去年三季度，我帮一个做家居收纳的团队复盘商品盘，他们给我看的第一张表，是一张"竞争强度指数"日报。表上每天一个数字，从 62 涨到 78，标红。我问他们：数字涨了之后你们做了什么？负责人愣了一下说，我们讨论了三天，结论是"再观察观察"。这件事让我意识到，很多团队在商品分析上卡住的地方，根本不是"不会分析"，而是把一个分析指标误当成了管理对象。竞争强度当然要看，但它的位置是仪表盘，不是方向盘。
这篇内容我想把这件事讲透：为什么"以竞争强度为核心"会出问题，四个最常见的误区分别长什么样，以及一套我实际用过的、从监测到复盘的管理闭环。中途我会用跨境电商数据平台"数跨境"做一次真实场景演示，把"价格带拥挤度"这种听起来很虚的概念，落到一条能跑的 SQL 和一张能决策的表上。
先把标题里的歧义说清楚。"以竞争强度为核心的常见误区方案"，可以理解成两类东西：一类是"以竞争强度为核心"这种做法本身有哪些误区，另一类是"针对这些误区，给一套方案"。我写的是第二类，但我的核心判断落在第一类上，把竞争强度当作商品分析的核心，这个动作本身就是最大的误区。下面给四条结论，后面所有内容都在展开这四条。
仪表盘和方向盘的区别，不在于重不重要，而在于它在决策链条里的位置。仪表盘告诉你现在的车速和路况，方向盘决定你往哪打。竞争强度高，本身不推导出任何动作，它只是告诉你"路况变复杂了"，往哪打还得看你自己的目的地、油量和车况。
我见过太多团队把顺序搞反了：先看竞争强度，再想应对动作。正确顺序应该是先定商品结构目标（这个季度要保住多少毛利、要开几个新价格带、要砍掉多少长尾 SKU），再拿竞争强度来判断"在当前路况下，这个目标还成不成立"。
这是最隐蔽的代价。当竞争强度成为核心 KPI，所有人的注意力会同步锁定在少数几个公开信号上：对手降价了、对手上新品了、类目 CPC 涨了。结果是全类目的玩家在同一时间做同一件事，一起降价、一起跟品、一起抢同一批关键词。
动作趋同会带来一个后果：营销效率被系统性稀释。你在跟，对手也在跟，双方的获客成本一起涨，毛利率一起掉，只有平台流量收入在涨。这不是竞争激烈导致的，是管理逻辑同质化导致的。
商品分析的管理对象，应该是两样东西：一是 SKU 的角色结构（哪些是引流款、哪些是利润款、哪些是防守款、哪些是形象款），二是每类 SKU 的单位经济模型（单件毛利、履约成本、退货率、资金占用天数）。
竞争强度在这套体系里的作用，是给结构判断提供外部约束条件。比如：某个价格带竞争强度从"中"跳到"高"，意味着原来那批利润款的定价空间被压缩了，这时候你要做的是重新分配利润款和引流款的比例，而不是单纯降价。
一个没有口径、没有分级、没有更新频率的"竞争强度指数"，在管理上是无效的，因为它无法触发动作。有效的形式长这样：在明确口径下，把强度分成三到四档，每一档对应一组预设动作，按固定频率复核。这部分是第四节的正文。
第一节我说了结论，这一节回到真实场景，讲清楚为什么这件事这么难。核心障碍不在工具，在口径。
我做过一个小测试，在不同团队里问同一句话："你们说的竞争强度，具体指什么？"答案大致分三类，而且经常在同一个会议室里同时出现。
这三个口径不仅数值不同，变化方向经常是相反的。一个类目可能供给密度在下降（小卖家退出），但流量成本在快速上升（头部加大投放）。如果你只用一个数字表达，这个反差就消失了。
第一种混乱是KPI 互斥。投放组盯 CPC，商品组盯价格带份额，采购组盯周转天数。三个人汇报都正常，合起来是亏的。因为投放组为了压 CPC 会买低质流量，商品组为了抢份额会降价，采购组为了压周转会缩备货，最后一起把毛利和现货率做崩。
第二种混乱是动作冲突。同一周里，商品组给某个 SKU 降价了，投放组同时把这个 SKU 的关键词预算砍了。两件事单独看都有理由，合起来是"降价没流量"，白降。
第三种混乱是不可归因。三个月后复盘，毛利掉了 6 个点，没人说得清是竞争加剧导致的、自己降价导致的、还是流量结构变化导致的。因为起点就没有统一口径，终点自然无法归因。
