"有没有毛利报表"，而是"你的毛利报表用的是哪套口径，能不能切换"。这句话问出来，供应商的销售基本就知道你懂行了。

4. 一个更隐蔽的场景：多平台卖家的口径叠加

跨境和多多平台经营的团队，问题会再复杂一层。同一个 SKU 在三个平台卖，每个平台的佣金率不同、促销类型不同、退货政策不同、结算周期不同，甚至同一个商品在不同平台的退货率能差出两倍以上。

如果没有统一的城市口径，你看到的"商品毛利率"实际上是三个平台的加权平均，而这个平均数既不能指导 A 平台的定价，也不能指导 B 平台的补货。我在一次跨境团队的复盘里看到，某个 SKU 在平台 A 的毛利率是 12%，在平台 B 是 -3%，合并后显示 5%，管理者据此判断"这个 SKU 还行，继续推"，然后继续在平台 B 上亏。

三、常见误区：选型时最容易被问错的六个问题

下面这六个误区，我在至少五次选型评审里见过重复出现。它们的共同点是：看起来都在认真提问，实际上都没有问到决定成败的地方。

1. 误区一：把功能清单当能力清单

典型表现是评审会上逐项打勾，最后比谁勾多。这个误区的危害在于它制造了一种"已经很严谨"的错觉。

我的判断标准很简单：任何不能在你自己的数据上现场验证的勾，都不能算数。"支持毛利分析"这五个字背后的差异可能大到十倍，有的工具是月度商品毛利率，有的是实时 SKU-渠道-活动三级毛利，两者在功能表上写的是同一句话。

2. 误区二：只看毛利额，不看拆解粒度

很多团队选型时会问"你们能不能算毛利"，得到肯定答复就满意了。但真正决定工具价值的是粒度，不是有无。

粒度决定你能看到什么。商品-月两级的毛利报表，能告诉你这个月哪个商品赚得多；SKU-渠道-促销三级的毛利报表，能告诉你 A 渠道的 B 活动里 C 商品在亏钱。前者是复盘，后者才是决策依据。

3. 误区三：把退货率当售后指标，不当利润指标

这是我最想纠正的一个认知偏差。退货率在很多团队里挂在客服或售后部门，商品分析里根本不出现。但退货直接改变的是商品利润。

一次退货的成本至少包含四块：逆向物流费用、质检与翻新人工、二次销售的折价损失、以及这段时间的资金占用。对于一个退货率 19% 的 SKU，这四块加起来可能吃掉它毛利的四分之一以上。

所以选型时该问的是：退货成本能不能归集到商品维度？能不能按退货原因拆开？如果工具只给你一个总体退货率，它就回答不了"这个 SKU 退货之后还剩多少利润"。

4. 误区四：成本只算到订单级，不算到商品级

物流、仓储、包装这些成本，很多工具只做到订单级分摊。但一个订单里有三件商品，体积重、退货概率、仓储时长都不一样，按订单平均分摊等于把成本算错了。

现场的验证方法很直接：找一个明显比同类商品更重或更大的 SKU，看工具给它分摊的履约成本是不是显著高于平均值。如果所有商品分摊的成本差不多，说明它实际上是按订单或按件平均摊的，不是按真实消耗摊的。

5. 误区五：只做事后复盘，不做事前模拟

绝大多数商品分析工具都是"事后型"的，数据落库、报表生成、你看结果。但利润的决策点在前端：这场活动要不要做、这个价格要不要降、这个 SKU 要不要继续备货。

所以我一直主张把"促销模拟"列为选型的硬性检查项。能不能输入一场"满 300 减 50 + 平台券"的组合，然后输出每个参与 SKU 的预计毛利变化和参与后的整体利润？能回答这个问题的工具，价值比一份精美的历史报表高得多。

