很多团队做商品分析的方式，是把ERP里的数据导出来，做成一张包含动销率、售罄率、周转天数、毛利率的大宽表，每周开会的时候投屏翻一遍，然后……就没有然后了。我在过去几年帮十几家零售和电商团队梳理商品管理体系时，反复见到同一个现象：报表越做越厚，商品动作却越做越少。分析报告里写着"某SKU进入衰退期，建议清仓"，但三个月后这个SKU还躺在仓库里，占着库位、耗着资金、拖着周转。
问题不在于分析师不专业，也不在于数据不够全，而在于商品分析这件事从来不是"分析"问题，而是"管理"问题。分析只是给流程提供输入信号，真正决定商品命运的是流程：谁在什么节点、看到什么信号、被触发去做什么动作。这篇文章想讲的，就是怎么用生命周期这条主线，把散落的商品分析能力串成一套能跑起来的流程，而不是再贡献一份"生命周期四阶段科普"。
如果你只想要一句话结论，那就是：把商品分析做成一张"状态流转表"，而不是一张"指标汇总表"。前者回答的是"这个商品现在处于哪个状态、下一步该流转到哪里、触发条件是什么、谁来执行"，后者回答的是"这个商品这个月表现怎么样"。
我在2023年帮一家做家居百货的电商公司做诊断时，他们的商品分析团队有4个人，每周产出27张报表，覆盖了从流量、转化、库存到毛利的所有维度。但我问他们的商品运营负责人一个问题："你现在能说清楚仓库里那1200个SKU，分别处在生命周期的哪个阶段吗？"他沉默了大概十秒钟，说"大概能分个大概"。
这就是典型的"分析过剩、管理缺位"。后来我们做的事情并不复杂：砍掉19张报表，把剩下的8张指标全部绑定到五个生命周期阶段上，再为每个阶段定义"进入条件、监控指标、退出条件、责任人、标准动作"。三个月后，他们的滞销库存金额下降了约34%，不是因为分析更准了，而是因为流程开始自动推着人做决策了。
所以这篇文章的组织逻辑是：先讲清楚生命周期到底该怎么理解（不是分类，是状态机），再讲每个阶段管什么、怎么从分析落到动作，然后讲流程设计的四要素、工具选择、协同机制和异常处理，最后给一份可直接套用的流程模板和不同规模团队的行动建议。
很多团队在SKU数量少于200个的时候，商品管理靠"老板记忆+运营直觉"是能跑通的。哪个货好卖、哪个货该补、哪个货该清，几个核心成员心里有数。但当SKU数量涨到500以上，尤其是引入季节性品类、多规格多颜色之后，人的工作记忆容量会先于业务复杂度崩溃。
我观察过一个典型数据：当SKU从300增长到1000时，商品运营人员对"上周表现异常SKU"的识别准确率从约75%下降到不足40%。这不是能力问题，是注意力分配问题，1000个SKU里哪怕只有8%出现异常，也是80个需要跟进的商品，人脑无法在没有结构化流程的情况下稳定处理这个量级。
更麻烦的是数据源问题。销量在电商后台、库存在ERP或WMS、成本在财务系统、流量在平台广告后台、退货原因在客服工单系统。每个系统都能导出一份"看起来正确"的数据，但它们对同一个SKU的"健康状态"判断经常是不一致的。
比如某个SKU在电商后台看销量还在涨，但WMS里显示这批货的生产批次已经过了最佳销售期，财务那边算出来它的毛利率因为退货率上升已经掉到了个位数。三个系统各自都没问题，但合在一起才能看出：这个商品实际上已经进入衰退期，只是销量数据在掩盖真相。
这也是为什么我在做商品分析流程设计时，第一件事通常不是讨论指标，而是讨论"数据在哪里汇聚"。现在不少团队会借助像数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）这类跨境与零售数据集成工具，把多平台、多系统的商品数据先归集到一个商品主数据视角下，再去做生命周期判定。
这一步做不好，后面的流程全是空中楼阁，因为你连"这个商品到底怎么样"都没法统一回答，更不用说触发统一动作。
第三个背景是组织问题。运营负责卖，采购负责买，仓配负责存，财务负责算账，但"这个商品从引入到退出的全流程"往往没人真正端到端负责。分析师夹在中间，能发现问题但推动不了动作；运营能推动动作但看不到全局；采购只关心采购成本不关心售罄节奏。
结果是：生命周期管理变成了一件"谁都不反对、但谁都不主导"的事。这也是为什么我坚持认为，流程设计的第一步不是画流程图，而是先确认"谁是这个流程的Owner"，通常建议由商品运营负责人担任，向商品总监或供应链负责人汇报。
