去年年中，我帮一个做家居收纳的朋友筛品。他给了我六个候选类目，每个都附了销量和毛利数据。我用竞争强度这个维度做了两轮筛选，砍掉了五个，只留下一个，结果留下的那个，恰恰是他最初判定为"竞争太激烈、根本不考虑"的类目。
他当时的反应很典型："这个类目首页全是几千条评论的产品，我进去不就是送死吗？"但三个月后，这个类目的单品给他贡献了整店四成以上的利润。原因不复杂：竞争强度从来不是在回答"这个类目能不能做"，而是在回答"以什么姿势做、能赚多少、能赚多久"。
这篇文章想解决的，就是"姿势、利润、时间"这三件事怎么被量化。我会把竞争强度拆成可计算的指标，给出评分卡模板，说明阈值怎么定、数据从哪里来、什么情况下明知激烈也该冲、什么情况下看着很空也必须放弃。文中的数字部分来自我自己的实操复盘，部分标注为示意基准，你可以直接拿去改口径复用。
市面上大部分讲竞争强度的内容，都会把它写成"卖家多不多、卷不卷"。这个理解太浅了。我的判断是：竞争强度衡量的是这个类目里，你的超额收益能保留多久。
同样是毛利 40% 的类目，一个是前四名占了七成销售额、评论门槛两千条起步，另一个是卖家流水一样换、没有一个稳定头部。前者的 40% 你能稳住两年，后者你可能前三个月很爽，第六个月就被新进来的低价卖家把价格打到 25%。这两者的竞争强度差异，才是真正影响选型决策的东西。
所以我在做商品分析时，从不用"竞争大/小"这种二元判断，而是问三个问题：这个结构稳定吗？我进去要付出的额外成本是多少？这个结构在未来 6 到 12 个月会往哪边走？
要回答上面三个问题，光看某一个指标是不够的。我把竞争强度的证据分成四类，每一类解决一个不同的问题。
只算结构证据，你会把"洗牌中的类目"误判成"铁板一块"；只算成本证据，你会把"贵但值得"的类目误杀；只算趋势证据，你会被一个正在快速涌入卖家的伪蓝海骗进去。四类证据交叉验证，才是竞争强度评估的最低配置。
下面这张表是我自己用了两年多的评分卡骨架。每个维度 1 到 5 分，分数越高代表竞争压力越大。注意：分数高不等于不能做，它只代表你需要更强的差异化能力作为对价。
| 维度 | 核心观察指标 | 数据获取方式 | 低分特征（1-2分） | 高分特征（4-5分） |
|---|---|---|---|---|
| 卖家密度 | 活跃卖家数、近90天上新卖家数 | 平台类目榜单、第三方数据平台 | 月销过千的卖家少于30家 | 同类卖家过百家且持续新增 |
| 头部集中度 | CR4、CR8、HHI | 榜单销售额估算后计算 | CR4低于25%，格局分散 | CR4高于65%，头部锁定 |
| 价格竞争度 | 价格离散系数CV、最低价与均价差 | 类目价格带分布数据 | CV大于0.35，价格分层明显 | CV低于0.15，全挤在一个价位 |
| 流量成本 | 广告花费占销售额比、核心词CPC | 广告后台、关键词工具 | 核心词CPC低于类目均值八成 | CPC高企且成本占比超25% |
| 迭代速度 | 上新密度、评论集中度 | 上架时间分布、评论数分层 | 新品占比低且头部评论固化 | 每季度换血超过三成 |
这五个维度里，我实际打分时给"头部集中度"和"流量成本"的权重最高，各占 25%，其余各占 16% 到 17%。原因后面第三章会展开，这两项直接决定你能不能活着见到利润。
2022 年下半年，我在一个宠物用品细分类目上做了第一次系统性的竞争分析。当时我的判断逻辑非常粗糙：搜索该关键词，看有多少个在售 listing，超过 500 个就判定为红海，直接放弃。
那个类目当时只有 180 个左右的在售产品，我兴冲冲地进了。结果第一个月就发现问题：这 180 个产品里，有 6 个卖家占了将近八成的销量，而且这 6 家的评论数都在 800 条以上，最近一次上新是两年前。
卖家数量少，只是因为这是个老类目、新卖家进不来。我用"卖家少=竞争小"的直觉，把"高壁垒"误读成了"低竞争"。那批货最后清了四个月，亏掉的钱够我买三台笔记本。
第二次犯错更隐蔽。我用平台的类目大盘数据看到一个数值：某细分市场年增速 30%，竞争卖家增长率 8%。供需剪刀差非常漂亮，我判断这是个难得的窗口。
