上周三晚上十一点，一个做家居类目的朋友把三张截图发给我：第一张是某平台搜索指数三个月上涨 140%，第二张是竞品月销 2 万+，第三张是他们自己新品的后台，上架 47 天，动销率 19%，退货率 11%。他问我："需求明明在，为什么我们做不起来？"我看完只回了一句：你手里这三张截图，没有一张能证明"需求属于你"。这是我在商品分析这件事上见过最多的失败，不是没找到需求，而是把某一级别的证据，当成了决策级别的证据。
这篇文章不讲十大误区清单。我想讲的是误判是怎么发生的，以及怎么用一套可执行的证据分级，把"围绕市场需求"这句话从会议室口号变成能落到商品分析报告里的动作。全文基于我自己做过的选品复盘、跨境类目观察，以及可公开验证的数据逻辑，不虚构来源。
先给结论，后面再慢慢拆。商品分析里最贵的错误，不是没看到需求，而是用 C 级证据做了 A 级决策。搜索指数、访谈反馈、达人看好、老板直觉，这些东西本身没错，错的是它们被直接搬上了"投不投、备多少货、压多少钱"的决策桌。
需求不是结论，是待验证假设；商品分析不是找答案，是管理不确定性。判断一个商品值不值得做，本质是回答三件事：这个需求是否真实、是否属于我、是否在此刻属于我。三件事分别对应不同的证据等级，混在一起谈，就会变成互相说服不了的立场之争。
我复盘过自己参与和旁观过的立项决策，把失败原因归成三类机制。第一类是证据越级：把只能生成假设的信息，当成可以下单的结论。第二类是语境丢失：把别人的成功条件从成功里摘掉了，只留下"他卖爆了"这个结果。第三类是时间错位：把过去 12 个月的信号，当成未来 6 个月的机会窗口。
这三类机制能解释绝大多数"看起来分析得很认真，结果还是错了"的案例。后面讲的六类常见误区，其实都可以映射到这三类机制上，这是我看待这个问题跟很多文章不太一样的地方：误区不是一个清单，而是同一台机器在不同位置出的故障。
清单式内容的问题是，它只回答"错在哪"，不回答"怎么改"。读者看完点头，回到工位上还是不知道下一步做什么。更麻烦的是，清单会把复杂判断简化成对错题，让人误以为"避开这十条就安全了"。真实决策没有安全区，只有风险敞口大小和验证成本高低。
所以本文的目标只有一个：给出一套可以写进报告、贴上会议白板、当场就能用的判断结构。
先说场景。如果你在电商公司做过商品企划，接下来的对话你应该非常熟悉，熟悉到有点尴尬。
运营说："这个类目搜索涨得很猛，小红书笔记量翻倍。"销售说："我问了三个老客户，都说有兴趣。"老板说："竞品上个月卖了两万多件，我们为什么不做？"商品说："那先备一批试试。"
四句话，四个证据等级，最后合并成了一个动作。问题不在于谁说错，而在于没有人先问一句：这个证据属于哪一级，它能支撑到哪一步。会议结束时的"共识"，其实是四种不同强度的信息被强行拉平的结果。
第一次是家居收纳类目。立项依据是搜索指数连续三个月上涨，我们在第 4 个月上架，结果上架时类目已经有 30 多个同类新品在同一个月涌入。搜索上涨本身就是招商信号，它吸引的不只是你。这就是时间错位，我看到的信号，别人也看到了，而且比我早三个月。
第二次是宠物用品。立项依据是达人愿意带货，代价是 35% 佣金。上架后确实走了一波量，但达人停推之后 7 天，日销掉回基线以下，退款率同期升到 14%。达人愿意带，证明的是渠道推力，不是需求拉力。这是典型的语境丢失。
第三次更典型：我们用问卷做了 200 份样本，68% 表示"愿意购买"，价格带定在 99 元。上线后转化率 0.9%。回头翻问卷才发现，题目是"如果有这样一款产品你会考虑吗"，而不是"如果售价 99 元，你现在会下单吗"。问卷问的是态度，我们当成了行为。这是证据越级。
