去年双十一结束后第三天，我接到一个做家居类目的朋友电话。他的店铺在大促期间 GMV 同比涨了 37%，团队正准备开庆功会，结果财务对账时发现：毛利额同比只涨了 4%，库存周转天数从 42 天拉到了 68 天，三个原本动销正常的 SKU 直接变成滞销。问题出在哪？他在大促前做了一轮"组合优化"，把引流款和利润款重新搭配、调整了价格带分布、把高低动销商品做了捆绑。每一个动作单独看都对，合在一起却埋了一颗雷。
这不是个例。过去几年我参与过十几个电商团队的商品分析复盘，发现一个高度一致的现象：大家把 90% 的精力花在"怎么组合更优"，却只在事后用 10% 的精力去"看看有没有出问题"。这篇文章要讲的，就是那被忽略的 90% 里最该补上的一环，组合优化的风险排查方法。
多数人理解的风险排查，是"看指标有没有异常"。动销率掉了就去看动销率，毛利降了就去查毛利。这种方法的问题在于：当你看到指标异常时，风险已经发生了，你只能补救，不能预防。
我在实践中形成的判断是：组合优化的风险排查，核心不是监控指标本身，而是追溯"组合动作 → 中间变量 → 结果指标"这条因果链。你要排查的不是"动销率为什么降了"，而是"我做的哪个组合动作，通过什么中间机制，导致了动销率下降"。
举个例子。你把一款高毛利慢销品和一款低毛利快销品做了捆绑组合，结果整体毛利下滑。表面看是"毛利结构恶化"，但因果链可能是：捆绑后快销品的流量被分流到了慢销品上，慢销品本身转化率低，导致整体转化率下降，而转化率下降又拉高了单件获客成本，最终吃掉了毛利。如果你只盯着毛利指标，你永远找不到真正该调整的那个动作。
这就是为什么我坚持一个观点：没有因果链追溯能力的风险排查，只是数据的搬运工。排查的价值不在于"发现问题"，而在于"定位到具体的组合动作"。下面这张图展示了三种典型组合动作与风险结果之间的因果路径差异。
我跟踪过 6 个店铺的组合调整案例，发现一个规律：组合优化动作上线后的第 3 天到第 14 天，是风险暴露最集中的时段。原因很简单，调整初期，老数据的惯性还在，新组合的真实效果尚未显现，两者叠加会产生大量"看起来正常"的假象。
第 3 天左右，你会看到流量结构开始变化，但因为基数还在，波动被平滑掉了，看不出异常。第 7 天左右，转化率的变化开始显现，但很多人会把它归因于"周末效应"或"活动余温"。到第 14 天，库存和毛利的连锁反应才真正爆发，这时候再调整，已经积压了两周的库存错配。
我自己的做法是：组合调整上线当天，就锁定一组基线数据快照，然后在第 3、7、14 天做三次强制对比，不管数据看起来有没有问题。这三次对比不是为了"发现问题"，而是为了建立因果链的时间序列证据。
商品组合优化往往涉及运营、采购、仓储、财务四个角色。运营看动销，采购看进货价，仓储看周转，财务看毛利。每个角色都只看自己那块指标，没人对"组合动作"负责。
我见过一个典型案例：运营把一个滞销 SKU 和爆款做了组合，本意是"带动滞销品动销"。结果滞销品确实卖出去了一些，但爆款的转化率被拉低了。运营的 KPI 是动销率，看到滞销品动销了就认为成功；仓储看到爆款备货增加、滞销品出货，也没觉得异常；直到财务对账发现整体毛利不升反降，问题才暴露。但这时候，爆款的流量权重已经被稀释了整整一个月。
这个案例说明一件事：风险排查必须有跨口径的统一视图，否则每个部门看到的都是"局部正常"。
这是最隐蔽也最致命的问题。同一个"动销率"，运营算的是"近 30 天有销量的 SKU 占比"，仓储算的是"近 30 天出库量大于 0 的 SKU 占比"，财务算的是"近 30 天有毛利贡献的 SKU 占比"。三个口径在组合调整前后可能发生系统性偏移，导致你对比的根本不是同一个东西。
