去年双十一之后的第二周，一个做家居收纳的运营朋友把一份商品分析报告发给我，27 页，GMV、转化率、客单价、加购率、退款率、DSR 评分一个不少。她问了我一个问题：数据这么全，为什么我还是不知道该砍哪个品？
我翻到第三页就看明白了，她给一个上架 19 天的新品，和卖了三年的老爆款，用的是同一张指标表。新品转化率 0.8% 被标红，老爆款转化率 4.1% 被标绿，报告最后建议"下架新品、加推老款"。这份报告在算术上没有错，在业务上完全是反的：新品的问题不是转化率低，而是曝光根本没起来；老款的问题不是转化率高，而是毛利已经被平台佣金和推广费吃掉了大半。
这就是我要写这份手册的原因。商品分析里最贵的错误，从来不是算错数，而是在错误的阶段看了正确的指标。下面我按导入期、成长期、成熟期、衰退期四个阶段，把每个阶段最常见、代价最大的误区拆开讲，并给出我实际用过、踩过坑的判断逻辑、指标对照和取舍标准。
过去几年我做商品诊断，见过的团队大概分三类。第一类是"月末复盘型"，商品分析只在月底和季度末做一次，做完的结论是"下个月注意一下"，然后就没了。
第二类是"指标堆砌型"，看板上有 40 个指标，每个 SKU 都填满，但没人知道哪三个指标是当前阶段真正决定生死的，最后决策靠的是老板的直觉。
第三类是"结果导向型"，只盯 GMV 和转化率两个数，因为这两个数老板看得懂。这三类团队的共同问题是同一个：它们分析的是一张静态快照，而不是一个动态过程。
先把结论摆在这里，后面的篇幅都是在解释这三条为什么成立。
如果只记一件事，那就记这张表。它在后文会被反复引用。
| 生命周期阶段 | 最常见误区 | 被误用的指标 | 应该看的核心指标 |
|---|---|---|---|
| 导入期 | 用成熟期标准考核新品，过早判死刑 | ROI、转化率、投产比 | 曝光量、点击率、加购率、首购人数 |
| 成长期 | 只看增长不看库存和复购质量 | GMV 增速、销量增幅 | 库存周转天数、复购率、毛利额增速 |
| 成熟期 | 用 GMV 掩盖利润结构恶化 | GMV、销售额排名 | 净利率、用户分层贡献、关联购买率 |
| 衰退期 | 一刀切下架，不做长尾和迁移评估 | 销量同比降幅 | 长尾毛利贡献、用户重叠度、清仓回收率 |
这里要说明一句：这张表是常见划分，不同企业的阶段定义可以更细（有的会拆出"爆量期""平台期"），但每个阶段"看什么指标"的原则是一样的。
我统计过身边 20 多个电商团队的商品分析触发动因，结果很不乐观。超过一半的团队，是在商品"出问题之后"才开始认真做分析的，比如库存积压、退款率飙升、类目流量被抢。
这意味着商品分析在这些团队里的角色是"验尸"，而不是"体检"。验尸能告诉你死因，但不能阻止下一个商品死掉。
回到开头那份报告。我带着那位朋友把她的小类目近 12 周数据重新拉了一遍，只改了三个动作：把新品和老品分表看、把新品指标从"结果类"换成"过程类"、把老品的 GMV 换成毛利额。
结论完全反转。那个被建议下架的新品，曝光量只有同价位竞品的 1/5，但点击率高出 1.8 个百分点，加购率是类目均值的两倍，它是一个被流量卡住的好品，不是失败品。而那个被建议加推的老爆款，去掉平台佣金、推广费和退货损耗之后，净利率只有 4.7%，越推越亏。
这个案例后来我复盘过很多次。它最扎心的地方在于：数据全都是真的，只有"用什么口径看"是错的。
在讲每个阶段的具体误区之前，需要先解决一个更前置的问题：怎么判断一个商品到底在哪个阶段？
我的经验是，不要用"上架天数"判断，要用"销量增速 + 复购结构"判断。一个上架 90 天的商品，如果复购率还在爬升、新客占比仍然超过 70%，它其实还在导入期。相反，一个上架 30 天但复购率已经稳定、增速回落到 5% 以内的商品，可能已经提前进入成熟期。
