我把过去三年经手和审阅过的商品复盘文档翻了一遍，一共 47 份，其中 31 份的"销量趋势"章节长这样：一张折线图，两行"同比上升、环比下降"的文字，最后补一句"建议持续关注"。这 31 份复盘里，有 8 次在接下来的一个月出现了明显问题，而这些问题在复盘当时其实已经有数据信号摆在表里。这正是我想认真聊《商品分析执行标准：销量趋势环节如何体现数据复盘》的原因，不是复盘没做，而是销量趋势这一环丢掉了"检查"的功能。
趋势环节的数据复盘，本质上要回答的不是"这个月卖了多少"，而是"这个月的销量变化，是否在告诉我结构正在发生位移"。
如果你只想要一句话答案，那就是：销量趋势环节的数据复盘，执行标准的核心不是流程图画得多完整，而是四个固定动作和一份固定输出物。流程是给人看的，动作和输出物是给人查的。任何一份不能被追问"这句话的依据是什么、这个动作的责任人是谁"的复盘，都不算执行标准。
很多团队把总量趋势当成了结论，其实它只是一个筛选器。总量同比 +12%，它告诉你的唯一信息是"这个月不需要立刻启动全面排查，但值得看一眼增量从哪来"。总量同比 -8%，它告诉你的唯一信息是"需要立刻定位拖累项"。
总量趋势本身没有决策价值，因为决策从来不是针对总量做的，而是针对某个品类、某个渠道、某个价格带做的。把总量当结论，是销量趋势复盘最低级也最普遍的错误。
我见过太多团队把复盘周期写死成"每月 5 号"。但复盘的真正触发条件不是日期，而是决策点：补货计划要定了、大促排期要定了、新品要不要加投要定了、滞销款要不要清仓要定了。
所以我更推荐执行标准里写两套周期：常规复盘按自然周期（周或月）走，异常复盘按决策点触发走。后者包括：单日销量偏离近 28 天均值超过 3 个标准差、TOP5 单品断货、核心渠道流量结构变化超过 10 个百分点。
执行标准落到纸面上，最忌讳写成"应当及时复盘、应当深入分析"。这类表述无法执行，也无法检查。真正能落地的标准，一定长这样：谁在什么时间、用什么口径、输出哪几个字段、字段的判断阈值是多少、输出给谁、下一期由谁验证。
下面这张图是我在 12 个团队样本里做的对比观察：把"念数据式复盘"升级为"归因式复盘"之后，异常发现变快了，但单次复盘的人工投入也确实上去了。这就是取舍，后面第八章会详细讲。
2024 年 Q3，我给一个美妆个护品牌做商品分析执行标准的梳理。那个团队不算小，天猫和抖音两个平台，在架 SKU 两百多个，有一个专门的商品运营和一个兼职数据分析的同学在跑复盘。他们的复盘模板做得挺漂亮，跑了大概一年半。
那份 Q3 复盘的第一屏是总量：GMV 1,860 万，同比 +12%，环比 -3%，目标达成率 94%。第二屏是 TOP10 单品榜单，第三屏是渠道占比饼图，第四屏是"下季度建议"。
我当时的第一个反应是：这份复盘没有错，但它什么都没有告诉我。同比 +12% 看起来还行，环比 -3% 解释成"季节性回落"，目标达成率 94% 解释成"差一点点"。整份文档里没有任何一个数字被追问过。
真正的转折发生在 10 月。TOP3 里有一款精华断货 11 天，当月 GMV 环比掉了 19%。团队的第一反应是"断货导致的，属偶发事件"。但我把 Q3 的数据重新拆了一遍，发现这个"偶发"其实早在 7 月就写在了数据里，只是没人读。
拆解结果是这样的：
翻译一下：这家店 Q3 的增长完全是三个单品扛起来的，而它整体的商品结构在恶化。TOP3 一旦断货，没有第二梯队接得住，跌幅自然会被放大。这不是偶发事件，这是结构性风险在 10 月被引爆。
我给这个团队改的不是模板的版式，而是把复盘这件事本身拆成了四个可以被检查的动作。这也是我后面所有项目里通用的做法：总量描述 → 分层拆解 → 异常归因 → 结论与行动项。四个动作缺一个，复盘就退回成"念数据"。
要讲清楚执行标准，得先讲清楚销量趋势这个环节在整条链路里到底是个什么位置。我通常用一个很朴素的判断：销量趋势是商品分析里唯一一个"结果指标"，其他环节基本都是它的解释变量。
销量趋势不是从天上掉下来的，它由四组上游数据构成。这四组数据如果在复盘前没有对齐口径，后面所有的分层和归因都是白做。
同一个销量趋势，给不同的人看，深度完全不同。给采购看，需要的是补货量和补货时点；给投放看，需要的是流量结构和转化漏斗；给老板看，需要的是目标达成率和风险预警。
