上个月一位做服饰类目的朋友把他的月度复盘表发给我，37个SKU的销量、销售额、毛利率、库存周转整齐列在Excel里，最后一栏写着："结论：部分商品表现不佳，建议加强推广。"我问他哪个"部分"，他翻了半天说："就是感觉卖不动的那几个。"这张表的问题不在数据，在于它没有坐标系，37个SKU被当成37个平等的对象在比较，而不是37个处在不同生命阶段的商品。一个刚上架三周的针织开衫下滑了20%，和一个卖了两年半的基础款T恤下滑了20%，是完全相反的两个信号，但在那张表里它们长得一模一样。
这就是我今天想聊的核心：商品分析数据复盘的质量，取决于你有没有先给每个SKU做生命周期定位。没有定位，复盘就是流水账；有了定位，复盘才是一份能指导下一周期决策的诊断书。下面这套方法是我在几个品牌方和跨境团队里反复用过的框架，从阶段判定标准、指标选取、数据准备，到结论输出和行动取舍，我会把每一步的量化阈值和判断逻辑都摊开讲。
很多商品运营把生命周期四阶段当成一个"考试要考的概念"，背完就放下。但在我实际操作中，它是整个复盘流程的第一道工序，决定了后面所有动作的方向。结论先摆在这里，后面章节再展开论证。
同一个指标在不同阶段的意义是相反的。库存周转天数在导入期偏高，通常说明铺货超前于需求，属于可接受的"备货窗口期"；但同一个数字出现在成熟期，就是明确的滞销信号。
导入期的复购率低是正常的，用户还没形成购买习惯；成熟期的复购率只要下滑1个百分点，就值得拉出客群明细来查。所以我的复盘清单从来不是一张固定表，而是四张按阶段切换的表，先判定SKU处在哪一段，再决定看哪张表。
我见过太多复盘报告的结尾是"加强推广""优化陈列""提升转化"。这类结论无法执行，因为它没有指向具体对象和具体动作。复盘真正的终点是三个二元或多元选择：继续投入、维持现状、收缩清仓。
更进一步，每个SKU还要落到动作维度上：调价、调库存、调流量位、调组合搭配，还是直接汰换。一句"加强推广"背后其实是四种不同的资源分配方案，不写清楚，执行层就只能自己猜。
"我觉得这个款卖得差不多了"是判断，不是数据结论。我要求团队里的阶段判定必须写成可复核的形式，例如"连续4周销量环比下降且累计降幅超过25%，同时毛利率未因降价提升，判定进入衰退期"。可复核意味着换一个人拿着同样的数据，能得出同样的阶段结论。这条标准看起来苛刻，但它能把大量主观臆断挡在复盘流程之外。
单一时间点的数据没有分析价值，这是我一直坚持的判断。一个SKU本月卖了800件，这个数字本身不说明任何问题，它必须和上月、去年同期、目标值、同价格带竞品放在一起才有意义。所以我的数据准备清单里，对比基准和原始指标是同等重要的两个部分，缺了前者，报表就只是记录，不是分析。
方法论的每个细节几乎都来自踩坑。下面三个场景是我自己或我带过的团队真实遇到过的，第一个坑让我损失了一整季的备货预算。
2023年秋季，我所在的团队做羽绒服的月度复盘。9月销量环比8月下滑了约30%，当时的复盘得出结论"该品类进入衰退期，建议缩减10月备货"。结果10月下旬气温骤降，主力款三天内断码，我们只能紧急空运补货，单件物流成本翻了近四倍。
问题出在哪？我们把"时间段内的自然波动"当成了"生命周期阶段"。羽绒服的季节曲线每年形态高度相似，判断这类商品必须做同比，而不是环比。9月的同比数据当时是增长的，如果先看了同比，这个误判根本不会发生。
另一个案例来自美妆类目。某款精华在参加平台大促的当月销量涨了2.3倍，团队判定它"进入成长期"，随后追加了三个月的推广预算。但大促结束后，次月销量回落到促销前水平的60%，连基础销量都没保住。
