2023年下半年，我帮一个做家居收纳的团队复盘他们过去两年的选品记录：37个上架SKU，真正跑出稳定利润的只有4个。有意思的是，这4个里有3个所在类目的在售商品数都超过5000条，按我当年那套"竞争越少越好"的判断标准，它们本来是最不该碰的。反倒是那些我一眼看上去"没什么人做"的类目，两年下来一个都没起来。这个反差逼着我重新审视一件事：我一直把竞争强度当成一道筛选题，但它其实是一道定位题。
如果你只从这篇文章里带走一句话，我希望是这句：竞争强度决定的不是"能不能做"，而是"用什么方式做"、以及"做进去之后能拿到多少利润空间"。
门槛思维和坐标系思维的区别，我用一个类比来说明。门槛思维像招聘时只看学历："不是985就不要"。坐标系思维像招聘时看能力画像："这个人数学强但表达弱，那他就适合做数据岗，不适合做销售岗"。同一份简历，在不同岗位上的价值完全不同。
竞争强度也是同一回事。一个供给密度很高的品类，对纯铺货型卖家是灾难，对具备内容能力的卖家可能是金矿；一个需求高度集中的品类，对想做头部的是死局，对想做"补充型供给"的反而友好。
所以我在自己的选型流程里做了三个动作：把竞争强度拆成可采集的字段、把它前置成选型流程的输入而不是事后验证的结论、并且给它配上不同的应对策略。
门槛思维最大的问题，是它把连续变量硬生生切成了布尔变量。竞争强度本来是个连续谱：从几乎没有竞争，到竞争极度充分，中间有无数个档位。但一旦你设了一条线，比如"在售商品数超过3000就不做"，你就把这些档位全部压扁成了"做"和"不做"。
被这条线筛掉的，往往是最有意思的一批品类，那些总量很大、但结构上有空隙的品类。相反的，被留下的"看起来干净"的品类，很多是因为需求本身就很小，没人做只是因为不值得做。
我自己就把这个坑走过一遍。2020年到2021年，我筛掉过至少15个"商品数太多"的类目，其中后来至少4个被别的卖家做起来了。而我当时选的3个"低竞争"类目，两个因为市场太小卡在月销300单以下，一个做起来后被大卖迅速跟进，半年内价格被打掉三成。
最直观的改变是：我开始问的问题变了。以前我问"这个类目竞争大不大"，现在我问"这个类目的竞争强度分布在哪个象限，而我具备什么能力去匹配它"。
第二个改变是评估的颗粒度。以前我评估一个类目，结论就是"能做/不能做"。现在我会输出一张四维剖面图，然后在剖面图上标注"我打算从哪个位置切入"。
第三个改变是它可以被迭代。门槛思维一旦设定了阈值就很难调，调了又显得自己反复无常。坐标系思维天然是可更新的：每季度重跑一次数据，剖面的形状变化本身就是重要信号。
我2019年开始做跨境家居类目。那个阶段我的选品方法非常朴素：打开平台搜关键词，看前两页有多少个链接、有多少条评论过千、均价大概多少。如果"感觉不太挤"，就试试。
这套方法的致命缺陷是：我看的全是供给侧的表演。销量排名、评论数、价格，这些都是已经被市场验证过的结果数据，它们告诉我"谁赢了"，但不告诉我"为什么赢"和"还有没有位置"。
更麻烦的是，这些数据是静态的。我2020年3月看到的一个"竞争不激烈"的类目，到9月可能已经挤满了人。而我判断的依据还是3月的那张截图。
2021年，我判断宠物智能饮水机是个机会。当时的理由很充分：在售商品数3200条左右，相比我见过的很多类目不算多；头部几个链接的评论数在2000到8000之间，没有一个绝对垄断；客单价在129到199之间，毛利空间看起来有40%以上。
我备了两个款，投入约18万元（含模具、首批库存、图片视频、初期广告）。半年后，这个项目以亏损收场，最终清算下来净亏约13万。
复盘时我才发现三个我当时完全没算的东西。
第一个是需求集中度：这个类目TOP10链接吃掉了大约68%的类目销量。也就是说，剩下的3000多条链接在抢32%的量。我当时只看了"有没有垄断者"，没看"长尾能分到多少"。
第二个是价格带挤压度：我算的毛利空间是拿我自己的成本去对标的均价，但实际成交高度集中在99，129这个区间，我准备定价139的款根本没有量。价格带不是"均价多少"，而是"成交集中在哪一段"。