把上面三次失败的立项材料翻出来对比，我发现一个规律：分析做得越"完整"的项目，失败率反而更高。因为完整意味着堆了很多 C 级和 D 级证据，市场规模、行业趋势、用户画像、竞品分析、SWOT，这些内容看起来严谨，但没有一条能回答"谁会在这个价格下用真金白银买"。
反而是那种材料很薄、只做了一次预售或一次小流量投放的项目，结果更接近预期。这不是说分析没用，而是说分析的重量不等于证据的强度。一份 60 页的报告，如果全部由 C 级证据组成，它的决策价值低于一张 200 单的预售数据表。
讨论误区之前必须先把定义钉死。否则"需求"这个词在不同人嘴里指的是不同东西，争论永远无法收敛。
我把需求看成一条五级过滤链：需要（问题真实存在）、想要（用户意识到并产生偏好）、买得起（价格在支付能力内）、买得到（渠道可触达且履约稳定）、会复购（不是一次性冲动）。
大部分被误判为"有需求"的商品，卡在第二级和第三级之间。"需要"和"想要"是心理事实，"买得起"和"买得到"是商业事实，只有后者才能撑起一个可持续的商品。很多分析报告的问题，是全程停留在心理事实层面。
沿着这条链再往下拆，我通常要求一份商品分析至少回答七个条件，缺一条就标红提示。分别是：目标人群、使用场景、待完成任务、现有替代方案、支付意愿、触达渠道、时间窗口。
前四条回答"需求是否真实"，中间两条回答"需求是否属于我"，最后一条回答"是否在此刻属于我"。我在团队里推行这个结构后，最明显的变化是：汇报时长缩短了一半，因为很多项目在第三、四条上就暴露了问题，根本撑不到市场规模测算那一步。
如果只留一句话，我会这么定义：市场需求，是指在特定场景下，特定人群为完成特定任务，愿意以特定价格，通过特定渠道反复购买的东西。没有场景、价格和渠道的需求，只是愿望。愿望不构成商品机会。
现在进入正题。我把六类高频误区按"表现，成因机制，修正动作"三段式拆开。注意成因机制那一栏，它才是真正需要改的地方。
表现：看到竞品月销过万，直接推断类目需求旺盛，于是立项跟进。
成因机制：语境丢失。销量是结果，不是原因。一个链接的高销量可能来自渠道推力、平台补贴、达人集中带货、低价清仓、站内推荐位、甚至刷单。这些条件里，你能复制几个？
修正动作：把销售拆成来源结构，看自然搜索占比、复购率、退款率、毛利水平、生命周期长度。如果自然搜索占比低于 30%，说明这个销量高度依赖外力，你复制产品容易，复制推力极难。
表现：看到关键词搜索量上涨，就认为需求在增长，立刻排产。
成因机制：证据越级 + 时间错位。搜索行为至少包含五种意图：真的想买、比价、找替代品、看测评、纯好奇。搜索量上升也可能来自内容营销带动的围观，而不是购买意愿提升。
修正动作：拆搜索意图。看这个词下面点击集中度、加购转化率、支付转化率、以及同类竞品的数量变化。如果一个词的搜索涨了，但同期竞品链接数涨得更快，那不是机会，是赛道变拥挤的通知书。
表现：完整拆解竞品的产品卖点、主图、评价，然后照着做一版更便宜的。
成因机制：语境丢失。竞品的成功至少由六项条件支撑：供应链成本、价格带定位、渠道资源、内容能力、资金周转周期、时间窗口。你在分析里只看到了"产品"这一项。
修正动作：做一张条件对照表，把六项逐一打分，标出自己明显弱于对手的项。如果你的弱势项正好是对方的强势项，跟进就是给对手送流量。