品类不同，周期长度差异极大。快消品导入期可能只有两周，家电类可能长达三个月。所以任何告诉你"导入期就是前 30 天"的说法，都需要打问号。
导入期的本质特征是数据量不够。一个新品一天卖 3 单，转化率的置信区间大到没有决策意义。这时候任何基于"转化率低"的结论，都可能是统计噪声。
所以我从来不在导入期看结果指标，我看的是过程指标，用户有没有看到、有没有点、有没有加购、有没有留下来。这四件事分别对应四个可干预的环节。
我见过最极端的案例，是一个团队要求所有新品首月 ROI 必须大于 1.5。结果是所有运营都不敢报新品，只敢推已经有自然流量的老品，两年下来商品池严重老化。
导入期的正确财务口径不是 ROI，而是"获客成本是否可接受 + 用户生命周期价值是否可期"。用一个还没积累用户资产的新品算即时 ROI，本质上是在惩罚探索行为。
销量差至少有四种可能：曝光不足、点击不足、详情说服力不足、产品本身不行。这四种的处理方式完全不同，但很多团队只看销量，直接跳到第四种结论。
判断方法很简单：把曝光、点击、加购、首购连成一条漏斗。如果曝光量本身只有竞品的五分之一，那问题在流量，不在产品。
竞品卖 39，你就卖 39，这是导入期最常见的懒人操作。但竞品的价格可能建立在规模化采购或已有品牌溢价之上，你的成本结构根本不允许。
我的做法是：导入期定价先做成本底线测算，再反推需要的转化率，最后验证这个转化率在当前流量条件下是否可达。宁可先定高价小批量测试，也不要一上来就用低价把自己锁死。
我的一般判断顺序是：先看曝光是否充足，再看点击是否正常，再看加购是否健康，最后才看价格。
如果曝光不足，降价没用，要做的是词和流量的调整。如果点击率低于类目均值，先改主图和标题，不要动价。如果加购正常但转化低，说明用户认可商品但没下决心，这时候比降价更有效的是加评价、加场景图、加信任背书。只有当加购率也明显低于基线时，才说明价格真的有问题。
两周就降价的团队，通常是在用一个错误的动作去掩盖一个没被定位的问题。
成长期是团队最容易得意忘形的阶段。销量在涨，流量在涨，所有人都在庆祝，直到某天发现仓库里堆了三个月的货，或者发现复购率从 25% 掉到了 14%。
这个阶段的本质任务只有一句话：把增长的"速度"换成增长的"质量"。速度是销量的二阶导数，质量是库存周转和复购结构的组合。
一个爆款跑起来之后，常见的动作是马上开发 8 个颜色、5 个规格。结果主链接流量被稀释，每个 SKU 的库存都不上不下，最后变成一堆滞销。
我的经验是：成长期扩品要跟着"用户主动搜索的需求"走，而不是跟着"我们能做到的变体"走。用户已经在搜大容量版本，你扩是大容量；用户没搜，你扩就是在赌。
这是最典型的"增长陷阱"。销量翻倍的时候，运营看到的是机会，供应链看到的是风险。如果补货周期是 30 天，而销量在两周内翻了一倍，那么在你反应过来之前，你已经在为一个正在退潮的浪头备货。
我自己的做法是设置"补货预警线"，一旦库存周转天数超过上一周期的 1.5 倍，补货审批必须升级到品类负责人。让增长踩一次刹车，远比让库存压半年便宜。
成长期的首购数据通常很好看，因为流量便宜。但复购率才是这个阶段真正的分水岭。我见过太多商品在成长期把复购率做到 10% 以下，靠持续投流硬撑，最后在流量成本上涨时瞬间崩塌。
这三个指标必须放在同一张表里看，缺一个都会误判。
| 监控维度 | 指标 | 健康区间（示意） | 异常信号 |
|---|---|---|---|
| 增长 | 销量周环比 | 10% – 40% | 连续三周低于 5%，说明已进入平台期 |
| 库存 | 库存周转天数 | 20 – 35 天 | 超过上一周期 1.5 倍，需升级审批 |
| 利润 | 毛利额（非毛利率） | 与销量同向增长 | 销量涨、毛利额平，说明在无效冲量 |
