去年双十一结束后的第三天，我坐在会议室里，看运营团队交上来的复盘报告：GMV 同比增长 42%，售罄率 91%，核心爆款在类目排名前五，每一项都是绿色的。但财务随后递过来的那张表上，这个档期的商品毛利额只涨了 6.8%，刨掉大促期间的优惠券、平台佣金和退货损耗之后，这个数字还要往下掉。我们在会议室里僵了大概二十分钟，没人能说清楚"钱到底漏在哪一步"。
这件事之后，我花了差不多半年时间，把手上几个店铺的商品分析流程从头到尾重做了一遍。我把这套方法叫做"利润导向的商品分析升级方案"，核心不是换一个更贵的 BI 工具，而是把分析的目标从"卖得好不好"改成"赚得够不够"，再用数据复盘去找到利润流失的具体节点。这篇文章会把这半年踩过的坑、用过的框架、跑出来的数据观察完整讲一遍，包括我后来怎么用数跨境把原本需要三天的复盘压缩到半天。
很多人对"商品分析升级"的理解是：把 Excel 换成 BI，把静态表格换成动态看板，把月报改成日报。我一开始也是这么想的，结果做完之后发现，看板做得越漂亮，团队越不愿意打开，因为看板上的数字和他们的日常动作之间没有直接关系。
真正的升级发生在三个地方：分析的主指标从销售额换成利润贡献、归因的粒度从店铺级下沉到 SKU 级、复盘的产出从一份报告变成一张行动追踪表。这三件事任何一个没做到，工具再先进也只是把无效信息展示得更清楚。
销售额是平台直接给你的数字，利润不是。利润必须由你自己把售价、采购成本、头程或入仓费用、平台佣金、支付手续费、优惠券分摊、退货损失、库存损耗这几项一项项算出来。任何一个环节的口径没统一，算出来的利润率就是错的。
我在接手一个家居类店铺时做过一个测试：把同一个月的原始数据分别给三个人，让他们各自算一遍整体毛利。三个人算出三个结果，分别是 23.1%、19.4% 和 17.8%。差异来源不是数据错误，而是有人把满减分摊算进成本、有人按订单维度摊、有人按 SKU 维度摊。这件事让我意识到，在没有统一口径之前，讨论"利润改善"是没有意义的。
为了说清楚这件事，我把升级前后的分析体系做了一张对照表。这张表我在团队内部用了很久，每次新同事入职都会先看它。
| 维度 | 升级前的做法 | 升级后的做法 |
|---|---|---|
| 分析目标 | 销售额排名、爆款占比 | 利润贡献排名、利润集中度 |
| 主指标 | GMV、销量、售罄率 | 毛利额、净毛利率、利润贡献率 |
| 归因粒度 | 店铺级、类目级 | SKU 级、甚至 SKU+渠道级 |
| 时间维度 | 只看本期，偶尔看同比 | 生命周期分段对比 + 滚动四周趋势 |
| 输出物 | 一份复盘 PPT | 一张行动追踪表 + 一份异常清单 |
| 责任人 | 数据分析岗 | 商品负责人 + 运营 + 采购三方共担 |
| 复盘频率 | 月一次 | 日看异常、周看趋势、月看结构、季看战略 |
在做任何分析升级之前，我会先和团队确认三条准则，这三条定不下来，后面全是白工。
（1）利润口径单一化。全公司只能用一套利润计算公式，写进文档，任何人不得私自调整。如果财务口径和业务口径确实不同，就明确区分"财务报表口径"和"经营分析口径"，但同一个口径内部必须一致。
（2）主指标唯一化。一个复盘周期内只设一个主指标。冲利润的阶段不要同时考核售罄率，清库存的阶段不要同时考核毛利率，否则团队会挑对自己有利的那个指标汇报。
（3）结论必须归因到可执行动作。如果一条结论落不到"调价、汰换、补货、促销"这四类动作中的任何一类，它就不应该出现在复盘会上，而是应该放进观察清单。
我把那次双十一的复盘过程完整记录了下来，因为它几乎暴露了所有传统商品分析的典型问题。这里把细节拆开讲，方便你对照自己的团队。
运营手里有一张平台后台的销售报表，能看到 GMV、销量、退货率；财务手里有一张利润表，按月度汇总，颗粒度只到类目；仓储手里有一张出库单，记录了实际发货成本和退货入库的二次处理费用。三张表没有任何一个共同的主键能直接关联。