第三个是流量获取成本：这个类目的核心关键词广告竞价，在我进场后的四个月里涨了大约60%。我进场这件事本身，也在推高这个成本。
2022年开始，我不再用"感觉"判断竞争强度，而是把它拆成四个可以采集、可以量化、可以横向对比的字段。这四个字段后来成了我所有选型决策的固定输入。
配合这个转变，我建立了两条纪律。
这两条纪律听起来很笨，但它带来的效果非常直接：2022年之后我经手的31个SKU里，稳定盈利的有9个，稳定盈利比例从10.8%提到了28.9%，回本周期中位数从7.2个月降到4.1个月。
在进入具体方法之前，我必须先说一个不太好听的事实：你采集到的竞争强度数据，本身就是有偏差的。
平台展示的销量数据通常是区间值而不是精确值；评论数会累积，不能反映近30天的真实热度；"在售商品数"这个指标更是高度不稳定，它包含了大量僵尸链接、季节性下架链接和刚刚上架的无效链接。
所以我后来养成了一个习惯：所有关键指标至少用两个来源交叉验证，并且给每个指标标注可信度等级。采样偏差这件事没法消除，但可以被标注出来，让决策者知道自己在哪个环节上承担了多大的不确定性。
这是最普遍的一个。在售商品数衡量的是"有多少人站在这个池子里"，而不是"这个池子有多难游"。
一个在售商品数5000但TOP10只占25%销量的类目，和一个在售商品数1500但TOP10占70%销量的类目，哪个更难做？从我的实操经验看，前者往往更容易切进去，因为长尾有真实的需求分配。
正确的做法是把供给侧和需求侧的数据配成一对来看。单看供给，你只能知道"挤不挤"；配上需求分布，你才能知道"挤在哪、空在哪"。
竞争强度高只说明一件事：这个类目已经被验证有需求。这在多数情况下是个好消息，而不是坏消息。真正的问题是你打算以什么身份进去。
我把进场身份分成两类。一类是替代型选手：你的产品要直接替换掉某个已有链接的位置，那你就必须比它更好或更便宜，这是硬碰硬。另一类是补充型选手：你满足了现有链接没有覆盖的需求，比如特定尺寸、特定颜色、特定场景、特定价格段。
补充型选手可以在高竞争强度的类目里活得很舒服，因为它争的不是同一批流量。而替代型选手即使在低竞争强度的类目里，只要遇到一个强力对手就会很难受。
这是我早期最常犯的错误之一。我会拿A平台的"在售商品数"去对比B平台的"在售商品数"，然后得出"A平台更卷"的结论。这个比较在方法论上是无效的，因为两个平台的竞争机制根本不同。
在货架型渠道里，竞争强度的核心是搜索结果排名的争夺，所以要看的关键词搜索量、自然位与广告位的比例、头部链接的排名稳定性。
在内容型渠道里，竞争强度的核心是内容供给密度和投放密度，所以要看的是同题材内容的更新频率、爆款内容的生命周期、达人合作的价格水位。
这两套指标体系没法直接换算。你只能分别在每个平台内部建立纵向基线，做自己的历史对比。
| 常见误区 | 错在哪 | 我现在的做法 |
|---|---|---|
| 在售商品数=竞争强度 | 只看供给侧总量，忽略需求分配结构 | 供给密度与需求集中度成对采集，同时看TOP10销量占比 |
| 竞争强度高就不能做 | 把连续变量切成布尔变量，且忽略进场身份差异 | 先定位自己是替代型还是补充型，再判断可行性 |
| 跨平台比竞争强度 | 两个平台的竞争机制不同，指标不可换算 | 分平台建立纵向基线，只做自身历史对比 |
| 用均价判断价格空间 | 均价掩盖了成交集中区间 | 按价格区间统计SKU数量与销量分布，找"低SKU高销量"段 |
| 一次评估长期使用 | 竞争强度是动态的，90天后可能完全变形 | 设90天有效期，季度强制复评 |
下面这四个维度，是我目前评估任何类目时的固定清单。它们不是穷举，但覆盖了我在实操中遇到的大部分决策分歧点。
供给密度回答的是"池子里有多少人"。但采集时要注意三个口径的差异。
