去年二季度，我负责的一个家居收纳类目里有一款折叠脏衣篓。上架第 18 天，它的加购率是类目均值的 2.3 倍，但广告 ROI 只有 1.4。选品会上，我们用一张"通用商品健康度打分表"给它打了 62 分，ROI 权重占 30%，低于 2 分直接进淘汰池。它被砍了。三个月后，一家竞品用几乎一样的款式，靠前期亏广告把评论堆到 800 多条，稳居类目 Best Seller 前 20，单月出单破 3000。
这次失误跟"眼光差不差"没关系，是坐标系错了。我用一把量成熟期商品的尺子，去量一个还在导入期的商品。ROI 在导入期本来就不该及格，它此刻的使命是验证需求，而不是赚钱。这个教训让我彻底改了选品流程：先判断商品处在生命周期的哪个阶段，再决定用哪套指标去筛它。
下面这套方法，是我在 2023 到 2025 年经手 1,200 多个 SKU、横跨 Amazon、TikTok Shop、Shopee 三个平台之后沉淀下来的。它不解决"哪个品能爆"这种玄学问题，它解决的是一个更基础、也更容易被做错的问题：同一个商品，在不同阶段到底该用什么标准去选、去留、去加码。
先把结论放在最前面，省得你看到一半才发现方向反了。
商品选型的本质不是"挑出最好的商品"，而是"挑出最适合当前阶段的商品"。最优解是随阶段漂移的：导入期的最优解可能是数据难看但需求真实的品，成熟期的最优解可能是数据漂亮但增速归零的品。这两者用同一张打分表，必然有一方被误杀。
很多人把产品生命周期当成课本里的四个名词，背完就扔。我在实操里把它当成一个二维坐标系：横轴是时间，纵轴是决策优先级。同样是"销量下滑"这一个现象，落在成长期是警报，落在成熟期是正常波动，落在衰退期是清仓信号。
如果你不先定位阶段，你连"这个数据是好是坏"都判断不了。这就是为什么很多团队数据看板做得很漂亮，选品该错还是错，看板上的数字没有坐标系。
我把它压缩成一句口诀，团队新人入职第一天就要背下来：
这句话看起来简单，但真正能执行到底的团队不多。原因在后面的误区部分会展开：大部分人不是不懂道理，是考核机制逼着他们用错指标。
我的标准流程是三步，顺序不能乱：
跳过第一步直接看数据，是我见过最普遍的流程错误。它带来的损失不是一次性的，而是持续性的，因为你永远不会知道自己错在了哪一步。
回到开头那个脏衣篓。当时它在导入期第 18 天，售价 19.9 美元，成本 6.2 美元，广告花费 1,850 美元带来 412 单，广告费占比 42%。如果按成熟期标准，这个投资回收节奏确实不合格。
但导入期该看的是什么？是加购率 8.7%（类目均值 3.8%）、详情页停留时长 96 秒（类目均值 58 秒）、自然评论里出现"想要更大容量"这类需求信号 37 条。这三个信号说明需求真实存在，只是转化链路还没跑通。
我后来复盘时算过一笔账：那款品如果当时继续投入 6 周，按同类竞品的爬坡曲线，第 12 周可以做到日均 60 单、毛利率 28%。被砍掉后，这部分利润全部让给了对手。用错尺子的成本，往往不是"少赚一点"，而是"把整个赛道让出去"。
这一节讲清楚底层原因。如果你不理解为什么必须换尺子，执行时一定会偷偷退回到熟悉的那套标准。
2024 年 3 月，我参与复盘一个年 GMV 约 3,000 万的家居卖家。他们有 480 个在售 SKU，其中 320 个是自己定义的核心款。问题是：连续两个季度毛利率在跌，从 34% 掉到 26%，但 GMV 一直在涨。
