去年 11 月，我陪一个家居收纳品牌做年度商品盘点。运营同学递给我的第一份材料是一张四象限图：横轴销量、纵轴毛利率，137 个在售 SKU 被分进四个格子，右下角那一堆被标成红色，旁边写着"建议淘汰"。

我看完问了一句：这些被标红的商品里，有几个是站内搜索词的唯一承接款？对方愣了几秒，去翻数据，发现有 9 个。如果按那张图执行，这 9 个搜索词的流量会在两周内掉光，而它们贡献了全店 6.3% 的自然访客。

这就是我想聊的问题。组合优化在多数团队里不是没做，而是被做成了方法清单，拿一个经典工具套上去，输出一张分类图，然后当成结论用。它真正的身份，应该是商品分析运营框架里的一个决策节点，有输入、有判断、有输出、有触发条件。

下面我把这件事拆开讲：组合优化到底该放在框架的哪个位置，四个最常见的误区分别错在哪，以及我实际在用的判断逻辑和取舍标准。

一、结论先行：组合优化的真实身份是决策节点，不是方法清单

先把我的判断摆出来，后面所有内容都是围绕这三句话展开的。

• 组合优化的输出物不是一张分类图，而是一组可执行的动作。分类图只是中间产物，动作清单才是结果。
• 组合优化不是一个步骤，而是贯穿选品、定价、上架、动销、复盘五个环节的决策逻辑。把它固定在某个环节，一定会出问题。
• 组合优化的核心不是"哪些商品该留"，而是"哪些商品之间的关系必须保住"。前者是单品判断，后者才是组合判断。

1. 为什么"方法清单式"的组合优化在实操里失效

搜"组合优化"，排在前面的是百科词条式的写法：先给一个定义，再罗列产品环境分析法、产品系列平衡法、四象限评价法、资金利润率法。这套内容的问题不在于错，而在于它是从制造业的产品线管理里长出来的，隐含前提是产品线相对稳定、渠道单一、数据采集周期以季度计。

电商的运行节奏完全不是这样。一个爆款的完整生命周期可能只有 90 天，流量结构一周一变，竞品价格一天三调。在季度尺度上做的组合判断，到执行的时候前提条件已经变了。

更麻烦的是，方法清单给人一种"做完了"的错觉。团队花两周做完分类，输出一份 PPT，然后就没有然后了。没有人回答：标红的商品什么时候下？标黄的商品用什么资源扶？标绿的商品要不要加库存？

2. 组合优化在框架里的四个决策节点

我自己的做法是把它拆成四个必须落地的节点，每个节点都有明确的输入和输出。

注意最后一行的时间窗：动销和复盘不是季度动作，是周动作。很多团队一年做两次组合盘点，中间全靠感觉补货，这种节奏下组合优化等于没有。

二、我经历过的三个真实场景，组合优化是怎么被做坏的

方法论讲多了会飘，我讲三个具体场景。这三个场景分别对应三种典型错误，后面的误区拆解都从这里长出来。

1. 快时尚女装独立站：把组合优化做成了单品淘汰

这个项目在杭州，独立站 + 社媒投放模式。2023 年 Q3 我进去的时候，运营团队正在执行一次"大刀阔斧"的 SKU 精简：1800 个 SKU 砍到 640 个，依据是滚动 60 天销量排名。

执行后第二个月，站内搜索的零结果率从 4.1% 涨到 11.7%。用户搜"亚麻 长裙 大码"，没有任何结果。而这些长尾词原本每个月能带来大约 8000 次访问，客单价还比主推款高 22%。

问题出在哪？销量排名是单品视角，它看不见"某个商品承担了某个流量入口"这件事。长尾款单看销量确实低，但它是搜索词图谱里的节点，砍掉它等于砍掉了那条入口。

2. 家居收纳品牌：把组合优化做成了营销方案

这是前面提到的那个品牌。他们的商品会做"组合"，但组合逻辑是营销逻辑：买二送一、满 199 减 30、套装打包。执行半年后，客单价确实从 168 涨到 213，但毛利率从 41% 掉到 33%。