一份复盘想让所有人都满意，结果一定是所有人都看不懂。我的做法是明确主送对象，其他角色只给结论摘要。执行标准里必须写清楚"这份复盘的主送人是谁"，这是很多团队缺失的一环。
执行标准听起来抽象，落到具体就是三件事。第一，周期，什么时间产、什么时间发。第二，责任人，谁产、谁审、谁接行动项。第三，模板，输出哪几个字段、每个字段的判断阈值是多少。
下面这张图是我在复盘标准梳理前抓的 6 个月数据，它很典型地说明了为什么趋势环节必须和库存、动销联动看：销量指数在第 2、3 个月冲高，但同期库存周转天数一路走高、动销率一路走低。单看销量，你会觉得生意在变好；三条线一起看，你会发现生意在变脆。
这一章是执行标准的主体。我把销量趋势环节的数据复盘拆成四个固定动作，每个动作都有明确的输入、输出和判断阈值。四个动作的顺序不能调换，因为后面的动作依赖前面的结果。
我坚持把口径对齐单独算一个动作，而不是当成准备工作。原因很简单：口径不对齐的复盘，比不做复盘更危险，因为它会给出一个错误但看起来很专业的结论。
下面这张口径对照表是我在实际项目里反复用到的版本，不同平台、不同类目需要微调，但字段结构可以直接抄。
| 口径项 | 常见写法 A | 常见写法 B | 推荐口径 | 不对齐的后果 |
|---|---|---|---|---|
| GMV 定义 | 下单金额 | 支付金额 | 支付金额，退款单独列示 | 大促月虚高，误判增长 |
| 退款处理 | 不扣减 | 全额扣减 | 按退款完成月扣减 | 同比口径跨月错位 |
| 预售订单 | 计入定金月 | 计入尾款月 | 计入尾款支付月 | 当月销量失真 |
| 类目归属 | 按当前类目 | 按历史类目 | 按复盘期当时类目 | 品类趋势无法比较 |
| 价格带 | 按吊牌价 | 按实付价 | 按实付价分档 | 促销结构被隐藏 |
| 渠道归属 | 按下单渠道 | 按支付渠道 | 按支付渠道 | 跨渠道转化被重复计算 |
这张表看起来枯燥，但它解决的是复盘里最常见的争论：为什么我的报表和你的报表差 40 万。口径对齐的产出物不是一张表，而是一份"复盘口径说明书"，写进执行标准里，每次复盘前不需要重新讨论。
总量描述只需要一句话，分层拆解才是复盘真正的工作量所在。我通常固定拆四个维度，不同行业可以增减，但这四个是基线。
看增量和减量分别来自哪些品类或系列。这里必须做帕累托分析：把 SKU 按销量降序排列，看前 20% 的 SKU 贡献了多少销量。如果这个比例在连续两期上升，说明集中度在提高，风险在积累。
在刚才那个美妆案例里，TOP3 单品贡献同比增量的 92%，就是帕累托分析直接给出的信号。
同一个商品在不同渠道的表现差异，往往比商品本身更有信息量。我固定看三个数：渠道销量占比的变化、渠道转化率的变化、渠道退货率的变化。占比变化超过 5 个百分点就要单独写一条结论。
价格带是我认为最被低估的一个维度。销量总量不变，价格带结构上移或下移，对利润的影响可能远大于销量本身的波动。实操上，我按四档划分：引流档、主销档、利润档、形象档。
这个维度在跨境和多区域运营里尤其关键。国内店铺可以简化成省份或城市层级，跨境店铺则必须按国家/站点拆。区域维度的核心不是看谁卖得多，而是看哪些区域的销量趋势和整体趋势背离，背离就是信号。
这是四个动作里最容易做错的一个。绝大多数团队把"波动"和"趋势反转"混为一谈，结果要么对正常波动过度反应，要么对真正的反转视而不见。
我的判断逻辑是三个条件同时满足才升级为"趋势反转"，否则一律先按波动处理、继续观察。下面是我们在项目里实际使用的判定伪代码，可以直接照着改成自己团队的版本。