拆开看才发现，他们的选品委员会用的是一张统一的"综合得分表"：销量 25%、增速 25%、毛利率 25%、库存周转 25%。这张表看起来很均衡，实际上是一张为成长期商品量身定制的表。
结果是：导入期的新品因为"销量低+毛利率低"两项垫底，永远进不了核心池；成熟期的高毛利款因为"增速低"被扣分，反而被降权；真正被推上去的，是一批"哪项都不差、但哪项都不突出"的成长期中庸款。
选型本质上是资金分配。四个阶段对资金的需求结构差异极大：
用同一套打分标准，等于默认四个阶段的资金成本一样。这在财务上是不成立的。
毛利率在导入期天然偏低，因为分摊了测试成本；在成长期天然虚高，因为还没开始大规模打折；在成熟期最真实；在衰退期又会因为清仓折扣而失真。
转化率也是。导入期转化率低是正常的（没有评论、没有信任背书），成熟期转化率高是正常的（有评论、有排名）。如果你用同一个转化率阈值去卡所有阶段，就会形成"越成熟的品越容易入选，越新的品越容易被淘汰"的正反馈循环，最后整个商品结构老化。
比方法更难改的是考核。如果一个团队的采购 KPI 是"当季毛利率"，那他就没有动力去推导入期商品；如果一个运营的 KPI 是"库存周转天数"，那他就一定会提前清掉成长期的品。
所以我在给团队做流程改造时，第一步从来不是改看板，而是改评分卡的权重分配：让考核指标跟着生命周期阶段走，而不是让所有 SKU 共用一套考核。这一步不做，前面所有方法论都是纸上谈兵。
方法论要落地，第一步是能判断阶段。我不用"感觉像成熟期"这种描述，我用三个可以每天从后台拉出来的信号。
很多人看周环比增速，但看的是单周数值。单周数值会被促销、节假日、广告投放节奏污染。我看的是连续四周的增速斜率。
具体做法：把最近 8 周的周销量拉出来，做一次简单线性回归，看斜率的变化方向。斜率持续为正且在加速，是成长期；斜率趋近于零，是成熟期；斜率为负且绝对值在扩大，是衰退期。
导入期的判断比较特殊：它的销量基数太小，回归没有统计意义。我改成看"加购率/转化率比值"，如果加购率显著高于类目均值但转化率低于均值，说明需求存在、链路未通，是典型导入期。
这是被严重低估的信号。一个健康的商品，流量结构会随着生命周期自然迁移：
如果你发现一个商品的自然流量占比在两个月内从 40% 掉回 20%，即使销量还没跌，也要警惕，它可能正在从成熟期滑向衰退期，只是库存和排名惯性掩盖了真相。
我定义了一个指标叫剪刀差：毛利率减去退货率对应的成本损耗。这个指标在成长期会持续张开，在成熟期达到最大，在衰退期快速收窄甚至转负。
为什么用它而不是单看毛利率？因为毛利率可以靠涨价或降本短期拉高，但剪刀差同时反映了需求和履约质量。当剪刀差开始收窄，说明真实盈利能力在下降，这往往比销量下滑早 4~6 周出现。
单个信号会误判，三个信号交叉验证才可靠。我用的规则是：
| 组合状态 | 阶段判定 | 建议动作 |
|---|---|---|
| 增速加速 + 广告占比高 + 剪刀差张开 | 导入期 | 小批量测试，快速迭代素材 |
| 增速持续为正 + 自然流量上升 + 剪刀差扩大 | 成长期 | 加码备货，放大有效供给 |
| 增速归零 + 自然流量稳定 + 剪刀差最高 | 成熟期 | 优化结构，汰换低效 SKU |
| 增速为负 + 广告效率恶化 + 剪刀差收窄 | 衰退期 | 分级清仓，释放资金 |
需要强调的是，阶段判定不是一次性的，而是每周滚动更新的。我见过太多团队年初定一次商品分层，然后一整年不改，等到年底发现仓库里全是"年初的成长期、现在的衰退期"。