原因不复杂：用来凑单的商品本身毛利就低，再用折扣推，等于把低毛利商品卖得更多。而真正应该被组合起来的高毛利商品，因为价格高、决策周期长，反而在活动里被冷落。

组合优化的目标是结构健康，组合营销的目标是当期转化。两个目标不冲突，但顺序不能颠倒。先定结构，再做传播；反过来做，就是用一个漂亮的客单价数字掩盖了一个恶化的毛利结构。

3. 3C 配件跨境店：把组合优化留到季度复盘

这个团队做亚马逊 + 独立站双渠道。他们的商品复盘是季度一次，每次复盘输出下架建议。节奏大概是：1 月发现某个 SKU 卖不动，4 月复盘决定清库存，6 月才真正清完。

中间这五个月，仓储费、长期仓储附加费、资金占用都在持续发生。我算过一笔账：一个平均采购成本 42 元的配件，滞销 5 个月后，仓储和资金成本加起来大约是 11 元，相当于成本的 26%。把组合优化推迟一个季度，等于给每个滞销 SKU 额外付 1/4 的成本。

三、误区一：把四象限评价法当成组合优化的全部

四象限是所有组合优化讨论里出现频率最高的工具，也是被误用最严重的工具。我不否定它，但要说清它的边界。

1. 四象限法的原始逻辑和三个隐含前提

四象限的经典形态是波士顿矩阵：横轴市场份额、纵轴市场增长率，划分出明星、金牛、问题、瘦狗。电商团队做了本地化改造，通常换成横轴销量、纵轴毛利率，或者横轴销量、纵轴增长率。

这个改造看起来合理，实际上丢掉了三个前提。

1. 前提一：商品之间可以独立评价。波士顿矩阵讨论的是产品线，各条线之间的关联度相对低。电商商品之间高度耦合，互补品、替代品、价格锚点关系密集。
2. 前提二：物流和供应链是稳定的。实际上跨境电商的头程时效波动可以到 ±25 天，供应商起订量约束会让"淘汰"变成一个漫长动作。
3. 前提三：流量是均匀分配的。现实中流量高度集中在少数商品上，而"集中"本身既可能是结果，也可能是运营动作造成的假象。

2. 电商场景中误用四象限的五种典型表现

• 只用销量和毛利率两个维度。忽略流量结构、复购周期、内容适配度、供应链约束这四个在电商里权重很高的维度。
• 用固定阈值划线。比如"月销低于 30 件即为滞销"。不同价格带、不同品类的合理动销标准差距很大，统一阈值会误杀高客单长决策周期的商品。
• 用累计销量而不是滚动销量。累计销量会让早期爆款长期占位，掩盖它当前的衰退。
• 把象限位置当成长期标签。一个商品这个季度在"问题"象限，下个季度可能因为一次内容爆量进入"明星"象限。标签一旦固化，团队就不会再看它。
• 忽略价格带分布。砍掉所有低价商品后，会导致店铺无法承接比价型流量，整体转化率反而下降。

3. 被忽略的四个维度，以及它们为什么重要

流量结构维度：一个商品是站内搜索的承接款，还是推荐流量的测试款，决定了它能不能被砍。承接款被砍会直接损失确定性的自然流量，测试款被砍只是少了一次实验机会。

复购周期维度：耗材类商品的单次销量天然低，但复购稳定，LTV 可能远高于高频低价的冲动型商品。用单期销量评价它，等于用短跑成绩评价马拉松选手。

供应链约束维度：有些商品淘汰容易，但供应商是搭配供货的，砍掉它可能导致主推款的采购成本上升。这个成本经常被漏算。

内容适配度维度：在内容电商和社媒投放里，一些商品天生适合上镜、适合做素材，转化效率远超它的销量排名所显示的水平。这类商品是"内容杠杆款"，砍掉会让素材库断供。

4. 修正做法：从二维四象限升级到六维打分

我的做法不是抛弃四象限，而是在它的基础上补三个维度，并对每个维度设定权重。权重不固定，按品类调整：快消类目加权复购，内容驱动类目加权内容适配度，跨境类目加权供应链协同。