# 趋势反转判定：三个条件同时满足，才从"波动"升级为"趋势反转" series: 按周期排列的销量序列，最新值在最后 window: 连续同向周期数 amp_threshold: 累计变化幅度阈值（经验值 8%，需按品类校准） base_vol: 该品类近 12 期波动率基线（变异系数） def is_trend_reversal(series, window=3, amp_threshold=0.08, base_vol=0.05): 条件一：连续 window 个周期同向变化 same_direction = all( series[-i] < series[-i-1] for i in range(1, window + 1) ) 条件二：累计变化幅度超过绝对阈值 cumulative = (series[-1] - series[-window - 1]) / series[-window - 1] 条件三：变化幅度显著超过该品类的历史波动基线 is_abnormal = abs(cumulative) > max(amp_threshold, base_vol * 2) if same_direction and is_abnormal: return "趋势反转", cumulative return "正常波动", cumulative
注意条件三里的 base_vol。不同品类的正常波动率差异极大，快消品月度波动 5% 属于正常，大件耐用品波动 5% 已经算异常。用同一个绝对阈值去卡所有品类，是异常识别失败的主要原因。
识别出异常之后才进入归因。我给归因定了一条硬规矩：归因结论必须能对应到一个可操作的动作，否则这个归因不算完成。"受大促节奏影响"不是归因，因为没人能对它做动作；"大促预热期从 7 天拉长到 12 天，导致自然流量被稀释"才是归因，因为它能对应"下一期把预热期压回 8 天"这个动作。
下面这张图是我在归因环节常用的四象限：横轴是周期波动率，纵轴是销量贡献占比，气泡大小是库存周转天数。右上角（高贡献、高波动）是需要立刻加监控的，右下角（低贡献、高波动）通常直接进清仓候选。
前三个动作再扎实，如果第四个动作没做好，复盘依然是无效的。我给行动项定的最低标准是四要素齐全：做什么、谁做、什么时候做完、做完用什么指标验证。
四要素里最容易被忽略的是最后一个。"完成腰部低效 SKU 补货冻结"不是完整的行动项，"完成腰部低效 SKU 补货冻结，验证指标为下月库存周转天数回到 55 天以内"才是。
下面这张漏斗图是我统计的一个很扎心的数据：从原始数据到最终的闭环验证，每一步都在流失。绝大多数团队的复盘问题不在于没做分析，而在于分析完之后没有人接。
四个动作要真正变成执行标准，必须落到一份固定格式的输出物上。我反对把模板做得复杂，一页纸足够了，但每一个字段都必须有明确的写法和判断标准。
我用的一页纸模板固定六个字段，顺序不能变，因为这六个字段对应的就是认知递进的过程。下面用前面那个美妆案例的 Q3 数据填充了一份示例结构，可以直接作为参考格式。
{
"period": "2024-Q3",
"scope": "天猫旗舰店 / 美妆个护 / 支付口径（已扣退款）",
"headline": {
"gmv": 18600000,
"yoy": 0.12,
"qoq": -0.03,
"target_rate": 0.94,
"judgement": "总量达标，但增量来源高度集中，风险等级：中高"
},
"structure": {
"top3_contribution_of_growth": 0.92,
"mid_sku_sell_through": 0.51,
"mid_sku_sell_through_prev": 0.68,
"price_band_shift": "+12pt @ 159-259元",
"stock_turnover_days": 63,
"stock_turnover_days_prev": 46
},
"anomaly": [
{
"signal": "腰部SKU动销率连续3期下滑",
"type": "趋势反转",
"evidence": "68% -> 51%，幅度-17pt，超过品类波动基线",
"impact": "TOP3断货时无第二梯队承接，10月环比-19%"
}
],
"conclusion": {
"descriptive": "Q3 GMV 1860万，同比+12%，环比-3%，达成率94%",
"attributive": "同比增长几乎全部来自TOP3单品，腰部商品动销能力持续衰减，增长质量差于表面数字"
},
"actions": [
{