回到开头那个家居收纳团队。他们的"竞争强度指数"其实是把三个口径等权平均出来的，62 涨到 78，涨幅主要来自流量成本口径（CPC 从 0.42 涨到 0.71 美元），价格烈度口径基本没动，供给密度口径甚至略降。
如果当时能把口径拆开，结论会非常清楚：不是有人在打价格战，是流量变贵了。对应的动作应该是调投放结构、提高自然流量占比、把预算从泛词转到精准长尾词，而不是"再观察观察"。他们讨论三天没结论，不是因为数据不够，是因为把三个不同性质的问题压缩成了一个数字。
前面讲了口径问题，这一节拆误区。每个误区我都按"现象，机制，代价，自检问题"四段写，你可以直接拿去对照自己的团队。
现象：周会上第一个被讨论的指标是竞争强度，讨论完才去想自身库存和毛利目标。或者更常见的：只要强度上升，就默认"必须做点动作"，动作内容再议。
机制：这是典型的"外部信号驱动"决策。外部信号的特点是，你无法控制它，也无法预测它，只能反应。长期下来，团队会形成一种被动节奏：对手动一下，自己动一下；对手不动，自己也不动。
代价：丧失定价主动权。更麻烦的是，团队会逐渐失去对自身商品结构的判断能力，因为所有判断都被"对手在干什么"锚定了。
自检问题：你上一次调整商品结构，理由是对手动作，还是自身利润目标？（1）如果答案是对手动作，说明竞争强度已经越位成了决策起点。（2）如果答案是自身目标，那竞争强度是作为约束条件出现的，位置正确。
现象：盯着竞品的价格、SKU 数、上新节奏，却说不清自己每个价格带的毛利贡献、每个 SKU 的角色定位、库存里有多少是三个月没动过的长尾。
机制：竞品数据是外部公开的、可比的、相对容易获取的，自身结构数据是内部的、口径混乱的、需要清洗的。人天然会往容易的地方走。
代价：动作没有落点。同样的"竞争强度上升"，对一个利润款占比 60% 的店铺和一个引流款占比 70% 的店铺，含义完全相反，前者要防守，后者可能是机会（对手退出后引流成本下降）。不看清自身结构，就只能做统一动作。
自检问题：你能不能在三分钟内说出自己 TOP 20 SKU 的角色分配和毛利贡献？（1）能，说明结构是清晰的，竞争强度才有意义。（2）不能，那先补结构底表，再看竞争强度。
现象：把供给密度、价格烈度、流量成本加权平均成一个"竞争强度指数"，每天更新，作为唯一的管理依据。
机制：单指数看起来简洁、好汇报、好做趋势图，但它的前提是三个维度同向变动。现实里它们经常反向变动，平均之后互相抵消，剩下的数字既不代表价格战，也不代表流量成本。
代价：决策指向错误。前面那家家居收纳团队就是典型案例，实际是流量变贵，他们按"竞争全面加剧"来理解，方向就偏了。
自检问题：你的强度指数拆开之后，三个分项的变化方向是否一致？（1）如果长期一致，说明你的类目确实单一驱动，可以保留单指数。（2）如果不一致，单指数必须拆开用。
现象：按季度或半年看竞争强度，然后做一次大调整。中间三个月不动。
机制：竞争强度是有周期的，而且它对经营结果的影响有滞后。对手降价到你的转化率下滑，中间通常隔两到四周；流量成本上升到你的 ACOS 突破盈亏线，中间通常隔一到两周。按季度看，你看到的永远是已经发生完的事。
代价：永远慢半拍。更糟的是，你会把滞后效应的结果误判成因，比如看到毛利下滑，以为是这个月竞争加剧，实际是两个月前那次跟价留下的库存结构问题。
自检问题：你现在的复盘周期，和竞争强度变化的周期匹配吗？（1）如果你的类目一周内就能出现明显价格变动，月度复盘是不够的。（2）如果类目变动以季为单位，周度复盘又过度消耗人力。
现象：竞争强度上升的标准应对动作是降价，最多加上"加大投放"。降价 + 加投放，是绝大多数团队的全部工具箱。
机制：这两个动作见效最快、最容易量化、最容易向上汇报。而调品（换 SKU 结构）、调结构（重排价格带）、调服务（履约时效、售后政策）见效慢、周期长、归因难，天然被忽略。
代价：毛利单向下滑。降价是价格轴上的动作，加投放是流量轴上的动作，两者都直接消耗毛利，没有任何一个动作在补充毛利。做久了，商品盘会变成一个"高流量、低利润"的结构。
