2023年下半年，我参与复盘一个家居收纳品牌的滞销新品：一款带抽拉托盘的床头置物架，上架142天，动销率18%，库存周转天数112天，最后按成本价7折清仓，账面毛利率从立项时的42%打到-8%。复盘会上最扎心的一句话，是选品同事说的："我们问过37个目标用户，29个人说会买。"按这个口径算，意向转化率接近79%，而这款商品首月的真实转化率是0.9%。
他并没有偷懒。他做了问卷、做了访谈、做了竞品截图，甚至还做了价格测试。问题出在更底层的地方：他把"需求"当成一个可以被问出来的事实，而不是一个需要被约束条件反复筛过的假设。这篇《商品分析基础课：市场需求相关的常见误区一次讲透》，我想把我和团队这些年踩过的、见过的、复盘过的坑，一次性摊开讲清楚。
这不是一篇讲"需求分析的定义、意义、要素"的教科书文章，而是一份可以直接拿去改你选品流程的排错手册。读完之后，你应该能做三件事：认出自己正在踩哪个误区、知道用什么信号去检测它、以及在资源有限的时候，优先砍掉哪一个动作。
我做了这些年商品分析，见过团队换过三套BI、两套数据平台、无数张看板，滞销率该高还是高。原因很简单：工具负责把数字摆出来，判断依然由人来下，而人的判断里藏着大量没被审视的假设。
用户说"我想要"，这不是需求，这只是偏好的表达。真正的市场需求要同时满足四个约束：有明确场景、有支付意愿、有可替代方案作对照、有稳定的触达渠道。缺任何一个，这个需求在商品层面就是不成立的。
最容易被忽略的是"可替代方案"。用户说想要一个能躺着看书的支架，他手上那三个卷起来的枕头、那个夹在床头的不锈钢架、那个9块9包邮的塑料折叠架，都是你的竞争对手。你不是在跟"没有"竞争，你是在跟"凑合"竞争。
大多数团队的需求分析流程其实是完整的：调研、分析、论证、立项。但整个流程里只有"证实"的动作，没有"证伪"的动作。问卷设计成"你觉得这个产品怎么样"，访谈问"如果是这个价你会买吗"，竞品分析只找跟自己结论一致的爆款。
我的做法是强制加一道反向动作：每个需求假设必须写下一句"如果这个假设错了，我会在什么数据上先看到信号"。写不出来，说明这个假设不可验证，不可验证的假设不进立项会。
脱离场景谈需求，等于没有谈。同一款保温杯，"通勤地铁上单手开盖"和"办公室泡枸杞"，是两个完全不同的需求，对应完全不同的容量、口径、密封要求和价格带。把这两个场景混成一个"保温杯需求"，后面的所有分析都会失真。
我的经验是：任何一个市场需求假设，必须能用"谁、在什么场景下、为了解决什么麻烦、愿意为此多付几块钱、放弃哪个现成替代"这一句话完整表达。说不完整，就回去补调研，而不是先立项。
我见过一份47页的市场分析报告，里面塞了搜索指数、社媒声量、竞品SKU数、评论情感分布，最后结论是"市场前景良好，建议布局"。这种报告的问题不是数据少，而是没有一个指标能直接回答"我们能不能赚钱"。
对商品分析来说，真正需要盯的关键指标就那么几个，我在后面第五节会展开。这里先给一个判断标准：如果一个指标的变化不改变你的动作（加单、砍单、改价、改款、改渠道），那它就不该出现在决策页上。
需求分析是商品分析的第一课，但它也是最难教的一课。因为越基础的概念，越容易被"我以为我懂"掩盖过去。我带过的新人里，能熟练拉透视表、能用工具做价格带分布的人不少，但能在立项会上把自己假设里的漏洞讲清楚的人，凤毛麟角。
真正的工作流里，没有人会给你一个完整的两小时做"市场需求分析"。它通常被拆成这些瞬间：早上看昨天的搜索词变化、中午跟采购聊一句这个款要不要加单、下午在选品会上用五分钟说服大家、月底在清仓会上被问为什么当初判断错了。
碎片化带来的问题是：每一次判断都看起来很小、很随意，但累加起来就决定了库存结构。一次判断偏差5%，一年下来就是几十万的资金占用。这也是为什么我一直反对"需求分析是立项时才做的事"这个说法。