具体操作上，我会先做标准化打分，再排序，最后只对排名后 20% 的商品做淘汰讨论。剩下的 80% 分为三类：需要加大投入的、需要维持现状的、需要观察的。关键变化是：淘汰从"分类结果"变成了"少数商品的专项讨论"。

四、误区二：把组合优化等同于商品组合营销

这个误区比第一个更隐蔽，因为两者都带"组合"两个字，团队内部经常混着说，混着做。

1. 两者到底差在哪：决策目标、数据输入、输出物

2. 混淆二者会导致什么问题

最常见的问题是用营销思维做选品决策。表现是：因为某个商品"适合做活动""容易出爆款素材"，就把它放进主推位，忽略它的毛利结构和供应链稳定性。

我见过一个典型案例：某团队主推一款低毛利引流品做爆款，三个月做到类目前列，但每单净亏 3.2 元。团队认为"先做规模再谈利润"，结果半年后供应商提价 15%，直接失去了价格竞争力，而积累的用户因为价格敏感度高，流失速度极快。

反过来也会有问题：用分析思维做传播决策。团队计算出一套理论最优的套装组合，但用户根本看不懂组合逻辑，活动转化率反而低于单卖。

3. 怎么区分：看决策目标、看数据输入、看输出物

我在团队里推过一个简单的判断方法，三个问题问下来基本能分清：

• 这件事的成败标准是结构指标还是当期指标？看毛利结构和库存周转的是组合优化，看转化率和客单价的是组合营销。
• 这件事的输入数据是哪个口径？用的是滚动 28 天动销和库存深度，是组合优化；用的是活动期连带率和优惠敏感度，是组合营销。
• 这件事的产出能不能被撤回？SKU 结构调整撤回成本高，是组合优化；活动机制撤回成本低，是组合营销。

顺序上，我的建议是先做结构判断，再做传播设计。因为传播设计可以放大结构优势，但无法修复结构缺陷。

五、误区三：把组合优化留到复盘阶段才做

复盘是组合优化的最后一个节点，很多团队把它当成了唯一节点。这个误区的代价不太直观，但累计起来最大。

1. 复盘阶段才做的三个滞后成本

成本一：库存已经定型。商品卖不动的时候，货已经压在仓库里。跨境场景下这批货可能还在海上，连退都退不回去。此时做组合优化，只能做"怎么清"，做不了"怎么防"。

成本二：数据已经污染。一个商品如果上架后连续三周挂在一个错误的价格带上，它积累的转化数据、评价数据、广告数据全部失真。用这批数据判断它该不该留，结论本身就不可靠。

成本三：机会窗口已经关闭。组合判断最有价值的时刻，是决定"要不要上第二批货""要不要给这个位置"的时候。等到复盘时，这两个决策都已经做完了。

2. 应该前置到选品和定价阶段

我在项目里会把组合判断前置成三个具体动作。

1. 选品阶段做价格带地图。把竞品和自家商品的价格带分布画在一起，找缺口。缺口存在且能被供应链支撑，才进入选品池。
2. 定价阶段做角色分配。每个商品在上架前就明确它是引流款、利润款、形象款还是测试款，不同角色用不同的毛利预期来考核。
3. 上架阶段做流量分配预案。明确每个商品承接哪类流量，搜索、推荐、广告、内容分别对应哪些商品。

