2023年下半年，我帮一个做家居百货的朋友复盘他在抖音和快手上同时运营的三家店铺。他当时的状态是：三家店上架了将近400个SKU，每天盯着后台看哪款卖得好，然后给卖得好的那款加库存、加投放。三个月下来，三家店的GMV加在一起涨了不到8%，但库存金额涨了将近40%，仓储成本吃掉了一大块利润。问题出在哪？他一直在做"单品分析"，从来没有做过"组合分析"。三家店里，有67个SKU同时出现在其中两家甚至三家店铺中，彼此之间在抢同一批搜索流量，而真正能够互相带动的商品组合，他一个都没有设计过。
这个案例让我意识到一件事：当商家从单店走向多店，商品分析的方法论必须发生根本性的转变。多店经营的核心不是"每个店都卖好"，而是"几个店组合在一起形成更大的生意结构"。本文围绕组合优化这条主线，拆解多店经营场景下商品分析的实用方法，从单品诊断到组合设计，从跨店协同到节奏管理，给出一套可以直接拿去用的分析框架和判断逻辑。
先把结论放在最前面，因为这决定了后面所有方法的方向。
绝大多数商家做多店经营时，习惯性地把商品分析理解为"每天看数据、发现问题、解决问题"。这个理解在单店阶段勉强够用，但到了多店阶段就会严重失效。原因很简单：多店经营中的商品问题，80%以上不是某个单品出了问题，而是商品之间的角色关系出了问题。
什么叫"角色关系"？简单说，就是每家店、每个商品，在多店体系中承担什么功能。有的商品负责拉新引流，有的商品负责贡献利润，有的商品负责丰富选择、提高客单价，有的商品负责消化库存、维持周转。当这些角色被合理分配、彼此配合时，整个多店体系就会产生1+1>2的效果；当角色混乱、互相打架时，就会出现我朋友那种"卖得越多、库存越重"的局面。
所以，多店商品分析的核心目标只有一个：通过数据分析，明确每个店铺、每个商品组合在整个经营体系中的角色定位，并持续优化这个角色结构。
我把这个方法论总结为"三层分析框架"：单品层看健康度，组合层看关联度，多店层看协同度。这三层不是并列关系，而是递进关系，先确保单品健康，再找到组合机会，最后在多店之间做角色分配。跳过任何一层，后面的分析都会变成空中楼阁。
我接触过的多店商家，起点大致可以分成三类，每类的分析重点完全不同。
第一类：平台扩张型。同一个商品体系，同时铺到抖音、快手、拼多多、淘宝等多个平台。这类商家的核心问题是：不同平台的人群画像和流量逻辑不同，同一款商品在不同平台的表现可能天差地别。分析重点应该放在"平台-商品匹配度"上，而不是简单的销量对比。
第二类：品类分化型。原本做某个品类，后来拓展到相关品类，每个品类开一家店。比如原来做女装，后来拆出女装店、配饰店、鞋包店。这类商家的核心问题是：品类之间的连带关系怎么利用？分析重点应该放在"跨店连带率"和"客单价提升路径"上。
第三类：价格带分层型。同一品类，用不同店铺覆盖不同价格带。比如一家店主打性价比，一家店主推中高端。这类商家的核心问题是：价格带之间的流量会不会互相侵蚀？分析重点应该放在"价格带重叠度"和"流量冲突系数"上。
这三种类型，如果用同一套单品分析模板去套，必然会出现误判。比如平台扩张型商家如果只看单店动销率，可能会把某个平台表现差但实际具有战略价值的商品砍掉；价格带分层型商家如果只看单店毛利，可能会忽视两个店之间实际存在的价格竞争。
场景一：两家店卖同类目，流量互相蚕食。
我见过一个做母婴用品的商家，在抖音开了两家店，一家主打0-1岁，一家主打1-3岁。看起来很合理，但实际运营中发现，两家店的搜索流量高度重叠，因为很多搜索词并不区分年龄段，比如"宝宝湿巾""儿童水杯"这类词，两家店都在抢。结果就是：同一批用户，在不同店铺看到相似的商品，产生了比价行为，最终哪家便宜买哪家，两家店的毛利率都被拉低。