表现：问卷 60% 以上表示有兴趣，访谈里用户说"这个我会买"，于是判断需求验证完成。
成因机制：证据越级。说、做、付之间存在系统性落差。人在被问及假设性购买时的回答，会显著高于真实支付行为，这是被反复观察到的现象。访谈的正确用途是生成假设和发现盲区，不是验证需求。
修正动作：把问题从"你会买吗"改成"你上次遇到这个问题时，是怎么解决的，花了多少钱"。问过去行为，不问未来意向。再用预售、定金、小流量投放做支付层验证。
表现：引用行业报告里"市场规模增长 XX%"的结论，作为立项的核心支撑。
成因机制：单一化。大盘增长可以由头部集中度提升、单价上涨、渠道扩张带来，未必意味着新增的中小玩家有机会。大盘增长的同期，往往是渗透率抬高、竞争加剧、获客成本上升。
修正动作：把大盘拆成 4 个维度：细分人群、细分价格带、替代品结构、渠道空白。真正有用的判断是"在大盘增长的同时，哪一个价格带的竞争密度在下降"，而不是大盘涨了多少。
表现：做完一轮调研，把结论写进报告，之后不再跟踪，直到上架看结果。
成因机制：无法证伪 + 结论先行。如果一份分析写出来，无论数据怎么变都指向"可以做"，那它不是分析，是立项申请书。好的商品分析必须提前写清楚：出现什么数据，我就放弃。
修正动作：在项目启动时写下止损条件。例如"预售 7 天订单低于 80 单即暂停"、"投放 3 天支付转化率低于 1.2% 即调整"、"首批退货率超过 8% 即停止追单"。没有止损条件的立项，本质上是在赌。
| 常见误区 | 误判机制 | 本质问题 | 最低成本的修正动作 |
|---|---|---|---|
| 销量好 = 需求真 | 语境丢失 | 把结果当原因 | 拆销量来源结构，看自然搜索与复购占比 |
| 搜索热 = 需求大 | 证据越级 + 时间错位 | 混淆搜索意图 | 拆搜索意图，对比竞品链接数增速 |
| 竞品爆 = 我也能爆 | 语境丢失 | 只复制产品不复制条件 | 做六项成功条件对照表 |
| 用户说想要 = 会买 | 证据越级 | 态度不等于行为 | 问过去行为，用预售做支付验证 |
| 大盘增长 = 我的机会 | 单一化 | 用总量替代结构 | 下沉到价格带，看竞争密度变化 |
| 一次调研 = 验证完成 | 无法证伪 + 结论先行 | 假设不可被推翻 | 立项时同步写下止损条件 |
上面六类误区的共同点，是把不同强度的信息放在了同一张决策桌上。解决办法不是不收集这些信息，而是给信息分级，并且规定每一级能支撑到哪一步决策。这是我认为目前市面上讲商品分析最少讲清楚的一块。
我把常用证据分成四级，判断依据是"离真实支付行为有多远"。
| 等级 | 证据类型 | 能支撑的决策 | 采集成本 |
|---|---|---|---|
| A 级 | 真实支付、30 天复购、留存率、退款率、渠道重复采购 | 可直接决策：追加备货、扩大投放、锁定供应链 | 高，需要真实上架与周期 |
| B 级 | 预售定金、加购收藏、小流量投放转化率、询单转化 | 可小规模投入：试点上架、限量备货 | 中，需 1-3 周 |
| C 级 | 搜索指数、评论舆情、问卷访谈、达人反馈、竞品数据 | 只能生成假设，不能直接决策 | 低，数天可完成 |
| D 级 | 直觉、老板偏好、行业报告结论、竞品爆款现象 | 只能作为假设的触发点，不能进入论证链 | 极低 |
需要说明的是，这个分级不是行业标准，是我在实务中反复调整后形成的内部规则。它的价值在于把争论变成可操作的提问：你现在说的这条，是几级证据？它够支撑这个决策吗？