这一节我尽量写得具体，因为抽象地讲"要避免误区"没有意义，只有把损失金额和场景摊开，才会形成肌肉记忆。
这是最普遍、杀伤力最大的一个。导入期的广告本质是"购买市场数据"，不是"获取利润"。我现在的做法是给导入期单独设一条预算线：单次测试预算不超过 800 美元，允许 ROI 低于 1.5，但必须回收三个数据，加购率、点击率、评论内容关键词。
只要这三个数据达标，就进入第二轮测试；不达标，果断砍。判断依据从"赚没赚钱"换成"拿到没拿到有效信息"，误杀率下降了大概六成。
月销 500 单听起来不错，但如果上个月是 800 单呢？我在 2023 年犯过这个错：把一个连续三周下滑但月销仍在类目前 50 的品列为"核心款"继续补货，结果两个月后库存积压 850 件，最终以 5.5 折清掉。
现在我强制自己只看相对增速和增速的变化率，绝对值只用来判断能不能撑起独立备货，不用来判断阶段。
成长期的核心动作是"扩品"，因为赛道在变大，多铺一个位置就多一份自然流量。成熟期赛道停止扩张，这时候继续铺货，等于在一个存量池子里自己跟自己抢流量。
我服务过的一个饰品卖家，2024 年一年新增了 210 个 SKU，GMV 只涨了 6%，滞销率从 12% 涨到 30%。他们的选品逻辑没错，错在把成长期的扩张惯性延续到了成熟期。
衰退期的商品往往有历史贡献、有老客户、有感情。我见过最典型的场景是：一个曾经做到类目 Top 10 的款，连续 5 个月销量下滑，团队每次讨论都有人说"再等等，旺季会回来"。
结果它占用了一个完整的仓储位、锁死了 47 万人民币的资金，还持续拉低整个店铺的动销率，影响到店铺权重。衰退期最贵的成本不是清仓折扣，是时间。每拖一个月，死库存的实际可变现价值大约下降 5%~12%。
网上流传的"转化率低于 2% 就淘汰""毛利率低于 25% 不能做"，在不同类目、不同平台、不同客单价区间下的适用性完全不同。家居类目 2% 的转化率可能已经很优秀，3C 配件类目 2% 可能是灾难。
我的做法是：用自己类目的历史数据算出分位数，取 P25、P50、P75 作为三档判断线，而不是用外部阈值。这个动作只需要一次历史数据导出，但能让后续所有判断的准确度上一个台阶。
单品再优秀，如果整个商品结构失衡，依然会出问题。我常看的结构指标有三个：前 10% SKU 的销量集中度、各阶段 SKU 的数量配比、库存金额的账龄分布。
健康的商品结构里，成长期和成熟期 SKU 数量应该占 60% 左右，导入期占 20%~25%，衰退期控制在 15% 以内。如果衰退期 SKU 数量超过 25%，基本可以判断这家店的选品节奏已经滞后了。
有了阶段判断能力之后，还需要一个把判断转化为动作的结构。我用的是三层漏斗，每一层解决一个不同的问题。
第一层不碰具体商品，只看类目大盘。我关注三个东西：类目近 12 个月的搜索趋势、类目头部集中度、类目平均客单价的变化方向。
如果类目搜索趋势连续 6 个月下滑，或者头部前 5 名占据了 70% 以上的销量，我会直接放弃整个类目，而不是试图从里面挑一个"还能做的品"。选品的第一个决策，往往是"不选"。
第二层是核心。对通过大盘筛选的候选商品，逐一做阶段判定，然后套用对应阶段的指标体系。
这里有个反直觉的点：同一个商品可以同时出现在两个池子里。比如一个在 A 平台处于成熟期的品，搬到 B 平台可能处于导入期。我做多平台运营时，会把同一款商品的各平台阶段分别标注，用不同标准管理，而不是用一个"平均状态"去管理。
第三层是组合优化。单看每个商品都合理，合起来可能失衡。我在这一层会强制做两个检查：