场景一：选品会上的"我觉得"。某次评审，一位同事提出做"宠物智能饮水机"，理由是"养猫的人越来越多，而且这个东西客单价高"。全场没有人问：这个品类的退货率是多少？滤芯是耗材还是一次性？竞品前五名的评价里差评集中在哪？
场景二：上新评审的"竞品卖得好"。另一个团队看到某款折叠收纳箱在头部店铺月销过万，立刻跟进开模。三个月后上架，发现头部店铺吃的是"品牌搜索流量"，而自己没有品牌词，只能用泛词竞价，单件获客成本比对方高2.7倍。
场景三：清仓复盘时的"当时数据就是这样"。最典型的一句话是"当时数据显示这个价格带销量最好"。但没人追问：那个价格带的销量是被谁吃掉的？是新品还是老品？是自然流量还是投流带来的？
第一个坑是"身边人调研法"。我第一款独立负责的选品，调研了公司里所有养狗的人，得到的结论是"大家都很需要一个可以自动出粮的碗"。后来才明白，我调研的不是市场，是我自己的社交圈，而我的社交圈恰好和我的目标用户高度重合，样本偏差被我自己完美地隐藏了。
第二个坑是"用搜索指数代替需求"。我曾经把一个品类的搜索指数增长当成需求的增长，直接推动立项。实际上那段时间指数上涨是因为一个综艺节目带火了一个梗，热度在六周后归零，而我们的货备到了第四个月。
下面这七个误区，是我从自己和同行的复盘中反复见到的。它们不是并列关系，而是有传导关系的：前一个误区没排掉，后一个误区就会被放大。所以我建议你按顺序看，对照自己的工作流逐一自检。
这是最普遍、也最难自我察觉的一个。它的可怕之处在于，它让你觉得自己做了调研，从而获得了一种虚假的安全感。你手里有数据、有录音、有问卷，但这些证据的效度极低。
口头意愿和真实购买之间存在三重过滤：成本过滤（要花钱、要占地方、要花时间学习使用）、比较过滤（用户会拿你和现成的替代方案比）、情境过滤（访谈时的情境和真实购买时的情境完全不同）。三重过滤叠加，衰减幅度通常在90%以上。
看你的证据里有没有"成本"两个字。如果你的调研结论里，用户是在不知道价格、不需要付出任何成本的情况下表达"想要"，那这个结论只能当作方向参考，不能当作立项依据。
把意愿调研改造成"小成本行为测试"。不要问"你会买吗"，改成在一个真实渠道里挂一个真实价格的真实页面，看加购率和留资率；或者用预售制的定金来测。哪怕样本只有50个，行为的50个样本比意愿的500个样本更有说服力。
这是幸存者偏差在商品分析里最典型的表现。你手上的用户评论、售后记录、复购数据，全部来自"已经买了的人"。而决定你下一个爆款的，往往是"看了但没买的人"。
已购用户的反馈会系统性地告诉你"这个产品哪里可以更好"，但不会告诉你"为什么当初差一点就没买"。而后者才决定你的转化率天花板在哪儿。一个品类里，如果大量用户在详情页停留超过40秒却不下单，那里面藏着的是价格、信任、物流或者规格的问题。
看你的分析报告里，加购未支付、进店未加购、搜索后跳出的数据占比。如果这三块没有任何分析，说明你只研究了一半的市场。
用低成本的方式触达"没买的人"：在评论区之外看差评的同类竞品、在社媒的吐槽帖里找关键词、在客服的流失对话里做归类。我在做跨境品类分析时，会专门去扒目标市场英语区论坛里"为什么我不买这类产品"的主题帖，收获常常比看一百条好评大。
这是跟进型团队最常见的判断方式。它的隐藏假设是"这个品类的成功是可以平移的"，而现实是：你能看到的竞品成功，通常由你看不到的资源构建。
竞品卖得好，可能因为有品牌搜索沉淀、有达人矩阵、有供应链成本优势、有平台流量扶持，甚至是吃到了某个时间窗。你看到的是销量数字，看不到的是这些数字背后的资源结构。直接跟进等于用自己最弱的部分去对撞对方最强的部分。