| 质量 | 30 天复购率 | 15% 以上 | 连续两月下滑，需排查产品体验 |
注意这里的健康区间是示意值，不同品类差异巨大。美妆的库存周转可能 45 天算正常，生鲜超过 7 天就是灾难。不要抄别人的数字，要建立自己的基线。
我的处理顺序是三步。第一步，判断销量增长是趋势性的还是脉冲性的，看自然搜索流量占比是否同步上升。第二步，计算当前库存按当前销速能卖多少天，如果超过 60 天，立即停止追加采购。第三步，对超期库存做分层处理，能作为赠品或组合装消化的优先消化，不能的走清仓渠道。
这里有一个反常识的点：成长期的库存压力，往往不是补多了，而是补错了结构。可能是热销款缺货、滞销款压仓，平均下来周转天数看起来还行，实际结构已经烂了。所以一定要按 SKU 拆开看，不要看总库存。
成熟期最危险的信号不是销量下滑，而是销量稳定但利润在悄悄流失。这个阶段竞争格局固化，同类产品价格透明，平台流量成本上升，你的每一分增长都要靠更高的推广费去买。
所以成熟期的分析重点，必须从"卖了多少"转到"赚了多少、赚的是谁的钱"。
GMV 是最好看也最容易骗人的指标。它包含了退货、包含了平台补贴、包含了下单未付款。我见过一个商品连续六个月 GMV 稳定在 200 万左右，团队非常满意，但实际上净利率从 12% 掉到了 3.8%，因为平台佣金比例调整了、退货率从 6% 涨到 14%、推广费占比从 8% 涨到 21%。
成熟期不看 GMV 排名，看每一块钱 GMV 最终能留下几分钱。
成熟期商品的用户结构会明显分化。通常 10%-15% 的用户贡献 40% 以上的毛利。如果这个阶段的运营动作还是"全场满减""人人有份的优惠券"，实际上是在用高价值用户的利润补贴低频用户。
成熟期是唯一有资源、有现金流、有用户基础去做延伸的阶段。等到衰退期再想延伸，用户已经在流失了。
我习惯用一张从 GMV 到净利的瀑布图来做成熟期诊断。它能一眼看出钱在哪一层漏掉了。下面这组数据是我在某家居类目做过的真实拆解（金额做了比例化处理）。
成熟期的增量很难来自新客，因为获客成本已经很高。真正的机会在两处：一是提升高价值用户的客单价和复购频次，二是做关联销售。
我的做法是把用户按"近 90 天购买次数 × 累计毛利贡献"分成四层，然后对最高一层做专属权益，对第二层做客单价提升，对第三层做复购唤醒，对最低一层不做额外投入。这个动作不一定马上带来 GMV 增长，但能显著改善利润结构。
我的诊断顺序是四步，每一步排除一个变量。
这四步走完，通常在十分钟内就能定位到主要原因。毛利下滑不是问题，找不到是哪一个变量在漏水才是问题。
衰退期的判断标准不是"销量下滑"，而是"销量下滑且复购率同步下滑"。如果销量下滑但复购稳定，那可能只是流量结构变化，不一定是真衰退。
这个阶段最大的特点是不可逆性。下架一个商品，等于放弃它的搜索权重、评价资产和用户资产，重新上架要从零开始。所以衰退期的每一个处置动作，都要问一句："这个动作可逆吗？"
很多商品的销量虽然下滑，但毛利率很高、退货率很低、老客复购稳定，属于典型的"小而美"商品。这类商品下架后，损失的不是销量，而是稳定的毛利贡献和用户粘性。
清仓不是只有一条路。站内打折、站外分销、B 端批量、员工内购、组合装搭售，每一种的回收率和品牌伤害都不一样。最贵的清仓方式，是用主链接打骨折清货，因为它同时伤害了品牌定位和老客信任。
一个商品下架后，它的用户不会自动迁移到你的新品上。如果不做主动引导，这批用户大概率流向竞品，而且带走的是最忠诚的那一批。
我的判断逻辑是画一个四象限。横轴是用户重叠度（该商品用户与主推商品的用户重合比例），纵轴是毛利贡献（近 90 天毛利额）。
这四个判断里，最容易做错的是第二类。很多团队会砍掉"高毛利但小众"的商品，因为它销量不好看，但它的用户其实完全没有替代品。