自检问题：过去半年，你应对竞争强度上升的动作里，有多少比例是"降价/加投放"？（1）超过 80%，说明工具箱太窄。（2）低于 50%，说明你有结构性的应对手段。
误区讲完了，这一节给修正方案。核心是把竞争强度从"一个被观察的指标"改造成"一个有流程的管理对象"。我用的框架是五步闭环：定口径 → 定频率 → 分级 → 映射动作 → 复盘归因。每一步都必须落到具体的责任人、表格和触发条件，否则还是"看"。
我的建议是永远不要合并成一个指数，至少在你对三个口径的变动规律有两年以上观察之前不要合并。分开记录，各自设阈值。
| 口径 | 核心指标 | 建议更新频率 | 主要用途 |
|---|---|---|---|
| 供给密度 | 同类目在架 SKU 数、活跃卖家数、月度新增 SKU 数 | 月 | 判断赛道长期吸引力，决定是否继续投入 |
| 价格烈度 | 同价格带价格离散度、促销频次、促销深度、价格带拥挤度 | 周 | 判断利润空间，决定定价与价格带布局 |
| 流量成本 | 核心词 CPC、广告 ACOS、自然流量份额 SOV、广告位占比 | 日/周 | 判断获客效率，决定投放结构与预算分配 |
这里有个细节：三个口径的更新频率不应该一样。供给密度月度更新足够，价格烈度需要周度，流量成本需要日度（因为广告竞价是日变的）。如果全部按同一频率更新，要么浪费人力，要么遗漏信号。
更新频率不该由"我们习惯周会"决定，而该由决策响应时间倒推。方法是：先测出"从竞争强度变化到经营指标变化"的滞后天数，再把更新频率设在滞后天数的一半以内。
举个具体例子。如果实测竞品降价后第 3 周才影响你的转化率，那么价格烈度口径至少每周更新一次，最好是每周两次。因为你要在滞后窗口内做出响应，而不是等结果出来才反应。反过来，如果供给密度的变化要半年才影响你的经营，月更就够了，日更纯属浪费。
分级是整套闭环里最关键的一步，因为它把连续的数字变成了离散的、可执行的判断。我建议每个口径分三档，不用五档，五档在实际操作里区分度不够。
分档的阈值怎么定？不要照搬行业标准，用自身历史分位数。把过去 12 个月的数据排序，取 30% 和 70% 分位作为分界线。这样分出来的三档，天然对应你自己的经营节奏。
这一步是把分级落到动作。我的做法是做一张映射表，横轴是强度等级，纵轴是动作类型，格子里写具体动作和责任人。表格必须在开会前就填好，会上只做微调，不做从零讨论。
| 强度等级 | 调价 | 调品（SKU结构） | 调投放 | 调结构（价格带） |
|---|---|---|---|---|
| 低 | 利润款试提价 2%-5% | 上新 3-5 个测试 SKU | 保持预算，测试新词 | 进入 1 个此前回避的价格带 |
| 中 | 维持价格，优化组合装 | 砍掉尾部 15% 长尾 SKU | 预算向高转化词集中 10% | 重排引流款与利润款比例至 3:7 |
| 高 | 不正面跟价，改推差异款 | 冻结上新，保利润款库存 | 砍低效词，保品牌词与长尾词 | 退出最拥挤价格带，转向细分带 |
这张表的价值不在于内容多正确，而在于它把决策前置了。真正的高强度时刻，人是慌的，临场讨论一定会偏向保守或激进两个极端。有了预设表，会议时间从"讨论做什么"变成"确认做哪个"，响应速度能提升一个量级。
复盘最容易犯的错，是把结果直接归因给竞争。正确的顺序是先做外因/内因拆分，再看交叉。
这个拆分不需要复杂模型，一张抛物线式的对照表就能做：左边列外部指标变化，中间列基线推算值，右边列实际值。差额超过 20% 的部分，才值得专门复盘。
抽象框架讲完，这一节讲具体怎么拿到数据。我平时用的工具之一是数跨境（shukuajing.jiushuyun.com），它主要面向跨境电商场景，做竞品监控、类目分析、关键词和价格带层面的数据采集。下面这段是我实际做过的一次复盘过程，你可以对照自己的流程。
当时的问题很具体：一个做家居收纳的店铺，主销价格带在 25-35 美元，连续两个月毛利率下滑 4.2 个百分点，团队判断是"竞争加剧"，准备全线降价 8%。我要求先验证一件事，到底是价格战，还是流量成本上升。这两件事的应对方式完全不同。