结果就是：运营说"A 款卖爆了"，财务说"A 款所在类目毛利率下滑 4 个点"，仓储说"A 款退货率是店铺均值的两倍多"。三句话都对，但拼不到一起，因为没人能说清 A 款到底是赚了还是亏了。
后来我花了三天时间，把这三份数据按 SKU 重新对齐。对齐之后，A 款的真实情况是这样的：它的 GMV 排在店铺第三，但净毛利额排在第 27 位。原因是它在大促期间用了全场最高的折扣力度，同时它的退货率 18.6%，每一次退货产生的往返物流、二次质检、重新上架成本，都由这一个 SKU 独自承担。
更麻烦的是，A 款的库存深度是按"预期销量"备的，实际售罄率 91% 看上去很漂亮，但剩下 9% 的尾货在季末只能按成本价五折清，这部分损失在当时完全没有被计入 A 款的利润核算。
复盘之后我得出一个判断：大部分店铺不是数据不够，而是数据的颗粒度不够细，或者细了但没连起来。平台后台给的报表是按天和按 SPU 汇总的，财务系统是按月和按类目汇总的，两边都对，但都没法回答"这个 SKU 在大促这七天里到底赚了多少"这个具体问题。
归因粒度不够，会带来一个隐蔽的后果：团队会习惯性地用"整体还可以"来替代"具体哪里不行"。整体毛利率下滑 2 个点，听起来是个小问题，但如果拆到 SKU 级，可能是三个 SKU 各亏了钱，同时另外五个 SKU 表现正常，把窟窿填了一部分。不拆开，你永远不知道该动谁。
这半年里我见过和亲历过的误区不少，这里挑六个出现频率最高、杀伤力最大的讲。每一个误区我都会给出反例或者纠正做法。
这是最普遍的一个。运营周会上展示的永远是销售额 TOP10，从来不是利润 TOP10。问题在于，销售额排名和利润贡献排名的重合度通常只有三到四成，如图所示的重合度在我经手的店铺里很少超过 40%。
纠正做法很简单：每周同时出两张榜单，并且强制要求两张榜单的差异 SKU 必须给出解释。某个 SKU 销售额高但利润低，要么是定价策略问题，要么是成本结构问题，要么是退货问题，必须落到一个具体原因上。
我参加过很多次复盘会，会议的前四十分钟都是各个岗位轮流念自己的数据，没有人提出问题，也没有人反驳。这种会的产出永远是"下个月继续努力"。
我的纠正做法是把会议结构倒过来：会前把数据发下去，会上只讨论异常项和待决策项。会议时间控制在 90 分钟以内，前 15 分钟同步异常清单，剩下 75 分钟逐条讨论行动方案和责任人。数据本身不需要在会上念，念数据是浪费所有人的时间。
有些团队会做一个包含三十多个指标的看板，从 UV 到加购率，从动销率到库存周转天数，应有尽有。但指标越多，注意力越分散，最后没有人真正盯着任何一个。
我的建议是按阶段设主指标。冲规模阶段看 GMV 和加购转化，冲利润阶段看净毛利率和利润贡献额，清库存阶段看库存周转天数和售罄率。同一时期只允许一个主指标进入考核，其余指标作为观测项，不作为考核项。
我曾经用统一毛利率红线去考核所有品类，结果女装类目被判定为"严重不达标"，而实际上女装类目靠高周转和高连带率补回了毛利。同时家居类目毛利率达标，但周转极慢，资金占用成本被完全忽略。
纠正做法是按品类设定差异化的利润评估基准：高周转品类看利润额绝对值，低周转品类看资金回报率，季节性品类看生命周期总利润而不是单月利润。用一套标准管所有品类，只会误伤或者漏判。
这是我踩得最深的坑。我曾经以为只要上一套 BI 就能解决问题，结果工具上线三个月，使用率不到 20%。原因不是工具不好用，而是没有人定义"看完这个看板之后该做什么"。
工具解决的是"能不能看到"，流程解决的是"看到了之后做什么"。工具必须挂在流程上，流程必须挂在考核上，缺一环都会崩。后来我们把看板直接和每周复盘会议的议程绑定，每个异常模块都对应会议上的一个议题，使用率才真正提上来。
平均值是商品分析里最会骗人的数字。店铺平均毛利率 25%，听起来不错，但如果拆开看，可能是 20% 的 SKU 毛利率在 40% 以上，60% 的 SKU 在 15% 以下，还有 20% 是负毛利。平均值掩盖了结构性亏损。