6. 误区六：不问数据可得性

这是最容易被忽略、但杀伤力最大的一条。任何分析能力都建立在数据可得性上：字段有没有、更新频率多快、口径能不能对齐、历史数据能不能回溯。

我在一次选型里遇到过这种情况：工具声称支持促销利润分析，但他们平台的促销明细接口只提供活动级的汇总让利，不提供活动与 SKU 的对应关系。这意味着"这场活动里哪个 SKU 亏了"这个问题在数据层面就无法回答，不是工具不行，是数据根本不支持。

所以数据可得性必须在选型阶段前置检查，而不是上线后才发现。后面我会给一份具体要核对的字段清单。

7. 误区背后的共同原因：没有人对"利润口径"负责

这六个误区看起来分散，根子上是同一件事：选型会上坐着业务、IT 和采购，但没有一个人对"利润口径"这件事负责。

业务关心功能好不好用，IT 关心系统能不能对接，采购关心价格。而"毛利按什么口径算、退货成本归到哪里、促销让利记在商品还是费用"这类问题，属于业务和财务的交叉地带，通常没人认领。

我的建议是：在选型启动会上就指定一个"利润口径负责人"，通常由商品运营负责人或财务 BP 担任，他的职责是把六层利润空间事项逐条翻译成可验收的字段和口径要求，写进需求文档。

8. 从"声称支持"到"落地可用"的衰减

还有一个现象值得单独说：工具声称的能力，和你最终能用的能力之间，往往存在明显衰减。

四、专业判断逻辑：把"利润空间事项"翻译成可提问的选型标准

前面讲了问题和误区，这一节讲方法。我把选型判断压缩成一个三步法，每一步都有具体的验证动作。

1. 三步判断法：口径 → 粒度 → 动作

这三个词是有顺序的，不能跳。

第一步是口径。先确认工具用的是什么利润口径：毛利是只扣商品成本，还是扣到变动成本；促销让利记在收入抵减还是销售费用；退货成本是冲减收入还是增加成本。口径没对齐，后面所有数字都是错位的。

第二步是粒度。确认最小分析单元是什么：商品-月，还是 SKU-渠道-促销-日。粒度决定你能不能定位到具体的问题对象。

第三步是动作。确认分析结果能不能转成行动：能不能输出调价建议、汰换清单、补货规则，或者至少能配置一个报警规则。如果分析止于报表，它的商业价值会被大打折扣。

2. 每一层利润空间的一句话验证问题

下面这张表是我实际选型时会用的。它的设计原则是：每个问题都必须能用"是/否"回答，且必须能用真实数据现场验证。

3. 数据可得性前置检查清单

这一步最枯燥，但最省事。因为我见过太多"上线后才发现字段拿不到"的返工。

• 订单明细层：是否有 SKU 级成交价、商品成本、平台佣金、商家承担让利字段，更新频率是天级还是小时级。
• 促销关联层：活动 ID 与订单行、SKU 的对应关系是否完整可获取，多券叠加时的分摊规则是否明确。
• 退货明细层：退货订单能否回连原订单并锁定原 SKU、原活动，退货原因字段是否结构化。
• 履约成本层：仓储费、打包耗材、头程与尾程运费能否按订单或按件拆出，是否含体积重计费口径。
• 库存层：SKU 级库存天数、库龄分布、滞销标记是否可得，历史快照能否回溯。
• 资金层：结算周期、账期、平台在途资金是否能拿到，用于估算资金占用成本。

这六项里，只要有任意两项拿不到，你就要在选型阶段重新评估那部分利润空间事项的可实现性，而不是指望上线后"再想办法"。

4. 单品真实利润的归集逻辑

为了把口径讲清楚，我把我实际用的归集逻辑写成一个示意结构。这段不是要给开发抄，而是给业务和财务一个共同的语言基础，选型会上如果连这个结构都谈不拢，工具上得再快也会出问题。