验证方法定了两步：第一步，看价格烈度口径（同价格带的价格离散度和促销深度）；第二步，看流量成本口径（核心词 CPC 和 ACOS）。三天内出结论。这就是"定口径"的实操意义，不是概念，是减少三天无结论会议。
价格烈度口径里，我常用一个指标叫价格带拥挤度。定义很简单：某个价格带的 SKU 数量占比，除以该价格带的销量份额。比值大于 2，说明这个价格带"人挤人但没人买"；比值小于 0.8，说明这个价格带供给不足、需求外溢。
这个指标比单纯看"对手数量"有用得多，因为它把供给和需求放在同一个坐标系里。下面是我当时用来算这个指标的 SQL 逻辑（简化版，字段名按通用口径写）：
-- 价格带拥挤度：把类目 TOP500 竞品 SKU 按价格带分桶 SELECT FLOOR(price / 5) * 5 AS price_band, -- 价格带（5美元一档） COUNT(*) AS sku_cnt, -- 该价格带SKU数 COUNT(*) / SUM(COUNT(*)) OVER () AS sku_share, -- SKU数量占比 SUM(monthly_sales) AS sales_vol, -- 月销量 SUM(monthly_sales) / SUM(SUM(monthly_sales)) OVER () AS sales_share, -- 销量份额 -- 拥挤度 = SKU数量占比 / 销量份额，>2 视为拥挤 (COUNT(*) / SUM(COUNT(*)) OVER ()) / (SUM(monthly_sales) / SUM(SUM(monthly_sales)) OVER ()) AS congestion, SUM(monthly_sales * price) AS gmv, -- 该价格带GMV AVG(gross_margin) AS avg_margin -- 平均毛利率 FROM competitor_sku_snapshot WHERE category_id = 'home_storage' AND snapshot_date = CURRENT_DATE GROUP BY 1 ORDER BY 1;
跑完之后我得到一张表，结论比预想的清楚。25-30 美元档的拥挤度是 2.7，30-35 美元档是 1.4，35-40 美元档只有 0.6。而 35-40 美元档的平均毛利率比 25-30 美元档高 4.9 个百分点。也就是说，当时那个"竞争加剧"的判断，其实方向是错的，真正的问题不是主销价格带太挤，而是团队一直没往供给不足的高毛利价格带布局。
为了确认不是价格战，我又看了流量成本口径。当时的观察是：核心大词 CPC 从 0.42 美元涨到 0.71 美元（涨幅 69%），但价格烈度口径里的价格离散度基本没变（0.29 到 0.31），促销频次也没明显增加。结论明确：这是流量成本上升，不是价格战。
这两个口径给出完全不同结论的时候，管理动作的优先级就出来了：投放结构优化优先（把预算从泛词转向精准长尾词、提升自然流量占比），价格带布局次之（往 35-40 美元档布局测试款），直接降价应该被否决。
说句实在话，工具在"分级"和"映射动作"这两步帮不上什么忙，那是管理设计的问题。它真正提升效率的是前两步：口径数据的采集速度和一致性。
我用数跨境的体感是这样：过去手工抓竞品价格和 SKU 数据，一个类目 500 个 SKU 要两到三人天，而且每次抓的口径还不一样（有人算促销价，有人算原价），导致趋势图没法看。用了之后，采集和口径固化这一步基本能做到按周自动更新，人力从"人天"降到"人小时"，省下来的时间才可能去做真正需要的分级和映射。
我要强调一点：工具解决的是"数据可得性"，不是"决策正确性"。前面那个店铺如果只是拿到了更快的竞品价格数据，但没有定口径、没有做价格带拥挤度分析，他们依然会按"竞争加剧"去全线降价，而且降得更快。工具会让错误决策执行得更有效率，这句话不好听但是真的。