但问题在于，大盘数据是"整个大类的平均"，而我要做的是其中一个小切口。落到那个具体切口上，卖家增长率其实是 40%，因为所有新玩家都看到了同一个大盘数据，都往这个切口挤。大盘增速 30% 是被另外几个我根本没打算做的子类拉起来的。
这次教训让我定下一条规矩：竞争数据必须限制在"你实际要打的战场"这个颗粒度上，宁可口径窄，不要口径假。
第三次是我最不甘心的一次。我评估了一个类目，各项结构指标都很健康：CR4 只有 28%，价格离散度 0.4，头部评论门槛不到 200 条。数据上几乎无可挑剔。
我忽略了唯一一个我当时没算的指标：过去两个季度进入的卖家数量变化。那个类目在两个季度内卖家数从 90 家涨到了 260 家。我进场的时候正好是供给爆发的中段，等我的产品推到首页，价格战已经打了三个月，均价从我测算的 32 美元跌到了 21 美元。
结构性指标是存量快照，它反映的是"过去打出来的结果"。而我要预测的是"未来半年"。快照再漂亮，斜率错了，结果就是错的。
复盘下来，三次失败有一个共同结构：我都用了一个"看起来很有信息量"的单一指标，去替代一整套需要交叉验证的判断流程。
卖家数量、大盘增速、集中度快照，这三个指标本身都没错，错的是我把它们当成了结论，而不是证据链里的一环。竞争强度评估真正的难度不在于指标本身，而在于指标的适用边界和组合方式。
这是最普遍也最致命的一个误区。卖家数量只反映"有多少人在场"，不反映"这些人打得多凶、门槛有多高"。
一个只有 50 个卖家但头部锁死 80% 份额的类目，竞争强度远高于一个有 800 个卖家、头部份额只有 20% 的类目。前者你进不去，后者你有机会分到一块。卖家数量要和集中度一起看，单看任何一个都会误判。
高集中度不总是坏消息。要区分它是"稳定型集中"还是"脆弱型集中"。
稳定型集中：头部长期占据，评论壁垒深，供应链成本优势明显。这种格局你硬冲确实很难。
脆弱型集中：头部靠早期的流量红利或单一爆款占位，评分在缓慢下滑，上新停滞，评论增长趋于平缓。这种格局反而意味着它随时可能被一个新的差异化产品撕开缺口。
分辨方法很直接：看头部的近 12 个月评论增速和上新节奏。如果评论增速低于类目均值、半年没有新品，那这个集中度是虚的。
大部分竞争强度分析都停留在产品端，很少有人把流量成本算进去。但流量成本恰恰是竞争强度最直接的价格体现。
同样两个类目，结构指标接近，但一个核心词 CPC 是 0.6 美元，另一个是 1.8 美元。前者你能用广告把新品推到首页，后者你的广告预算会全部变成平台收入。结构决定你赚多少，流量成本决定你能不能活到赚钱那天。
我的经验基准是：如果核心词的广告花费占销售额比重（TACoS）长期高于 25%，这个类目对新进入者就不友好了，除非你有极强的自然流量获取能力。
这是我在第二次踩坑里学到的最贵的一课。竞争强度是一个有时效性的判断，今天算出来的分数，三个月后可能完全失效。
所以我现在做评估，一定会同时算两个值：当期竞争强度分数和过去两个季度的变化速度。分数低但在快速恶化，比分数中等但稳定更危险。
| 判断对象 | 直觉判断 | 指标判断 | 差异原因 |
|---|---|---|---|
| 是否需要回避某类目 | 首页评论过千，不能做 | 看 CR4 趋势与头部评论增速，判断壁垒是实是虚 | 直觉看绝对值，指标看斜率 |
| 是否存在进入机会 | 卖家少就是机会 | 看卖家数与集中度的组合关系 | 直觉忽略门槛，指标区分在场与可进 |
| 利润空间能否守住 | 毛利高就值得做 | 算 TACoS 与价格离散度，判断毛利可持续性 | 直觉看名义毛利，指标看净利留存 |
| 窗口期还有多久 | 现在能做就一直能做 | 算需求增速与卖家增速的差值变化 | 直觉是静态，指标是动态 |
这一步听起来像废话，但它是后面所有计算的地基。市场边界定义错了，CR4 和 HHI 算出来全是废数。
具体做法是：用核心关键词加核心使用场景，圈定一个"用户会互相比较"的产品集合。标准是，如果一个用户同时看到这两个产品会犹豫选哪个，它们就在同一个战场。