手工判断容易受情绪影响，我一般会把规则写成可执行的筛选逻辑。下面是一个简化版的阶段判定函数示例：
def classify_stage(weekly_sales, organic_ratio, margin_gap):
"""
weekly_sales: 最近8周周销量列表
organic_ratio: 自然流量占比
margin_gap: 毛利率 – 退货成本率（百分点）
"""
计算四周增速斜率
recent = weekly_sales[-4:]
slope = (recent[-1] – recent[0]) / max(recent[0], 1)
if slope > 0.5 and organic_ratio 0.1 and organic_ratio = 25:
return "成熟期", "优化结构，汰换低效SKU"
if slope < -0.05 or margin_gap < 12:
return "衰退期", "分级清仓，释放资金"
return "观察期", "补充数据，两周后重新判定"阶段判定
这段代码的价值不在于多精确，而在于它把判断标准显性化了。团队里任何人做出不同结论时，都可以回到这段逻辑上对齐，而不是靠谁嗓门大。
方法论再好，如果每天靠人工导出 Excel、手算增速，坚持不过两周。所以我把大部分判断逻辑搬到了数据工具里，减少重复劳动，把时间留给真正的判断。
早期我用 Excel 管理选品，一个类目 200 个 SKU，每周更新一次数据要花 6~9 小时。更麻烦的是，Excel 里的阶段标注是静态的，我经常忘记更新，导致用三个月前的阶段判断指导今天的备货决策。
现在我的主力工具是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）。它是一个跨境电商商品数据分析平台，我在里面主要做四件事：看类目大盘趋势、追踪竞品销量估算、分析关键词流量结构、按阶段给商品打标签。
需要说清楚的是，工具不会替你做判断，它只是让判断的输入更快、更准。阶段怎么分、阈值怎么定，还是得你自己拍。
导入期我在数跨境里主要盯三组数据：类目搜索词的近 90 天趋势、竞品新品上架后的爬坡曲线、自身商品的加购与停留数据。
关键是不要在这个看板里放毛利率和 ROI。看板放什么指标，团队就会优化什么指标。如果导入期看板上有毛利率，运营就会去选高毛利的老品，而不是去测试真正有潜力的新品。
成长期我会做一个双维度矩阵：横轴是周环比增速，纵轴是复购率（或评论增速）。右上角的品是"加速且健康"，右下角是"加速但一次性需求"，左上角是"稳定但需要放大"。
数跨境的类目榜单和竞品追踪在这里帮我省了大量时间，我可以直接看竞品在成长期的广告位变化和价格调整节奏，反推它的投放策略，再决定自己是跟进还是差异化。
成熟期的分析重心从"增长率"切换到"单位经济模型"。我会拆到每单的：售价、平台佣金、头程、尾程、仓储、广告分摊、退货损耗，算出真实的贡献利润。
这一步经常有惊喜。曾经有个品毛利率标称 36%，拆完单位经济后实际贡献利润只有 4.8%，因为它的退货率和仓储周期都远超类目均值。这类品在成熟期就是纯粹的"规模幻觉"。
衰退期我用一张清算优先级表，排序依据是：库存深度、近 4 周动销率、可替代性、清仓渠道可用性。库存深、动销低、可替代性强的品，优先清。
我的经验是，衰退期决策要"一次性做完"，不要分批讨论。每次讨论都会消耗组织精力，而且拖延本身就是最大的成本。