单品真实利润（示意口径）
= 成交金额

商品成本（采购价 + 入仓前包装 + 关税/头程中计入成本的部分）

平台佣金与技术服务费（按成交金额计提，退货订单通常不退还）

促销折让（满减、店铺券、平台券中商家实际承担的部分）

履约成本（仓储 + 打包 + 尾程运费，按体积重与件数分摊）

退货归集成本（逆向物流 + 质检翻新 + 二次销售折价，按退货原因分摊）

资金占用成本（平均库龄天数 × 年化资金成本率 ÷ 365）

其他可归集成本（赠品、包材个性化、平台活动固定费分摊）

然后把每个扣减项按"SKU-渠道-活动"三级归集。这部分的取数逻辑大致长这样：

-- 示意：把促销折让按 SKU-渠道-活动 三级归集
SELECT

oi.sku_id,

o.channel,

p.promo_id,

SUM(oi.amount)              AS gmv,

SUM(p.self_bear_amount)     AS promo_cost_self,

SUM(oi.amount - p.self_bear_amount) AS net_revenue

FROM order_item oi

JOIN orders o        ON oi.order_id = o.order_id

JOIN promo_detail p  ON oi.order_id = p.order_id

AND oi.sku_id   = p.sku_id

GROUP BY oi.sku_id, o.channel, p.promo_id;

这段代码的重点不在语法，而在最后一个 GROUP BY。如果供应商的系统里没有"促销明细与 SKU 的关联表"，那这个三级归集就实现不了，这也正是前面说的数据可得性检查的意义。

5. 一个判断小技巧：拿三个负毛利 SKU 去试

前面说的方法可以浓缩成一个五分钟动作：提前从财务数据里找出三个已知负毛利的 SKU，带着它们在选型现场要求工具定位亏损来源。

这三个 SKU 最好分别对应不同的亏损原因：一个是促销叠加导致，一个是退货率过高导致，一个是履约成本分摊导致。如果工具能分别指出三个不同的原因并给出对应的金额，说明它的利润覆盖度是真的；如果三个 SKU 都只能回答"毛利率偏低"，那它本质上是同一个功能。

6. 帕累托视角：利润漏损往往高度集中

我观察过的一个跨境店铺样本里，负毛利或零毛利的 SKU 数量占比不高，但它们在销售额里的占比远超直觉。这意味着选型时不必追求全量覆盖，但必须确保能识别出这批"关键少数"。

五、案例与数据观察：以数跨境为例，看商品级利润归集能落到什么颗粒度

讲完方法，我用一个具体产品来说明这套标准怎么落地。选数跨境不是因为它完美，而是因为它恰好属于"专做商品与利润归集"这一类产品，适合拿来对照前面六层清单的实际覆盖情况。

1. 我为什么关注专做利润归集这类产品

通用的进销存系统和通用 BI 有一个共同问题：它们都能算毛利，但都需要你自己把口径、粒度、归集逻辑搭出来。搭得对不对，取决于团队里有没有人能把财务口径翻译成数据模型，而这个能力在中小团队里通常稀缺。

专做商品与利润归集的产品，价值就在于它把一部分口径预设好了。你接入数据后，它默认按变动成本口径算毛利、默认把退货成本归集回商品、默认按体积重分摊履约成本。这些默认值不一定完全符合你的业务，但至少给了你一个可以讨论的起点。

数跨境的官网在 https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys，它的定位是面向跨境场景的商品数据分析，多平台店铺数据接入、SKU 级利润归集、促销与退货的成本回溯是它主打的几个方向。我试用时最关注的就是这三块能不能连成一条线。

2. 数跨境在六层利润空间事项上的观察

下面这张表是我按自己的六层清单逐项对照的结果。需要说明的是，具体功能以官方最新说明为准，我这里记录的是试用阶段的实际观察，以及我在使用中形成的判断。

3. 三种方案的横向对照

我把常见的三类方案放在一起对比。这里说的是方案类型，不是具体产品排名，因为不同团队的适配度差异很大。

4. 一次小样本观察：利润漏损的构成

我在一个跨境店铺样本里做过一次粗略拆解，把某月利润漏损按来源分类。这个样本量不大，只能作为观察，不足以作为行业结论，但它对判断优先级很有帮助。

5. 需要提醒的边界

用这类工具时有三个边界必须清楚，否则容易从"对不上账"走向"过度相信工具"。

• 工具的口径不等于你公司的口径。预设口径是通用解，你的业务可能有特殊分摊规则，需要在上线前逐条对齐并形成文档。
• 数据质量决定分析上限。如果平台的促销明细拿不全，工具再强也做不出三级归集。这类问题要在数据接入阶段解决。
• 分析结果需要行动闭环。工具能告诉你哪个 SKU 在亏，但调价、汰换、补货的决定仍然要由人来下，并且要有复核机制。