我个人的硬性要求是：任何组合优化的风险排查启动前，先确认所有参与方使用的指标口径是否一致，口径不一致的，排查结论一律作废重来。这一步看起来很笨，但它能避免 80% 的误判。
最常见的误区是设一个阈值，比如"动销率低于 30% 就报警"，然后只要没触发阈值就认为安全。问题在于，组合优化的风险往往不是"绝对值超标"，而是"相对变化异常"。
我遇到过一个店铺，动销率常年稳定在 55% 左右，看起来非常健康。但在一次组合调整后，动销率还是 55%，毛利却下滑了 9%。后来拆解发现，动销的构成变了，原本贡献毛利的几个 SKU 变得不动销，而新加入的低毛利 SKU 撑起了动销数字。绝对值没变，结构已经烂了。
正确的做法是：同时看绝对值和结构占比，任何一个维度发生显著变化都要触发排查。
组合优化天然会掩盖个体差异。你把 A、B、C 三个商品绑成一个组合，整体动销看起来不错，但可能是 A 卖了 100 件、B 卖了 3 件、C 一件没卖。这种情况下，组合是"成功"的，但 B 和 C 实际上是在拖后腿。
我在排查时有个固定动作：把组合拆开，逐个看每个成员商品的独立表现，和它加入组合之前的表现做对比。如果某个商品加入组合后，自身的转化率、客单价、复购率都下降了，那它就是被组合"吸血"了。这种内部损耗，看组合整体数据永远发现不了。
很多团队的排查是"想起来就看看"。这等于没有排查。因为组合风险的暴露是有时间规律的，流量风险在 3-7 天，转化风险在 7-14 天，库存和毛利风险在 14-30 天。你的排查频率如果不匹配这个节奏，就会错过最佳干预窗口。
我的建议是把排查频率和风险类型绑定：高频指标日看，结构指标周看，健康度指标月看。下面这张对照表是我实际在用的节奏框架。
| 排查频率 | 重点排查对象 | 核心问题 | 干预窗口 |
|---|---|---|---|
| 每日 | 流量结构、异常波动指标 | 有没有突发性偏移 | 当天可调 |
| 每周 | 动销结构、毛利构成 | 组合内部是否出现"吸血" | 当周可调 |
| 每月 | 库存周转、组合整体健康度 | 组合是否在累积隐性成本 | 下月调整 |
| 每季度 | 组合策略本身的合理性 | 这套组合逻辑还成立吗 | 策略级重构 |
有些团队把"做优化"和"查风险"交给不同的人。设计组合的人不管排查，排查的人不参与组合设计。这样做的后果是：排查的人不知道组合的设计意图，只能就数据论数据，找不到因果链；设计的人不接触排查结果，下次还会犯同样的错。
我的判断是：组合优化和风险排查必须是同一个人的两个动作，而不是两个岗位的交接。只有设计者自己排查，才能把"我当时的意图"和"实际发生的结果"对上号。
下面这套方法是我在多个店铺实操后沉淀下来的，核心是用四层过滤，从"整体异常"逐层收敛到"具体组合动作"。每一层都有明确的输入、判断标准和输出。
排查的第一步不是看数据，而是确认口径。具体要做三件事：
这一步的产出是一份"口径确认单"。没有这份单子，后面的排查都是空中楼阁。我在实操中会把口径确认单贴到排查看板上，确保所有参与方看到的都是同一套定义。
口径确认后，看每个核心指标在优化前后的变化幅度。关注的不是"现在是多少"，而是"变化了多少"。我给自己的经验参考是：
需要说明的是，这些数值是经验参考区间，不是行业标准，具体数值应该根据你自己的类目特性和历史波动情况来校准。关键不在于具体数字是多少，而在于你必须提前设定这个区间，而不是事后拍脑袋。
趋势对比发现异常后，进入结构拆解。这一步的目的是找到"是组合里的哪个成员出了问题"。