这三步做完，组合优化的"事后淘汰"工作量会下降一大截，因为不合适的商品根本没进来。

3. 触发式判断：什么信号出现时应该启动组合优化

比"定期复盘"更好用的方法是设定触发条件。以下是我在用的几个触发信号，任意一个命中就启动一次小范围组合判断：

• 某价格带连续 14 天无成交，且该价格带流量占比超过 5%。
• 店铺 TOP 10 商品的流量集中度较上周期上升超过 10 个百分点。
• 某个商品的广告 ACOS 连续 7 天高于其毛利率。
• 库存周转天数环比上升超过 20%。
• 核心搜索词的零结果率超过 5%。
• 新品上架 21 天后，连带率低于同类别平均水平。

触发式判断的价值在于它把组合优化从"日程"变成了"信号响应"。注意到第一个信号，通常在问题形成的第 2 周，而季度复盘要等到第 12 周。

六、误区四：只看商品之间的关系，不看约束条件

这个误区在多数方法论文章里不会被提到，但它是我在实际项目里见到失败最多的原因。

1. 组合优化是在约束下求最优，不是在真空里求最优

教科书式的组合分析默认你可以自由地增减 SKU、自由调价、自由调整库存。现实里这三个自由度都被卡死了。

常见的约束包括：供应商起订量与搭配供货、跨境头程的时效与最小发货量、平台的活动报名门槛、仓容上限、现金流的账期压力。这些约束不写进模型，模型给出的"最优组合"就是不可执行的。

我的经验是：先列出约束清单，再做组合分析。顺序反了，会浪费大量时间在无法落地的方案上。

2. 约束清单应该包含哪些项

3. 一个反常识的判断：有时候保留低效商品是理性的

如果某个低效商品是供应商搭配供货的，砍掉它会让主推款的采购单价上涨 8%，那么保留它反而是理性的。这种情况下正确的动作不是淘汰，而是把它从主推位撤下来，降为库存消化型商品，同时寻找替代供应商。

组合优化的目标函数不是"效率最大化"，而是"在约束下的整体收益最大化"。这两者在数学上不是同一个问题，在实际操作中差异更大。

七、把组合优化纳入运营框架：我实际在用的六步清单

前面讲了误区，这一段讲怎么做。我把组合优化拆成六个可执行步骤，每一步都有明确输入和输出。

1. 第一步：建立商品主数据表

所有商品必须有一张统一的主数据表，包含：SKU 编码、品类层级、价格带、角色标签、供应商、起订量、交期、上架日期、当前库存、在途库存。

这一步听起来基础，但我接触过的团队里，能把这十个字段填完整的不到一半。没有主数据表，后面的所有分析都是在流沙上盖楼。

2. 第二步：定义指标口径并固化计算逻辑

指标口径必须写死，不能每次分析临时决定。下面是我们用的动销率口径示例：

-- 滚动 28 天动销率（不含有货无销天数处理）
SELECT

sku_id,

SUM(units_sold_28d) AS units_28d,

AVG(available_stock_days) AS avg_stock_days,

CASE

WHEN AVG(available_stock_days) = 0 THEN NULL

ELSE SUM(units_sold_28d) / AVG(available_stock_days)

END AS sell_through_rate_28d

FROM dwd_sku_daily

WHERE dt BETWEEN DATE_SUB(CURRENT_DATE, 28) AND CURRENT_DATE

AND available_stock_days > 0

GROUP BY sku_id;

关键在于把"有货无销"的天数排除掉，否则一个断货两周的商品动销率会被严重压低，最后被误判为滞销。

3. 第三步：跑六维打分

六个维度分别是流量承接贡献、复购价值、供应链协同、内容适配度、毛利结构贡献、库存周转健康度。每个维度做 0-10 标准化，按品类设定权重，加权得总分。

4. 第四步：做价格带地图和连带关系分析

价格带地图用来找空隙和扎堆，连带关系分析用来看商品之间的实际组合情况。后者比前者更有价值，因为它反映的是真实用户的购买行为，不是运营的想象。

连带分析我通常看三个量：共现次数、共现订单占比、连带订单的客单价提升幅度。只有当连带订单的毛利也提升时，这个组合才值得被主动强化。

5. 第五步：生成动作清单

这一步是组合优化真正落地的地方。动作只有四类：下架、替换、补充、调整。每条动作必须有负责人和时间点。

• 下架：清库存方案 + 最后在售期限 + 流量承接替代商品。
• 替换：新商品的上架时间 + 价格带卡位 + 承接的搜索词。
• 补充：补货批量 + 到货时间 + 主推位分配。
• 调整：价格调整幅度 + 生效时间 + 观察周期。