我必须说清楚边界。工具能告诉你"发生了什么"，但不能告诉你"为什么"。竞品突然降价 15%，可能是清库存，可能是谈到了更低的供应链成本，也可能是在为新款让路。这三种情况的应对策略完全不同。
所以我的流程是：工具出数据 → 人工做归因 → 回到工具里建假设并验证。工具是加速器，不是决策者。把选品完全交给工具，只会让你更快地犯错。
同一套方法论，落在不同规模的团队身上，执行重点完全不同。下面按四种典型情况给出建议。
你的最大约束是资金和人力，所以策略的核心是"少而准"。
我的建议是：把 60% 的精力放在成长期的识别和加码上，这是投入产出比最高的环节。导入期可以少做，但不能不做，否则两年后你会没有成熟期商品可管。
你的核心挑战是"多平台阶段不一致"。
同一个商品，在 A 平台可能已经进入成熟期，在 B 平台才刚进入导入期。如果用一个统一状态管理，就会出现"在 B 平台该加码的品，因为 A 平台的成熟期标签而被保守对待"。
我的做法是建立"平台 × 阶段"的二维标签体系，每个组合对应独立的指标阈值和动作清单。这听起来麻烦，但一旦建立起来，多平台的资源配置效率会有明显提升。
你的价值不在于把看板做得漂亮，而在于把阶段判断这件事变成可复现的规则。
具体建议：先把现有的商品打上阶段标签（哪怕是拍脑袋打的），然后回测过去 6 个月的数据，看这个标签体系对最终盈利的解释力有多强。如果解释力弱，说明你的阶段判定规则需要调整。
这个过程我做过两次，第一次做的时候发现导入期和成长期的边界模糊导致大量误判，后来把边界从"增速是否为正"改成"增速斜率是否在扩大"，准确度提升明显。
你的优势是成本和交期，劣势是离前端需求远。我的建议是把生命周期判断前移，接入前端的销售和流量数据，而不是等采购计划出来了才判断。
供应链团队最容易犯的错是"用起订量倒推选品"。因为某个品能拿到低起订量，就优先做它，忽略了它可能已经在衰退期。这个逻辑在成长期成立，在衰退期是致命的。
方法论的最后一层是取舍。任何团队都不可能四个阶段同时做到最优，必须根据约束条件做排序。
现金流紧张时，我建议的取舍是：放弃导入期的广撒网，把资源集中到已经进入成长期的品上。因为成长期的投入回收周期最短，确定性最高。
现金流充裕时，反而应该加大导入期的测试密度。因为这个阶段最稀缺的不是钱，是时间，你测试得越早，越有可能在类目爆发前占到位置。
快消类目的生命周期整体压缩，导入期可能只有 3~4 周，衰退期来得也快。这时候阶段判断要更频繁，我一般每周更新一次，而不是每两周。
耐消类目生命周期长，导入期可能持续 3 个月以上。这时候最忌讳的是用快消的节奏去催，过早下结论砍掉其实还在爬坡的品。
搜索电商的流量结构相对稳定，自然流量占比这个信号非常可靠。内容电商的流量波动大，一条爆款视频可能让商品瞬间跨过导入期进入成长期，也可能一周后直接掉进衰退期。
在内容电商平台上，我会更依赖"内容供给量"这个信号：如果一个品的相关内容产出还在增加，即使销量短期下滑，也不急着判衰退；反之，内容供给枯竭了，销量再好看也要警惕。
有些情况我建议直接止损，不要试图优化：
最后把所有内容压缩成一张可直接贴到团队墙上的对照表。
| 维度 | 导入期 | 成长期 | 成熟期 | 衰退期 |
|---|---|---|---|---|
| 核心目标 | 验证需求是否存在 | 放大有效供给 | 利润与效率最大化 | 快速回款、释放资源 |
| 选择偏好 | 选潜力，不选表现 | 选增速，不选绝对值 | 选利润，不选规模 | 选周转，不选情怀 |