这是因为我们看的是"总量"，没有拆"促销占比"和"自然流量占比"。促销拉动的销量增长不具备延续性，它本质上是一次性需求释放，不是生命周期跃迁。后来我在复盘模板里强制加了一列"非促销期日均销量"，专门用来剥离这个干扰。
这是最常见的坑，也是我最早做复盘时的通病。报表上销量、转化率、客单价全都有，但通篇没有一句话解释"为什么"。老板看完问："所以呢？"我答不上来。
后来我总结出一个判断标准：如果一份复盘报告把数据表格全部删掉，剩下的文字还能让人看懂发生了什么，这份报告才算合格。数据是证据，不是结论。
除了上面三个具体场景，还有五类误区几乎在每个团队都能见到。它们不像断货那样立刻造成损失，但会持续侵蚀复盘的准确性。
这是最普遍的问题。一张表横向拉通所有SKU，指标列固定不变，看起来整齐，实际上抹掉了阶段差异。导入期该看的是试用转化率和首购客群画像，成熟期该看的是利润结构和市占率，用同一套指标衡量，等于用同一把尺子量身高和体重。
很多人默认"商品上线→必然经过四个阶段→必然衰退"，于是把生命周期理解为一条单向时间线。但真实情况是，商品可以在阶段之间来回跳。一个成熟期的老品，通过改配方、换包装、绑定新场景，完全可能回到成长期，这在日化品类里非常常见。
反过来，一个导入期新品也可能因为定价失误直接进入"未成长即衰退"。所以我在做阶段判定时，用的是当期数据的状态，不是上架天数。
销量是最好拿到的数据，也是最容易误导人的数据。我处理过一个案例：某SKU销量连续三个月增长，团队一直在加大投入，直到季度末财务拉出毛利表才发现，这个SKU的毛利贡献是负的，促销折扣、退货率、平台佣金加起来已经超过了售价。
从那以后，我要求所有复盘报表里，销量和毛利率必须并排出现，库存周转和售罄率紧随其后。只看销量增长的复盘，很容易把亏损当成业绩。
这两个概念在业内经常被混用，但它们的输入完全不一样。商品行情复盘面向的是外部市场，看的是价格带、供需关系、竞品动作、原材料成本；商品数据复盘面向的是内部经营，看的是销量、库存、利润、客群。
两者不能互相替代。行情复盘告诉你"这个价格带正在被新品牌挤压"，数据复盘告诉你"我们的SKU在这个价格带里的份额掉了几成"。只有把两者叠在一起，才能解释"为什么掉"。我在写复盘结论时，会刻意区分这两类证据来源。
用月度频率去复盘一个生命周期只有六周的快时尚单品，结论出来时商品已经下架了；用周度频率去复盘一个生命周期三年的家电产品，每周都在波动里打转，看不出趋势。我的做法是按阶段定频率：导入期按周、成长期按周或双周、成熟期按月、衰退期按周甚至按天。衰退期的目标是快速出清，节奏必须加快。
讲完误区，该讲我实际在用的方法。我把它叫做"三层漏斗"：先看趋势，再看结构，最后看竞争位置。三层都指向同一阶段，判定才算成立；如果三层结论冲突，商品就进入"灰区"，需要单独处理。
趋势层只看两件事：销量的环比增速，以及增速本身的变化方向，也就是"加速度"。导入期的特征是增速为正且加速，但基数小；成长期是增速为正、加速度趋零；成熟期增速在正负5%区间内震荡；衰退期增速持续为负且降幅扩大。
这里有个容易被忽略的细节：要同时看环比和同比。环比能识别短期拐点，同比能过滤季节性。我在判断时会设一个规则，如果环比下滑但同比为正，先不下衰退结论，标记为"待观察"，再看下一个周期。
趋势层解决"卖得怎么样"，结构层解决"卖得值不值"。我通常看四个数：毛利率、库存周转天数、连带销售率、复购率。
一个典型的结构层信号是：销量还在涨，但毛利率连续两期下滑、连带率同步下滑。这往往意味着增长是靠低价单品单打独斗拉起来的，客单价被稀释，实际进入了"虚假成长期"。这种情况我在做女装品类时遇到过至少三次，最后都证实是价格策略透支了品牌溢价。