这个问题的根源在于：商家只做了品类的物理分割，没有做商品角色的化学区分。两家店如果继续卖相似的商品，只是在同一个池子里重复竞争，多开一家店反而增加了运营成本。
场景二：一家店引流品、一家店利润品，联动不起来。
另一个做日用百货的商家，策略很清晰：A店主打9.9元包邮的引流品，B店主推39-69元的利润品。理论上，A店引流、B店转化，形成闭环。但实际运营了半年，发现A店的用户几乎没有流向B店，B店的用户也很少回到A店复购。两家店各自为战，引流品带来的用户没有在利润品上产生价值。
问题出在：商家没有设计跨店的商品组合路径。引流品和利润品之间，缺少"过渡商品"和"关联引导"。用户买完9.9元的商品后，没有任何机制把他引导到B店的39元商品上，两家店的商品体系是割裂的。
动销率是单店分析中最常用的指标，有销量的SKU占比越高，说明商品结构越健康。但在多店场景下，这个指标会严重误导判断。
举个例子：某商品在A店动销率很高，在B店动销率很低。按单店逻辑，B店应该砍掉这个商品。但实际上，这个商品在B店可能承担的是"价格锚点"的角色，它的存在让B店的其他商品显得更有性价比。如果只看动销率就砍掉，可能会影响整个店铺的价格感知。
正确做法：在多店场景下，动销率要结合"商品角色"来判断。引流品看曝光和点击，利润品看转化和毛利，锚定品看价格感知影响，库存消化品看周转速度。不同角色，用不同指标衡量。
很多商家开多店时，习惯让每个店都覆盖完整的品类结构，觉得这样"用户选择多、成交概率大"。但在多店体系中，每个店都齐全，等于每个店都没有特色，用户没有理由记住你、收藏你、专门来找你。
更合理的做法是：每个店有明确的品类侧重，店铺之间有差异化的品类组合。比如A店主打"家居清洁"，B店主打"厨房用品"，C店主打"收纳整理"。虽然每个店的品类看起来不齐全，但三家店组合在一起，覆盖了家居百货的主要场景。用户在不同需求下，会自然地在你的多店体系内流转。
定价是多店经营中最敏感的问题。我见过不少商家，为了避免"自己人打自己人"，所有店铺统一定价。这看似合理，但实际上会让多店体系失去价格带覆盖能力。
不同平台、不同店铺的用户，对价格的敏感度完全不同。统一定价意味着你放弃了用价格带覆盖不同人群的机会。更合理的做法是：在保证核心商品价格底线的前提下，允许不同店铺在价格带上有差异化定位。关键是建立"跨店价格冲突预警机制"，避免同一商品在不同店铺出现明显的价格倒挂。
大部分商家的商品分析，关注点都是"哪些卖得好"。但在多店经营中，更重要的是"哪些卖得对"，即哪些商品的销售，对整个多店体系是有正向贡献的。
一个商品在A店卖得好，但如果它的销售导致了B店同类商品的滞销，那它对整个体系的贡献就是负的。相反，一个商品在某些店卖得一般，但如果它能带动其他店铺的关联销售，那它的战略价值可能远超它的直接销售额。
这是最根本的误区。多店经营不是"开更多的店"，而是"建立一个店铺组合"。店铺之间的关系、商品之间的角色分配、流量之间的协同路径，才是多店经营的核心。
如果只是把单店的分析方法复制到多个店，你得到的是多份单店报告，而不是一个多店经营策略。多店分析必须有一个"全局视角"，先看整个体系的商品结构，再看每个店在其中的位置。
多店分析的第一道坎，不是分析能力，而是数据口径。不同平台的后台数据字段不同，同一个指标在不同平台的定义可能不一样。如果不先统一口径，后面的分析全部是错的。
需要统一的核心口径包括：