| 首要指标 | 加购率、停留时长 | 增速斜率、复购率 | 贡献利润、剪刀差 | 库存天数、动销率 |
| 次要指标 | 点击率、评论关键词 | 自然流量占比 | 客单价、退货率 | 清仓折扣率 |
| 典型动作 | 小批量测试、快速迭代 | 加码备货、扩素材 | 结构优化、汰换SKU | 分级清仓、停止投放 |
| 常见误区 | 用ROI硬卡 | 见涨就盲目扩品 | 继续铺货逻辑 | 舍不得砍 |
| 资金属性 | 高风险投入 | 规模收益 | 现金回流 | 资产减值 |
| 更新频率 | 每 3 天 | 每周 | 每两周 | 每周 |
如果你的团队现在只有一个看板，我建议至少先把它拆成两个：一个给导入期和成长期（关注潜力与增速），一个给成熟期和衰退期（关注利润与周转）。这一步改动成本很低，但能立刻减少指标互相干扰造成的误判。
下一步的具体动作，我建议按这个顺序做：
选型方法从来不是固定的，它跟着阶段动态调整。真正稳定的东西只有一个：先判断阶段，再决定用什么标准去选。这个顺序对了，剩下的都是可以慢慢调参的技术问题。
我手里大概两百多个在售SKU，每次周会老板问「这个品现在算什么阶段」，我基本都是凭感觉答，说导入期也行、说成长期也行。后来发现不是我不会分类，而是我一直在用「上架多久」当标准，而商品阶段明明是数据形态的问题。想问问有没有一套能当场拿数据说服人的判断方法。
别用上架时间判断，用数据形态判断，而且要至少两个信号共振才算数。我自己用的三组信号是：一是增长斜率，看近4周的周环比方向，是持续加速、走平还是连续放缓；二是流量结构，看自然搜索和自然推荐占比是涨还是跌，靠付费撑起来的增长不算阶段推进；三是老客侧，看复购率和退货原因有没有恶化。
落到具体判定上：导入期的典型形态是曝光基数小、点击率明显高于类目均值（我一般用1.5倍做参考）、加购率高于均值，但销量波动大，一两天的数据说明不了问题；成长期是连续3到4周周环比保持两位数增长，并且自然搜索词量同步在涨；成熟期是周环比长期在正负5%之间横盘，付费的边际投产比开始下降但毛利率还算稳；
衰退期是连续4周以上负增长，同时自然搜索下滑、老客复购也一起掉。单个窗口的数据不构成结论，尤其大促前后那段要单独剔除，否则很容易把一次活动误判成阶段跃迁。
我上个月推一个新品，花了两万多，后台拉出来投产比只有0.8，老板当场让我砍掉。但我觉得新品期本来就不该看这个数，只是我也说不出到底该看什么、看到什么程度算合格。这种时候该用什么标准去跟老板对齐，才不至于把一个有潜力的品提前杀死？
导入期不能把投产比当止损线，要换成验证指标，分三段看。第一周只看点击率、加购率和收藏率，这三项决定的是「有没有人愿意多看一眼」：点击率如果低于类目均值的0.8倍，先改主图和标题，不要动预算；加购率低于类目均值的0.7倍，说明价格带或者详情页里有硬伤。这两项有一项不过关，加钱只是把错误放大。
第二周看首单转化率和退货原因，转化率能达到类目均值的0.6倍以上、退货率控制在15%以内，就可以判定需求成立，这时候才允许放量。第三周才轮到投产比，但口径要换成边际投产比，也就是新增预算带来的增量成交额除以增量花费，而不是全店平均，因为导入期自然流量和老客复购会稀释分母，用平均口径看新品几乎必输。
我给自己的止损线是：完成两轮素材迭代之后，点击率仍然低于类目均值0.6倍并且加购率毫无改善，就停。这时候要承认这不是投放问题，是选品问题，继续投只是把决策延迟到更贵的时候。