竞争层需要外部数据。内部的销量数据只能告诉你"自己比自己"的变化，看不出是不是整个类目都在涨。如果类目大盘涨了40%、你涨了15%，那实际上是份额在流失，而不是"进入成长期"。
这一层我通常关注三个量：在目标价格带中的销量份额、核心竞品的价格动作、以及自己在搜索结果或货架中的曝光位次变化。市占率是判断成熟期和衰退期最关键的指标之一，因为成熟期的典型特征就是"大盘稳定但份额开始被蚕食"。
下面这张表是我在服饰、美妆、家居三个类目里反复调整后形成的工作版本。需要强调的是，具体阈值因行业、品类、价格带差异极大，这张表的用途是给你一个起点，而不是标准答案。
| 阶段 | 趋势层信号 | 结构层信号 | 竞争层信号 | 建议复盘频率 |
|---|---|---|---|---|
| 导入期 | 基数小，环比增速波动大（±50%以上） | 毛利率高但库存周转慢，复购率低 | 份额极低，曝光位次不稳定 | 按周 |
| 成长期 | 环比连续3期正增长，加速度趋零 | 毛利率缓降，复购率与连带率同步上升 | 份额持续提升，进入品类榜单 | 按周/双周 |
| 成熟期 | 环比增速在±5%区间震荡，同比平稳 | 毛利结构稳定，库存周转天数低位 | 份额见顶，竞品价格动作频繁 | 按月 |
| 衰退期 | 连续4期环比下滑，累计降幅超25% | 靠降价维持销量但毛利率下滑，库存周转恶化 | 份额持续流失，被新价格带替代 | 按周/按天 |
这张表的用法是"逐层打勾"。三层中有两层以上命中同一阶段，就判定为该阶段；只有一层命中，进入灰区。
灰区不是失败，它是最常见的情况。我的处理方式是把灰区SKU单独拉一张清单，做两件事：一是缩短观察周期，从月度改成周度，加快信息更新；二是引入外部对照，找一个阶段明确的同类SKU做平行对比。
灰区的核心风险不是判错，而是搁置。很多商品的衰退就是从"再观察一个季度"开始的。
方法论讲完，我拿一个真实操作过的流程做演示。数据经过脱敏处理，比例关系保留。工具层面我日常用的是数跨境，下面是具体怎么用的。
我同时管理几个跨境店铺，数据分散在不同平台后台。做复盘的第一个卡点从来不是分析，而是把多平台、多店铺、多SKU的数据拉到同一张表里，还要保证口径一致，同一个SKU在不同平台的编码规则、退货口径、佣金计算方式都不一样。
我日常通过数跨境（官网地址是 https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）把店铺数据汇总到统一口径，按SKU维度输出销量、销售额、毛利、库存、退货等字段，再基于这套数据做阶段判定。它替代的是我以前用Excel手工合并五六个后台导出文件的那部分工作，那部分工作过去每次要花掉我将近一天。
很多人一上来就想建大而全的数据仓库，结果项目拖了三个月还没出第一份报表。我的建议是先跑通最小闭环。下面是我做商品复盘时真正会用到的最小字段集。
必要字段（缺一不可）：
sku_id 商品唯一编码（跨平台映射后）
date 日期（按天粒度，可聚合到周/月）
channel 渠道/店铺
category 品类
price_band 价格带
units_sold 销量
gmv 销售额
gross_margin 毛利率
inventory_qty 期末库存
sell_through 售罄率
return_rate 退货率
promo_flag 是否处于促销期（布尔）
对比基准字段（决定报告能否成立）：