我的判断顺序是：先看库存量，再看用户重叠度，最后看运营人力占用。
如果库存剩余不多（比如按当前销速 30 天内能消化完），且毛利率在 30% 以上，我倾向于保留，哪怕销量在跌。这种情况下清仓的回收收益，还不如它继续贡献的毛利。
如果库存积压超过 90 天销速，即使毛利率有 30%，也应该走清仓或转渠道，因为仓储成本和资金占用会逐步吃掉这部分毛利。至于用户迁移，无论哪种选择都必须做：在商品详情页和客服话术里明确告诉用户替代品是什么，这一句话的转化价值远高于任何折扣。
指标本身没有对错，只有适不适合当前阶段。曝光量在成熟期几乎没有分析价值，因为它的边际变化已经很小；但在导入期，曝光量是判断"是不是产品问题"的第一道筛子。
同理，ROI 在成熟期是必须盯的指标，因为每一分推广费都要有效率；但在导入期用它做考核，会直接杀死探索。
| 阶段 | 核心指标 | 辅助指标 | 预警指标 | 分析频次 |
|---|---|---|---|---|
| 导入期 | 点击率、加购率 | 曝光量、首购人数、评价数 | 加购率连续 7 天低于类目基线 | 按天 |
| 成长期 | 库存周转天数、毛利额增速 | 复购率、自然流量占比 | 周转天数超上周期 1.5 倍 | 按周 |
| 成熟期 | 净利率、高价值用户贡献占比 | 退货率、推广费占比、关联购买率 | 退货率环比上升 2 个百分点 | 按月（毛利按周） |
| 衰退期 | 长尾毛利贡献、用户重叠度 | 库存剩余可售天数、清仓回收率 | 复购率与销量同步下滑 | 按周 |
方法论讲完之后，落地环节最关键的问题是：怎么让团队真的按阶段看不同的指标，而不是每次靠人记住。
我的建议是把阶段判定和指标切换做成规则，固化进日常使用的数据工具里。以我比较熟悉的数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）为例，它面向跨境电商场景，能按店铺、站点、SKU 维度把商品数据拉到同一张表里做透视。我在帮做跨境的朋友做诊断时，通常会用它的商品维度数据先做一件事：把每个 SKU 的曝光、点击、加购、首单、复购按月排成时间序列，然后按阶段规则打标签。
跨境场景尤其需要这套方法，因为它的生命周期更短、变量更多。一个 SKU 在美国站可能处在成长期，在德国站可能已经进入衰退期，两边的库存和推广策略必须分开做。如果只看一个总的商品报表，几乎必然误判。
下面是我实际用过的一个简化版阶段判定规则，逻辑可以直接改成 Excel 公式或 BI 看板里的计算字段：
阶段判定规则（示例）
输入：近 4 周销量增速 growth、30 天复购率 repurchase、上架周数 weeks
IF weeks = 10% 且 repurchase >= 10%:
阶段 = "成长期"
增速和复购同时健康，重点监控库存周转
ELSE IF abs(growth) = 15%:
阶段 = "成熟期"
增速趋稳但复购稳固，重点监控利润结构
ELSE IF growth < -10% 且 repurchase 环比下降:
阶段 = "衰退期"
销量与复购同步下滑，启动长尾价值评估
ELSE:
阶段 = "待观察"
信号矛盾时不强行归类，进入两周观察窗口
这段规则的价值不在于它多精确，而在于它把"阶段判断"从人的主观印象变成了一条可以被审计的逻辑。当团队对某个商品该不该砍有分歧时，先看它落在哪个阶段，往往比争论指标本身更有效。
一个看板放 40 个指标，等于没有指标。每个阶段保留 1 个核心、2-3 个辅助、1 个预警，足够了。
导入期的分析如果按周更新，等你看到数据，窗口已经过了。这个阶段的更新频率至少是日更。
指标跌了 20%，然后呢？如果没有归因动作，下一次还会跌。我的习惯是每个异常指标都要写一句话归因，哪怕只是"疑似竞品降价导致"。