第一层看表象：销量、价格、评价数、主图结构。第二层看结构：SKU宽度与深度、上新节奏、价格带分布、评价里的差评集中点。第三层看资源：流量来源构成、达人合作密度、物流时效承诺、退换货政策。只看第一层就立项，是最容易亏钱的做法。
做"可迁移性判断"，至少回答三个问题：对方的优势里，哪些是资源型的（我短期学不会）？哪些是执行型的（我能快速补上）？如果对方明天停止投流，这个品还能卖动吗？
市场规模估算是商品分析里最容易被"看起来很专业"欺骗的部分。很多人会用一套漂亮的公式，把行业总规模乘以几个百分比，得出一个几亿的数字，然后据此立项。
自上而下的估算，每一个百分比都是一次主观赋值。三个主观百分比连乘，误差会被急剧放大。一个几亿的市场规模，只要其中一个系数错了，结论可能从"值得做"变成"不值得做"。
从可验证的最小单元往上推：先找3到5个真实竞品链接，记录它们的月销量和价格带；再估算这个价格带上有多少个能拿到同等流量的位置；然后把"能拿到位置的数量 × 单位销量 × 客单价"作为可获得市场规模，而不是整个品类的理论规模。
对绝大多数团队来说，真正重要的不是TAM，而是你能实际吃到的那部分规模。市场再大，你在搜索词前3页拿不到位置，对你就等于零。
"数据丰富、决策贫乏"是很多分析团队的常态。看板越做越花，指标越加越多，但真正能触发动作的指标没几个。
指标太多会稀释注意力，也会给"选择性呈现"留下空间。当一个结论需要10个指标支撑时，任何人都能找到3个支持自己的指标。
第一类，需求强度：搜索词的分层结构（头部词、长尾词、品牌词占比）和加购率。第二类，需求质量：价格带的销量集中度、评价中的负面主题分布、退货率。第三类，需求可持续性：复购周期、老客占比、季节波动幅度。
判断一个指标该不该留下，我的标准是：它能不能直接对应到一个动作。不能对应动作的指标，放进附录，不要放进决策页。
市场需求是会变的，而且变化速度比大多数人想象的快。一个季度的爆款逻辑，下个季度可能完全不成立。
把一次分析当成结论，意味着你把一个时刻的快照当成了持续的状态。我见过团队用去年双十一的数据结构来决定今年夏季的备货，结果颜色和尺码结构全线错配。
我的建议是把验证周期压缩到两到四周一次，看三件事：核心搜索词的结构有没有变、头部竞品的价格带有没移动、加购未支付的比例有没有异常波动。只要这三个有变化，就说明需求侧出现了新的信号。
这是个很容易被忽略的误区。"大家都觉得需要"和"大家需要一个明确规格的东西"，是完全不同的两件事。前者是模糊需求，后者才是可商品化的需求。
模糊需求被商品化时，会分裂成很多个互不兼容的规格。你以为在做一款产品，实际上在做五个方向各异的半成品。库存被切成碎片，每个SKU都达不到规模效应。
第一，搜索词里有没有出现明确的限定词（尺寸、材质、适用场景、人群）。第二，竞品的差评里有没有大量"尺寸不对/用起来不方便"，如果有，说明市场对规格是敏感的，只是没人做对，这是机会；如果差评全是"质量不好"，说明需求已经明确，你只能靠供应链效率竞争。
| 误区 | 表面症状 | 根因 | 一句话检测法 |
|---|---|---|---|
| 把说的当成要的 | 调研结论乐观，上市后转化极低 | 用意愿证据替代行为证据 | 证据里有没有"成本"二字 |
| 只研究已购用户 | 改款后转化率没提升 | 幸存者偏差 | 有没有分析加购未支付和跳出 |
| 竞品卖得好就跟进 | 获客成本远高于对手 | 忽略资源结构差异 | 对方停投流还能不能卖动 |
| 市场规模拍脑袋 | 立项时几亿，实际几百万 | 自上而下连乘主观系数 | 能否用5个真实链接反推规模 |
| 数据越多越好 | 报告很长，结论很空 | 指标未绑定动作 | 每个指标能否对应一个动作 |
| 一次分析定终身 | 季节错配、结构错配 | 把快照当状态 | 最近30天有没有复核过三个信号 |