前面是通用框架，这一节按团队规模和阶段给差异化建议。我不建议中小商家照搬品牌的流程，也不建议品牌照搬中小商家的反应速度。
中小商家的核心矛盾是人力有限，不可能三个口径都做日更。我的建议是只做一个口径，但做扎实。
按这个做法，一个两人团队每周投入 2-3 小时，就能把闭环跑起来。这笔投入的回报不在于发现什么惊人洞见，而在于避免在错误方向上的三次降价。
中型团队（有独立商品组、投放组、采购组）的核心矛盾是协同，不是数据。这时候最重要的动作是建立一张跨部门共用的映射表，并且规定：任何一次调价，必须先在表上找到对应的强度分级依据。
具体建议：
这里最关键的是把"讨论"和"执行"分离。很多团队的问题不是讨论不够，是每次都要重新讨论。预设表一旦成立，会议时长能压缩一半以上。
品牌商家的特点是动作周期长（新品开发 3-6 个月）、资源投入大、有品牌溢价能力。这时候竞争强度的用法应该更靠前，不是应对当期变化，而是作为中长期结构规划的外部约束。
前面给的是建议，这一节讲取舍。管理动作从来不是"要不要做"，而是"用 A 换 B"。下面四组取舍是我在实际复盘里反复遇到的。
响应越快，可用于论证的时间越少，误判概率越高。我的建议是按后果的可逆性来分配速度。
很多团队的失误在于把这两类混在一起，广告出价讨论三天，砍 SKU 却当场拍板。这是完全反过来的。
数据越精确，采集成本越高，更新频率就越低。这是一个硬约束，没有两全方案。我的取舍原则是：趋势判断用低频粗数据，阈值触发用高频粗数据，都不用高精度数据。
具体说，判断"竞争强度是长期上升还是短期波动"，用月度粗数据足够了；设置"突破阈值就报警"的机制，用周度粗数据也够了。真正需要高精度数据的场景其实很少，主要是定价前的价格带拥挤度测算，因为这时候差 1 个百分点可能对应几万美元的定价区间。
监控 500 个竞品 SKU 做广度覆盖，和深挖 5 个核心对手做深度分析，资源不可兼得。我的建议是先广度、后深度，且深度只用在"高威胁对手"上。
高威胁对手的判定标准可以很具体：过去 6 个月内，在你的核心关键词下自然排名稳定进入前 10、且价格带与你重叠度超过 60% 的对手。符合这两个条件的通常不超过 5 个。对这几个对手做 SKU 级拆解（上新节奏、价格调整频次、评价增长速度），其余的只用广度数据看趋势。
这是最痛的一组取舍。短期跟随能保住当期销量和排名，但会侵蚀毛利和品牌定位；不跟随会丢当期的转化份额，但能守住结构。
我的判断框架是看对手跟价的持续性。如果对手是短期促销（两周内会回调），跟随没有意义，因为你在用长期价格换短期份额；如果对手是永久性降价（成本结构改善或战略调整），那必须重新评估自己的价格带位置，而不是简单跟或不跟。
具体的判断信号有三个：一是降价后对手的广告投放是否同步增加（说明是战略性的）；二是降价幅度是否超过所在价格带的离散度阈值（说明是结构性的）；三是对手是否同步上了新 SKU（说明是产品线整体调整）。三个信号里命中两个以上，就按永久性降价处理。
如果四组取舍只能记一条，记这条：可逆决策求快，不可逆决策求稳。竞争强度管理里绝大多数失误，都是把不可逆的事（砍 SKU、改价格带、调备货）当成了可逆的事来快速处理。
回到最开始那句话：竞争强度是仪表盘，不是方向盘。这篇文章想说的核心判断只有一条，把竞争强度当核心的团队，最后都会被它牵着走；把它当成输入变量的团队，才有可能保持自己的节奏。
我把全文的关键判断收成五条，你可以直接拿去对照：
这些判断不是从书里推出来的，是从我参与复盘的几个团队里总结的。回头看，那些毛利掉得最惨的案例，没有一个是"数据不够"导致的，全部是"口径不清 + 动作单一 + 快慢颠倒"这三件事叠加的结果。
如果你现在就要动手，我的建议是从最小的一步开始，不要一上来做全套体系：这周先做一件事，把你团队里"竞争强度"这四个字拆成三个口径，各自写一句定义，然后问问三个不同岗位的同事，看他们的理解是否一致。我几乎可以保证，你会得到至少两种不同的答案。
发现口径不一致的那一刻，就是你真正开始"管"竞争强度的起点。之前的所有讨论，都只是在"看"。