我现在的做法是：所有关键指标必须同时给出中位数和分位数分布，尤其是毛利率、退货率、周转天数这三个。看到平均值的同时必须看到分布，否则很容易被一个健康的平均数掩盖住一批亏损的尾部 SKU。
讲完误区，接下来是我实际在用的分析框架。它由两部分组成：一个用来定位问题的"利润归因树"，一个用来组织分析节奏的"四层闭环模型"。
利润归因树的思路是自下而上地拆解利润公式，把每一个环节对应到具体的分析维度。我把它写在文档里，作为团队的标准分析路径。
净毛利额 = Σ(SKU 级)
├─ 销售收入
│ ├─ 实际成交价 = 标价 – 折扣 – 优惠券分摊
│ ├─ 成交件数 = 曝光 × 点击率 × 加购率 × 支付转化率
│ └─ 退款冲减 = 成交金额 × 退款率
├─ 商品成本
│ ├─ 采购成本 = 件数 × 单件采购价
│ └─ 采购附加 = 头程/入仓/质检
├─ 履约成本
│ ├─ 正向物流 = 件数 × 单件运费
│ └─ 逆向物流 = 退货件数 × (退回运费 + 二次处理费)
├─ 平台费用
│ ├─ 佣金 = 成交金额 × 费率（退款订单佣金通常不退）
│ └─ 支付手续费 = 实收金额 × 费率
└─ 库存损失
├─ 尾货减值 = 期末库存 × (成本价 – 清仓价)
└─ 资金占用 = 平均库存金额 × 资金成本率 × 占用天数/365
这个树的价值在于，它把"利润下降"这个模糊描述，变成了可以在具体节点上验证的假设。利润跌了 3 个点，沿着树往下走，就能判断是成交价端的问题、退货端的问题，还是库存端的问题。
描述层要解决的是"每个 SKU 到底赚了多少钱"这个问题。我要求每个 SKU 至少维护以下字段：SKU 编码、所属品类、生命周期阶段、累计 GMV、累计毛利额、净毛利率、退货率、当前库存、库存周转天数、资金占用金额。
这一层最容易出问题的地方是口径。我的做法是把口径写成文档，并且在数据表里显式标注每个字段的计算公式和数据来源，避免不同人算出不同结果。
诊断层是整套框架里最花时间、也最有价值的一层。我的做法是给每个 SKU 算一个"利润缺口"，也就是实际净毛利率和品类基准净毛利率之间的差额，再乘以它的销售额，得到这个 SKU 的利润影响金额。
然后按影响金额排序，优先处理影响最大的。这样做的好处是避免平均用力，一个销售额 50 万的 SKU 毛利率低 2 个点，和一个销售额 5 万的 SKU 毛利率低 20 个点，前者对整体利润的伤害可能更大。
预测层要回答的是"这个 SKU 接下来还会不会赚钱"。我主要看三个信号：销量趋势是否连续三周下滑、退货率是否持续上升、竞品价格是否明显低于我方成本线。
三个信号同时出现，基本可以判断这个 SKU 已经进入衰退期，继续投入推广费只会加速亏损。预测层的价值不是算命，而是提前一个周期做出反应，避免等到季末才发现一堆尾货。
决策层把分析结论收敛成四类动作：汰换、定价、促销、补货。我给自己定了一套比较明确的判断准则。
前面讲的都是框架，这一节讲具体怎么落地。我后来把整套流程搬到了数跨境上跑，原因是它能直接把多平台店铺的订单、商品、库存数据拉到一起，省掉了大量手工对齐的工作。下面按复盘的实际顺序讲。
这一阶段花了大概一周，主要做三件事：把利润计算公式写进文档并全团队确认；把平台订单数据和采购成本数据按 SKU 关联；把退货和尾货处理费用归集到对应 SKU。
数跨境在这部分的价值是减少了手工导表和字段映射的时间。我原来用表格做这件事，五个店铺的数据对齐要花将近两天，现在基本可以在半天内跑完，而且字段口径是固定的，不会出现"这次换个人做结果就不一样"的情况。
跑完第一个完整周期之后，我在这家店铺身上找到了三个明显的利润漏斗。
第一个是折扣漏斗。大促期间的优惠券分摊在不同 SKU 上是不均匀的，但原来的分析完全按店铺整体摊销，导致高客单 SKU 实际承担了更多折扣，却没人发现。修正分摊口径后，有 6 个 SKU 的实际毛利率比原来认为的低 4 到 7 个百分点。