第一条，高级证据优先，低级证据不能反向推翻高级证据。如果预售数据不理想，但你会上说"可是搜索量在涨""可是老板觉得能做"，这不构成反驳，只是说明你还没有找到让支付发生的方法。
第二条，低级证据只能生成假设，不能得出结论。C 级和 D 级信息的正确用法是帮你缩小假设范围，而不是替你做出判断。十条 C 级证据叠加，仍然是 C 级。
第三条，多级交叉验证，而不是单点证明。可推进的项目，通常至少满足"一条 A 级 + 两条 B 级 + 若干 C 级"，且各级之间方向一致。如果搜索涨、但加购差、但投放转化低，这种方向不一致本身就是重要信号。
一份可验证的假设，必须写到能被推翻的程度。我要求团队用固定句式："某人群，在某场景下，因为某问题，愿意以某价格，通过某渠道购买。"七个条件缺一个，这个假设就不完整。
反例是"年轻女性对收纳产品有需求"。这句话无法验证，也无法推翻，写出来只是自我安慰。正例是"一线城市租房独居女性，在换季整理衣柜时，因现有收纳盒无法叠放，愿意为可叠加款支付 129-159 元，通过小红书种草加天猫成交"。后者的每一个条件都能被单独测试。
假设写完，紧接着写验证方式和阈值。这里我用一段伪代码说明结构，实际执行时不需要写代码，但逻辑应该一样清楚。
假设: 一线城市租房独居女性 / 换季收纳场景 / 129-159 元 / 小红书种草 + 天猫成交
验证阶梯:
第 1 周 C 级 -> 评论区与搜索词观察，确认场景描述是否真实存在
第 2-3 周 B 级 -> 小流量投放 3000 元，检测点击率与加购率
第 4 周 B 级 -> 预售 7 天，定金 20 元
决策阈值:
点击率 暂停，检查主图与人群定向
加购率 调整，检查价格与卖点表达
预售 7 天 放弃，或重新定义场景
首批退货率 > 8% -> 停止追单，回查产品质量与描述偏差
止损原则: 任一层未达标，不进入下一层，不用"再多给点时间"作为理由
这段结构最大的作用不是提高成功率，而是把失败成本控制在早期。一个花 3000 元、三周内被否掉的假设，比一个花 30 万、三个月后才被市场否掉的项目便宜太多。
方法讲完，最关键的还是能不能落到日常。我给团队定的规矩很简单：报告结构固定，会议话术固定。
一份商品分析报告只允许有五个部分：结论、证据等级、关键假设、验证计划、风险提示。结论必须写明目前的证据最高到哪一级，例如"当前结论基于 B 级证据，建议小规模试点，不建议大额备货"。
这个约束会立刻暴露很多问题。以前报告里写"市场需求旺盛"，现在必须写"该判断基于 C 级证据（搜索指数与评论舆情），尚未取得 B 级以上支付验证"。写出来的瞬间，大家就明白下一步该干什么了。
不要争论感觉对不对，那是没有结果的。把争论转成两个问题：这是哪一级证据？下一步最小验证是什么？
比如有人说"我感觉这个能做"，我的回应是："好，那我们把感觉变成一个两周内能验证的假设。如果两周后加购率到 6%，我们就往下走。"这句话的作用是把立场之争变成实验设计，几乎没有人会拒绝，因为它同时也给了对方一个证明自己的机会。
我把常用字段列成一张清单，直接嵌进表格模板里，填不满的字段会标黄提醒。
跨境场景尤其需要这套分级，理由很直接：你没法做用户访谈。国内选品可以约用户聊，跨境选品连目标客群的作息、语言习惯、购物路径都要靠数据推断。这时候，数据工具的能力边界直接决定了你的证据上限。
我自己做跨境类目观察时，主要用数跨境这类跨境电商数据分析平台来拉基础盘。它的价值不是替你判断需求，而是帮你把 C 级证据的采集效率提高，并且能更快地看到结构变化，比如某个价格带的在售商品数增速、头部集中度、关键词意图分布。