5 人以下的小团队，不要试图搭建完整看板。我的建议是每个阶段只守一个指标：导入期守加购率，成长期守库存周转天数，成熟期守净利率，衰退期守库存剩余可售天数。这四个数字在一张 Excel 里就能维护。
5-30 人的中型团队，需要把阶段判定规则固化下来，并且指定一个人对"阶段标签"负责。这个角色不需要是数据分析师，可以是资深运营，但他的职责是每月复盘一次商品阶段归属。
30 人以上的团队，才值得投入做自动化看板和预警。但要注意，工具解决的是效率问题，不解决判断问题，阶段规则本身还是要人来定。
快消品的生命周期短，衰退期来得快，处置动作要更果断。耐消品的导入期长，前期亏损是常态，不要用月度数据做判断。跨境商品的特殊性在于，同一个 SKU 在不同站点处于不同阶段，必须分站点做阶段判定，不能做全局平均。
平台电商的商品生命周期受平台流量分配影响很大，一个推荐位的变化可能让商品从成熟期直接跳回成长期。独立站则更依赖自身内容和复购，周期更平滑，但获客成本更高，导入期的容忍度必须更高。
很多团队卡在"数据不够全，所以不敢决策"。我的取舍是：导入期和衰退期，决策速度优先；成长期和成熟期，数据完备度优先。
原因很简单。导入期和衰退期的窗口都很短，等你把数据补齐，机会或处置窗口已经过去了。而成长期涉及大额备货，成熟期涉及利润结构，这两个阶段的决策代价高，必须等到数据足够支撑判断。
止损和加注的分界线，不在于当前是否亏损，而在于核心指标的走向。
如果导入期的加购率在上升、只是首购转化低，我会选择加注，因为问题可修复。如果加购率也在持续下滑，我会选择止损，因为这说明产品与需求的匹配度本身有问题。
成长期的取舍更微妙。销量在涨但库存周转在恶化，这时候"止损"不是砍品，而是砍补货节奏。成长期最贵的错误，是把"停止追加采购"和"放弃这个商品"混为一谈。
标准化能提高效率，但会牺牲准确度。我的取舍原则是：分析流程标准化，指标阈值品类特化。
也就是说，"导入期看加购率"这个动作可以全公司统一；但"加购率多少算健康"必须按类目分开设定。用一个统一阈值管所有品类，最后一定会出现某一类商品被系统性误判。
工具能解决"数据取不到"和"更新太慢"的问题，但解决不了"不知道该看什么"的问题。我的建议顺序是：先把阶段指标表定下来，再考虑工具。
反过来做的话，很容易变成买了一堆工具、看板做得很好看、但决策质量没有提升。工具的价值在于放大判断力，而不是替代判断力。
写到这里，我想回到开头那个 27 页的报告。它的问题不是数据不够，而是把商品当成了一个静态对象来分析。但商品是有生命周期的，它在导入期需要的是耐心和流量，在成长期需要的是供给匹配，在成熟期需要的是利润结构优化，在衰退期需要的是体面的退出和用户迁移。
这四个阶段，用同一套指标去看，必然得出错误结论。我的核心主张只有一句：先定阶段，再看指标，最后谈动作。顺序反了，分析越努力，错得越远。
如果你现在就想动手，我建议从最小的一步开始：打开你手上任意一个商品报表，先给每个商品打上阶段标签，然后问自己一个问题，我给它设的预警指标，和它现在所处的阶段匹配吗？很多团队在这一步就会发现，自己至少有三分之一的商品，一直在被错误的指标考核着。
我们团队之前在定商品阶段的时候，完全是凭感觉，运营说这个是新品，老板觉得已经该淘汰了，每次开会都在争论这个商品到底算哪个阶段。我也想知道，有没有一套相对客观的方法来判断商品现在处在导入期、成长期还是衰退期？
不建议按固定的时间天数来划分阶段，更可靠的做法是用'销量增速+复购率+毛利趋势'三个指标做交叉判断。具体操作是：先拉出该商品近12周的周销量数据，计算环比增速的移动平均值；同时看复购率是上升还是下降，以及在售SKU数带来的价格竞争是否加剧。判断口径上，导入期的典型特征是销量低但增速波动大、复购率低；