最常见的一个误区，是在商品主数据里给每个SKU打一个"生命周期阶段"标签，然后这个标签半年都不更新。这样做的后果是：引入期和成长期被混为一谈，衰退期还挂着成熟期的运营策略，退出期商品仍在占用首页流量位。
我在诊断中见过极端案例：某服装品牌一款外套的标签还是"成长期"，实际上这个款式已经连续两个月销量环比下降超过25%，退货率从6%涨到19%，门店陈列位早换了三茬。这个标签唯一的作用，就是让管理层在会议上误判它"还有增长空间"，结果拖到季末才清仓，损失了一大截毛利。生命周期不是商品的属性，而是商品的当下状态，它必须能被触发、被流转、被追溯。
网上大量的科普文章会说"商品生命周期分为引入期、成长期、成熟期、衰退期"四个阶段。这个框架本身没问题，但直接照搬到企业里会出问题：不同品类的阶段划分差异很大。
比如生鲜品类的生命周期以"天"为单位，成熟期可能就是48小时；快时尚女装可能以"周"为单位，一个款式生命周期8到12周；而家电、家具这类耐用品，成长期可能长达半年甚至一年。如果强行用一套"阶段时长参考值"，流程一定会误判。
我的建议是：阶段名称可以统一，但阶段判定条件必须按品类族分别定义。比如"衰退期"对生鲜来说是连续两天动销低于某阈值，对女装是连续两周售罄率低于某水平，对家电可能是连续两个月环比负增长。名称一致让跨部门沟通方便，条件分开保证判定准确。
这是我特别想强调的一点。很多团队在推进商品分析体系时，KPI定的是"预测准确率""异常识别覆盖率"这类分析指标。结果分析师为了追求准确率不断加特征、调模型，但业务端的动作执行率依然很低。
真正应该考核的是"信号触发后，标准动作在规定时间内执行的比例"。比如"衰退期商品7天内生成清仓方案的执行率"，这个指标才有管理意义。因为商品分析的价值不在于算得多准，在于让该做的事情被做掉。指标算错一个SKU没什么大不了的，动作漏做一百个SKU才是致命的。
还有一个被普遍忽略的问题：阶段误判。很多商品不是真的进入衰退期，而是因为一次断货、一次活动节奏错位、一次竞品突然降价，被错误地判定为衰退，然后就被放弃或清仓处理。如果没人复盘这个误判，这套流程会持续制造"被冤枉的滞销品"。
与之相关的是缺少"生命周期回溯"。好的商品管理机制，会在退出期商品归档时，把它的数据回灌到选品和引入期环节，为什么这个商品当初判断错了，是新客获取成本高估了，还是复购周期没算对。没有回溯机制的生命周期管理，只是把商品的死亡记录下来，而不是让下一次选品不犯同一个错误。
我建议所有做商品管理的人，把生命周期理解成一个状态机（State Machine），而不是一个分类标签系统。状态机有三个关键属性：状态、转移条件、转移动作。
对应到商品管理：状态就是这个SKU当前处在引入、成长、成熟、衰退还是退出；转移条件就是基于哪些指标、达到什么阈值时会流转；转移动作就是流转发生时系统或人必须执行的标准动作。
这样理解的好处是，它天然要求你把"分析"和"流程"绑在一起，因为状态机里的转移条件本身就是分析指标，而转移动作就是流程动作。一个SKU从成长期进入衰退期，不需要开会讨论，不需要等下周报，只要触发条件满足，流程立刻推动动作发生。
单看一个指标判定阶段是非常危险的。比如只看销量负增长就判定衰退，会误伤很多周期性商品；只看毛利率下降就判定衰退，会误伤那些在策略性让利冲规模的新品。
我的经验是：阶段判定至少要"销量趋势 + 库存健康 + 毛利表现 + 时间维度"四个维度里三个维度同时指向同一方向，才算稳定信号。四个维度里只有一两个异常，先进入"观察期"而不是直接流转状态。这样能显著降低误判率。
不同维度的核心指标参考：
很多企业的商品流程之所以跑不起来，是因为流程设计本身是残缺的。一个完整的、能自动跑起来的流程节点必须包含四个要素，缺一个就会断。
节点：什么时候检查。不是"每周一次"这种笼统频率，而是"每周一早上10点前系统自动跑一次阶段判定，输出流转清单"。
责任人：谁对结果负责。不是"商品部"，而是具体的岗位，比如"商品运营专员A负责成长期转成熟期的确认，商品经理B负责成熟期转衰退期的审批"。
触发条件：什么信号会触发动作。必须是可量化、可自动判定的，比如"连续两周动销率低于25%且库存周转天数超过45天"。