具体的拆解方法：把组合内每个商品的独立数据拉出来，和它加入组合前 30 天的数据做对比，看四个指标：独立转化率、独立客单价、独立毛利贡献、独立复购率。任何一个指标下降超过 15%，标记为"疑似被吸血商品"。
同时，还要做反向拆解：看组合整体带来的流量，有多少真正转化到了高价值商品上。如果组合带来的流量大量淤积在低价值商品上，说明组合的流量分配机制出了问题。
最后一层，也是最有价值的一层。你要把前三层发现的问题，归结到具体的组合动作上。
方法很简单：列出本次组合优化的所有动作（改了价格带、换了搭配方式、调整了主推顺序等），然后逐个动作做"如果撤销这个动作，异常指标会不会恢复"的推演。能对上号的，就是风险源；对不上号的，先排除。
下面这张图是我常用的四层过滤法的流程示意，每一步的输出都是下一步的输入。
这是我去年深度参与的一个家居类目店铺复盘。店铺 SKU 数约 380 个，主要做中高客单价的家居收纳产品。大促前，运营团队做了一轮组合优化，核心动作有三个：
大促结束后，GMV 同比涨 37%，但拆开看，问题非常清晰：
| 指标 | 优化前 | 优化后 | 变化 |
|---|---|---|---|
| 整体 GMV | 基准 | +37% | 看似健康 |
| 毛利额 | 基准 | +4% | 严重滞后 |
| 库存周转天数 | 42 天 | 68 天 | +26 天 |
| 滞销 SKU 数 | 18 个 | 31 个 | +13 个 |
| 爆款独立转化率 | 4.8% | 3.1% | -35% |
| 引流品毛利占比 | 22% | 41% | +19 个百分点 |
第一层口径校准：发现"动销率"运营和仓储口径不一致，运营口径下动销率只降了 2%，仓储口径下降了 9%。统一口径后，实际下降幅度是 7%，比运营最初以为的严重得多。
第二层趋势对比：流量结构偏移 15%，转化率整体下降 12%，毛利结构偏离 18%，库存周转增加 26 天。四项全部进入干预区。
第三层结构拆解：把 20 个组合成员逐个拆开看，发现 8 个快销品中有 6 个的独立转化率反而上升了，而 12 个慢销品中，只有 2 个真正被带动，其余 10 个依然滞销。更严重的是，原本的 3 个爆款因为被撤下推荐位，独立流量下降了 47%，直接拖累了整体转化率。
第四层动作归因：把问题对回三个动作，交叉捆绑确实带动了部分慢销品，但也让快销品的流量被稀释；价格带扩展让店铺定位变模糊，中高客单的核心人群转化率下降；撤下爆款换套餐，是转化率下滑的最大单一原因。
第一，组合优化的效果不能被 GMV 单指标验证。这个案例里 GMV 涨了 37%，如果只看这一个指标，会得出完全错误的结论。
第二，引流品和利润品的搭配有明确的"利润安全边界"。这个案例里引流品毛利占比从 22% 涨到 41%，说明引流品的消耗已经超过了利润品的补偿能力。我个人的经验参考区间是引流品毛利占比不宜长期超过 35%，具体应根据类目毛利结构校准。
第三，撤下爆款这个动作，是典型的"为了组合而牺牲个体"。组合优化的目的是让整体更好，而不是让组合更好、个体更差。当组合的收益建立在个体亏损之上时，这个组合是不可持续的。
这次复盘之后，我帮团队搭了一套数据看板，把口径统一、趋势对比、结构拆解、动作归因四个层次固化下来。在工具选择上，我倾向于用"数跨境"这类面向跨境电商和多平台经营的分析工具来做底层数据的整合与口径统一。它的价值在于，把原本分散在不同后台、不同口径的商品数据拉到同一个视图里，让上面说的"口径校准"这一步从人工核对变成系统对齐。你可以通过 https://shukuajing.jiushuyun.com/?