在实际操作中，我建议用一张"多店商品数据总表"来承载所有信息。每个SKU一行，列出它在各个店铺的销售、流量、库存数据。这张表不需要多复杂，但必须保证口径一致、更新及时。
这里可以用到一些数据工具来提升效率。比如"数跨境"这类面向跨境电商和国内电商的数据分析平台（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys），支持多店铺数据汇总和商品维度的统一分析，能够帮助商家快速建立跨店数据口径。当然，工具只是辅助，关键还是商家自己要想清楚分析框架和判断逻辑。
下面是一个多店商品数据总表的字段结构示例，可以作为搭建时的参考：
多店商品数据总表（字段结构）
├── 商品基础信息
│ ├── SKU编码（统一规则）
│ ├── 商品名称
│ ├── 品类（统一分类体系）
│ ├── 价格带（如：0-20元 / 20-50元 / 50-100元）
│ └── 所属店铺（A店/B店/C店）
├── 各店销售数据
│ ├── A店_30天销量
│ ├── A店_30天GMV
│ ├── B店_30天销量
│ ├── B店_30天GMV
│ ├── C店_30天销量
│ └── C店_30天GMV
├── 各店流量数据
│ ├── A店_曝光量 / 点击量 / 访客数
│ ├── B店_曝光量 / 点击量 / 访客数
│ └── C店_曝光量 / 点击量 / 访客数
├── 库存数据
│ ├── 可售库存
│ ├── 在途库存
│ └── 库存周转天数
└── 计算指标
├── 全店动销状态（30天是否有销量）
├── 跨店动销分布（在几个店有销量）
├── 各店毛利率
└── 关联购买标记
数据拉齐之后，核心工作是识别商品之间的关系。在多店场景下，商品之间存在四种基本关系：
| 关系类型 | 定义 | 判断方法 | 多店策略 |
|---|---|---|---|
| 互补关系 | 两个商品经常被同一用户购买 | 关联购买率 > 行业基准 | 跨店推荐、组合套餐 |
| 替代关系 | 两个商品功能相似，用户二选一 | 价格带重叠 + 功能重叠 | 差异化定位、错位定价 |
| 带动关系 | 商品A的购买用户会关注商品B | 浏览路径分析、收藏加购关联 | 引流品-利润品路径设计 |
| 无关关系 | 两个商品之间没有明显关联 | 关联指标低于基准 | 不做强制关联，避免干扰 |
识别这四种关系，最直接的方法是看数据：
这里要特别提醒一点：跨店数据关系的识别，比单店复杂得多，因为涉及用户身份的统一。不同平台的用户ID体系不同，跨平台的数据打通难度很大。如果做的是同平台多店，用户ID可以匹配；如果做的是跨平台多店，只能通过用户行为特征做概率匹配。这是多店分析中最难的部分，也是最能体现分析能力的地方。
识别出关系之后，接下来就是做取舍。取舍的核心逻辑是：给每个商品在多店体系中分配一个明确的角色，并根据角色决定资源投入。
我通常把多店商品角色分成五类：
| 角色类型 | 核心功能 | 关键指标 | 资源投入策略 |
|---|---|---|---|
| 引流品 | 拉新、获取流量 | 曝光量、点击率、新客占比 | 高曝光位、低价格、容忍低毛利 |
| 利润品 | 贡献毛利、支撑盈利 | 毛利率、转化率、复购率 | 精准推荐、优化详情页、控制折扣 |
| 连带品 | 提高客单价、丰富选择 | 关联购买率、连带销售金额 | 组合推荐、凑单设计、搭配展示 |
| 锚定品 | 建立价格感知、衬托性价比 | 价格感知影响、对比点击率 | 保持存在、不做主推、维持价格形象 |
