去年第四季度，我帮一个做家居用品的客户复盘他们 7 家门店的商品数据时，发现了一个很刺眼的事实：同一款客单价 129 元的收纳箱，在 A 店月销 380 件、售罄率 91%，在 D 店月销 17 件、库存周转天数高达 143 天。两家店的直线距离只有 4.2 公里，采购价、陈列位、促销力度全部一样。店长给我的解释是"A 店客流好"，但当我们把两店的会员画像拉出来对比时，答案完全变了，A 店周边 3 公里内 25-35 岁租房人群占比 61%，D 店周边是家庭自购房人群占比 73%，他们要的是能叠放、能进柜体的大规格产品，而不是 A 店那种主打"搬家友好"的小号收纳。
这件事几乎颠覆了我过去做单店商品分析的全部经验。单店时代，我们习惯把"卖得好不好"归结为运营能力、陈列水平、促销节奏；但到了多店经营阶段，商品卖不动，往往不是执行出了问题，而是这家店的需求结构和这个商品压根就不匹配。这篇进阶课，我想把过去几年在 20 多个多店项目里踩过的坑、验证过的方法，完整地拆一遍，不是再讲一遍 ABC 分析怎么做，而是讲清楚：当你有 3 家、7 家、30 家店时，商品分析这件事的底层逻辑到底变了什么。
先把我的核心判断摆在最前面，后面所有内容都是围绕它展开的：
单店经营拼的是选品眼光，多店经营拼的是需求匹配效率。这两件事看起来都是"把对的商品放到对的店里"，但操作逻辑、指标体系、组织分工完全不同。单店选品，你只要判断"这个商品在我们店能不能卖"；多店匹配，你要回答的是"这个商品在我们的商品池里，应该投给哪几类店、投多少、什么时候撤"。
这句话听起来像常识，但我在实际项目里看到的，是 80% 的多店老板还在用单店思维做多店商品分析。他们做的最典型的一件事，就是把 A 店的爆款复制到所有门店，然后看着 B 店、C 店的数据一天天变差，最后得出一个错误结论："B 店、C 店的团队不行。"
我先给出这篇文章要论证的三个结论，你可以先判断是否认同，不认同的部分可以重点看后面的拆解：
下面的内容，我会先讲一个真实场景，让你看到多店商品失控是怎么一步步发生的；然后拆解 4 个最常见的误区；再给出我验证过的专业判断逻辑和落地流程；最后给不同规模、不同阶段的经营者提供分情况的行动建议和取舍原则。
我接触过的多店经营者，绝大多数都不是一开始就想把商品结构搞乱的。失控往往是"善意的复制"叠加"缺失的反馈机制"造成的。我拿一个真实的连锁案例还原这个过程。
这是一家做进口零食的连锁，起家于一个社区商业街的 40 平小店。老板用了两年时间把一个店的 SKU 从 800 精简到 420，动销率做到行业里相当健康的水平，客单价、复购率都不错。这个阶段他的商品分析做得很扎实：每周看一次 POS 数据，每月淘汰末位 10% 的 SKU，补进新品试销。
第一阶段的成功，让老板形成了一套非常确定的"选品哲学"：高周转、中低客单、包装要有话题性。这套哲学在首家店被反复验证，成了他扩张时的"标准答案"。
第二年他开始扩张，一年内开了 6 家店。这 6 家店的初始商品结构，基本是首家店的翻版，商品池 90% 重合，仅根据货架大小做了轻微删减。门店位置也尽量选在类似的社区商业街、购物中心负一层。
前 3 个月数据看起来不错，因为新店都有开业红利，加上周边住户尝鲜。但从第 4 个月开始，分化出现了：有两家店的动销率一直往下掉，一家靠近写字楼的店，工作日下午几乎没人，晚上 8 点后有一波小高峰，但主推的分享装零食对一个人买的上班族不友好。
面对分化的数据，老板的第一反应是"加大促销力度"。于是那两家店开始做买赠、做满减、做第二件半价。短期看起来销量回来了，但客单价一路下滑，毛利被吃掉，而且，促销带来的销量掩盖了真实的商品结构问题，错配的 SKU 被留了下来，数据上的"假繁荣"延长了决策周期。
到第七个月，老板才意识到问题所在，但此时两家店已经积压了大量不适合本地需求的库存，清货又花了三个月。
这三个信号，本质上都是"需求结构"的体现。多店商品失控的核心，就是需求信号采集维度太粗，导致商品结构无法精细匹配。
在我复盘过的多店项目里，错误几乎是重复出现的。我把它们归纳为四个误区，每个误区背后都有一个看似正确的"想当然"。
这是最普遍也最致命的误区。当一个 SKU 在 A 店卖得好、在 B 店卖不动时，大多数老板的第一反应是"B 店团队不行，要培训、要考核、要换人"。