| 需求大=需求明确 | SKU碎片化，无规模效应 | 混淆模糊需求与可商品化需求 | 搜索词里有没有明确限定词 |
讲完误区，得给一套能跑起来的判断框架。我自己的做法是把需求分析拆成"三层验证"，每一层过不了就不往下走；然后在层与层之间加"四道闸门"，每一道闸门都要有明确的通过标准。
这一层只回答一个问题：有没有人在没有任何提示的情况下，主动寻找解决这个麻烦的办法？注意关键词是"主动"和"没有提示"。如果用户只有被问到才想起来，这个需求大概率不成立。
验证方式很直接：看目标市场里这类需求的自然搜索量结构、看社媒上有没有自发的求助帖、看现有替代方案（哪怕很简陋）有没有在卖。有人愿意为"凑合方案"付钱，是需求存在的最好证据。
这一层回答：我们做出来的东西，能不能在用户愿意付的价格里赚到钱？很多需求是真实的，但它对应的价格带撑不起你的成本结构。这不是需求的问题，是你和这个需求不匹配。
需要算的是完整成本链：采购成本、头程/物流、平台佣金、推广费、退货损耗。我通常会把推广费按"获客成本占客单价的比例"来算，如果这个比例超过30%，就要特别谨慎，因为这个数字会随竞争加剧而上升。
这一层回答：即使需求真实、利润成立，我们能不能持续地、低成本地让目标用户看到我们？这一层最容易被忽略，但它决定的是能不能规模化。
判断标准包括：目标关键词的竞争强度、头部位置的流量集中度、我们有没有差异化内容能力、有没有私域或老客池可以分摊获客成本。
闸门的作用是给每一层验证提供可量化的通过条件，避免"感觉差不多了"。
| 闸门 | 要回答的问题 | 建议的通过信号 | 不通过时的动作 |
|---|---|---|---|
| 行为闸 | 用户有没有在无提示下做出行动 | 加购率、留资率、预售定金数达到基线 | 回到调研，重新定义场景 |
| 价格闸 | 在目标价格带能否留出毛利 | 推广费占客单价比例可控，退货损耗可承受 | 调整规格或更换价格带 |
| 替代闸 | 相比现有凑合方案有没有明显优势 | 在至少两个维度上有可感知差异 | 放弃，或改为改良现有替代方案 |
| 时间闸 | 需求是短期热度还是能持续 | 近90天搜索结构稳定，非单一事件驱动 | 改为小批量快反，不做长周期备货 |
框架讲完，得落到能操作的层面。这一节我用自己实际做过的一次选品复核，讲清楚怎么用工具把判断变成可复核的过程。这里我会以数跨境为例来说明数据底稿应该长什么样。
前面讲的四道闸门，每一道都需要数据支撑。行为闸需要搜索词和加购数据，价格闸需要价格带和成本结构，替代闸需要竞品规格分布，时间闸需要一段时间维度的趋势观察。人肉一个个去查，成本高到没人愿意坚持。
数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）这类跨境数据分析工具的价值，不在于替你下判断，而在于把"可复核的证据链"一次性铺出来。我用它主要做三件事：看品类内的价格带分布、看搜索词的分层结构、看竞品的上新节奏与销量爬坡形态。
需要说明的是，各家工具的字段口径和覆盖市场会有差异，我这里讲的用法是通用思路，具体功能请以你自己账号内的实际版本为准。
背景是我帮一个做户外用品的小团队复核一个候选品类：便携式露营照明灯具。团队的直觉是"露营热还在，灯具是刚需、单价低、复购有耗材"。听起来无懈可击。
第一步，看价格带的销量集中度。把品类内主要竞品按价格区间归组，看销量集中在哪个区间。复盘发现销量高度集中在低价区间，而团队想做的是中高价位产品，理由是"用料更好、有差异化"。这就是价格闸的第一道预警：你想站的价格带，有没有被市场验证过。