六、不同情况下的行动建议

方法讲完，接下来分场景给具体动作。你可以直接对照自己团队的情况取用。

1. 单平台、10 人以下团队

这个阶段的团队最忌讳上重系统。我的建议是先不选工具，先用一张表格把口径跑通。

1. 拉出最近 3 个月的订单明细，字段至少包含 SKU、成交价、商品成本、平台佣金、商家承担让利、退货标记。
2. 手工算出 10 个主力 SKU 的真实利润，把退货成本和履约成本按件摊进去。
3. 用这 10 个数字去财务对账，差异超过 5% 就先修口径，别急着买工具。
4. 口径跑通后再选工具，并用这 10 个 SKU 作为验收样本。

这个顺序看起来慢，实际上比"先买工具再修口径"快得多，因为修口径的沟通成本远高于手工算数。

2. 多平台多店铺、SKU 2000 以上

这个规模下，手工已经不可能，必须依赖工具。重点从"能不能算"变成"能不能按平台和活动拆"。

1. 把验收标准写成三个具体场景：定位一个平台级亏损活动、定位一个高退货 SKU 的利润缺口、定位一个履约成本异常的商品。
2. 要求候选工具在这三个场景上现场演示，使用你自己的真实数据。
3. 确认多平台口径能否统一到同一利润模型，避免出现"每个平台一套算法"。
4. 上线后设置月度对账机制，商品口径与财务口径的差异率控制在 5% 以内。

3. 自有品牌或自有工厂

有生产环节的团队，利润空间事项要多一层：生产成本的口径。

原材料价格波动、批次良率、产能分摊这些因素会让"商品成本"这个字段在一年内变动多次。所以选型时要额外确认：工具能不能记录成本的时间版本，并在回溯历史订单时使用当时的成本，而不是当前成本。这一点如果做不到，你算出来的历史毛利全是错的。

4. 已有 BI 但利润报表对不上账

这种情况最常见，也最容易走弯路。我的建议是不要急着换工具，先做归因。

1. 把差异按来源分类：口径差异、粒度差异、分摊差异、数据缺失，四类各占多少。
2. 口径差异通常最好修，调整计算逻辑即可；数据缺失最麻烦，需要推动上游改进。
3. 如果归因结果显示 60% 以上是数据缺失导致的，那换工具也没用，问题在数据源。
4. 如果是口径和分摊差异为主，可以考虑引入有预设口径的专用工具，把通用 BI 留作探索性分析。

5. 已经上了 ERP 或进销存

不要试图用一个系统解决所有问题。ERP 管货和账，商品利润分析需要的是交易级的归集能力，两者侧重点不同。

可行的做法是：ERP 作为主数据源和结算依据，商品利润分析工具从 ERP 和平台同时取数，建立一层独立的利润归集模型。这层模型的价值在于它不被 ERP 的科目结构限制，可以按 SKU-渠道-活动自由拆解。

七、不同情况下的取舍

选型的本质是取舍，不是找完美解。下面四组取舍是我在实际项目里反复遇到的，每组我都给出自己的倾向和适用条件。

1. 颗粒度 vs 数据可得性

所有人都想要 SKU-渠道-活动三级粒度，但你的数据不一定支持。这时我的选择是：先做能做的最高粒度，同时把缺失字段列为数据治理任务，而不是为了追求粒度去做不可靠的估算。

把活动让利按销售额比例摊到 SKU 上，看起来实现了活动级颗粒度，实际上这个数字没有决策价值，因为它不是真实归集，是估算。用估算数据做汰换决策，风险比不看数据更大。