但在跨境场景里，工具能给到的绝大部分信息仍然属于 C 级。平台销量、榜单排名、搜索热度都不等于你的支付证据。如果把这些直接当成决策依据，就会犯前面讲的证据越级错误，而且跨境试错成本更高，因为退货、库存、物流的沉没成本都要跨境承担。
拿一个具体的例子说。我想验证某类户外便携配件是否值得做，流程大致分五步。
这五步里，工具承担的是第一到第三步，也就是把 C 级证据采集得又快又准。真正决定成败的第四步和第五步，工具帮不了你，只能靠纪律。这是我用了十几款数据工具之后最确定的一点：工具能把信息密度提高，但替代不了决策规则的严格程度。
第一个是把平台榜单当成需求排行。榜单反映的是当期流量分配结果，不是需求强度排序。榜上产品可能正在清仓，也可能靠着大额广告撑着排名。
第二个是忽略履约门槛。同样一个产品，在国内发货和跨境发货的可达性完全不同。如果物流时效、退换货政策、关税成本把体验拉到竞品以下，"买得到"这一条就不成立。
第三个是用单一平台数据推测全局需求。不同平台的人群结构差异很大，A 平台卖得动不代表 B 平台能卖动。平台数据是渠道证据，不是需求证据。渠道证据只能证明这个渠道里有需求，不能证明你的商品有需求。
方法有了，但不同处境下的执行顺序完全不同。以下按照我实际遇到的四类情况分别给建议。
如果你只有两三周时间、预算不到一万，不要做完整调研。直接跳到 B 级验证：做一个小落地页或限量预售链接，用最小预算投放到最精准的人群。拿到的支付数据，比任何报告都值钱。
同时把假设写得足够窄，宁可只验证一个小场景，也不要验证一个模糊的大需求。窄假设更容易被证实或证伪，也更容易在失败后快速调整。
如果你手上已经有历史销售数据、客服记录、退款原因，那最该做的是用存量数据回头验证过去的立项判断。把过去 12 个月的产品按"立项依据"分类，看哪一类依据对应的动销率和毛利率最好。
这个动作的价值在于，它会给你一份属于自己公司的证据权重表。别人的行业经验不一定适用你的类目、渠道和团队能力，只有自己的复盘数据是可靠的。这份表比任何方法论都更值得投入。
没有竞品、没有历史数据、没有可参考的价格带，这种情况下最大的风险是自嗨。建议把验证顺序倒过来：先验证场景是否存在，再验证产品形态。
具体做法是先找 20-30 个目标用户的真实行为记录，他们在什么情况下讨论这个问题、用了什么替代方案、抱怨了什么。这一步产出的是 C 级证据，但足以帮你把产品方向从三个收敛到一个。然后再做 B 级验证。
这类需求的证据强度天然较高，因为对方会签合同、会下订单，属于准 A 级证据。但要注意一个坑：单一大客户的重复采购，不等于市场存在同类需求。如果你的全部订单来自一两个客户，那你做的不是商品，是代工。
判断标准是：这些客户的需求描述里，有多少是行业通用问题，有多少是他们公司特有的流程问题。前者可以产品化，后者只能项目化。
所有方法最终都会撞上一个现实：你不可能既快又准、既全面又省钱。所以必须提前想清楚在什么情况下放弃什么。
如果你的类目有明显季节性，或者正处在流量红利期，那么速度优先。这时候的策略是缩短验证周期而不是跳过验证：把预售期从 14 天压到 5 天，把投放预算集中到 48 小时。可以压缩时间，但不能压缩证据等级。
如果类目稳定、无明显窗口期，那就用足时间做 A 级验证。因为在这种类目里，慢一点的成本远低于判断错误的成本。