动作：触发后执行什么。必须是明确的、有SOP的，比如"生成补货暂停通知、触发价格调整评审、同步通知渠道运营下架首页曝光"。
在跨部门共识里，一定要把"我们公司的生命周期阶段是按什么标准划分的"写下来。这不是学术洁癖，是因为当采购同事说"这个商品还在成长期"、运营同事说"它已经衰退了"的时候，你需要一份共同文档来快速对齐。
我的做法是：每个品类族单独一份"阶段判定卡"，写明五个阶段各自的判定条件、监控指标、参考时长、动作清单。这份卡片是流程的宪法，一旦确定，所有会议、报表、系统配置都以它为准。
去年我参与一家做跨境家居用品的公司流程梳理，他们在亚马逊、Shopee、独立站三个渠道卖货，同时在北美和东南亚有四个海外仓。SKU总数1300多，但真正每天被关注的不到200个，剩下的1100多个基本处于"放养"状态。
他们原先的做法是：每个渠道的运营单独看自己后台的数据，各做各的清仓/补货决策。结果出现了一个很典型的现象：同一个SKU，在亚马逊被判为"需要补货"，在Shopee被判为"需要清仓"。为什么会这样？因为两个渠道看的是各自平台的库存和销量，没有统一到"全球可用库存+全渠道销量"的商品主数据视角。
他们后来引入了数跨境这类工具做多平台数据归集，把商品主数据、多渠道库存、多平台销量、退货数据、成本数据集中到一个视图下，再基于这个视图做生命周期阶段判定。这个动作本身不复杂，但它让"这个商品到底该补还是该清"第一次有了唯一答案。数跨境的官网（https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;
_unit=gys）上有他们支持的平台和数据类型说明，选型前可以对照自己渠道构成看是否覆盖。
他们把生命周期流程跑起来之后，我记录了几个关键指标的变化。需要说明的是，这些数据来自单一企业的实际经营，不构成行业普适结论，但作为流程价值的观察参考是有意义的。
| 指标 | 流程上线前（约3个月均值） | 流程上线后（约3个月均值） | 变化 |
|---|---|---|---|
| 滞销库存金额占比 | 23.6% | 14.rég% | 下降约9.4个百分点（示意） |
| 分析到动作平均耗时 | 31天 | 12天 | 缩短约61% |
| 商品动作月执行率 | 41% | 83% | 提升约42个百分点 |
| 跨渠道阶段判定一致率 | 52% | 89% | 提升约37个百分点 |
| 月均产出报表数量 | 24张 | 7张 | 减少约71% |
需要坦白说，这些数字不是单一变量造成的。流程上线同时他们也做了组织调整和系统打通，所以不能把改善全部归功于"生命周期模型"。但有一点我可以确定：在流程上线前，即使分析能力已经具备，这些改善也不会发生，因为没有人被明确触发去做那些动作。
流程上线后大概第六周，系统跑出一批"疑似衰退"的SKU，其中一个是一款户外折叠桌。按照原逻辑，它应该被打上清仓标记。但流程里多了一道"衰退确认"节点：责任人需要看它最近4周的流量结构变化，而不是只看销量。
结果发现，这款桌子的自然搜索流量一直稳定，但付费流量在上个月被运营调走去做新品了，所以站内整体曝光下降，销量跟着下来，看起来像衰退。这不是商品衰退，是流量配置改变导致的误判。责任人给它贴了"观察期"标签，协调运营把部分付费流量调回，两周后销量恢复，库存也消化掉了。如果没有这个"衰退确认"节点，这款本可以再卖两个季度的商品就会被提前清仓。
这就是我强调"阶段误判回溯"的原因，不是所有负增长都是衰退，流程必须给误判留一个刹车位。
工具选择是很多人纠结的地方，我的观点是：工具不是越先进越好，是和你的SKU规模、协同复杂度匹配最好。强行上重型系统而流程没跑通，反而增加废弃成本。
按我的经验，大致可以分三个阶梯：
需要特别提醒的是，工具升级不能跳过流程设计。我见过太多团队先买系统再补流程，最后系统里配置的生命周期规则是拍脑袋定的，跑出来的判定结果没人信，系统闲置。一定要先把阶段判定卡和四要素设计清楚，再决定用哪个工具承载。
商品生命周期管理天然是跨部门的。我的建议是在每个状态流转上明确四个角色：
这四个角色不是每流转一次就需要全部参与，而是根据流转类型决定。成长期到成熟期的流转通常只需要发起+审批；成熟期到衰退期涉及清仓动作，必须四个角色都参与。