第二个是退货漏斗。退货率最高的三个 SKU 集中在同一个供应商，问题出在尺码标偏和包装防护不足。这三个 SKU 的退货相关成本合计吃掉了类目毛利的 9.3%。
第三个是库存漏斗。有 11 个 SKU 的库存周转天数超过 120 天，资金占用成本按年化 6% 计算，相当于每个月额外吃掉一部分利润，这部分在原来的分析里完全隐形。
归因做完之后，我们没有立刻大改，而是先挑了四条动作做小范围验证。
两个月之后回看，几项指标的变化比我预期更明显。这里说明一下：以下数据来自我经手的一个家居类店铺的实际观察，属于单一案例，不能直接外推到其他品类，但可以作为方向性参考。
| 指标 | 调整前 | 调整后 | 变化幅度 |
|---|---|---|---|
| 整体净毛利率 | 18.0% | 23.4% | +5.4 个百分点 |
| 负毛利 SKU 数量占比 | 14% | 6% | -8 个百分点 |
| 平均库存周转天数 | 96 天 | 71 天 | -25 天 |
| 退货率（TOP3 问题 SKU） | 18.6% | 9.2% | -9.4 个百分点 |
| 复盘数据准备耗时 | 约 16 小时/月 | 约 4 小时/月 | -75% |
方法可以通用，但落地节奏必须区分。我按规模和业务复杂度分成四种情况，给出对应的建议。
这个阶段不要上复杂工具，也不要追求指标齐全。核心是把 SKU 级的利润算清楚，哪怕只有一张表。最关键的动作是建立一张包含采购成本、平台费用、履约成本、退货损失的 SKU 利润表，并且每周更新一次。
这个阶段的常见问题是数据不全，比如采购成本只有月度总额没有 SKU 分摊。我的建议是先按金额比例做合理分摊，标注为估算值，随着数据完善逐步精确化，不要因为数据不完美就不开始。
这个规模已经能支撑固定的人力投入了。建议建立"日看异常、周看趋势、月看结构"的三层节奏，并且把复盘会议写进日历，固定时间固定参与人。
这个阶段可以考虑引入专业的数据复盘工具，重点看它能否直接对接多个平台的数据源、能否自定义利润计算口径、能否支持 SKU 级的下钻分析。选型的核心标准是"能不能减少手工对齐的时间"，而不是"功能列表有多长"。
到了这个规模，问题往往不在分析能力，而在组织协作。商品分析升级会牵扯到商品企划、采购、运营、财务四个部门，需要有人牵头制定统一口径和复盘机制。
我的建议是设立一个跨部门的商品利润复盘机制，由商品负责人牵头，财务提供口径支持，运营负责执行，采购负责成本端配合。这个机制的最高优先级不是产出报告，而是保证每个行动项都有责任人和截止时间。
多平台运营最大的坑是口径不统一。同一个 SKU 在 A 平台算毛利把运费算进成本，在 B 平台算毛利把运费当成费用，最后汇总出来的数字没有意义。
我的做法是先在文档层面统一口径，包括运费归属、退款处理时点、优惠券分摊方式，然后再考虑用工具落地。如果口径没统一就上工具，只会把错误以更快的速度计算出来。
跨境业务比国内多几个变量：汇率波动、头程费用、目的国关税、尾程配送、平台结算周期。这些变量会让利润计算更复杂，也更容易出错。
我的建议是跨境场景下把利润核算周期和结算周期对齐，避免用估算的汇率和实际结算的汇率混用。同时头程和关税必须按批次归集到具体 SKU，不能按平均数分摊，否则高重量低价值商品的真实利润会被严重高估。
任何方案都有代价，讲完"怎么做"，还必须讲"什么时候不该这么做"。这一节是我在实际决策中反复遇到的六个取舍。
把利润算到分毫不差，需要等财务结账、等平台结算、等退货全部入库，通常滞后 30 天以上。但等 30 天再复盘，调整窗口早就关了。
我的做法是采用"双轨口径"：经营分析用估算口径，追求快，允许 5% 到 10% 的偏差；财务核算用精确口径，追求准，按月度执行。两套口径同时存在，但要明确标注，不能混用。