"what": "冻结销量排名20位以后、连续两期动销为0的SKU补货",
"owner": "采购-赖",
"due": "10-15",
"verify": "下月库存周转天数回到55天以内",
"status": "open"
},
{
"what": "为腰部4-30位商品设计组合装，提升连带率",
"owner": "运营-陈",
"due": "10-30",
"verify": "腰部SKU动销率回升至60%以上",
"status": "open"
}
]
}
六个字段分别是：口径声明、总量判断、结构拆解、异常清单、双层结论、行动项。前五个字段是"看见问题"，第六个字段才是"解决问题"。只有前五个字段的复盘文档，是一份分析报告；加上第六个字段，才是一份执行文档。
这是我在培训里花时间最多的部分。很多人分不清这两者的区别，导致复盘永远停在表面。下面这张对照表可以直接拿去当检查清单用。
| 对比项 | 描述性结论（不合格） | 归因性结论（合格） |
|---|---|---|
| 句式结构 | 指标 + 变化方向 | 现象 + 驱动因素 + 影响量级 |
| 示例一 | 销量同比上升 12% | 销量同比上升 12%，其中 92% 由 TOP3 单品贡献，腰部商品实际下滑 52 万 |
| 示例二 | 库存周转天数上升 | 库存周转天数从 46 天升至 63 天，主要来自 20 位后 SKU 的在架数增加 26 个而销量为 0 |
| 示例三 | 价格带结构变化 | 159-259 元档占比提升 12 个百分点，主因是主推品换档，毛利率提升 3.2pt 但转化率下降 1.8pt |
| 是否可执行 | 不可执行，只能"关注" | 可执行，能直接对应补货、清仓、投放或定价动作 |
| 可验证性 | 无法验证对错 | 可在下一期用指定指标验证 |
我在评审复盘文档时，会专门搜几个词："加强"、"持续"、"关注"、"优化"、"提升意识"。这五个词出现的行动项，一律打回重写。
前面这套四个动作和模板，落到执行上有两个现实障碍：一是拉数太慢，二是分层维度太多手工拼表容易错。我给多平台和跨境团队做复盘标准梳理时，通常会建议把"数据准备"这一段交给工具，把人的时间留给归因和行动项。
我实际用过的一类方案是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）。它比较契合前面这套执行标准的点在于：把销量趋势按多维度做分层视图这件事，从"每次复盘前手工拼表"变成了"模板复用"。我观察到的直接变化是，分层拆解这个动作的准备时间被压缩了，团队可以把省下来的时间放到异常归因上，而异常归因恰好是漏斗图里流失最严重的那一层。
这里需要说清楚一个判断：工具解决的是"数据准备和口径一致性"的问题，不解决"归因判断"的问题。我见过有团队上了工具之后，复盘质量反而下降，因为他们把自动生成的图表直接当成了复盘结论。工具输出的是结构，结论必须由人给。
下面这张图是我在梳理前后抓的价格带结构迁移数据。它很直观地说明了为什么价格带必须单独拆：总量从 1,660 万涨到 1,860 万，看起来是增长，但结构上主销档从 41% 掉到 33%，利润档从 22% 涨到 34%。这不是简单的好坏问题，而是商品定位发生了位移，它直接影响后续的选品方向和投放策略。
用同一套复盘标准去套所有商品，是执行标准落地的第二大坑。新品和衰退品的复盘重点完全不同，如果模板一刀切，结果是新品被过早判死，衰退品被无限续命。
新品期的复盘不应该看绝对销量，因为它必然低。我在新品期固定看三个指标：周环比增速、铺货覆盖率、首单转化率。
周环比增速看的是爬坡斜率，连续 3 周增速为正说明产品有生命力。铺货覆盖率看的是运营执行力，货铺不到位不是产品问题。首单转化率看的是产品力和详情页质量。新品期最容易犯的错是用销量绝对值淘汰一个爬坡正常的新品，或者用"新品保护期"续命一个铺货都铺不出去的产品。
成长期的复盘重点是两个问题：增速是否在放缓、这个成功能不能复制到其他渠道或区域。第二个问题尤其重要，因为成长期的商品往往只在单一渠道跑通，能否复制决定了它能不能成为真正的支柱产品。