资源分散是中小团队最隐蔽的杀手。同一条产线同时做五个新品，每个都做不深，最后全军覆没。我倾向于在验证阶段广撒网，在投入阶段单点深挖。
也就是说，C 级和 B 级验证可以并行做五六个，成本低、速度快。但一旦进入备货和投放阶段，必须收敛到一两个。同时重仓三个以上的新品，在资金周转和运营精力上几乎必输。
有人会问"数据不够怎么决策"。我的回答是：决策从来不是等数据完备，而是在当前信息下选择风险最小的动作。如果数据不够支撑"大额备货"，但足够支撑"小批量试销"，那就做小批量试销，这本身就是决策。
真正危险的不是数据不够，而是数据不够时做了重仓决定。把决策动作拆成可逆和不可逆两类：可逆的动作（小批量、小预算投放）可以早做，不可逆的动作（开模、包销、独家代理）必须等到 A 级证据。
这是最容易被忽略的一组取舍。市场机会再大，如果你的供应链成本比对手高 20%、内容能力弱一档、资金周转慢一个月，这个机会就不属于你。
我的判断方法是把机会评分和能力评分相乘，而不是相加。机会 9 分、能力 3 分，结果不是 12 分，是 27 分；而机会 6 分、能力 8 分，结果是 48 分。相乘意味着任何一项接近零，整体就接近零，这更接近真实世界。
回到开头那个朋友的问题。他的三张截图里，搜索指数是 C 级证据，竞品销量是 C 级证据，自家动销率才是 A 级证据，但那是已经花了钱之后才拿到的。真正可惜的不是做错了，而是这三张截图本可以在上架前就能被拆开看。
每次做商品分析或参加选品会，我都会过一遍这七个问题。建议你直接抄下来贴在工位上。
这七个问题问完，大部分"感觉能做"的项目会自己现出原形。剩下那些能答完整的，才值得进入下一轮讨论。
不要试图一次把整套体系搭起来。我的建议是从一个动作开始：在下一份商品分析报告里，给每个结论标注证据等级。就这一个动作，成本极低，但它会自动倒逼你把 C 级和 D 级的信息从论证链里挑出来。
执行两周之后，再加第二个动作：给每个立项项目写一句止损条件。再往后，才是建立证据分级表和验证模板。顺序很重要，先改动作，再改制度，最后才是工具。
最后说一句我的真实判断：商品分析里最值钱的能力，不是预测准，而是发现自己错了的速度够快。需求永远有不确定性，谁也无法在立项时看清全部。能拉开差距的，是谁用更低的成本、更早的时间，把误判识别出来。这才是"围绕市场需求做商品分析"这句话真正该落到的位置上。
我们团队每次开新品会，运营说搜索热度在涨，销售说客户没主动问过，老板又拿竞品爆款说事，最后谁也说服不了谁。我特别想知道，到底有没有一个能落地的判断标准，而不是靠谁嗓门大。
别用'有没有人要'来判断，用证据分级来判断。把证据从强到弱排成四档：A级是真实支付、复购、留存；B级是加购、收藏、预售定金、小流量投放的实际转化；C级是搜索热度、评论、问卷、访谈；D级是直觉、老板偏好、达人推荐、竞品爆款。规则只有一条：高级证据优先，C级和D级只能用来生成假设，不能直接用于立项决策。
同一个需求至少要有两级证据交叉验证，比如访谈发现痛点（C级）加上小规模投放有支付转化（B级），才算初步成立。如果只有搜索热度涨了、竞品卖爆了，那只能说明'值得测一测'，不能说明'值得投'。判断真伪的核心不是需求是否存在，而是你手上最强的那条证据到了哪一级。
我之前选品就是看平台搜索指数和竞品榜单，觉得数据不会骗人，结果压了一批货卖不动，退款率还高。我一直想不通，明明数据都在涨，为什么我一做就亏，是不是我运气差。