我会给这三个口径分别记一个值，然后重点看第三个。存量大但新增慢，是相对稳定的格局；存量中等但新增快，意味着窗口正在关闭。
需求集中度回答的是"分蛋糕的结构"。核心指标是TOP10链接的销量占比，以及TOP3的占比。
我的经验参考区间是这样的（注意，这是我在自己主营的几个类目里观察到的区间，不是行业标准）：TOP10占比低于35%，属于长尾充分竞争的格局，新进入者有真实的生存空间；35%到60%之间，属于中等集中，需要明确的差异化定位；超过60%，属于高度集中，除非你有明显的成本优势或流量优势，否则不建议做替代型切入。
还有一个更细的指标是品牌集中度。如果TOP10里有7个是同一个品牌的不同链接，那这个类目的实际集中度比数字显示的还要高。
这是四个维度里最容易被忽略、但对决策影响最直接的一个。我见过太多人选品时只看"均价比我的成本高多少"，结果做进去才发现成交根本不在均价附近。
正确的做法是把价格轴切成若干个区间，然后统计每个区间的两个数：区间内的SKU数量，和区间内的销量占比。理想的机会区间是SKU数量占比低、但销量占比不低的那一段。
举个例子。假设某个类目价格分布在79到299之间，我按20元一档切成11个区间，统计下来发现：129，149区间占了全部SKU的31%，但只贡献了18%的销量；而199，219区间只占全部SKU的7%，却贡献了14%的销量。这就说明199，219这一段供给不足但需求真实存在，是一个值得研究的切入位置。
这类结构在总量数据里是完全看不出来的。这也是我为什么坚持"竞争强度必须分层看"的原因。
前三个维度描述的是"静态格局"，第四个维度描述的是"动态成本"。它包含三个层面。
我特别在意第二个指标的趋势。一个类目的CPC从0.5涨到0.8，比它绝对值是0.8这个事实重要得多。因为前者说明竞争正在加剧，后者只说明当前状态。
四个维度分别打分之后，我不会去求一个加权总分。加权总分看起来很科学，但它会把结构信息抹平，一个"供给高、集中度低"的类目，和一个"供给低、集中度高"的类目，加权后可能是同一个分数，但它们的应对策略完全不同。
我的做法是先看结构，再看强度。具体分三步走。
第一步，把四维数据画成剖面图，看形状。是"全面高"，还是"某一维特别突出"？
第二步，判断这个形状属于哪一类结构。我自己的分类是四种：均衡低压型、总量高压但结构有空隙、头部垄断型、成本攀升型。
第三步，根据结构类型匹配切入策略，而不是根据总分决定做或不做。
我最初是用表格手工采集的。问题在于，一个类目的四维评估需要采集大约15到20个字段，每个字段还可能要看趋势。手工做一次大概要两三个小时，而且数据是死的，第二个月就得重做。
后来我把这套流程迁移到了数据看板上。我现在的主力工具是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）。选择它的核心原因不是功能多，而是它允许我把"竞争强度四维评分表"固化成一个可持续更新的看板，而不是每次重新做一遍。
具体来说，它解决了我的三个具体问题。
需要说明的是，工具只负责把数据整理成结构，判断逻辑还是得靠自己。我见过不少同行买了工具，最后还是在问"这个类目能不能做"，因为他们没有把工具输出的数字映射到决策上。这才是这一步真正的难点。
下面是我现在固定执行的采集流程，你可以直接照着改。
五个步骤跑完，一个类目的完整画像基本就出来了。用看板的话，初次配置大概需要半天，之后每次更新只需要重新拉取数据，核对时间在30分钟以内。
我用办公桌下收纳推车这个品类完整走一遍，这是2022年我实际做过的一个品类，也是我方法转变后第一个跑通的案例。
第一步，供给密度。类目在售商品总数约5900条，看起来是个很挤的类目，按我早期的方法会直接放弃。但往下拆：近90天有动销的商品约1620条，动销率27.5%；近90天新上架且有动销的商品约210条，占有效供给的13%。这个新增速度不算快，说明窗口没有被疯狂涌入。