6. 第六步：设定触发条件和复查节奏

动销类指标每周复查一次，结构类指标每两周复查一次，价格带和连带结构每月复查一次。任何触发信号命中，当天启动小范围判断。

八、用数跨境把框架跑起来：数据口径与看板搭建

框架讲完了，接下来是最现实的问题：这套东西靠手工表格能不能跑？小规模可以，一旦 SKU 过千、跨多个平台，手工维护主数据表和指标口径的成本会迅速超过分析本身的价值。

我们团队在 2024 年下半年把商品分析的看板迁到了数跨境上。数跨境是九数云旗下的跨境数据分析产品，官网在 https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys。它的定位是把多平台店铺、广告、库存、利润数据拉到同一套口径里做经营分析。

1. 为什么组合优化的看板不能只看销量

我们最初的商品看板只有销量和销售额两个指标，用起来发现一个规律性问题：销量高的商品在页面上很显眼，团队会不自觉地给它更多资源，形成正反馈循环，最后变成"越推越集中"。而结构问题恰恰藏在那些销量不高但承担关键功能的商品里。

迁到数跨境之后，我们把看板结构改成了三层：头部层看集中度和毛利贡献，腰部层看连带率和流量承接，尾部层看周转和库存风险。三层用不同的刷新频率。

2. 我们实际搭的四个看板模块

• 商品结构看板：价格带分布、角色标签分布、各层级的 SKU 数量与毛利贡献占比。
• 动销与周转看板：滚动 28 天动销率、库存周转天数、滞销 SKU 数量与金额。
• 广告与利润联动看板：按 SKU 看广告花费、ACOS、毛利率、净利率，识别"卖得越多亏得越多"的商品。
• 连带与组合看板：共现订单占比、连带客单价、连带毛利提升幅度。

其中对组合优化帮助最大的是第三个模块。很多商品在销量维度上表现健康，在广告与利润联动维度上其实已经在失血。我们在这个看板上线后的第一个月，识别出 17 个 SKU 的 ACOS 长期高于毛利率，调整后每月节省广告支出约 4.1 万元。

3. 数据口径统一带来的一个具体变化

之前财务、运营、供应链三边对"滞销"的定义完全不同：财务看的是 90 天无出库，运营看的是 28 天动销率低于阈值，供应链看的是库存周转天数。

三套口径导致同一个 SKU 在三个部门的报表里状态不一样，每次开会都要先吵半小时定义。统一到一套口径后，组合优化的讨论时间从平均 90 分钟压缩到 35 分钟，决策本身变快了。

九、不同情况下的行动建议

框架是通用的，执行必须分情况。下面按四种常见业态给出建议。

1. 平台电商（天猫、京东、亚马逊等）

• 优先做价格带地图，因为平台内的价格带竞争最直接，缺口也最容易被识别。
• 搜索词零结果率必须每周监控，这是长尾承接款被误砍的第一预警信号。
• 活动报名的商品组合要与结构目标对齐，不要为了报名而报名。
• 广告与利润的联动分析要按 SKU 做，不能只看账户级别 ACOS。

2. 独立站 / DTC

• 组合优化的核心是内容适配度，因为独立站的流量主要来自内容和投放，商品的"素材价值"权重更高。
• 连带率比销量更重要，独立站的复购依赖组合体验。
• 库存约束更紧，起订量和现金流约束必须写进判断模型。
• 建议按月做一次全量结构复查，因为独立站流量结构变化比平台更快。