但数据往往不支持这个判断。我做过一个简单的对照：把 A 店和 B 店的店长对调，商品结构保持不变，观察 6 周。结果是在我统计的 11 个案例中，有 8 个案例里，原本卖得好的店在新店长接手后依然卖得好，原本卖不动的店换成 A 店长后依然卖不动。这说明店铺层面的位置、客群、时段结构，对商品表现的解释力远大于店长个人能力。
运营能力当然重要，但它主要影响的是"同一需求结构下的执行上限"，而不是"这个商品到底该不该在这家店"。分不清这两者，就会一直在错误的地方用力。
很多连锁会给所有门店设一条统一的动销率红线，比如"低于 70% 就整改"。这条线在社区店可能是合理的，但在写字楼店、交通枢纽店就完全不适用。
根本原因是：不同门店的"合理动销率区间"本身就不同。一个商品宽度大、客流分散的店，天然动销率就会低一些；一个商品集中、客流稳定的店，动销率天然会高。用统一阈值去考核，结果要么是宽松门店被过度表扬，要么是困难门店被过度惩罚，两个方向都会扭曲商品决策。
正确的做法是给门店"分层设阈"，而不是"全员一条线"。这个后面我会给出具体的分层逻辑。
商品分析容易陷入一个陷阱：把 SKU 当作独立的分析对象，只看它自己的销量、毛利、周转，而不看它服务的需求场景。
我见过一个做母婴用品的客户，把一款 199 元的婴儿背带放在所有门店的主推位，理由是"这款单品毛利高、评价好"。但复盘时发现，这款背带在"新手妈妈占比高"的店卖得很好，在"二孩家庭占比高"的店几乎卖不动，因为二孩家庭大多已经有背带，需要的是消耗品而不是耐用品。
商品从来不是孤立存在的，它总是服务于某个需求场景。脱离需求场景谈商品表现，就像脱离病人谈药效。多店分析必须把"商品 × 门店需求类型"作为最小分析单元，而不是单独看商品。
有些老板踩过前面几个坑之后，走向了另一个极端：完全放权，让每家店自己选品、自己补货。结果就是总部失去商品结构控制权，采购规模优势消失，SKU 碎片化严重，供应链成本飙升。
"一店一策"的正确含义是"在总部定义的框架内做本地化适配"，而不是"每家店自己定框架"。总部管的是商品池、淘汰机制、核心款保护；门店管的是本地化选品权重、补货节奏、陈列优先级。这个权责边界必须在制度里写清楚。
讲完误区，我把判断逻辑完整拆出来。这套逻辑是我在多个项目中反复验证过的，核心是把"市场需求"从一个抽象概念，变成可采集、可对比、可执行的维度体系。
"围绕市场需求"这句话之所以落地难，是因为"市场需求"太笼统。我一般把它拆成三层，每一层有独立的采集方法和使用场景：
第一层：区域需求。这是最稳定的需求层，由商圈属性、气候、消费力水平决定。比如南方城市对凉感产品的需求窗口长达 6-7 个月，北方只有 2-3 个月；商务区对即食、便捷的需求远高于社区。区域需求变化慢，适合用来做年度商品规划。
第二层：渠道需求。同一区域，线下店、线上商城、社群团购的需求结构不同。线下强调即时性和体验，线上强调性价比和可传播性，社群强调复购和拼团逻辑。渠道需求变化中等，适合做季度商品调整。
第三层：人群需求。这是变化最快的一层，由会员标签、复购行为、内容偏好构成。同一家店，新手妈妈和二孩妈妈的需求完全不同。人群需求变化快，适合做月度商品迭代。
三层需求叠加，才构成一家店的完整需求画像。只做其中任何一层，商品结构都会偏。我见过很多品牌只做了区域层，结果同类商圈的门店商品一模一样，人群差异完全被忽略。
多店分析最容易翻车的技术细节，就是口径不一致。你以为你在对比 A 店和 B 店，其实你在对比两套不同的定义。我一般会强制统一以下四件事：
这四件事听起来琐碎，但它是后面所有分析的地基。地基不平，楼房越高越危险。
单店分析喜欢用 ABC 分析，按销售额或毛利排个序，然后重点管 A 类、淘汰 C 类。这个思路在单店没问题，但在多店会出问题，因为 A 类商品在每家店可能不一样，导致总部无法统一管理。
我的建议是引入"商品角色"的概念，每个商品在商品池里扮演一个角色，角色比销量更稳定，更适合跨店管理：
| 商品角色 | 核心职责 | 跨店策略 | 考核重点 |
|---|---|---|---|
| 引流款 | 拉新客、制造到店理由 | 全店统一，价格锚点一致 | 新客占比、进店转化 |