第二步，需求集中度。TOP3链接销量占比约18%，TOP10约31%，TOP50约58%。这个结构是明显的长尾型，TOP10只拿了三成，剩下七成散在几百条链接里。对比宠物饮水机的TOP10占比68%，差异巨大。
第三步，价格带挤压度。价格跨度从79到329元，我切成11个区间。统计结果是：99，139区间占了全部SKU的42%，但只贡献了35%的销量；而199，259区间只占全部SKU的11%，却贡献了约24%的销量。这个断层非常明显。
进一步看，199，259区间里，真正在售且动销的链接只有不到30条，其中评论数超过500的只有2条。这就是我说的"低SKU占比、高销量占比"的机会区间。
第四步，流量获取成本。核心词点击成本约0.52美元，处于我当时跟踪的十几个类目的中位偏下水位，且过去6个月只涨了约9%。第一页的自然位里有4条是近一年内上架的链接，说明自然位是可以通过运营拿到的。
第五步，合成判断。供给总量高、需求分散、价格带存在明显空档、成本温和。这个形状对应的结构类型是"总量高压但结构有空隙"，匹配的策略是补充型切入，而不是替代型硬碰。
最终我选择了199，259价格带，做加宽尺寸+可移动轮组的版本，主打"桌下空间改造"这个场景。上架后第四个月达到月均出单1200单以上，毛利率维持在38%左右。
四维数据出来之后，我用的映射逻辑是这样的，你可以直接拿去做模板。
| 结构类型 | 典型特征 | 匹配策略 | 我建议的资源投入 |
|---|---|---|---|
| 均衡低压型 | 四维均在低分位，动销率高、新增慢 | 快速卡位，抢占自然位 | 中等投入，重点在上架速度 |
| 总量高压但结构有空隙 | 供给密度高，需求集中度低，价格带有明显缺口 | 补充型切入，锁定缺口区间 | 较高投入，重点在产品定义 |
| 头部垄断型 | 需求集中度超过60%，头部品牌化明显 | 放弃替代型，只考虑完全错位的新场景 | 低投入试探，或直接放弃 |
| 成本攀升型 | 流量成本6个月涨幅超过30% | 谨慎进入，或等成本回落窗口 | 暂停，进入观察名单 |
这张表的使用方式是：先用四维数据判断结构类型，再直接读对应的策略和投入建议。它把"要不要做"这个模糊问题，替换成了"以什么身份做、投多少资源做"这两个具体问题。
这种结构最容易被误读成"机会"，但我在实操中发现，它更常见的真相是需求本身不足。低供给不是因为别人没发现，而是因为做了也赚不到钱。
我的建议是：不要直接进场，先做需求验证。具体做法是找3到5个强相关的关键词，看它们的搜索量趋势。如果搜索量在持续增长，那可能是个正在形成的需求；如果搜索量常年持平或者下降，直接放弃。
另一个验证方式是看头部链接的存活时间。如果TOP10里有超过一半是两年以上的老链接，且销量长期稳定在小规模，基本可以确认这是个小而稳的市场，不适合新进入者。
这是我最喜欢的一类结构，也是2022年之后我大部分成功案例的来源。
行动重点是先把缺口位置定出来，再倒推产品定义。顺序不能反，如果先定产品再看价格带，很容易做出一个"很好但没人买"的产品。
这类结构有个额外的好处：因为总量大，供应链通常比较成熟，起订量和成本谈判空间都比小众类目友好。
我的建议是优先选择缺口区间中"销量占比高、在售链接少"的那一段，然后聚焦一个明确的场景差异点，不要试图做全能款。
这类结构对替代型选手是明确的劝退信号。TOP10吃掉60%以上的销量，意味着剩下的几千条链接在抢不到四成的量，而且这四成里还有大量是一次性购买和退货。
但完全放弃也不一定对。我更倾向于这样处理：只考虑完全错位的切入方式，比如完全不同的使用场景、完全不同的价格层级、或者是头部品牌不愿意做的低毛利规格。
同时要把资源投入压到最低，用最小可行产品试探，验证周期不超过60天。如果60天内没有出现自然增长，果断止损。
如果你的主力渠道是内容型平台，四维结构需要做一次替换，因为竞争机制变了。
这时候我关注的核心指标变成三个：同题材内容的月更新量、爆款内容的平均生命周期、以及达人合作的价格水位变化。