utm_source=seo&utm;_plan=est&utm;_unit=gys 了解它的商品分析模块具体支持哪些维度的数据整合。需要说明的是，工具解决的是"数据对齐"问题，因果链追溯仍然要人来做，工具不能替代判断。
前面讲的是"组合做完之后怎么查"。但真正有效的风险控制，是把排查前置到组合设计的阶段。事后排查是止损，事前排查才是降本。下面三件事，是我现在做任何组合优化之前都会先完成的。
在组合上线之前，就明确写下来：这套组合在什么条件下算失败。比如："如果上线 14 天后，引流品毛利占比超过 35%，视为失败"、"如果爆款独立转化率下降超过 20%，视为失败"、"如果组合内滞销品的独立动销率提升低于 5%，视为失败"。
提前设阈值的好处是，你避免了"数据出来后找理由解释"的心理陷阱。人在面对不利数据时，天然倾向于给自己找台阶下，"这只是暂时的""大环境不好"。提前写死阈值，就没有这个空间。
我通常会给一套组合设 3-5 个失败条件，覆盖流量、转化、毛利、库存四个维度。任何一个条件触发，这套组合就必须进入复盘，不管其他指标看起来多好。
这是最容易被忽略、但成本最低的一步。组合上线的当天，把涉及的所有商品的独立数据做一次完整快照，独立流量、独立转化率、独立客单价、独立毛利贡献、独立库存天数。
没有这个快照，你后面所有的"对比"都是模糊的。你可能记得"大概是多少"，但记不住精确值。而风险排查往往需要在 5%、8% 这种量级上做判断，模糊记忆根本不够用。
我习惯把快照存成一个固定的数据文件，并且在文件里标注每套组合的上线日期、涉及商品、设计意图。这样做的另一个好处是：三个月后你回头看，能清楚知道当时的判断依据是什么，避免重复踩同样的坑。
组合上线之前，就要写清楚：这套组合由谁负责排查、多久排查一次、每次排查看哪几个指标、异常时通知谁。这些看起来是管理动作，但它直接决定了排查能不能真正落地。
我在实践中发现，排查失败的最大原因不是能力问题，而是责任不清。当一件事"大家都可以做"的时候，往往没人做。所以必须明确到个人，并且和这套组合的负责人是一个人。
下面这张表是我现在用的组合优化前置清单，每套组合上线前逐项打勾。
| 前置事项 | 具体内容 | 完成标准 |
|---|---|---|
| 风险阈值设定 | 3-5 个失败条件，覆盖流量/转化/毛利/库存 | 书面记录并同步相关方 |
| 对比基线快照 | 所有成员商品的独立数据完整快照 | 数据文件已存档并标注版本 |
| 排查频率确认 | 日/周/月三档排查节奏 | 已写入排期表并通知执行人 |
| 第一责任人明确 | 指定单人负责，与组合设计者一致 | 责任人已书面确认 |
| 口径确认单 | 所有涉及指标的统一定义 | 相关方已签字或确认 |
讲了这么多判断逻辑，最后给一个可以直接拿去用的节奏模板。这套模板我在多个店铺落地过，核心是把不同风险类型的排查频率和风险暴露节奏对齐。
每天花 15 分钟，看三个指标：组合整体的流量结构占比、单个成员商品流量的单日偏离度、转化率相对基线的偏离度。重点不是看数值，而是看"有没有突然的变化"。
日看的核心价值在于"早发现"，不在于"深分析"。发现异常当天记录下来，不用立刻深挖，等周排查时统一处理。这样可以避免每天陷入过度分析，也能保证异常信息不遗漏。
每周做一次结构拆解，把组合内每个成员的独立表现拉出来，对比基线，看有没有"被吸血"的商品。同时看引流品和利润品的毛利占比是否偏离预设阈值。
周排查的重点是"结构变化"，不是"数值波动"。一周内数值有波动很正常，但如果结构性指标（比如引流品毛利占比、滞销品动销率）连续两周朝同一个方向变化，就必须进入干预。
每月做一次组合整体健康度评估，重点看三个维度：库存周转天数、呆滞库存金额、组合整体的毛利贡献。月排查的目的是判断"这套组合还要不要继续"。
月排查的判断标准应该是"这套组合是不是在累积隐性成本"，而不是"这套组合赚了多少钱"。有些组合短期赚钱，但在悄悄积累呆滞库存，这种组合越早拆掉越好。
每季度退后一步，问一个更高层的问题：我们这套组合策略的底层假设，现在还成立吗？比如你当初假设"慢销品只要被带动就能产生利润"，但如果这个类目的慢销品本质上就是需求疲软的，那这个假设本身就不成立，再怎么优化组合也是徒劳。