成长期是增速连续3周以上为正且复购率开始爬升；成熟期增速趋近于零但复购率稳定；衰退期增速连续为负且复购率下滑。关键是要设定'连续N周'的观察窗口，而不是单周数据就下结论，一般建议至少连续观察3周。不同品类的时间跨度差异很大，所以只定判断规则、不定具体天数。
我自己就遇到过这个情况，新品上架两周，曝光有了但转化很差，团队里有人主张马上降价冲销量，有人觉得再等等看。我特别纠结，因为降价之后如果还是卖不动，不仅没效果还破坏了价格体系。到底该用什么数据来判断该不该降价？
先别急着降价，先把漏斗拆开看问题出在哪一环。具体操作：调出该商品两周的'曝光-点击-加购-首购'四个环节的转化率，跟同类目同价位段的竞品做对比。如果是曝光量本身就不够，那是流量问题，降价解决不了；如果曝光够但点击率低，说明主图和定价的匹配有问题，优先优化视觉而非降价；
如果点击率正常但加购到首购的转化差，才说明价格或信任感可能是障碍。判断依据：只有当加购率正常（接近类目均值）但加购到首购的流失率明显偏高时，降价才是有效手段。此时建议降幅控制在5%-8%试探，观察一周的转化变化再决定是否继续调整，而不是一次降到底。
我们有个单品最近销量翻倍了，本来挺高兴，但一看库存周转天数从15天涨到了45天，老板开始担心压货，运营又觉得应该趁热打铁继续加推。我夹在中间很难判断，到底是增长信号还是风险信号？
销量增长和库存周转同时上升，说明增长的质量在下降，这时候应该先控库存而不是继续冲量。具体操作：第一步，计算'销量增速/库存增速'的比值，如果库存增速持续高于销量增速，说明补货节奏已经超过了真实需求。第二步，区分库存上涨的原因，是主动备货还是被动积压，看采购计划和实际到货量是否匹配。
第三步，设置补货预警线，通常建议当库存周转天数超过该类目平均值的1.5倍时触发预警。判断依据上，成长期健康的信号是销量增速大于库存增速，且复购率同步上升；如果复购率没涨、库存却在涨，大概率是渠道压货而非真实动销。此时应该暂停加推，先消化现有库存，等周转天数回落到正常区间再考虑放量。
我们有个老品每个月的GMV都差不多，看起来没什么问题，但财务那边说毛利一直在掉。我查了退货率、客单价都没什么大变化，实在想不通利润到底被什么吃掉了。这种情况该怎么系统地排查？
GMV稳定但毛利下滑，通常不是单一原因，需要按'价格结构-成本结构-用户结构'三层拆解。具体操作：第一层看价格结构，拆出该商品各SKU的销售占比，检查是不是低毛利SKU的占比在悄悄上升，比如促销款卖得多了但正价款卖得少了。
第二层看成本结构，拉出采购成本、物流成本、平台佣金、退货处理成本四项，看哪一项的绝对值或占比在涨，尤其要关注退货率虽然没变但退货商品的残值处理成本是否上升。第三层看用户结构，对比新客和老客的毛利率差异，成熟期常见的问题是老客复购占比上升但老客享受的折扣也更多，导致整体毛利被稀释。
判断依据：三层拆完后，找到贡献毛利下滑幅度最大的那一层，那个就是主因，优先解决。不要一上来就想着提价或换供应商，先定位再动手。)
读者评论
把新品和老品分表看这个点太关键了，很多团队就是一张指标表套所有SKU，导致新品被误杀、老品被过度推广，阶段错配确实是商品分析最隐蔽的坑。
导入期看过程指标而非结果指标说得很对，新品样本量小的时候转化率波动就是噪声，用ROI考核新品等于逼运营只推老品，长期商品池老化的问题比短期数据难看严重得多。
衰退期失误概率最高这点我有体会，下架和清仓动作不可逆，但很多团队反而在这个阶段分析频次最低，等发现长尾价值时库存已经清完了，处置窗口短确实需要按周甚至按天盯。
成长期只看增长不看库存周转是血泪教训，销量翻倍时供应链压力同步翻倍，补货预警线升级审批这个机制很实用，踩过一次库存压半年的坑就知道增长踩刹车比事后清仓便宜。