因为搜索和销量都只反映'关注度'和'结果'，不反映'你能不能接住'。搜索热度背后可能是好奇、比价、找替代品、看评测，这些意图的转化率差别极大，必须拆分搜索词意图，再看点击率、加购率、支付转化和竞争密度。竞品销量高同样要多问几层：是靠低价清仓、达人带货、平台补贴，还是渠道硬推？
它的毛利结构、供应链成本、内容能力、渠道资源你能不能复刻？修正做法是，把竞品爆款拆成'成功条件清单'，逐条对照自己的资源，而不是复制它的表面动作。同时看自然复购率、退款率、毛利率、生命周期这四个指标，它们比销量更能说明需求是否真实、是否可持续。销量和搜索是线索，不是结论。
我们做新品前都会发问卷、找老客访谈，大家都说'这个功能挺好''有需要会买'，报告写得很漂亮，但真正上架后转化很差。我现在有点怀疑调研本身是不是没用，还是我们问的方式不对。
调研本身有用，但它只能生成假设，不能完成验证。原因很简单：说、做、付之间存在明显落差，用户在访谈里表达的是态度，不是钱包。所以问卷和访谈的正确用法是提取关键变量，而不是充当结论。可以按这个模板把假设写清楚：某类人群，在某个具体场景下，因为某个未解决的问题，愿意以某个价格，通过某个渠道购买。
然后设计最小成本的验证动作：落地页留资、预售定金、小流量投放、样品试用、渠道询单、老客回访。判断标准要提前定好，比如预售转化达到多少、加购到支付的比例达到多少、退款率低于多少，才进入下一步。一次调研只完成假设生成环节，验证要交给真实支付和小规模测试。
每次开会讨论新品，最怕听到'我觉得这个方向有戏'或者'我朋友都说会买'，然后会议就变成立场之争，谁也拿不出让所有人服气的东西。我想知道报告里应该放什么，才能把讨论拉回到可以判断的层面。
关键是把报告结构从'结论式'改成'证据式'。建议固定五块内容：第一，结论，明确写推进、调整、暂停还是放弃；第二，证据等级，逐条标注每条依据属于A、B、C、D哪一级；第三，关键假设，用人群、场景、问题、价格、渠道五要素写清楚；第四，验证计划，写明下一步做什么测试、看什么指标、什么时间点回收；
第五，风险提示，列出最可能让假设崩塌的因素。报告字段可以按目标人群、使用场景、待解决问题、现有替代方案、价格带、触达渠道、竞品情况、证据等级、验证动作、决策结论来填。遇到'我感觉有需求'时，不要争论感觉对不对，直接问：这是哪一级证据？下一步怎么验证？
把会议从立场之争变成证据和测试的排序，讨论才有出口。最后给一个自检清单：这是谁的需求、在什么场景发生、他现在用什么替代、愿意付多少钱、通过什么渠道触达、证据属于哪一级、下一步最小验证是什么。七个问题答不全，就先别急着立项。
读者评论
证据分级这个框架挺实用的，但实际工作中最难的是老板只认销量和搜索指数，你跟他说这是C级证据，他只会觉得你在推诿。工具再好，也得先解决谁有决策权的问题。
看完那个漏斗图挺有感触的。我们公司就是典型的用问卷态度数据做决策，每次都说‘用户说想要’，结果上线转化惨不忍睹。不过小流量预售验证周期多两三周，很多老板根本等不了。
作者复盘的三次失败案例很真实，特别是宠物用品那个达人带货停推后日销掉回基线，我们做美妆也遇到过一模一样的情况。佣金给到40%，停推就死，本质就是花钱买销量，不是需求验证。
干货是干货，但执行门槛不低。需求成立的七个条件要都回答清楚，一份报告至少多花一周时间。而且很多中小团队根本没有能力拆解竞品销量来源结构，自然搜索占比这种数据从哪拿？
分析做得越完整失败率越高的观察挺反直觉但确实有道理。我们之前做了60页的品类报告，结果选出来的品还不如老板拍脑袋选的一个款卖得好。不过小样本验证也有运气成分，不能全盘否定系统分析。