第二步，看搜索词的分层结构。把相关搜索词分成三类：大词（品类词）、属性词（功能、材质、场景）、品牌词。发现品牌词占比很高，属性词里大量是"充电""防水""亮多久"这类基础属性，说明用户对这个品类的认知已经非常成熟，差异化空间不在"有没有"，而在"基础性能做不做得到位"。
第三步，看竞品的上新节奏和销量形态。把几个主力竞品的上架时间和销量爬坡曲线摊开对比，发现明显是"上架即靠投放拉量"的形态，自然爬坡很短。这意味着这个品类的竞争更接近流量竞争，而不是产品竞争。
三个观察放在一起，结论就变了：这个品类需求真实、利润结构成立，但它不适合这个团队，因为他们既没有流量成本优势，也没有品牌词沉淀。最后我们把这个品类降级为"观察池"，转去做一个属性词结构更分散、品牌集中度更低的细分类目，三个月后首款产品的动销率做到了63%。
角度一：价格带的销量集中度。不是看有多少个价格带，而是看销量在价格带上的分布是"单峰"还是"多峰"。单峰说明价格敏感，多峰说明人群分层明显，后者更适合做差异化。
角度二：搜索词里的限定词占比。限定词越多，说明用户需求越明确，越好做精准产品；限定词越少，说明用户还处在模糊需求阶段，教育成本高，但一旦做对，转化也会更好。
角度三：竞品销量曲线的形状。是"阶梯式"还是"脉冲式"、是"平缓爬坡"还是"上架即冲高"。曲线形状直接反映这个品类的增长是靠口碑还是靠投放。
第一，不能替你判断成本结构。工具能看到价格带，看不到你的采购价和物流成本，价格闸必须你自己算。第二，不能替你判断资源可迁移性。竞品的销量数据不会告诉你他们的达人资源有多深。第三，不能替你判断时间窗。数据是历史快照，热度是不是刚开始退潮，需要你自己对行业节奏有感觉。
我经常跟团队说的一句话是：工具负责让判断可复核，判断本身依然是你的责任。把一个"我觉得"改造成"基于这三个数据观察到的事实，我的判断是"，这是商品分析能力的分水岭。
同一套框架，在不同的资源条件下，优先级完全不同。下面按四种常见情况给建议，你可以直接对号入座。
这种情况下最忌讳的是"全面调研"。应该把资源集中在行为闸和替代闸上：先做小规模的真实页面测试，再用竞品差评反推需求是否明确。
存量品类最大的优势是有一手数据，最大的风险是"用过去解释未来"。重点应该放在时间闸和结构变化上。
资源有限的团队，应该把验证成本压到最低，用"时间换精度"而不是"用钱换精度"。核心原则是：宁可做三次小批量测试，不要做一次大批量豪赌。
具体动作是缩短决策链，把选品会从"一次定生死"改成"两周一次的快筛"，每次只让一到两个假设通过行为闸。这看起来慢，但失败成本极低，一年下来能试的假设数量反而更多。
大团队的问题通常不是缺数据，而是数据没有和动作绑定。建议做两件事：一是把四道闸门的通过标准写进立项模板，做成必填项；二是给每个闸门指定一个负责人，避免所有人都觉得别人会看。
另外很重要的一点是建立"复盘归因"机制。每一次滞销都要回到四道闸门，判断是哪一道失灵了。如果长期是同一道闸门失灵，那问题就不在具体的人，而在流程设计。
分析方法论的尽头是取舍。所有的框架都会告诉你"都要做"，但现实里你只能选两件先做。下面是我在实战里总结的四组典型取舍。
热点型品类必须选速度，基本盘品类必须选精度。判断标准是这个品类的窗口期有多长：如果头部竞品从上架到起量普遍在30天以内，说明窗口短，你就要压缩验证周期；如果普遍需要6个月以上，那你最好老老实实把精度做足。
广度用来发现问题，深度用来解释问题。预算有限时，我建议先用广度扫描找到异常信号（比如某个价格带突然销量上涨），再对这一个点做深度访谈或深度数据挖掘。不要把有限的预算平均撒在所有维度上。
能决定差异化的数据自己攒，通用型数据直接采购。比如你的老客复购周期、你的加购未支付归因，这些必须自己建；而品类价格带分布、搜索词结构这类通用维度，用成熟工具的效率远高于自建。