季度排查是最容易被跳过的一步，但它的价值最高。日看、周看、月看解决的是"执行层"问题，季度排查解决的是"策略层"问题。策略错了，执行越努力越糟。
上面讲的是通用框架。但不同团队、不同阶段，行动重点应该不一样。下面按几种典型情况给出建议。
如果你的团队还没建立起组合优化的机制，不要一上来就搞全套排查。建议先做最基础的两件事：一是强制建立对比基线快照，二是设定 3 个失败条件。把这两件事坚持做完 3 轮组合，你会对风险的产生规律有直观感受，再逐步补齐周排查和月排查。
起步阶段的重点是"养成习惯"，不是"追求完备"。一套复杂的排查流程，如果执行不下去，还不如一个简单的日快照有用。
如果你的团队已经踩过坑，说明组合优化机制已经跑起来了，但排查环节缺失或不到位。这种情况下，重点应该放在"因果链追溯能力"的建设上，也就是本文讲的四层过滤法。
建议从最近一次出问题的组合开始复盘，用四层过滤法完整走一遍，把每一层的判断标准和输出形式固化下来。一次完整的复盘，比十次抽象的培训有用。
这类团队最大的挑战是"口径不统一"。不同店铺、不同类目的数据定义可能完全不同，放在一起看会失真。建议优先解决工具层面的口径对齐，比如用像"数跨境"这类能做多平台数据整合的工具，把商品数据拉到统一视图里。参考地址：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys
口径对齐之后，再按类目分别建立基线，不要跨类目强行对比。不同类目的动销规律、库存周转节奏差异很大，混在一起对比会产生大量假异常。
如果你只有 Excel 和平台后台，也可以做排查，只是效率低一些。建议把排查重点收窄到最核心的两三个指标，其他先放掉。小团队的优势是反应快，只要抓住一两个关键指标，就能跑在风险前面。
具体来说，优先盯"毛利结构"和"库存周转天数"。这两个指标一旦恶化，说明问题已经比较严重了，会强制你去深挖。相比之下，流量波动之类的前置指标可以适当放宽。
排查和优化一样，都有取舍。什么都想要，往往什么都抓不住。下面讲几个我在实践中反复权衡过的取舍点。
高频排查能早发现，但每次时间有限，只能看表面；低频排查能看得深，但发现时往往已经晚了。我的取舍是：高频看广度，低频看深度，两者不能互相替代。日排查看广度，不求深入；月排查做深度，不追求即时性。把它们当成互补的两套系统，而不是同一套系统的不同频率。
指标不是越多越好。每多加一个指标，就多一份数据维护成本，也多一份误判的可能。我的建议是：先用少量指标跑出判断力，再逐步扩展，而不是一开始就铺开。宁可 3 个指标看准，也不要 20 个指标看花。
一个具体的取舍标准是：这个指标如果异常了，我会不会真的去调整动作？如果不会，那这个指标就不该进排查体系。
组合优化的天然倾向是牺牲个体保整体。但我在前面案例里已经说明，这种牺牲如果不加控制，最后会反噬整体。取舍点是：组合整体的收益，不能建立在核心个体的持续亏损上。如果某个核心商品加入组合后自身持续恶化，哪怕组合整体数字好看，也要考虑把它拆出来。
工具能解决数据整合、口径对齐、自动预警这些问题，但它解决不了因果链追溯。因果链需要人理解业务、理解组合意图、理解商品之间的真实关系。我的取舍是：把工具用在"数据准备"和"异常发现"，把人的精力集中在"因果归因"和"动作决策"上。不要让工具替代判断，也不要让判断停留在没有数据支撑的猜测上。
回到开篇那个案例。那位朋友后来把整套组合排查机制建起来之后，做了一次对比：同样的组合优化逻辑，有排查机制的季度，毛利额提升 11%、库存周转改善 6 天；没有排查机制的季度，毛利额只提升 3%、库存周转恶化 9 天。优化的方法是一样的，差别只在有没有排查。
这也是我这几年最深的一个判断：商品组合优化的门槛早就被拉平了。价格带组合、引流品搭配、高低动销组合，这些方法谁都能学。真正拉开差距的，是排查能力，你能不能在设计阶段就把风险埋点埋好，能不能在风险暴露的第一时间定位到具体的组合动作。
方法是可以抄的，排查能力是抄不走的。因为它依赖你对自家业务的深度理解、对因果链的敏感度、以及一套跑得动的节奏机制。
下一步你可以做三件事。第一，把你正在跑的所有组合列出来，逐个问自己："如果这套组合明天出问题，我能多快知道？"如果答案是"不太确定"，那就该补排查机制了。第二，为每一套组合补一份对比基线快照，这件事今天就能做，成本极低。第三，从下一套新组合开始，上线前先写好失败条件，再让它上线。