举例来说，"折叠收纳箱"和"床底收纳箱"可能共享一部分用户，但决策逻辑完全不同，硬放在一起算集中度没有意义。我一般会先圈三到五个关键词，然后取它们的交集产品作为分析样本。
结构证据回答的是"格局长什么样"。最常用的三个指标是 CR4、CR8 和 HHI。
阈值方面，我采用并调整了通用的并购审查基准，把它迁移到选品场景。注意这是经验基准，不同行业需要重新校准，不能直接套用。
| 指标 | 分散区间 | 中度集中 | 高度集中 | 选品含义 |
|---|---|---|---|---|
| CR4 | 低于 30% | 30% – 60% | 高于 60% | 高于 60% 时新玩家需要明确差异化切口 |
| CR8 | 低于 45% | 45% – 75% | 高于 75% | 高于 75% 说明头部梯队已固化 |
| HHI | 低于 1500 | 1500 – 2500 | 高于 2500 | 高于 2500 时价格通常由头部主导 |
计算逻辑并不复杂，核心是保证口径一致。下面这段代码是我平时用来批量算 CR4 和 HHI 的简化版本，输入是卖家维度的销售额列表。
def competition_metrics(sales_list):
"""
sales_list: 各卖家的销售额列表（同一时间窗、同一站点、同一价格带）
返回 CR4 / CR8 / HHI 三个结构指标
"""
total = sum(sales_list)
if total == 0:
return None
shares = sorted([s / total for s in sales_list], reverse=True)
cr4 = sum(shares[:4]) * 100
cr8 = sum(shares[:8]) * 100
hhi = sum((s * 100) ** 2 for s in shares)
return {
"CR4": round(cr4, 2),
"CR8": round(cr8, 2),
"HHI": round(hhi, 2),
"卖家数": len(sales_list)
}
示例：某细分类目 TOP20 卖家的季度销售额（万美元）
demo = [86, 71, 63, 52, 31, 28, 22, 19, 15, 13,
11, 9, 8, 7, 6, 5, 5, 4, 4, 3]
print(competition_metrics(demo))用这组示例数据跑出来的结果是 CR4 约 45.7%、CR8 约 62.5%、HHI 约 1120 左右。翻译成业务语言：头部有控制力但没锁死，梯队中间有裂缝，属于"可以打但要挑角度"的格局。
结构指标看的是"分数"，行为指标看的是"动作"。后者往往更能提前暴露竞争走向。
价格离散度用变异系数计算：标准差 ÷ 均价。这个值越低，说明大家挤在同一个价位打，价格战风险越高。我的经验基准是：低于 0.15 属于高度同质化，0.15 到 0.35 属于中度分层，高于 0.35 说明市场对差异化有支付意愿。
评论集中度等于前 10 名产品的评论数之和 ÷ 类目总评论数。超过 60% 意味着头部评论形成了流量护城河，新品的自然评论积累速度会非常慢。
上新密度是近 90 天上架的 SKU 数 ÷ 总 SKU 数。这个指标反映换血速度。低于 10% 说明类目老化，高于 25% 说明玩家在快速试错，新进入者需要准备好打持久战。
成本证据主要看两个数：核心关键词的 CPC 走势，以及 TACoS（广告花费 ÷ 总销售额）。前者反映入场券价格，后者反映你已经进场后能不能留住利润。
趋势证据我只看一个核心量：需求增速减去卖家增速的差值。这个差值我称之为"竞争缓冲带"。
这里有个细节值得强调：差值的方向比绝对值更重要。差值从正 20 掉到正 5 的过程，比一直维持在正 5 更危险，因为这意味着窗口正在关闭，而市场里的玩家还在按旧预期扩产。