我的经验是把资源做个大致分配：七成守基本盘，三成试热点。热点的价值在于可能带来结构性机会，基本盘的价值在于让你活到那个机会出现。全部押热点，一次判断错就可能影响现金流；完全不碰热点，又会错过品类迁移的窗口。
| 取舍维度 | 偏向前者时 | 偏向后者时 | 我的建议基准 |
|---|---|---|---|
| 速度 vs 精度 | 竞品起量周期短于30天 | 竞品起量周期长于90天 | 用起量周期中位数做分界 |
| 广度 vs 深度 | 品类陌生、无历史数据 | 已有明确异常信号待解释 | 先广后深，不要平均分配 |
| 自研 vs 采购 | 数据直接影响差异化定位 | 数据属于通用行业维度 | 差异化自研，通用采购 |
| 热点 vs 基本盘 | 有独立预算且能承受全损 | 现金流依赖稳定动销 | 七三分配，热点单独核算 |
写到这里，我想回到开头那个床头置物架的案例。后来我们把这款产品的复盘做成了模板，核心就是把下面这10个问题逐条问一遍。你会发现，只要其中三个答不上来，这次立项就该停下来。
我的核心判断是：市场需求分析的能力差距，不在于谁会用的工具更多，而在于谁更早地承认自己的假设可能是错的。误区之所以被称为误区，是因为它们在当下的信息条件下看起来完全合理，合理的样本、合理的逻辑、合理的乐观。只有主动去找证伪信号的人，才能提前一步发现它们不成立。
下一步怎么走，我建议按这个顺序：先拿第8节的10个问题，把手上正在进行的一个选品假设过一遍，把答不上来的条目记下来；然后挑一个最便宜、最快能做的验证动作，在本周内跑完；最后把四道闸门的标准写进你们团队现有的立项模板里，让它变成流程的一部分，而不是靠个人自觉。
如果你需要一份更细的复核底稿，我通常建议直接用数据工具把证据链铺出来再做判断。比如在数跨境（https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）里把目标品类的价格带分布、搜索词结构和竞品上架节奏拉一遍，这三张表基本能覆盖行为闸、替代闸和时间闸的大部分判断依据，剩下的价格闸需要你自己的成本数据来补。
需求验证底稿建议字段（可直接建表使用）
——————————————————————
假设编号 | 需求场景描述 | 目标人群 | 目标价格带
证据类型 | 意愿证据 / 行为证据 / 竞品证据 / 成本证据
行为闸 | 加购率 | 留资率 | 预售定金数 | 通过/不通过
价格闸 | 采购成本 | 物流成本 | 平台佣金 | 推广费占比 | 退货损耗 | 通过/不通过
替代闸 | 现有替代方案 | 优势维度1 | 优势维度2 | 通过/不通过
时间闸 | 近90天搜索结构变化 | 是否事件驱动 | 通过/不通过
证伪信号 | 若假设错误，最先出现的异常指标是：
决策结论 | 立项 / 观察池 / 放弃
填写规则：四道闸门任一为"不通过"，结论不得填"立项"。
最后想说的是，这篇文章里所有具体数字，除明确标注来源的之外，都来自我参与过的项目复盘和团队内部统计，属于样本观察，不是行业统计口径，你在参考时请结合自己的品类和渠道做校准。误区的价值从来不在于它有多新鲜，而在于你能不能在自己的流程里，给它加一道卡点。
我刚转岗做商品运营，之前一直做用户调研，习惯性把用户访谈里说的‘我想要’整理成需求清单。结果有次按访谈结果上了一款新品，用户都说会买，实际上架后三个月只卖了不到200件。我就很困惑，用户要的和市场要的，难道是两回事吗？到底该先分析哪个？
两者不是一回事，判断顺序也不能反。用户需求是‘某个人表达了想要’，市场需求是‘足够多的人在有购买力、有替代选择的情况下，真的会掏钱’。商品分析里我建议先看市场需求（规模和竞争），再看用户需求（具体偏好）。