units_sold_last_period 上期销量（环比）
units_sold_last_year 去年同期销量（同比）
units_sold_target 目标销量
category_avg_growth 品类大盘增速（用于份额推算）
promo_flag 这个字段最容易被省略，但它是避免"促销误读为成长"的关键。有了它，你可以随时切出"非促销期日均销量"这条曲线，这条曲线才是商品真实需求的体现。
数据齐了以后，我通常按周聚合，算出每个SKU的环比增速、同比增速、毛利率变化、库存周转，再对照前面的阈值表打标。这一步用透视表就能完成，下面是我用的透视结构思路（伪代码形式，方便你迁移到任何工具）。
按 sku_id 分组：
周销量 = sum(units_sold) where promo_flag = false
w1_w2_增速 = (本周 – 上周) / 上周
yoy_增速 = (本周 – 去年同周) / 去年同周
毛利率 = sum(gmv * gross_margin) / sum(gmv)
周转天数 = 平均库存 / 日均销量
份额估算 = 本SKU增速 – 品类大盘增速
打标规则：
if w1_w2_增速 > 0 and 加速度 > 0 -> 候选:导入期/成长期
if abs(w1_w2_增速) = 0 -> 候选:成熟期
if 连续4周降幅累计 > 0.25 and 毛利率下滑 -> 候选:衰退期
候选阶段出现冲突 -> 标记灰区
这套打标规则的价值在于它把判定过程固化了。团队成员之间对同一个SKU的阶段认知不再靠讨论，而是看数据命中了哪条规则。
下面这个案例是我在2024年服务一个跨境服饰团队时做的，主力款是一件针织开衫，六个观察周期。为保护商业信息，绝对数值按比例做了调整，趋势形态保持原样。
| 周期 | 非促销期周均销量 | 环比增速 | 毛利率 | 库存周转天数 | 复购率 | 阶段判定 |
|---|---|---|---|---|---|---|
| 第1周期 | 120件 | ， | 44% | 62天 | 6% | 导入期 |
| 第2周期 | 380件 | +217% | 41% | 38天 | 11% | 导入期→成长期 |
| 第3周期 | 620件 | +63% | 39% | 26天 | 19% | 成长期 |
| 第4周期 | 590件 | -5% | 36% | 29天 | 22% | 成长期末段 |
| 第5周期 | 410件 | -31% | 32% | 47天 | 18% | 成熟期→衰退预警 |
| 第6周期 | 260件 | -37% | 28% | 71天 | 12% | 衰退期 |
这份数据里有三个值得单独说的观察点。
第4周期销量环比降了5%，在很多人眼里可以忽略。但同一个周期里，毛利率从39%掉到36%，复购率还在涨。这两个信号叠加说明：主力客群还在买，但已经开始等折扣了。这才是转折信号。如果当时在第4周期就介入调整，比如收紧折扣节奏、增加搭配组合提升客单价，第5周期的-31%很可能不会发生。
销量在第4周期只跌了5%，但库存周转从26天涨到29天，到第5周期直接跳到47天。库存的变化幅度远大于销量的变化幅度，因为它是需求端和供给端共同作用的结果。我在复盘时会把库存周转当作确认性指标：销量给出方向，库存给出强度。
第5周期销量已经跌了31%，复购率才从22%降到18%。这意味着当你从复购率上发现问题时，销量问题已经发生了一个完整周期。所以复购率是验证指标，不是预警指标。真正的预警指标是毛利率和非促销期日均销量。