成熟期的商品不该追求高增速，追求的是稳定贡献。这个阶段的复盘要看的是波动率和库存水位，以及价格体系有没有被破坏。任何超过品类波动基线的波动，在成熟品上都值得单独归因。
衰退期的复盘是最考验执行标准的。很多团队在这个阶段拖泥带水，一边不肯承认衰退，一边让库存继续占用资金。我的做法是设定明确的退出条件：连续 3 期销量下滑且库存周转天数超过品类均值 1.5 倍，自动进入清仓流程，不需要再讨论。
下面这张雷达图给出了四个阶段在五个复盘维度上的权重建议。它不是一个精确的数学分配，而是一个沟通工具，当团队争论"复盘要不要看这个维度"时，可以用它快速对齐预期。
这一章讲我在实际评审中反复看到的四类问题。它们的共同点是：看起来复盘做了，实际上什么都没检查出来。
前面那个美妆案例已经说得很清楚了。总量同比 +12% 是真实的，但结构恶化也是真实的，两者同时成立。如果复盘只到总量层，那这份复盘的全部作用就是把团队麻痹掉。
我的判断标准很简单：一份复盘如果全篇找不到一个分层维度上的数字，它就没有资格叫数据复盘，只能叫数据播报。
这是第二常见的错误。比如"投了 A 渠道之后销量涨了"，所以 A 渠道有效，这个推论跳过了至少三个问题：同期有没有大促、自然流量有没有变化、涨的是不是只有 A 渠道主推的那个品。
我处理这个问题的做法是，在做因果判断前必须先排除三个替代解释：时间因素（季节性、大促）、结构因素（增量是否集中在特定商品）、基数因素（对比期是否有异常）。三个都排除不了，结论就只能写成"相关，未验证因果"。
回归那张漏斗图：行动项落地率停在 19%。这 81% 的流失，绝大多数不是因为团队不努力，而是因为行动项根本没有指派到具体的人。写着"团队应当加强腰部商品运营"的行动项，等于没有行动项。
用新品的标准考核成熟品，或者用成熟品的标准考核新品，都会出问题。我建议在模板里加一个"商品阶段"字段，复盘时先标阶段，再按阶段调用不同的判断阈值。
下面这张图是我在 12 个团队样本里统计的四类误区发生频率和平均返工工时。可以看到，"把相关性当因果"虽然发生频率不是最高，但返工成本最高，因为它往往直接导致错误的策略调整。
执行标准不是越完整越好，而是要和团队规模、平台复杂度匹配。我按三种典型情况给出建议，每一种都对应明确的取舍。
人少的时候，四个动作全做一定会崩。我的建议是保留分层拆解和行动项输出这两个动作，总量描述用系统报表代替，异常归因先做粗颗粒版本。
取舍在于：你会牺牲归因的精度，但能保住复盘不断档。小团队最怕的不是分析不深，而是复盘做了一次就再也做不下去。
这个规模最适合把四个动作结构化。数据准备和口径对齐交给数据同学，分层拆解交给品类运营，异常归因由品类运营和数据分析共同完成，行动项由品类负责人拍板。周期建议周复盘做轻量版、月复盘做完整版。
取舍在于：分工之后沟通成本会上升，需要靠模板和口径说明书来对冲。模板不统一，分工就会变成互相甩锅。
多平台和多站点团队的复盘瓶颈几乎永远在口径上。不同平台的退款口径、归属周期、类目体系都不一样，如果不先做统一，后面所有分层结果都不可比。
这个场景下，把数据准备环节前置到工具里是更现实的选择，比如前面提到的数跨境在多平台分层视图上的用法。取舍在于：前期搭建和口径定义会占用一到两周的额外投入，但后续每一次复盘的边际成本会显著下降。
下面这张图对比了三种团队配置下复盘周期、分层维度数和行动项落地率的差异。它想说明的是：复盘的深度不是越高越好，而是要和团队的承接能力匹配。分层做到六维但没人接行动项，效果还不如分层做三维但闭环率过半。
回到最开始那个判断：销量趋势环节的数据复盘，执行标准的核心不是流程有多完整，而是四个固定动作加一份固定输出物。如果这篇内容只让你记住一件事，我希望是这一件。
从下一个复盘周期开始，你不需要推翻现有模板，只需要按下面的清单逐条检查。每条检查项都对应文章里的一个具体判断，做得到就打勾，做不到就先补这一条。
这六条里，我认为最值得优先补的是第六条。因为前五条都是单期能力，只有第六条决定了这套标准能不能跑起来。一个能持续验证上一期结论的团队，即使分析深度只有三维，长期效果也会好过一个每期都分析得很深、但从不回头的团队。
销量趋势从来不会骗人，它只是不太会说话。执行标准的作用，是让团队每次都问出同样几个问题：增量从哪来、减量从哪来、这个变化是不是反转、谁在什么时候把它变成动作。问题固定了，答案才会稳定；答案稳定了，复盘才真正开始产生价值。