内容渠道的竞争强度有个特点，就是它的变化速度比货架渠道快得多。一个题材从无人问津到内容饱和，可能只需要三到四个月。所以在这类渠道上，我的复评周期从90天缩短到45天。
另外一个重要差异是：内容渠道的竞争强度不完全由供给量决定，还由内容形式的创新速度决定。同一个产品，用新的内容形式重新讲一遍，可能就能重新拿到流量。这意味着内容渠道的竞争强度是"可刷新"的，这在货架渠道里几乎不存在。
前面讲的都是"怎么做对"，这一节讲"做对要付出什么"。因为方法论如果不谈代价，就变成了空谈。
四维评估的完整版本，单类目需要3到4小时（含数据采集和交叉验证）。如果一次评估10个类目，就是30到40小时，接近一周的工作量。这个成本对个人卖家来说是很高的。
我的处理方式是分级评估。初筛阶段只跑供给密度和需求集中度两个维度，单个类目压缩到40分钟以内，快速筛掉明显不成立的对象。通过初筛的类目才进入完整四维评估。
这个取舍的代价是：初筛阶段可能会漏掉一些"前两维看起来不行、但价格带有大缺口"的类目。我的应对方式是给初筛设置一个宽容阈值，宁可多放进几个，也不要因为指标卡得太死而漏掉结构性机会。
这是个更根本的取舍。评估更多类目意味着更高的总成功率，但每个类目只能浅做；评估更少类目意味着更深的洞察，但一旦判断失误，损失更大。
我自己的经验是：当你的供应链能力是通用型时，应该偏向广度；当你的供应链能力是专精型时，应该偏向深度。
理由是，通用型供应链可以快速复用，多做几个类目的边际成本低；专精型供应链每换一个类目都要重新搭建，广度的成本极高，不如在熟悉的类目里把结构挖深。
我在评估竞争强度时，会额外问一个问题：这个类目的需求是"一次性"还是"周期性"？
如果是一次性需求（比如特定场景的收纳产品、节日礼品），那么短期流量窗口的价值更高。这种情况下，我会更倾向于选择竞争强度中等、但流量峰值明确的时间点切入。
如果是周期性需求（比如耗材、配件），那么长期复购的价值更高。这种情况下，我会容忍更高的竞争强度，因为复购能摊薄获客成本。
这两种逻辑下的选型结论可能完全相反，但都对。关键是你要先明确自己做的是哪一种生意。
我给自己设了四条硬性放弃条件，触发任何一条就直接停止评估，不再投入更多时间。
这四条看起来简单，但执行起来需要纪律。因为放弃意味着承认前面几个小时白做了，这个心理成本比时间成本更难克服。
写到这里，我想把整篇文章的主张再收一次。竞争强度不是一个需要被"避开"的障碍，也不是一个需要被"打败"的对手。它是一组关于战场结构的信息，你的任务是读懂它，然后决定用什么姿势进场。
这个视角的转换，带来的最大变化是：你不再需要追求"找到没人做的类目"，因为那往往意味着没有真实需求。你需要的是在已经被验证的类目里，找到那个结构上还没有被填满的位置。
接下来给你三个可以立刻执行的动作。
最后一句：我做了六年选品，最贵的学费不是买错货，而是"用一个过于简单的标准，否掉了本来能做的地方"。竞争强度值得你花更多时间去拆解，但它不值得你因为它而停下。
读者评论
文中把竞争强度从门槛改成坐标系这个提法很实在。我以前也一刀切排除在售商品数超3000的类目，结果错过一些总量大但有价格带空档的品类。四维拆解和90天复评这两个纪律，比单纯看竞品数量更可执行。
案例里数据多是个人复盘，不是行业统计，不能直接照搬。但四维结构里需求集中度、价格带挤压度确实比在售商品数更接近决策关键。尤其宠物饮水机那段，TOP10吃68%销量，说明长尾机会要另算。
补充型与替代型的区分对我启发大。高竞争类目不是不能做，而是要先明确自己切哪段需求。若只是同质化跟卖，低竞争类目也会被头部快速挤压；若有尺寸、场景或价格段差异，高供给反而能提供验证过的需求。
四维字段听着完整，落地难点在数据采集可信度。平台销量区间值、评论累计、僵尸链接都会让判断失真。文章提出交叉验证和标注可信度等级，这点比结论本身更重要，否则坐标系也会建在偏差上。