基于第4周期的数据，我们当时做了三件事：第一，把该SKU的折扣活动从每周一次降到每两周一次，同时上线"开衫+内搭"的组合装，把客单价拉高约18%；第二，把库存补货计划从按预测补货改为按周滚动补货，砍掉了一批在途订单；第三，开始同步测试两个替代款，为后续汰换做准备。
结果是第5周期的下滑幅度比预期收窄了约9个百分点，第6周期果断进入清仓，最终该SKU的整体库存出清周期控制在5周内，相比原先的预期缩短了将近一半。
阶段判定完成之后，动作才是复盘真正的产出。我按五个情况分别给出建议，每一条都是在实际操作中验证过的。
导入期的核心目标只有一个：快速验证需求真伪，而不是追求规模。这个阶段我会做三件事：一是控制首批库存深度，宁可断货也不要压货；二是重点看试用转化率和首购客群画像，判断进来的流量是不是目标人群；三是给新品的观察窗口设一个明确期限，比如4周，到期未达成长门槛就进入汰换评估。
导入期最忌讳的动作是大规模投放。在需求未验证前投放，等于用预算放大了错误。
成长期是最该"用力"的阶段，因为投入产出比最高。这个阶段的动作重点是：加大流量投入抢占搜索位和货架位；同步扩充库存深度，但要用周度滚动预测而不是一次性大单；建立复购钩子，比如会员权益或组合套装，把新客变成熟客。
同时要警惕一件事：成长期的毛利率一定会下降，这是正常的规模效应代价。但如果下降速度超过销量增速带来的规模收益，就说明在打价格战，需要立刻复盘定价策略。
成熟期的目标从"增长"切换成"利润最大化"。这个阶段我会把动作分成两条线：一条是防守线，盯竞品价格动作、维护搜索排名、控制折扣节奏；另一条是延寿线，通过换包装、加规格、绑场景来延缓衰退。
成熟期也是最该做SKU结构优化的阶段。用成熟品贡献的现金流去孵化下一批新品，这是商品组合的基本逻辑。我在做品类规划时，成熟期SKU的利润里会预留一部分专门给新品测试。
衰退期的第一原则是"快"。判断一旦成立，动作要同时启动：停止所有付费推广，把流量位让给成长期SKU；启动清仓但控制节奏，避免一次性砸盘影响品牌价格体系；拉高连带率，用搭配销售提升单次出清的件数。
有一个反直觉的经验：衰退期不要急着一次性清完，可以分两到三批梯度降价。梯度清仓的平均出货价通常高于一次性砸盘，代价只是多占用两三周库存时间，这笔账在多数类目里是划得来的。
灰区的处理原则是"缩短观察周期+设置决策期限"。具体做法是：把该SKU从月度复盘拉进周度复盘；同时预设一个观察截止日，比如3周；到期后如果仍然无法明确判定，按更悲观的阶段来处理。
这个"从悲观"原则很重要。因为商品衰退出清的成本是刚性的，而错过成长窗口的成本是可追回的。在信息不足时选择保守，是商品管理里性价比最高的策略。
方法论之外，商品复盘里最难的其实不是判断，而是取舍。下面四组取舍是我被问得最多的，也是实际决策中争议最大的。
这是成长期和成熟期最核心的取舍。我的判断依据是商品在品类矩阵中的角色：如果它是引流款，规模优先，毛利率可以让步；如果它是利润款，毛利优先，宁可牺牲一部分增速。
很多团队的问题在于没有给SKU设角色，所有商品都想同时要规模和利润，结果每个都不上不下。我现在做品类规划时，会明确标注每个SKU是引流款还是利润款，复盘时按角色分别设考核标准。
这个取舍的关键变量是"延寿成本"。如果通过换包装、绑场景、调价格能让销量回到成熟期水平的70%以上，而且投入成本低于新品的获取成本，那就值得延寿。否则，资源应该转投新品，而不是用来挽留一个已经失去需求基础的SKU。
我通常会算一笔账：延寿一个衰退SKU的单位利润，和用同样资源推一个新品的预期单位利润，哪个高。这个比较做出来，决策通常就清楚了一半。