去年我有个品连续两周销量翻倍，我立刻追加了两批库存，结果第三周就开始掉，最后压了一堆货在仓里。我复盘时特别困惑：明明数据是涨的，为什么判断错了？我想知道有没有具体的口径能把「真的在长大」和「被投放抬起来的虚高」分开。
判断的核心是看「脱离平台输血之后还成不成立」，具体查三个指标。第一是自然流量占比，把周环比增长拆开看，如果自然搜索和自然推荐的贡献低于三成，那这个增长基本是买来的，投放一停就掉，这种品只能维持投放节奏，绝不能按增速去压库存。
第二是老客占比和复购率，成长期如果复购率掉头向下，说明冲进来的都是一次性成交，尤其快消类目，这个信号比销量本身更重要。第三是增速质量，不要看销量绝对值，要看近4周环比增速的斜率，从加30%降到加8%再降到加2%，即使销量还在涨，也已经是增长失速，这时候加库存就是接盘。
操作上我用「四周滚动增速乘自然流量占比」做四象限：增速两位数且自然流量占比超过四成的，加码备货；增速两位数但自然占比不到三成的，维持投放不加库存；增速低于5%的直接从重点池里移出去。这套规则最大的价值不是算得多准，而是把「看到涨就压货」这个动作变成必须先过两个门槛。
我负责的类目SKU越来越多，仓库越来越挤，但每次提砍品都有人跳出来说这个还在卖、那个有老客。我也拿不出特别硬的理由，最后往往就是砍几个最差的交差。想问问有没有一套可量化的筛选口径，尤其是成熟期该留谁、衰退期什么时候该彻底放手。
成熟期的判断标准不是「还卖得动」，而是单位货架和仓位的产出。
我用两个口径筛：第一个是按月毛利额排名的贡献结构，注意看的是毛利额不是毛利率，把SKU按毛利额从高到低排，看后30%的SKU合计贡献了多少毛利，如果后30%只贡献不到8%的毛利，却占着接近三成的仓储面积和陈列位，这就是结构性低效，砍它不需要情怀。
第二个是库存周转天数与该品类现金周期的对比，周转天数连续两个月超过品类均值的1.5倍，就进观察名单，先不补货。
到了衰退期，判断依据从利润切换成清仓效率，重点看动销率和价格弹性：动销率连续4周下降，同时折扣每提高5个点带来的销量增幅越来越小，说明降价已经拉不动需求，继续打折只是拖长战线、吃掉其他品的陈列资源。
执行上不要一次性砍掉，先降到最小陈列并且停止补货，观察一个完整周转周期，快消大约4周、耐消8到12周，如果现金流和毛利都没有改善就正式淘汰。还有一步很多人省掉了：把淘汰原因写成一句话，比如价格带重叠、季节性结束、被新品替代，攒成一张表。
下次选品的时候先查这张表，你才是在用生命周期方法做决策，而不是每年重复砍一遍同样的坑。
读者评论
导入期用ROI淘汰新品这点太真实了。我们做家居也遇到过，加购和停留都不错，但广告回本慢被砍，后来竞品起量。文里把阶段判断放在指标之前，确实比单看ROI更合理。不过导入期止损线还是要设，不能把‘潜力’当无限投入的理由。
最有共鸣的是组织惯性那段。很多团队不是不懂分阶段，而是采购背毛利率、运营背周转，最后所有SKU都用一张表。评分卡权重不跟着生命周期改，方法论很难落地。但权重怎么定，文章给的是经验值，实际还得按类目和平台校准。
三个信号里流量结构迁移和剪刀差比较有启发。以前只看销量和广告，忽略了自然搜索占比回落可能是衰退前兆。组合判断表也实用。只是小卖家数据量小，线性回归和连续8周未必都有意义，导入期更依赖加购与转化比值。
文章逻辑清楚，核心是同一商品不同阶段用不同尺子。成长期看增速、成熟期看利润、衰退期看周转，这个口诀有实操价值。但案例里广告费占比42%继续投6周，事后看成立，事前判断仍有风险，最好配合小批量测试和明确退出条件。