流程跑起来一定会遇到异常，提前定义好处理规则，比事后扯皮强得多。
数据缺失：某个SKU在某个渠道的销量数据没有回流，导致阶段判定无法完成。处理规则是"数据缺失超过X天，SKU自动进入观察期，不进任何流转，同时通知数据负责人补齐"。
阶段误判：商品被错误地判定为衰退，执行方在动作前提出异议。处理规则是"执行方有权在动作窗口期内提出复核，复核由发起方+审批方共同完成，复核期间流程暂停"。
责任推诿：清仓动作涉及价格让利，运营不愿执行。处理规则是"清仓决策由商品经理审批后，价格让利幅度在预设区间内的，运营必须在规定时间内执行；超出区间的走例外审批"。把决策权和执行义务绑定在一起，才能减少推诿。
下面这张表是我在项目中反复调整后沉淀下来的模板，可以直接作为起点，然后按自己品类替换触发条件和动作细节。这里以女装品类为例，因为它的生命周期相对紧凑，阶段特征明显。
| 阶段 | 进入条件 | 核心监控指标 | 责任人 | 标准动作 | 检查频率 |
|---|---|---|---|---|---|
| 引入期 | 新品上架 ≤ 14天 | 首单动销率、加购率、首周退货率 | 商品运营专员 | 试销复盘；曝光资源调整；淘汰或转入成长期 | 每周一次 |
| 成长期 | 连续2周销量环比 > 15%，售罄率 > 50% | 周销量环比、库存周转天数、复购率 | 商品运营主管 | 提高补货频次；扩渠道；增加曝光 | 每周两次 |
| 成熟期 | 销量环比波动在 ±10% 内，毛利率稳定 | 毛利率、库存健康度、退换货率 | 商品经理 | 维持曝光；毛利率优化评审；控制补货节奏 | 每周一次 |
| 衰退期 | 连续2周动销率 < 25% 且库存周转 > 45天 | 动销率、库存周转、毛利侵蚀速度 | 商品经理 | 进入衰退确认；清仓评审；替代品衔接 | 每周一次 |
| 退出期 | 库龄 > 180天 或连续4周零销量 | 库龄分布、资金占用、历史销售曲线 | 商品运营负责人 | 执行下架；数据归档；选品回溯 | 每两周一次 |
如果你用BI工具或轻量系统承载这套规则，触发条件的表达大致长这样。下面的示例是Python伪代码，重点在于展示"多维组合判定"而不是单一指标的写法，实际部署时可以翻译成SQL或系统规则配置。
def check_mature_to_decline(sku): 维度1：动销趋势 sell_through_2w = sku.sell_through_rate(last_days=14) sell_through_prev_2w = sku.sell_through_rate(last_days=28, offset=14) trend_down = sell_through_2w < sell_through_prev_2w * 0.75 维度2：库存健康 turnover_days = sku.inventory_turnover_days() inventory_unhealthy = turnover_days > 45 维度3：毛利表现 gross_margin_drop = sku.gross_margin_change(weeks=4) < -0.05 return_rate_up = sku.return_rate_change(weeks=4) > 0.03 维度4：时间维度（避免新品被误判） is_mature_period = sku.days_since_launch() >= sku.category.mature_min_days 组合判定：至少3个维度同时指向衰退 decline_signals = sum([ trend_down, inventory_unhealthy, gross_margin_drop or return_rate_up, is_mature_period, ]) if decline_signals >= 3: return "进入衰退确认流程" elif decline_signals == 2: return "进入观察期" else: return "维持成熟期"