前面讲的框架，如果没有稳定、口径统一的数据源，全是纸上谈兵。我早期用过手动扒榜单的方式，一个类目要花两个多小时，而且不同时间点抓的数据口径不一致，算出来的 CR4 根本没法横向比较。
后来我把数据采集这一层交给 数跨境 来做。选它的理由很实际：它能按类目维度给出卖家、销量、价格带、评论、上架时间这几类结构化数据，正好覆盖我前面四层证据链的绝大部分输入，不用我在多个工具之间做字段对齐。
我更看重的一点是它的时间序列能力。做竞争强度评估，最怕的就是只有当期快照。数跨境能拉到跨周期的数据，我才有可能算出"卖家增速""评论增速""价格中枢移动"这类趋势指标，这也正是第三次踩坑之后我给自己加的必做项。
在跑数之前，我会先把三个约束固定下来，否则数据没法比。
第三个约束很多人会忽略。我在早期算价格离散度时，没有剔除 5 美元以下的赠品型 listing，结果那个类目的变异系数被拉到 0.9，看起来"差异化空间极大"，实际上核心价格带的产品几乎一模一样。
下面是那次评估的脱敏结果。类目名称我做了代号处理，数据为实际跑出后的四舍五入值，口径为最近一个完整季度、单一站点、核心价格带内样本。
| 类目代号 | 活跃卖家数 | CR4 | HHI | 价格离散度 | TACoS | 竞争缓冲带 | 综合评分 |
|---|---|---|---|---|---|---|---|
| A 类目 | 42 | 71% | 2680 | 0.22 | 14% | +6% | 3.6（高） |
| B 类目 | 186 | 24% | 780 | 0.41 | 11% | +19% | 1.9（低） |
| C 类目 | 310 | 33% | 1150 | 0.14 | 27% | -8% | 4.3（极高） |
| D 类目 | 95 | 52% | 1720 | 0.31 | 18% | +4% | 3.1（中高） |
| E 类目 | 158 | 38% | 1310 | 0.36 | 16% | +13% | 2.5（中） |
| F 类目 | 61 | 79% | 3410 | 0.18 | 9% | -3% | 4.6（极高） |
看这张表，如果只按"综合评分越低越好"的直觉，我应该选 B 类目：卖家多、集中度低、价格分层明显、缓冲带还有 19 个百分点。这也是我朋友最初的判断方向。
这里就是本文最想讲的部分。评分卡是筛选器，不是决策器。它负责把明显不能碰的类目剔掉，但最终决定要结合"你有什么"。
B 类目看起来最健康，但它有一个评分卡体现不出来的问题：它的卖家构成里，有超过六成是近半年新进入的。这意味着市场的"低集中度"不是因为格局稳定，而是因为还没有人跑出来。谁跑出来，集中度就会快速上升，价格战随之而来。它的低分是暂时的。
而 E 类目的 158 个卖家里，近半年新进入的只有两成出头，价格离散度 0.36 说明市场对差异化有支付意愿，缓冲带 +13% 显示需求还在温和跑赢供给。更关键的是第三层行为证据：E 类目的头部产品中，有三款评分在近三个月出现明显下滑，另有两款停更超过半年。
这就是我在第三章讲的"脆弱型集中"，看起来集中度中等，实际上是头部在松动。对当时我这个有供应链资源、能做出差异化结构设计的卖家来说，E 是唯一一个"竞争强度中等但格局有裂缝"的类目。
竞争强度评估的终点不是找到竞争最小的类目，而是找到"竞争强度与自身能力匹配、且格局存在可利用裂缝"的类目。B 类目对没有供应链优势的人来说也不差，但它需要你跑得比 186 个对手都快；E 类目需要的是产品定义能力，这是我当时更有的东西。
第一，任何第三方数据平台的销量数据都是估算值，不是平台的真实成交数据。估算数据适合做横向比较，不适合做绝对量预测。我用数跨境的销量数据算 CR4 和份额分布，但从不拿它去推算"我这个产品能卖多少件"。
第二，工具的类目划分和平台官方的类目划分不一定完全一致。做跨周期对比时，我会固定使用同一套类目口径，避免因为类目调整产生虚假的增速。这一点在跨境场景下尤其重要，因为类目树会不定期改动。
你的核心约束不是利润天花板，而是"活下来的概率"。所以你的评分卡权重应该调整：把流量成本权重提到 35%，把头部集中度降到 15%。