| 清仓品 | 消化库存、回笼资金 | 库存周转天数、清仓速度 | 限时促销、跨店调拨、快速出清 |
角色分配的关键判断标准有三个：
组合调整之后，不能只看"销量有没有涨"，而要看一组结构性指标的变化：
这些指标不需要每天都看。我建议每周看一次跨店连带率和流量冲突系数，每月看一次多店客单价和角色健康度，每季度做一次库存周转协同度的全面评估。
回到开头提到的那个朋友。他的三家店，一家在抖音（A店），两家在快手（B店和C店）。A店和B店的商品重合度很高，C店相对独立。
我帮他做的第一件事，是把三家店的所有SKU拉出来，做了一次全量的商品关系分析。结果发现：
这些数据说明了一个核心问题：他的三家店，实际上是三个独立运营的单店，而不是一个多店体系。
具体的优化动作分三步：
第一步：清理跨店重复SKU。把213个重合SKU重新梳理，根据各店定位做差异化处理。A店保留价格带偏低的版本，B店保留品质感更强的版本，C店做差异化品类补充。清理后，重合SKU降到94个，减少了56%。
第二步：设计跨店商品组合。基于发现的23组互补关系，设计了12个跨店组合方案。比如A店的"收纳箱"和C店的"标签贴纸"组成"整理套装"，在两家店互相推荐。B店的"厨房清洁剂"和A店的"清洁工具"组成"厨房清洁组合"，通过跨店优惠券引导购买。
第三步：建立角色分配表。给每个店的核心商品明确角色。A店定位"引流+连带"，主推低价引流品和高连带率的商品；B店定位"利润"，主推高毛利商品；C店定位"差异化补充"，主推A、B两店没有的品类。
这三步执行了大约两个月。调整前后的关键数据变化如下：
| 指标 | 调整前 | 调整后（2个月） | 变化幅度 |
|---|---|---|---|
| 跨店重复SKU数量 | 213个 | 94个 | -55.9% |
| 跨店连带率 | 4.2% | 10.7% | +154.8% |
| 多店合并客单价 | 56元 | 74元 | +32.1% |
| 库存周转天数 | 52天 | 36天 | -30.8% |
| 整体毛利率 | 28.5% | 33.2% | +4.7个百分点 |
需要说明的是，这个案例的数据来自单个商家的实际运营记录，不同品类、不同平台的商家情况会有差异。但核心逻辑是通用的：多店经营的效果提升，主要来自结构性优化，而不是单点突破。
在服务多个多店商家的过程中，我观察到几个规律：
这个阶段最重要的事情，不是急着把第二家店做起来，而是先想清楚两家店的分工。
具体建议：
这个阶段的核心任务是提升店铺之间的协同效率。
具体建议：
这个阶段最大的风险是管理复杂度失控。
具体建议：
多店经营中，SKU数量是一把双刃剑。SKU多，覆盖面广，但库存压力和动销率管理难度都会上升。SKU少，管理简单，但可能失去一些机会。
我的判断逻辑是：先保动销率，再扩SKU。每个店的动销率底线不同，但一般来说，如果某个店的动销率低于40%，说明SKU数量已经超出了运营能力，应该先做精简。只有当动销率稳定在60%以上时，才考虑增加SKU。
在多店场景下，还要考虑跨店的动销分布。一个SKU在A店动销好、在B店动销差，不一定要立即从B店下架。要看这个SKU在B店是否承担了其他角色（比如价格锚定、品类补齐）。如果只是纯粹的滞销，才考虑清理。
多店经营需要差异化，但过度差异化会带来运营效率的下降。每个店都完全不一样，意味着每个店都要独立选品、独立设计详情页、独立做推广，运营成本会大幅上升。
合理的做法是"核心标准化+外围差异化"。商品管理的基础能力（编码体系、数据口径、库存管理流程）标准化；商品选择和店铺定位差异化。这样既保证了运营效率，又实现了店铺之间的特色区分。