这段规则的关键在于"至少3个维度同时指向衰退"这个设计。很多团队触发条件是"销量连续下降X%就进入衰退"，误判率非常高。加上库存、毛利、时间三个维度作为交叉验证，能显著提升判定稳定性。
退出期不能只是下架归档就完事。我通常建议在退出流程里加一步"生命周期回溯"，回答三个问题：
这三问的答案应该回流到选品评审和定价策略里，而不是躺在归档表里。没有回溯的生命周期管理，只是记录了一次死亡，而不是积累了下次活下来的经验。
不要急着上系统。先把品类族划分清楚，为每个品类族写一份"阶段判定卡"，把五个阶段的判定条件写下来。然后建一张简单的表格，每周手动更新一次每个SKU的阶段。重点是把机制跑通，这个阶段人盯得住，不需要自动化。
行动清单：
这个阶段最大的痛点是数据分散导致阶段判定不一致。你需要先把数据汇聚做起来，可以考虑数跨境这类支持多平台商品数据整合的工具，把主数据、库存、销量、退货、成本归集到一个视图下，然后再谈流程自动化。
行动清单：
这个阶段的复杂度已经超过人力可管理的范围，必须依托系统。但要记住系统只是承载流程，流程设计的四要素一个都不能少。同时要建立跨品牌、跨区域的商品主数据治理机制，否则各品牌各区域的商品数据口径不一致，"同一商品"在系统里可能有三四个身份。
行动清单：
有些团队上了系统后，希望生命周期流转完全自动化，不需要人确认。我不建议这么做，至少在成熟期转衰退期这个节点上，必须保留人工复核。
原因很简单：衰退判定一旦错误，接下来的清仓、下架动作会造成真实的库存和毛利损失，而人工复核的成本相对很低。我的取舍是：引入期到成长期可以自动流转，成长期到成熟期可以自动流转，成熟期到衰退期必须人工复核，衰退期到退出期由人工发起、系统校验。
有的团队希望把生命周期分到七个阶段、八个阶段，觉得越细越精确。实际上超过五个阶段之后，管理成本会显著上升，而判定准确率的提升非常有限，因为相邻阶段的边界条件本身就在互相渗透。
我的经验是：五个阶段是大多数零售和电商品类的甜点。如果品类特别复杂（比如同时经营生鲜和耐用品），可以在某个阶段内部再划分"早期"和"晚期"，但对外汇报时仍然保持五个大阶段，避免跨部门沟通时混淆。
如果资源有限，我建议把资源优先投到流程闭环上，而不是继续加深分析精度。具体判断标准是：如果当前的动作执行率低于60%，那么无论分析准确率多高，都无法转化为实际价值；只有当执行率超过80%之后，再去优化分析精度才有边际收益。
这个取舍非常重要，因为很多团队在动作执行率只有40%的情况下还在纠结要不要换更高级的算法模型，这是本末倒置。先让已有的分析结果被用起来，再让分析变得更准。
跨部门协同的时候，最怕的是每个品类一套流程，沟通成本极高。我的建议是：流程骨架统一（都是五个阶段、都是四要素配置、都用同一份流转单格式），但每个品类族的判定条件和参考时长可以分开定义。这样既保证了跨部门沟通有共同语言，又保证了判定的准确性。
具体的做法是：公司层面出一份《商品生命周期管理总则》，规定阶段命名、责任人矩阵、审批权限、异常处理框架；每个品类出一份《品类阶段判定细则》，规定本品类的判定条件、指标口径、参考时长。
回到最初的问题：商品分析怎么管？我的答案是，别把商品分析当成一个分析问题，要把它当成一个流程问题。生命周期是商品的真实状态，状态会流转，流转需要触发条件，触发后必须有人做动作，动作执行需要责任明确，执行结果需要被复盘。
这里面最容易被忽视的三个判断是：第一，生命周期是状态机不是分类，它要求把分析和流程绑在一起；第二，阶段判定要多维组合，单指标判定误判率高得离谱；第三，分析的价值不体现在算得准，而体现在动作被做掉。
如果你现在正在为商品管理体系发愁，我建议的下一步动作不是去买工具，也不是去学更多的分析模型，而是先用半天时间，把你当前的品类族清单和生命周期判定卡写出来。写完你就会发现，很多之前觉得"分析不出东西"的问题，其实是"没人知道该在什么时候做什么动作"的问题。
然后再决定要不要上工具、上什么级别的工具。选工具的时候，重点看它能不能支撑你的数据汇聚需求、能不能承载你的阶段判定规则、能不能生成可跟进的流转工单，而不是看它有多少功能。
跑通之后，先用一个品类试点，跑三个月，把动销率、库存周转天数、清仓决策周期、动作执行率这几个指标记录下来。跑通了再推给其他品类。不要一开始就全公司铺开，那是给自己挖坑。