原因是小预算团队没有能力用广告硬砸出一条流量通道，你需要的是一开始就能靠自然流量和长尾词拿到订单的类目。这类类目的特征很明确：CR4 在 25% 到 45% 之间、HHI 低于 1500、核心词 CPC 处于类目均值以下、价格离散度大于 0.25。
行动上，我建议先用一周时间跑三个类目的四层证据，然后只挑一个缓冲带为正、TACoS 低于 20% 的类目做单品测试。不要一开始就铺五个 SKU，小预算铺得越散，死得越快。
你的优势是成本结构，所以你在高集中度类目里反而可能有戏。这类卖家的评分卡权重应该反过来：头部集中度提到 30%，流量成本降到 15%。
高集中度意味着价格由头部主导，而头部通常有较厚的毛利空间。如果你的成本能比头部低 20% 以上，你可以用价格切入，在中低端价格带撕开一个口子。但前提是你要先确认一件事：头部的成本优势来自规模，还是来自供应链结构。如果是前者，你打不赢；如果是后者，你有可能赢。
你的抓手是差异化和溢价能力，所以你要关注的是价格离散度而不是集中度。
我的建议是优先看价格离散度大于 0.35、且高价位段还有稳定销量的类目。这类市场说明用户愿意为差异付费，你有内容能力就意味着你能把产品讲出溢价。反过来，如果某个类目离散度只有 0.12，所有人都在同一价位，你的内容能力几乎没有变现空间，因为用户比的是价格不是故事。
工厂型卖家的机会常常在"低集中度但高同质化"的类目里。听起来矛盾，但逻辑成立：高同质化意味着产品没有壁垒，谁的成本低谁说话。
这类类目的评分卡会显示低集中度、低价格离散度、高上新密度。对普通卖家是红海，对工厂型卖家是可以通过规模化生产吃掉利润的战场。但必须接受一个现实：这类类目的净利率通常不会超过 8%，你要的是周转率而不是单件毛利。
你的交付物不是选品结论，而是一套可复用的评估流程。所以你的重点应该放在三件事上。
当竞争缓冲带大于 15 个百分点且持续两个季度以上时，即使绝对竞争强度不低，我也倾向于进场。原因是增量市场里的竞争是"分蛋糕"，存量市场里的竞争是"抢蛋糕"。
在前者，你只要做得不太差就能分到一块；在后者，你必须把别人打下去才有饭吃。这两件事的难度差着一个数量级。
注意这里的关键词是"非价格维度"。降价不是差异化，降价的本质是把竞争拖到成本层面，而成本竞争永远有比你更便宜的人。
真正能让你在激烈竞争里活下来的抓手通常是这几种：独占的供应链资源、明确的功能性差异、被验证过的内容能力、或者一个还没被满足的细分人群。如果你找不到至少一个这样的抓手，高竞争类目对你就是纯消耗。
这是我最喜欢的一类机会。判断信号有三个，我在第五章的 E 类目案例里全部用到了。
三个信号里凑齐两个，基本可以判定这个集中度是虚的。格局松动期的竞争强度分数可能还在高位，但它的实际威胁已经大幅下降。
有些类目短期看账算不过来，但它的用户会复购、会带动关联购买、会形成品牌认知。这种情况下你用竞争强度评估时，应该把评分卡的观察周期拉长到 24 个月，而不是只看当年的利润表。
但要给自己设一条硬线：卡位型入场必须有明确的止损点，比如 9 个月内必须跑通自然流量占比目标，否则退出。没有止损点的"战略性亏损"，最后基本都会变成真亏损。
说完该进的情况，也要说清楚什么时候必须撤。以下五条只要中了三条，我个人建议直接放弃，不要纠缠。
第五条最关键。前四条是市场层面的信号，第五条是能力层面的信号。市场再差，只要有一个人能赢，那可能不是你；但如果前四条都健康而你没有任何抓手，那你进去也只是给市场贡献一个分母。
前面给了骨架，这里给出完整可落地的字段设计。我在实际使用时会把它做成一个表格，每个类目一行，每次评估记录一次，形成一个可以回溯的时间序列。
| 层级 | 字段 | 计算方式 | 权重 | 评分区间 |
|---|---|---|---|---|
| 结构 | CR4 | 前4名销售额÷类目总销售额 | 15% | 1分≥60%以下，5分≤25% |
| 结构 | HHI | 份额平方和×10000 | 10% | 1分≥2500，5分≤1000 |