多店经营中，短期销量和长期结构经常产生冲突。比如，某个低价引流品能带来大量流量和销量，但会拉低整体毛利率，影响利润品的发展。
我的建议是：用"结构健康度"来约束短期行为。设定一个结构健康度的底线标准，比如引流品销售占比不超过40%，利润品毛利贡献不低于50%。在底线之上，可以灵活调整；一旦触及底线，就要优先保结构，而不是冲销量。
多店商品分析涉及大量数据处理，手工操作效率低、容易出错。但工具也不是万能的，它只能提升数据处理效率，不能替代商业判断。
我的建议是：数据处理交给工具，判断逻辑留给自己。比如数跨境这类工具可以帮助汇总多店数据、生成商品分析看板，但"这个商品该扮演什么角色""这个组合该不该做"这类判断，必须由商家自己来做。工具是放大器，不是替代品。
每周的核心工作是两个：一是检查各店的动销异常商品（突然不动销或销量骤降），二是监控跨店流量冲突系数是否上升。这两项工作不需要太深，重点是"发现异常"，而不是"解决所有问题"。
周维度的具体检查清单：
每月做一次更深入的分析，重点是组合层面的效果评估。
每季度做一次战略层面的审视。
这个节奏不是固定的，商家可以根据自己的经营复杂度调整。但核心原则是：日常看异常，月度看组合，季度看结构。不同频率看不同层次的问题，避免每天都在处理细节，而忽略了全局。
提醒一：不要用单店ROI衡量多店组合效果。
多店经营的价值，很大一部分体现在跨店协同上，而跨店协同的效果，很难用单店ROI来衡量。比如A店的某个引流品，单店ROI可能只有0.8，看起来是亏的。但如果它带来的用户中有30%在B店产生了利润品购买，那它在整个多店体系中的实际ROI可能超过1.5。多店经营要算的是"全店账"，不是"单店账"。
提醒二：组合优化是动态过程，不是一次性配置。
很多商家做完一次商品组合优化后，就把它当成一个固定的配置，半年都不调整。但用户的偏好会变、平台的流量逻辑会变、竞争对手的策略也会变。商品组合需要持续迭代。建议至少每季度重新审视一次商品组合方案，根据数据反馈做动态调整。
提醒三：平台规则和工具会变，分析框架比操作路径更值得掌握。
电商平台的后台功能、数据指标、运营工具，几乎每隔几个月就会有更新。如果你把精力都花在记住具体的操作路径上，会非常被动。更值得投入的是建立一套自己的分析框架，知道该看什么指标、该用什么逻辑判断、该做什么决策。框架是稳定的，操作是易变的。掌握框架，就能以不变应万变。
如果你正在管理两家以上的店铺，我的建议是：先不要急着做复杂的分析，从最简单的"商品重合度分析"开始，把你所有店铺的商品拉出来，看看有多少是重复的，有多少是互补的。这一个动作，就能帮你发现很多之前忽略的问题。
然后再逐步建立跨店组合方案、角色分配表、分析节奏。一步一步来，不需要一次到位。关键是方向要对：多店经营的核心不是"开更多的店"，而是"建立一个商品组合体系"。当你的商品组合开始产生协同效应时，你会发现，两家店的力量，可以大于三家独立单店的加总。
希望这套围绕组合优化的多店商品分析方法，能帮你在多店经营中找到更清晰的方向。如果你在实践中遇到了具体问题，也欢迎带着你的数据来交流，数据不会说谎，关键在于我们怎么解读它。
我自己开了两家店，一家在快手一家在抖音，每次想看整体商品表现都要来回切换后台，导出两个表再手动拼，费时还容易对不上。我就想知道有没有一个统一的口径，能让我把多店数据放在一张表里看组合关系。