最后一句，我特别喜欢跟客户说的一句话：商品分析管理的终点，不是让报表更漂亮，是让每一个SKU都有清晰的归宿，该补的时候补，该清的时候清，该退出的时候体面地退出，该被记住的时候在选品记录里留下痕迹。做到这一点，生命周期管理才算真正跑起来了。
我们公司一边做美妆一边做家电，美妆三个月就换一茬，家电一个型号能卖两年。之前运营按‘引入、成长、成熟、衰退’四段切，结果家电刚进成长期，美妆已经要清仓了，开会永远对不齐。我现在就想知道，阶段到底该按什么维度切，才能让不同品类都说得通。
阶段划分不要追求全公司统一成几段，而要统一‘判定维度’而不是‘段数’。可执行做法是：先固定一组判定变量（上架天数、近4周销量增速、累计售罄率、库存周转天数、毛利率偏离度），再按品类分别设定阈值，阶段数量允许不同，但同一品类内必须一致。
判断依据是：阶段只是状态标签，真正驱动动作的是阈值触发，所以只要阈值表是按品类维护的、且每月回溯校准一次，段数差一段两段不影响协同。落地时建议先选1个品类试点，用历史数据跑一遍，如果出现某SKU在相邻两个月反复跳段，说明阈值区间太窄，需要合并或放宽。
我们每周都出报表，动销率、售罄率、周转天数都有，但会上大家看完就散了。老板问‘所以这周要干嘛’，没人答得上来。我自己也觉得分析做了很多，最后就是补货、清仓几句话，说不到点上。
问题的根子不在指标，而在指标没有绑定触发条件和责任人。可执行做法是给每个阶段做一张‘指标，阈值，动作，责任人，频率’五行表，例如引入期看首单售罄率，低于30%触发‘停止追单+复盘选品’，责任人是商品企划，频率按周；成熟期看毛利率偏离度，连续两周低于目标3个点触发‘调价或换促销位’，责任人是运营。
判断依据是：动作必须能在系统里被触发和追踪，否则就只是观点。落地时先只做两个阶段，把动作写死到具体的人和时间点，跑一个月看执行率，再补其他阶段。
我们流程表做得很漂亮，但每次推进都是商品部在推，运营说没空，采购说库存不是他一家的事，财务只在月底才出现。流程设计得再细，落不到别人头上就是一张废纸。我现在最头疼的就是这个协同问题。
协同的关键不是讲道理，而是把别人的KPI接进你的触发条件里。可执行做法是：每个动作节点标注‘对谁的指标有利’，例如清仓动作对应运营的库存周转和财务的现金回笼，补货动作对应采购的缺货率和运营的售罄率；同时在流程表里明确发起人、审批人、执行人三类角色，不允许一个角色既发起又审批。
判断依据是：跨部门流程能跑下去，靠的是动作能改善对方的考核，而不是靠流程图的完整性。落地时建议先挑一个最痛的单品做联合复盘，把三方同时拉进一次决策，跑通后再固化成制度。
我们最开始用Excel，500个SKU还能撑，到2000个就开始卡、版本乱、口径不一致。后来想上系统，又怕买回来没人用。我其实想知道，到底什么规模该换什么工具，以及怎么判断流程是不是已经空转了。
工具选择按SKU规模和协同复杂度递进，而不是按预算。可执行判断是：SKU少于500、单人或双人维护，用表格加固定模板就够；500到2000、涉及三个以上角色，需要BI加定期刷新，至少保证口径统一；超过2000或每周都要跑阶段判定，就必须上商品管理类系统，把触发条件写进规则。
判断流程是否空转看两个信号：一是同一份报表连续三周没有产生任何动作记录，二是阶段判定依赖某个人手动修改。出现任一信号，先缩流程范围，只保留能触发动作的节点，再加工具，不要反过来先上系统再补流程。
读者评论
把生命周期当状态机而不是静态标签，这点太真实了。我们公司给SKU打的阶段标签半年不更新，结果开会时还在按成长期策略推，实际上早该清仓了。
四要素里最认同‘动作执行率’这个考核方向。之前团队天天卷预测准确率，结果滞销库存一点没少，后来改考核清仓方案执行率，两周就见效了。
数据分散那段说到痛点了。销量在平台后台、库存在ERP、退货在客服系统，三个系统看同一个SKU结论完全不一样，不做数据汇聚根本没法做生命周期判定。
固定四阶段套所有品类确实容易出问题。我们做生鲜和标品混营，生鲜成熟期就两天，标品能撑几个月，用一套阶段时长标准肯定误判。
最打动我的是缺少回溯机制那段。被误判清仓的商品从来没人复盘，导致选品环节反复犯同类错误。文章给的流程模板挺实用，准备拿回去试。