这是我被问得最多的一类问题。答案取决于团队规模和 SKU 数量。少于200个SKU、单平台运营的团队，用现成的SaaS工具或者电商后台自带报表加上Excel透视表就够了；SKU超过500个、多平台运营、需要自定义指标口径的团队，工具化收益才明显。
自建BI的上线周期通常在2-4个月，还需要持续投入人力维护数据管道。对多数中小团队来说，把资源花在"怎么分析"而不是"怎么搭系统"上，回报率更高。
我的实际做法是分层：数据采集、口径统一、指标计算、阶段打标全部交给工具，这部分占复盘总工时的七成左右；归因分析、动作决策、跨品类协同由人来做，这部分是工具替代不了的。
把人工耗在数据搬运上是最不值得的投入。我用数跨境替代手工合并报表之后，单次复盘的数据准备时间从一天压缩到两小时以内，多出来的时间基本都投在归因和动作设计上，这才是复盘质量提升的真正来源。
回到开头那张让我朋友挠头的报表。它的问题不是数据不够多、图表不够漂亮，而是它把37个SKU当成37个静态对象在比较。一旦你承认商品是会老的，你的分析视角就会从"横向比较"切换到"纵向定位"，指标的选取、阈值的设定、结论的写法全部跟着变。
我再把最核心的三句话放在这里。第一，先判阶段，再选指标，同一个数字在不同阶段含义相反。第二，阶段判定必须量化到可复核，写不出判定公式的结论就是主观感觉。第三，复盘的终点是SKU去留决策，写不出具体动作的报告等于没写。
下一步你可以做的事很具体：挑出你手上销量贡献最大的20个SKU，按本文的三层漏斗跑一遍，先用环比和同比把趋势层判定做完，判不出来的直接标进灰区。然后给每个SKU补上"非促销期日均销量"和"毛利率变化"这两列，这两个数据能解决你八成的阶段误判。
数据口径统一这件事，如果你的SKU分散在多个平台，建议早点用工具解决，比如通过数跨境的官网入口了解一下它的多店铺数据汇总能力，把手工合并报表的时间省下来。省下来的那几个小时，才是你真正用来思考"这个商品接下来该怎么办"的时间。
我每次写复盘报告都卡在'这个商品到底算成长期还是成熟期'这一步，全靠感觉说'最近卖得还行'，老板一问依据我就虚了。我也看过一些讲生命周期理论的文章，但基本都是导入期、成长期、成熟期、衰退期四个词解释一遍，没人告诉我具体看哪个数、到什么程度算跨阶段。
阶段划分不要靠单一指标，建议用'增速+利润+复购'三指标组合判定，并且以周或月为最小观察单位。具体口径可以这样定：导入期看销量绝对值低但试用转化率在爬坡，周环比增速为正但不稳定；成长期看销量连续4到6周环比增速超过10%且复购率开始抬头；
成熟期看销量增速收敛到正负5%区间、毛利率趋于稳定、复购率达到品类峰值；衰退期看连续4周以上销量环比下滑超过8%且毛利率同步收窄。注意两个坑：一是阈值必须按品类校准，生鲜和3C电子的下滑幅度完全不是一个量级，别拿一套数字套所有商品；
二是必须剔除大促、季节、断货这些外部干扰，比如大促周的数据不能直接进趋势判断，否则会把促销脉冲误判成成长期。实操上建议在复盘表里加一列'阶段判定'，把三个指标的当前值、趋势方向、是否触发阈值都写清楚，这样阶段结论才有据可查，而不是一句'感觉卖不动了'。
我最怕的就是复盘会前一天疯狂导数据，销量、库存、毛利、退货全拉出来，几百行表格看得眼花，最后 PPT 里全是数字却没有结论。同事还问我为什么没有渠道拆分、为什么没有同比，我才发现自己是有什么数据用什么，而不是先想清楚要看什么。
正确顺序是先定复盘问题，再倒推数据清单，而不是先拉数据再找问题。建议按'维度+指标+对比基准'三层搭建：维度层固定五个，SKU、品类、时间（周/月）、渠道、区域，这五个是切片的骨架，缺一个就会在归因时卡住；