| 行为 | 价格离散度 | 价格标准差÷均价 | 15% | 1分≤0.15，5分≥0.40 |
| 行为 | 评论集中度 | 前10名评论数÷类目总评论数 | 10% | 1分≥60%，5分≤30% |
| 行为 | 上新密度 | 近90天上架SKU÷总SKU | 10% | 1分≥25%，5分≤10% |
| 成本 | TACoS | 广告花费÷总销售额 | 20% | 1分≥25%，5分≤10% |
| 趋势 | 竞争缓冲带 | 需求增速−卖家数增速 | 20% | 1分≤0，5分≥+15% |
需要说明的是，这张表里的权重是我根据自己业务场景校准的结果，不代表通用标准。你的类目结构、团队能力、资金周期不同，权重就应该不同。校准方法在上文第六章第五节讲过，用自己公司过去一年的成败案例反推。
通用阈值只能作为起点。我的做法是三步校准法。
我做过一次这样的校准，结果发现对我自己的团队来说，价格离散度的分界点在 0.28 而不是通用的 0.15。通用阈值让我们错过了好几个本来能赢的类目，因为我们的产品定义能力比行业平均强，能容忍更小的分层空间。阈值不校准，评分卡就是别人的评分卡。
竞争强度不是一次性计算，它需要持续监测。我的监测节奏分三档。
除了固定频率，我还会设置三个触发式监测条件，只要触发就立即重新跑一遍完整评估：类目里连续出现三款以上新品进入前二十；头部产品评分单月下滑超过 0.3；核心词 CPC 单月涨幅超过 15%。这三个信号分别对应格局变化、壁垒松动和成本恶化，是最需要警惕的早期征兆。
没有复盘的评估体系会逐渐失准。我的做法是每次选品决策都存一份当期评分卡，6 个月后回填三个数据：实际毛利率、实际库存周转天数、是否达到预设的自然流量占比目标。
然后用这三个结果去检验当时的评分卡预测是否成立。如果连续三次出现"评分卡看好但结果失败"，那说明权重需要调整；如果连续三次出现"评分卡看衰但结果成功"，那多半是某个维度的阈值定得过严。
回到最初那个例子。我的朋友看到的是"首页全是几千条评论"，我看到的是一组数据：CR4 只有 38%、头部产品评分在连续下滑、价格离散度 0.36、竞争缓冲带还有正 13 个百分点。我们看的是同一个类目，但因为评估方式不同，得到了完全相反的结论。
竞争强度这个维度最大的价值，不在于帮你筛掉"看起来很难"的类目，而在于把"难"拆解成具体的、可以应对的结构问题。是壁垒太厚？是成本太高？还是格局正在变化但你还没发现？这三种"难"对应完全不同的应对方式，混在一起看，就只能得出"不能做"这一个结论。
我这两年最大的体会是：竞争强度的分数从来不是决策本身，它只是把决策从"感觉这个类目卷不卷"，变成"我在这个结构里的位置在哪里、我的优势能不能兑现"。前者靠直觉，后者靠证据。
如果你打算把这一套用起来，我建议按这个顺序走三步。
工具层面，数据采集和跨周期对比这类重复劳动交给 数跨境 这类平台去做，你把自己的时间留在判断上，判断哪个指标在当下更重要，判断自己的优势在哪个结构里能兑现。这部分是任何工具都替代不了的，也是选品这件事真正的门槛所在。
读者评论
把流量成本当作竞争强度的隐形税，这点很少人提。我以前选品只看毛利和评论数，结果广告一开，TACoS直接干到30%以上，利润全被吃掉了。文章里25%这条经验线挺实用，但不同平台、不同阶段差异很大，建议新手先小预算测CPC再决定。
卖家数量不等于竞争强度这个坑我也踩过。进了一个只有几十个卖家的类目，以为捡漏，结果头部六家锁死八成销量，评论门槛八百起步，根本挤不进去。文章把'在场'和'可进'区分开很关键，光数卖家数的分析方法确实太粗糙了。
最认同趋势斜率那一段。结构指标再漂亮，也只是存量快照，挡不住供给端快速涌入。我自己就吃过亏，进场时CR4很低，半年后价格战打得均价腰斩。建议除了看两个季度的卖家增速，还要看新品的评论爬升速度，那个更早暴露竞争加剧。
评分卡思路不错，但数据获取是最大门槛。CR4、HHI、价格离散系数这些，中小卖家很难拿到准确数据，第三方平台口径也不统一。文章说了口径要窄，这点对，但实际执行时往往只能靠榜单估算，误差不小，权重再合理也可能被脏数据带偏。