我们团队开商品会的时候，运营说竞争强度是同类商品数量太多，采购说是隔壁几家在打价格战，投放又说是流量越来越贵，三个人三个说法，最后谁也说服不了谁，分析报告写完还是没法落地。
先把口径拆成三个可量化维度再谈管理：一是供给密度，用同类目在架商品数、近30天新增商品数衡量；二是价格烈度，用同价格带商品占比、近90天降价商品比例、最低价与均价差幅衡量；三是流量成本，用核心关键词点击成本、千次曝光成本的变化幅度衡量。
三个维度各自定数据来源、统计周期和责任人，写进同一张表，再约定哪个维度触发什么动作。口径不统一的问题本质不是概念之争，而是没有把口径落到具体字段和周期上，只要每个维度都有明确的计算方式和更新频率，团队自然会对齐。判断依据是：口径必须能被复现，同一份数据换个人算出来结果要一致，否则就是无效口径。
我每周都出商品分析报表，销量、毛利、周转、竞争强度都列得清清楚楚，但老板看完只问一句‘所以要我做什么’，我才发现自己也答不上来。分析做了大半年，感觉就是给别人看数字，管理动作一个都没落地。
问题出在报表是‘看’的产物，不是‘管’的产物。改法是把每个指标后面强制挂一个动作选项：指标变化触发的是调价、调品、调投放还是调结构，并且在报表里直接写上建议动作和责任人。
具体做法是建一张映射表，横向是竞争强度分级（高、中、低），纵向是自身商品状态（毛利健康度、库存周转、流量效率），交叉格子里填具体动作，比如高强度加低毛利就触发调价或下架评估，高强度加高毛利就触发加投。报表只保留能触发动作的字段，删掉纯展示型指标。
判断依据是：一张报表如果连续两期没有任何动作被触发，说明它要么字段冗余，要么没挂决策逻辑，应该重构而不是继续填数。
我们上一季度就是盯着竞争对手调价，对手降我也降，对手上新品我也跟，结果价格越打越低，毛利掉了一大截，自己的商品结构也乱了。我现在怀疑是不是一开始方向就错了，但又不知道错在哪一步。
最大的坑是把竞争强度当成决策起点而不是参考输入。竞争强度是外部信号，它回答的是‘环境变了没’，不回答‘我该不该跟’。正确的顺序是先看自身商品结构：这个商品在我的品类矩阵里承担什么角色，是引流款、利润款还是形象款，它的毛利底线和库存周期是多少。
再看竞争强度是否触及了这个底线，只有触及底线才需要动作，没触及就按自己的节奏走。对标陷阱的本质是用别人的动作替代自己的判断，跟品跟价只是最省事的应激反应。判断依据是：任何一次调价或跟品动作，如果你说不清它对应自身哪个结构目标，那这次动作就是被竞争强度牵着走，而不是在管竞争强度。
我们是个十几个人的小团队，看那些大品牌的商品管理方法论，动不动就讲品类矩阵、生命周期、结构性布局，我们连专职的数据分析都没有，感觉完全用不上。想知道小商家到底该怎么管，别给我讲那些大公司才配做的东西。
中小商家和大品牌的核心差异不是工具，而是容错空间和响应速度。小商家应先管生存性指标：现金流周转天数、核心单品的毛利底线、库存消化周期，竞争强度只用来触发快速响应，比如对手降价导致你的转化率连续三天下滑超过15%，就启动调价或换主推款，动作要快、幅度要小、复盘要勤。
大品牌可以承受更长的调整周期，所以更适合按季度做结构性布局，用品类矩阵和生命周期来分配资源。小商家不需要套用大品牌的全套框架，只需要守住两条线：一是单品毛利不击穿底线，二是现金不断流，其余动作都可以快速试错。判断依据是：小商家的管理动作如果超过两周还看不到反馈，说明周期设太长了，应该切回短周期响应。
读者评论
把竞争强度指数拆成供给密度、价格烈度、流量成本三个口径这个做法很实用，我们团队之前就是混在一起看，结果投放和商品组经常打架，现在终于知道问题出在哪了。
作者说竞争强度是仪表盘不是方向盘，这个比喻挺到位。但实际操作中，很多中小团队不是不想管商品结构，而是根本没有精力做那么细的SKU角色划分，先解决有没有的问题更现实。
三天讨论零动作那个案例太真实了。我们公司也是，数据看了一堆，会开了一堆，最后结论就是再观察观察。核心问题不是数据不够，是没人敢拍板，口径统一了也未必能治好这个病。