核心不是找工具，而是先统一字段口径。具体做法：第一步，固定一张主表，至少包含店铺、商品ID、商品名称、类目、价格带、近30天销量、动销天数、库存、毛利额这8列，跨平台字段名不一样就手动映射，比如快手的成交件数对应抖音的支付订单数。
第二步，按商品ID做主键做关联，同名不同款要拆开，同款不同店要合并成一条主记录再挂店铺标签。第三步，每周固定时间导出，不要每天导，因为组合关系看的是趋势不是波动。判断依据：如果你发现同一商品在两家店的销量走势高度同步，说明存在流量互抢；如果一家涨另一家也涨，说明组合在互相带量。
我之前一直盯着动销率看，觉得卖得动的就是好商品，结果推了一堆低价引流款，动销是好看但月底一算根本没赚多少。我就想搞清楚，做组合的时候到底该先看动销还是先看毛利，有没有一个先后顺序。
不要二选一，用分层判断。把商品按动销率和毛利率双轴分成四类：高动销高毛利是核心款，优先保库存和曝光；高动销低毛利是引流款，控制数量、只放在组合入口位置，不单独主推；低动销高毛利是利润款，靠关联推荐和搭配销售带动，不靠自然流量；低动销低毛利直接进入清退观察名单。
判断依据是看这个商品在组合里的角色，而不是它单店的ROI。实操上每周只看两个数：核心款的缺货次数和引流款的连带购买率。如果引流款连带率低于5%，说明它没起到带路作用，要么换品要么换搭配位置。
我两家店都卖女装，款式有重叠也有差异，一直纠结要不要把重叠款下掉。有同行说多店卖同款会被平台判重复铺货，也有人说错开价格带就没问题。我自己看数据也看不出到底是互补还是在互相消耗。
用价格带交叉和购买重叠率两个动作来判断。第一步，把两家店同一类目的商品按价格带排开，看主力成交价是否落在同一区间，如果两店主力价格带重叠超过60%，基本可以判定在互抢，因为平台推荐会把相似人群推给相似商品。第二步，拉近90天的购买用户ID做交叉比对，看同一用户是否在两家店都买过同类商品。
如果重叠购买率低于3%，说明人群其实分开了，不用急着下架。如果高于15%，就要做错位：A店保留高价款做形象和利润，B店用低10%到15%的价格带做走量款，款式上至少保证前三张主图不撞。判断依据不是有没有同款，而是同款是否落在同一价格带和同一人群池。
我按文章里的方法调了一次组合，把两款引流品换掉、加了一个搭配套餐，结果第二天数据没什么变化，我就有点慌，不知道是不是调错了。我想知道这种调整一般要等多久才有反馈，以及到底该看哪几个数才算验证成功。
组合调整不是改标题，不会隔天见效，建议按14天为一个验证周期。前3天看曝光和点击，判断新组合有没有被系统识别到，如果曝光掉了20%以上说明入口位置选错了。第4到10天看连带购买率和客单价，这是组合优化最核心的两个验证指标。第11到14天看退款率和库存周转，排除虚假繁荣。
判断标准是：连带购买率提升超过2个百分点、客单价提升超过5%、退款率没有同步上升，三条同时满足才算调整有效。如果只涨客单价但退款率也涨，说明搭配品和主品不匹配，是硬凑的组合，要拆掉重配。不要用单店GMV当唯一标准，多店组合的价值在于整体利润和库存效率，不在单店数字好看。
读者评论
文章里那个母婴店流量重叠的例子太真实了，我们做宠物用品也是两家店搜同一批词，结果广告费翻倍，利润被吃光，早看到这个组合分析框架可能少走弯路。
三层漏斗图把从400个SKU筛到34组协同组合的过程讲得很清楚，我们公司做多平台店铺时确实需要这种逐层过滤的思路，不然数据越多越乱。
五个误区里统一定价那条最扎心，之前为了防串货全店同价，结果低端平台完全跑不动，后来按价格带分层做才恢复增长。
引流品和利润品跨店联动不起来很常见，我觉得关键是要设计过渡商品和关联推荐位，光靠自然流量根本流转不过去，还得定期做跨店活动。