组合优化的尽头是排查，而排查的目的，是让下一次优化走得更稳。
我之前调完一轮商品结构，第一周动销数据挺好看的，就以为稳了。结果大概一个月后老板问起库存和毛利，我才发现有问题。所以我现在特别想知道，组合优化之后到底要盯多久才算真正安全，有没有一个时间节点的参考。
不要用单一时间点下结论，而要用分层观察窗口。我的做法是：T+7 只看方向对不对，比如引流品是否真的带来了关联品成交、价格带是否出现自我打架；T+30 看结构有没有变形，重点是毛利结构和动销分布；T+90 看库存是否真的被消化，而不是被新组合掩盖。
判断依据不是"有没有涨"，而是"涨的部分是不是我要的那部分"。如果 T+7 涨的是引流品自身的量、T+30 利润品没跟着起量，那就是典型假性优化，越晚发现越难退。建议组合调整当天就固定这三个观察点，而不是等出问题再回头翻数据。
对比口径要提前锁死，否则后面每个时间点看到的"变化"都可能只是统计范围变了。
我一直搞不清楚动销率这个指标。有人说低于某个数就危险，可我换了类目之后那个数完全对不上。我自己也试过按网上的标准卡，结果把本来正常的品给砍了。所以想问问，实际排查的时候这个指标应该怎么用才不误判。
动销率要看组合前后的变化幅度，不要直接套绝对值。原因很简单，不同类目、不同店铺阶段的动销基准差异极大，任何固定阈值一旦跨类目就会失效。我的判断口径是：先记录组合前的动销率作为基线，再看调整后它是被拉高还是被稀释。
如果整体动销上去了，但你主推的利润品动销反而掉，那说明组合在"用广度掩盖深度"，属于危险信号。另外要区分"全店动销"和"组合内动销"，很多人混用这两个口径，导致误判。排查时建议同时看两个数：组合内动销率相对基线的变化、以及被移出组合的商品有没有变成新的滞销。只看一个数，基本上都会做出错误决策。
我们店一直靠引流品拉流量，利润品负责赚钱，逻辑上没问题。但我总觉得账越来越难看，销量没少，钱却没多。我不确定是哪里漏了，也说不清是不是被引流品拖累了，所以想找一个能提前发现的判断方法。
核心是盯住三个结构比例，而不是看总利润。第一，引流品带来的关联成交占比，如果一直上不去，说明它只是在消耗资源；第二，利润品的毛利贡献占比相对组合前有没有下降，下降就是被侵蚀的直接证据；第三，引流量占比和利润占比的剪刀差，差距持续扩大就是危险区。
我的做法是给这三项各设一个容忍边界，一旦连续两个统计周期越界就触发复查，而不是等到月末看总账。还要注意把"引流品的直接亏损"和"它带来的间接成交"分开记账，否则你永远算不清它是功臣还是包袱。很多人只算总毛利，结果把结构性问题当成正常波动放过去了。
我每次调整完商品组合都是凭感觉看数据，忙起来就忘了复查，等想起来已经过去一两周了。我想建立一个固定的排查节奏，但又不想搞得太复杂，所以想知道实际操作里日、周、月分别该看什么。
可以用日看波动、周看结构、月看周转的节奏。日看的是异常波动，比如某个主推品突然零成交、某价格带集中掉量，这类信号当天就要抓；周看的是结构变化，重点是动销分布和毛利结构相对基线的偏移；月看的是库存周转和组合整体健康度，判断之前的问题是被解决了还是被新组合盖住了。
关键不是频率本身，而是每个频率对应的判断问题要清楚，否则天天看数据也只是在看热闹。另外要指定责任人，不然排查节奏写下来也没人执行。这套节奏不绑定任何工具，用表格就能跑，重点是固定时间点、固定口径、固定比对对象，坚持两三个月后再根据实际情况微调频率。
读者评论
文章把组合优化的事后排查讲得很透，尤其是因果链追溯这个思路，比单纯盯指标报警有用多了。我们团队就是吃了只看动销率绝对值没看结构的亏。
四层过滤法很实操，但小团队可能没那么多人力做日周月三级排查，建议作者能补充一下资源有限时怎么抓重点。
跨部门口径不统一那点太真实了，我们运营和财务对动销的定义一直不一样，每次复盘都在扯皮，最后不了了之。
桑基图和折线图的时间差分析挺有启发，原来流量风险第3天就冒头了，毛利和库存要两周后才爆，难怪以前总是后知后觉。
把组合拆成个体看独立表现这个动作很关键，我们之前有几个爆款被捆绑拖垮了转化，整体数据反而看不出来，全被平均掉了。