3. 社交电商 / 私域

• 组合优化要围绕人设和内容主题来做，不是围绕品类。
• 爆款的生命周期短，组合判断的频率需要更高，建议按周。
• 淘汰动作要谨慎，私域用户对某个商品的依赖可能来自内容记忆，不是价格。

4. 多平台矩阵运营

• 先统一指标口径，再做跨平台对比，否则对比没有意义。
• 不同平台的商品角色可能不同，同一个 SKU 在 A 平台是引流款，在 B 平台可能是利润款，不要强行统一。
• 跨平台库存分配本身就是组合优化的一部分，需要单独建模。
• 建议用一个统一的数据看板来管理多平台口径，人工维护多套表格的错误率会快速上升。

十、不同情况下的取舍

所有组合优化决策最终都会落到四个取舍上。我把我的判断标准写出来，供参考。

1. 广度与深度的取舍

SKU 越多，覆盖的流量入口越多，但管理成本、库存成本、内容成本都会上升。我的经验阈值是：当 SKU 数量超过团队能每周全量复查的 1.5 倍时，就应该主动收缩广度。

但收缩不能一刀切。正确做法是保留结构功能型商品，砍掉既不贡献流量也不贡献毛利的中间品。这类商品通常占 SKU 总数的 15%-25%，是最好砍的部分。

2. 短期毛利与长期结构的取舍

引流款毛利低是正常的，问题是它有没有完成引流任务。判断标准不是它自己赚了多少，而是它带来的流量有没有在别的商品上完成转化。

如果引来的流量 90% 都只买引流款，那这个引流款其实是在消耗利润，不是在建结构。这种情况下应该调整引流款的定位或者价格，而不是继续加大投入。

3. 数据完备与决策时效的取舍

完备的数据需要时间。等到数据够了，窗口可能已经关了。我的做法是用"最小可用数据集"做决策，用后续数据做校正。

最小可用数据集通常包含四项：滚动 28 天动销、当前库存深度、单品毛利率、当前承接的核心流量词。这四项就够支撑 80% 的组合判断。剩下的维度在有数据时补充进来。

4. 自研系统与外部工具的取舍

我的判断线是：如果商品分析的日常需求只是出报表、看趋势，用外部工具就够。如果涉及复杂的定价模型、库存优化算法、跨系统实时联动，才需要考虑自研。

多数中小团队的组合优化需求属于前者。把精力花在定义清楚指标口径和触发条件上，收益远高于自建系统。

十一、结语：组合优化不是一道题，而是一个持续校准的过程

回到开头那个家居品牌。那 9 个被标红却承担搜索词的 SKU，最后没有一个被直接下架。我们做的是：把其中 4 个从主推位撤下来，降到长尾承接位，保留库存但不再补货；另外 5 个做了价格带微调，找到它们真正能转化的价格区间。

三个月后，店铺的 SKU 数从 137 降到 118，毛利额提升了 11%，搜索零结果率维持在 2% 以内。没有大刀阔斧的淘汰，只有一次次小范围的校准。

如果你也在做商品分析，我的建议是从三件小事开始，不需要等系统建好、数据完备：

1. 这周先建一张商品主数据表，把十个基础字段填完整。填不全的地方标出来，那就是你的数据缺口。
2. 把"滞销"的定义写死，写进团队的文档，让财务、运营、供应链用同一套口径。
3. 从上面的触发信号清单里挑三个，设定成监控项。任何一个命中，当天就启动一次小范围判断。

组合优化真正难的地方不在方法，而在于它要求团队接受一件事：商品结构是持续变动的，任何一次判断都只是当下最优，不是永久结论。把它放进运营框架的每个决策节点里，比把它做成一份漂亮的季度报告有用得多。

免费注册

咨询方案

扫码咨询方案