每周做一次深度归因分析，团队会累垮；每月做一次，很多问题已经错过窗口。我的建议是分层：日常只盯五到八个核心异常信号，每周做一次中等深度分析，每月做一次完整的归因复盘。
自建数据体系灵活性最高，但需要持续投入开发和维护人力；采购现成工具上线快，但往往需要迁就工具的口径设计。
我的判断标准是：如果业务模型比较标准，采购工具通常更划算；如果业务模型特殊，比如有复杂的分销结构或者跨境的混合履约模式，自建的性价比会更高。折中方案是在标准工具上做二次加工，把特殊逻辑放在加工层处理。
把所有 SKU 都纳入精细分析，工作量是巨大的。而帕累托效应告诉我们，通常前 20% 的 SKU 贡献了 70% 以上的利润。
我的做法是分级管理：A 类 SKU 逐个精细分析，B 类按组分析，C 类只做批量监控。分级标准按利润贡献额排序确定，每季度重新划分一次。
促销能快速拉高周转，但会稀释毛利率，还可能培养用户的等待折扣习惯。这个取舍没有标准答案，取决于库存压力和品牌定位。
我的判断依据是看库存的"年龄结构"：如果超过 90 天的库存占比超过 30%，促销的必要性上升；如果这部分占比低于 15%，优先保护价格体系。清库存和保护价格体系在同一个时间点上往往只能选一个。
前面说的所有分析，如果最后没有落到具体的人和时间点上，基本等于没做。这一节讲我在用的会议结构和追踪机制。
我把复盘会固定为 90 分钟、四个环节。会前所有数据必须发到参会人手上，会上不再念数据。
行动追踪表是整套机制里最重要的一个文件，比任何看板都重要。我的表格包含以下字段。
| 字段 | 说明 | 示例 |
|---|---|---|
| 行动编号 | 唯一标识，便于跨期追踪 | ACT-2025031 |
| 关联 SKU | 明确作用对象，避免泛化 | SKU-A1023 |
| 问题描述 | 一句话说清利润流失点 | 退货率 18.6%，高于品类均值 2.1 倍 |
| 行动计划 | 必须是可验证的具体动作 | 与供应商确认尺码表修正方案 |
| 责任人 | 单一责任人，不写部门 | 采购-张某 |
| 截止时间 | 具体到日期 | 2025-04-18 |
| 验证指标 | 用哪个指标判断是否见效 | 退货率降至 12% 以下 |
| 验证周期 | 多久后回看 | 行动后第 4 周 |
| 状态 | 未开始 / 进行中 / 已完成 / 已放弃 | 进行中 |
商品分析升级最容易卡在部门协作上。运营关心销量，采购关心采购成本，财务关心整体利润率，三方的目标函数不完全一致。
我用的办法是把利润指标拆解到各部门可以影响的部分：采购背采购成本率和供应商退货率，运营背退货率和折扣分摊率，商品企划背 SKU 结构健康度。这样每个部门都有自己能控制的那部分利润指标，而不是所有人背同一个模糊的整体毛利率。
回头看这半年的实践，我认为商品分析升级最容易被误解的一点是：很多人以为它是一次性的系统改造项目，做完就结束了。但实际情况是，口径会变、平台规则会变、品类结构会变、供应链会变，任何一套分析框架都需要持续校准。
我现在的做法是每季度做一次"分析体系体检"，检查四件事：利润口径是否还适用、归因树是否需要新增节点、复盘频率是否匹配当前业务节奏、行动追踪表的闭环率是否在上升。这四件事里，闭环率是最值得盯的一个指标，因为它真正反映分析和行动之间的距离。
如果你准备开始，我的建议是从最小的一步做起：这个月先把店铺里所有 SKU 的净毛利额算出来，按利润贡献排序，看看排在后 30% 的 SKU 里有多少是负毛利。光是这一个动作，通常就能让大多数人发现一些之前完全没注意到的东西。数据复盘的价值不在于数据本身有多完整，而在于它能不能让你在下一个决策点上少犯一次错。
工具方面，如果你已经在用表格手工对齐多个平台的数据，并且每月花在数据准备上的时间超过 10 小时，可以考虑试一下数跨境这类能把多平台订单、商品、库存数据打通的分析工具（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys），它的价值主要在减少手工对齐的时间，让团队把精力放在归因和行动上，而不是放在导表和拼表上。