判断依据用三个口径卡：一是规模口径，估算目标人群数量乘以可接受价格带，看能不能撑起你的最小起订量或库存目标；二是行为口径，看同类商品在平台上的真实搜索量、加购率、复购率，而不是访谈里的口头意愿；三是替代口径，列出用户不买你会买什么，如果替代品又多又便宜，口头需求基本无效。
访谈可以用，但只用来解释‘为什么买/不买’，不用来确认‘会不会买’。
我们团队每次选品都会有人说‘这个方向肯定有市场’，理由就是身边同事都觉得不错。但真上架以后数据很难看，复盘时谁也说不清到底哪里判断错了。我不想再靠感觉拍板，想要一套能提前验证的方法，哪怕粗糙一点也行。
伪需求的核心特征是‘表达了意愿，但没有付出成本’。可操作的验证分三步。第一步，看有没有人已经在为这个需求花钱，哪怕是买替代品、买低配方案，只要是真实付费行为就算有效信号，完全找不到付费痕迹的，先降级为假设。
第二步，做小成本真实验证，比如预售、小批量测款、投放落地页收集定金或留资，关键看转化率和定金支付率，而不是点击率。第三步，设定止损口径，比如测款期转化率低于同类目均值的一半、或加购到支付转化低于某个百分比就停。判断依据一定要写死在测试前，否则事后总能找到理由说服自己。
我负责商品分析，每次做市场分析报告都要拉十几张表，浏览量、搜索量、增长率、竞品SKU数、价格分布全都放进去。但老板看完只问一句‘所以结论是什么’，我自己也说不清哪个指标才是关键。是不是我抓错了重点？
不是数据越多越准，是口径越清楚越准。商品分析里真正要盯的核心指标只有三类：需求规模类，比如类目搜索量、成交总额、增速，用来判断盘子够不够大；需求质量类，比如支付转化率、复购率、退货率，用来判断需求是不是稳定和真实；竞争结构类，比如头部集中度、价格带分布、新品存活率，用来判断你还有没有切入点。
其余指标都是解释性指标，放在附录即可。判断依据上，我通常要求自己每份报告只回答三个问题：值不值得做、能不能做、怎么做。如果一个指标不能服务于这三个问题中的任何一个，就删掉，不要为了报告好看而堆数据。
我之前花了两周做了一份很详细的市场需求分析，结论是某个价格带是空白。但等产品开发和备货走完流程，大半年过去了，上架时发现竞品已经把这个价格带填满了。我意识到市场需求不是静态的，但不知道该用什么节奏去跟。
市场需求分析的结论有明确保质期，一般快消和服饰类目按周或按双周复盘，耐用品和开发周期长的类目至少按月复盘，并且要在立项、开发、上架三个节点各做一次重新确认。做法上建议建立‘假设-验证-迭代’小循环：立项时把你的核心假设写下来，比如目标价格带、目标人群、预计转化率；
每个节点用最新数据核对假设是否还成立，重点看三个变化信号，同类搜索量的趋势、竞品新增SKU的定价、你自己测款数据的偏差。一旦发现关键假设被推翻，就要触发重评，而不是硬着头皮把货推上去。复盘频率不是越勤越好，而是要和你的决策周期对齐，决策慢的团队复盘太勤反而增加噪音。
读者评论
文章里那个79%意愿对上0.9%转化的案例太真实了，我们做用户调研时也经常掉进这个坑，问卷里问'会不会买'几乎全是好评，一到真实上架就傻眼。看来以后必须把价格和替代品放进测试环节，光问不测就是自嗨。
误区二提到只研究已买的人、忽略没买的人，这一点特别戳中我。我们团队每次复盘都盯着好评和复购数据看，很少去扒加购未支付和跳失率，结果优化方向总是小修小补。其实那些犹豫的人才是转化率天花板的关键。
自下而上替代TAM那套方法很实用，平时做市场估算总喜欢套个大数字显得专业，但层层百分比相乘误差巨大。不如老老实实数几个竞品链接的月销和价格带，算算自己能抢到多少位置，这种脏活累活反而更接近真相。
需求判断越往后修正成本越高，这个台阶式放大的图表看得我一身冷汗。我们经常在打样甚至下单后才意识到假设有问题，那时候开模费和MOQ已经砸进去了。看完决定把验证动作全部提前到选品假设阶段，哪怕多花一周调研也比清仓强。