指标层按生命周期分阶段配置，导入期重点看试用转化率、首购客群画像、铺货覆盖率，成长期看销量增速、复购率、渠道贡献占比，成熟期看毛利率、市占率、竞品价格带位置，衰退期看售罄率、库存周转天数、连带率；对比基准层至少要有同比、环比、目标达成率三个参照，单一时间点的数字没有分析价值。
工具上不用一上来就上BI，团队三五个人用Excel透视表加一张固定的指标模板表就够了，关键是模板要固定下来每期复用，而不是每次重新想。一个小技巧：把指标清单做成勾选表，每期复盘前先勾'本期必看'，非核心指标放'备查'，能省掉一半的无效拉数时间。
我写完复盘报告经常被退回，老板的评语是'数据很全但看不出你想说什么'。我明明把销量涨跌、库存变化都列了，可就是说不出问题出在哪、下一步该干嘛。看别人的报告好像也没多复杂，但人家结论就是能落到动作上。
流水账和洞察的分水岭在于有没有'归因'和'行动'这两段。推荐用四段式结构写：第一段现状，只写关键指标的当前值和对比结果，控制在三到五条，不要把所有数字堆上去；
第二段归因，针对异常指标给出至少两个可能原因并用数据交叉验证，比如销量下滑是流量少了还是转化率降了，拉出访客数和转化率两个数一比就知道，这一步是老板最看重的；第三段规律，把本期发现提炼成可复用的判断，比如'该品类在上市第8周左右进入增速拐点'，这才是复盘区别于日报的地方；
第四段行动，每条建议都要带责任方、时间点和预期效果，比如'下周三前将该SKU在主推渠道的陈列位后移一位，预期清库周期缩短两周'。要特别提醒自己避开三个常见误判：把季节性波动当成衰退、把一次促销拉动当成成长趋势、把个别渠道的爆发当成整体向好。
判断方法很朴素，就是看这个变化连续出现了几期，只出现一期的一律先标注'待观察'，不进结论。
我们既做线下门店又做电商，同一个SKU在线上卖得好、线下压货严重，合并看总销量好像还行，拆开看两边都各有问题。每次复盘我都纠结到底以哪个口径为准，合并看掩盖问题，拆开看又太碎，报告里塞不下那么多表。
原则是'合并定生死，拆开找原因'，两个口径都要有，但用途不同。合并口径用于判断这个商品整体该不该继续做，看的是总销量、总毛利、总库存周转这几个决定资源投入的指标；拆开口径用于定位问题出在哪个环节，看的是各渠道的贡献占比、增速差、库存分布和价格执行情况。
具体做法是在复盘表里设一张主表用合并口径做阶段判定，再配一张渠道分解表只放异常渠道的细节，不用每个渠道平均用力，只深挖贡献占比超过20%或增速偏离整体超过15个百分点的渠道。特别要注意渠道间的数据口径统一，比如线上的'销量'是不是含退货、线下的'库存'是不是含在途，口径不一致时的拆解比不拆还危险。
还有一个容易被忽略的点是渠道间的时间差，线上爆发的商品往往比线下早2到3周进入成长期，复盘时如果用同一个时间切片横比，会误判线下'还没起来'，建议对线下渠道单独做一次滞后对齐再判断阶段。
读者评论
把生命周期当复盘坐标系这个角度切中要害。我们团队37个SKU拉同一张表，新老品用一套指标比，结论永远是‘部分表现不佳’。先定阶段再选指标，这个顺序确实不能反。
踩坑一和踩坑二太真实了。把季节性下滑当衰退、把大促爆发当成长，这两个误判我全犯过。后来强制加‘非促销期日均销量’这一列，才勉强把干扰剥掉，但归因还是常写不清。
复盘结论必须落到SKU去留和调价、调库存、调流量位这些具体动作，这点深有同感。‘加强推广’写了等于没写，执行层只能猜。可复核的量化阶段判定标准，比任何经验直觉都可靠。