我之前做月度复盘的时候，表格里全是GMV、销量排名、客单价这些数据，老板看完只问了一句‘那我到底赚了多少钱’，我当场答不上来。后来我才意识到，自己一直在用流量视角看生意，而不是用利润视角看商品。
判断标准很简单：如果一个指标变了，你不会因此调整采购、定价或下架动作，它就只是参考数据，不该进核心看板。真正反映利润的指标组合建议围绕利润公式搭建，毛利额=售价-采购成本-履约费用-退货损失-库存跌价。对应的核心指标是毛利率、动销率、售罄率、退货率、库存周转天数、件单价和连带率。
起步阶段不要超过8个指标，每个指标必须绑定一个责任人和一个动作阈值，比如退货率连续两周超过品类均值1.5倍就触发商品质检复核。
我们团队每个月都开复盘会，PPT做得挺漂亮，结论也写了‘需优化商品结构’，但下个月看数据几乎没变化。我很困惑，到底是分析做得不对，还是执行出了问题。
问题通常不在分析层，而在闭环缺失。复盘会有效的三个前提是：第一，会前必须完成数据准备并提前48小时发给参会人，会上不查数只做决策；
第二，每个结论必须转化为一条具体行动，包含负责人、完成时间和验证指标，比如‘下架A类目毛利低于8%的12个SKU，由采购在两周内完成，下月复盘时验证该类目毛利率是否回升至12%以上’；第三，上次会议的 action item 必须作为本次会议的第一项议程逐条过。
如果连续两个月出现同一结论但无行动记录，说明复盘机制本身需要整改，而不是继续优化分析模板。
我们公司规模不大，老板不愿意买BI系统，就一直用Excel手工拉数据。我想知道在工具条件有限的情况下，怎么把商品分析做到能指导利润决策的程度。
完全可以，关键不是工具而是数据结构和更新节奏。建议用Excel搭建一个最小可用利润看板，包含三张表：第一张是商品利润档案，每个SKU一行，字段包括售价、采购成本、履约费、退货率、月销量、毛利额和毛利率；第二张是趋势表，按月记录每个SKU的销量和毛利变化，用来判断生命周期阶段；
第三张是行动追踪表，记录每次复盘后的决策和执行状态。更新频率上，日维度只看异常（如某SKU退货率突然翻倍），周维度看趋势（动销率是否连续下滑），月维度看结构（低毛利SKU占比是否在扩大）。
Excel的透视表和条件格式足够支撑到几百个SKU的规模，等到SKU超过一千或需要多人实时协作时再考虑上BI工具。
我们之前试过每天看利润报表，结果团队疲于应付数据，反而没人做业务动作；后来改成季度复盘，又发现很多问题发现得太晚，库存已经积压了。我一直在纠结到底什么频率才合理。
建议采用分层节奏而不是统一频率。日维度只看异常信号，比如某单品退货率突增、某品类毛利率跌破预警线，不做全面分析；周维度看趋势变化，重点是动销率和库存周转，判断是否需要调整补货或促销节奏；月维度做结构性复盘，分析品类毛利贡献占比、低毛利SKU汰换进度、定价策略有效性；
季维度做战略级复盘，评估品类布局和供应链策略是否需要调整。频率过高的问题是分析成本大于决策收益，团队会把复盘当成填表任务；频率过低的问题是错过干预窗口，尤其是季节性品类，等季度复盘时库存已经变成滞销。判断依据是：如果你的品类生命周期短于三个月，月维度就是底线；
如果生命周期在一年以上，月维度足够，周维度只需看异常。
读者评论
文章把利润口径统一这件事讲透了。我们公司就是三个人算三个利润率，开会永远扯皮，后来定了一套公式才消停。
销售额TOP和利润TOP重合度只有三四成，这个数据太真实了。我们店铺也是爆款不赚钱，赚钱的没人管，看完后背发凉。
复盘会开成汇报会这个太常见了，我们每周会就是轮流念数据，两个小时下来没有任何决策，纯浪费时间。
作者说工具不是解决方案这点深有体会，之前花大钱上了BI系统，结果没人用，因为没人说清楚看完该干嘛。
日周月季复盘的频率权衡那张图很实用，我们之前天天盯异常结果团队疲于奔命，后来改成周复盘节奏才正常。