2. 准确 vs 及时

财务口径准确但滞后一个月，运营口径及时但每月要修。这两种都有价值，关键是分开用。

我的做法是双轨并行：运营看板用及时口径，接受一定误差，用于日常调价和补货；月度复盘用财务口径，用于结算和绩效。两套口径的差异要定期核对，差异扩大说明及时口径的模型出了问题。

3. 自建 vs 采购

自建的上限更高，但成本不只是开发成本，还有长期维护成本和人员依赖成本。

我给客户的判断标准是：如果团队里有一个稳定的数据或分析岗，且未来两年业务模型不会有剧烈变化，自建是合适的；如果没有，或者业务会频繁变化，采购预设口径的产品更稳妥。因为口径变化时，自建系统的改造工作量往往是采购系统的配置成本的好几倍。

4. 全量覆盖 vs 抓大放小

前面那张帕累托图已经说明了问题：利润漏损高度集中在少数 SKU 上。所以选型初期不必强求全量 SKU 的利润都算准，优先保证头部 SKU 的准确性。

我的具体标准是：先保证贡献 80% 销售额的那批 SKU 的利润归集准确，长尾部分允许使用简化口径。这样可以把有限的数据治理资源集中在回报最高的地方。

5. 一套工具 vs 工具组合

还有一种取舍是"一个平台全包"还是"多个工具分工"。我的倾向是：利润归集这件事最好由一个系统负责，避免两个系统各算一套毛利。

但探索性分析、选品预测、广告投放分析这类场景，可以允许用其他工具。关键是明确边界：哪个系统的数字是"对外的、用于结算和决策的"，哪个是"内部的、用于探索的"。

八、下一步：拿这 12 个问题去问你的候选供应商

这篇文章的核心观点是：商品分析选型的成败，取决于你在签合同前有没有把"利润空间事项"谈清楚，而不是取决于功能表上打了多少个勾。利润漏损是一个链式过程，任何一层的归集缺失，都会让上游的分析结论失真。

我最后想强调一个反常识的判断：六层清单里，最容易被低估的不是"分析能力"，而是"数据可得性"和"行动建议"这两端。中间的分析能力已经相当同质化，真正拉开差距的是前面的数据能不能拿到、后面的结果能不能落地。选型时把资源往两端压，收益最大。

下面这 12 个问题，可以直接拿去作为选型会的提问清单，或者作为验收标准的雏形：

1. 你们的毛利口径是只扣商品成本，还是扣到变动成本？促销让利记在收入抵减还是费用？
2. 毛利最早能拆到哪一级：商品-月，还是 SKU-渠道-活动-日？
3. 能不能在同一个视图里回答"哪个渠道的哪个活动在亏钱"？
4. 退货成本能不能归集到商品维度？能不能按退货原因拆分？
5. 这个 SKU 退货之后还剩多少利润，你们怎么算？
6. 履约成本是按体积重分摊，还是按件数或订单平均分摊？
7. 包邮品和非包邮品的单品真实利润差，能不能直接看出来？
8. 输入一场满减加券的组合，能不能预演每个参与 SKU 的利润变化？
9. 库存周转天数和对应的资金占用金额，能不能到单品级？
10. 多平台数据能否统一到同一个利润模型，还是各平台各算一套？
11. 成本如果发生变动，历史订单回溯时用的是当时成本还是当前成本？
12. 报表看完之后，系统会不会告诉我该动哪几个 SKU，规则能不能自定义？

下一步我建议你做三件事。第一，从你的财务数据里找出三个已知负毛利 SKU，分别对应促销、退货、履约三种原因，这是你后续验收的样本。第二，把上面 12 个问题发给所有候选供应商，要求书面回复而不是口头承诺，回复文件可以直接作为合同附件。第三，指定一个"利润口径负责人"，让他对那 12 个答案负责，这一步决定了你的选型会不会重蹈前面那 18 万对账差异的覆辙。