我们团队之前是月底才把销量数据拉出来看一次，结果每次开复盘会都是‘事后诸葛亮’，问题早就发生了。但改成每天看，数据波动又太琐碎，团队疲于奔命。我一直在纠结，到底什么样的复盘周期既能及时发现问题，又不至于浪费时间？
复盘频率没有统一答案，判断依据是商品的动销速度和决策窗口。快消品或日销型品类建议按周复盘，因为一周足以过滤掉单日促销、平台流量波动带来的噪音，同时又不至于让异常拖过下一个补货周期。慢消品、高客单价品类可以按双周或月度复盘，但前提是设定好预警线，一旦触发就临时开复盘。
具体做法上，建议固定一个‘主复盘周期’加一个‘异常触发机制’：主周期按周或按月执行标准动作，异常触发机制则针对销量偏离目标超过设定阈值（比如连续两周环比下滑超过10%）时临时启动。关键是周期一旦定了就不要随意改，否则团队永远在适应新节奏，执行标准就落不了地。
我之前做复盘最怕的就是误判。有一次某个品类销量连续三天掉了，我们紧急调了促销资源进去，结果第四天自己就回来了，白白浪费了预算。后来又有一次觉得是正常波动没管，结果一路跌了一个月。我现在特别想知道，有没有什么可操作的判断标准来区分这两种情况？
区分波动和趋势反转的核心是看‘持续性’和‘结构性’。第一，看时间窗口：连续三个及以上统计周期同方向变化，才值得当作趋势信号，单周期波动先标注观察。第二，看分层数据：如果总量下滑但各细分渠道、品类跌幅均匀，大概率是外部因素导致的系统性波动；
如果只有某一两个核心渠道或品类在跌，其他稳住甚至上涨，那很可能是结构性问题，需要归因。第三，看关联指标：销量下滑同时库存周转天数在上升、流量没变但转化率在降，这种多指标共振基本可以判定为趋势反转而非波动。执行标准里应该写明这三个检查动作，让复盘的人按顺序过一遍，而不是凭感觉判断。
我们团队每次复盘报告写了一大堆，什么‘销量环比下降8%’‘A渠道表现不佳’‘B品类增长明显’，领导看完说‘所以呢？’我自己也知道写得浅，但真不知道该写到什么程度才算有归因。有没有具体的写法对比？
描述性结论回答的是‘发生了什么’，归因性结论回答的是‘为什么会这样’以及‘下一步怎么办’。
举一个写法对比：描述性写法是‘A渠道销量环比下降12%’，归因性写法是‘A渠道销量环比下降12%，主要因为主力单品X在第二周断货三天，导致搜索权重下滑，恢复供货后自然流量未回升，建议下个周期对X设置安全库存预警线并提前锁定备货’。
区别在于三点：是否定位到具体影响因素、是否给出因果链条、是否带出可执行的行动项。执行标准里可以要求每条结论必须包含‘数据事实+原因判断+影响范围+建议动作’四个要素，缺一个就打回去重写。刚开始团队会觉得麻烦，但坚持两个周期后，复盘质量会有明显提升。
我以前做复盘就看销量涨了还是跌了，涨了开心跌了着急。后来有一次销量明明在涨，但利润反而在跌，才发现是折扣力度太大把毛利吃掉了。还有一次销量持平，但库存已经堆了一个月的量。我现在知道不能只看销量，但具体要联动哪些指标、怎么看，还不太清楚。
孤立看销量最容易漏掉三类风险：利润侵蚀、库存积压和流量结构变化。建议至少联动四个指标一起看。一是毛利率，销量涨但毛利率跌，说明增长是靠让利换来的，要判断是否可持续。二是库存周转天数，销量平稳但周转天数持续上升，说明动销在放缓，只是被补货节奏掩盖了。
三是流量来源结构，自然流量占比下降、付费流量占比上升，意味着销量的支撑成本在变高。四是退货率或售后率，如果销量涨但退货率同步上升，增长质量就要打问号。
执行标准上的做法是：在复盘模板里固定这四个联动指标的位置，每次复盘必须填，哪怕当期没有异常也要写一句‘本周期无异常’或具体数值，这样才能形成对比基线，后面出问题时才有参照。
读者评论
我们团队也一直在做商品复盘，但确实像文章说的，销量趋势部分往往就是折线图加一句同比环比，看完不知道下一步该做什么，四个固定动作这个提法很实用。
口径对齐单独作为一个动作有点触动我，之前复盘时流量数据站内站外混着算，不同人理解不一样，讨论半天发现根本不在一个频道上。
库存周转天数和动销率跟销量指数放一起看这个点很关键，单看销量上涨很容易误判，实际生意可能在变脆，这个视角值得借鉴。