| 利润款 | 贡献主要毛利 | 按需求分层适配，可差异化 | 毛利率、连带率 |
| 复购款 | 驱动复购、养成习惯 | 按人群结构差异化选品 | 复购周期、复购率 |
| 形象款 | 塑造品牌调性 | 旗舰店/标杆店统一陈列 | 曝光、内容传播 |
| 试验款 | 测试新需求、小步快跑 | 按店分层小批量试销 | 试销转化、淘汰速度 |
引入角色视角之后，很多原来打架的问题就清晰了。比如"A 店的爆款该不该推到 B 店"，如果它是引流款，那应该推；如果它是利润款，那要看 B 店的需求结构是否匹配。角色决定了它应不应该被复制，销量只决定了它在单店表现好不好。
传统的多店商品管理是单向的：总部选好商品，分配给门店。这种模式在门店数量少、需求同质化高的时候有效，一旦门店数量超过 5 家、需求分化明显，就会失效。
我推荐的是双向机制：总部定义商品池和角色框架，门店基于本地需求申请选品权重，双方在数据上持续校准。总部保留淘汰权、核心款保护权，门店保留本地化选品权和补货节奏权。
这个机制的关键是"用数据说话"：门店申请增加某个商品，要给出本地需求的证据（如会员标签、竞品调研、试销数据）；总部要否决某个商品，也要给出数据依据（如跨店表现、供应链成本）。没有数据支撑的申请和否决，都不应该成立。
方法讲到这里，可能还是有点抽象。我拿一个我深度参与过的项目做完整拆解，这个项目用的工具是"数跨境"（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys），它在跨境和多店商品数据分析方面有一套比较完整的口径体系和看板逻辑。我用它作为案例，不是因为它万能，而是因为它在一个具体场景里把"多店商品分析"这件事的数据链路打通了，可以拿来当参照。
客户是一家做跨境家居和户外用品的卖家，运营着 12 个店铺（既有平台店铺也有独立站），覆盖北美、欧洲、东南亚三个区域。问题很典型：SKU 数量从 400 多膨胀到 1100 多，动销率从 78% 跌到 51%，库存周转从 62 天拉长到 118 天，但负责人还在坚持"多上 SKU 总能蒙对爆款"。
我介入后做的第一件事，不是选品，而是拉口径。因为 12 个店铺分布在三个区域，每个区域团队对"动销""库存""连带"的定义都不一样，直接拉总数据完全没有意义。
我们花了大约两周时间，把 12 个店铺的商品数据按统一口径重建了一遍。具体动作包括：
重建完成之后，第一份跨店对比看板出来的那一刻，客户团队沉默了很久，原来他们以为"欧洲店动销率低是因为市场难做"，但统一口径后发现，欧洲店动销率和北美店差距只有 4 个点，真正拖后腿的是 SKU 总量，欧洲店在库 SKU 数是北美的 1.9 倍，但客群规模只有北美的 0.6 倍。
统一口径之后，我们做了第二件事：把 12 个店铺分层。分层不按地域，而按需求结构。我们用了 6 个维度的数据做聚类：
| 分层维度 | 数据来源 | 用途 |
|---|---|---|
| 客单价分布 | 订单数据 | 判断价格带适配 |
| 复购周期分布 | 会员数据 | 判断品类宽度 |
| 连带率 | 订单数据 | 判断搭配结构 |
| 品类偏好集中度 | 浏览+购买数据 | 判断主力品类 |
| 退货率结构 | 售后数据 | 判断期望差 |
| 流量时段分布 | 访问日志 | 判断运营节奏 |
聚类结果把 12 个店铺分成了 4 类：高客单深复购型、高客单低复购型、低客单高频型、低客单低频型。这 4 类店铺的需求结构差异非常大，但原来的商品池对它们几乎一视同仁。
基于分层结果，我们重新梳理了商品池。原来 1100 多个 SKU，按商品角色重新归位后是这样的：引流款 62 个、利润款 214 个、复购款 108 个、形象款 38 个、试验款 187 个，剩下约 490 个 SKU 无法归入任何角色，这些就是我们建议优先淘汰的对象。
分层适配的核心逻辑：引流款全店统一，形象款只在 4 家标杆店陈列，利润款按店铺分层分别配货，复购款按人群结构差异化，试验款按店铺分层小批量试销。这套逻辑上线之后，最直观的变化是：
需要说明的是，这些数据是项目结项时的实际观察值，不同类目、不同市场会有差异，不能照搬到你的场景里。但变化的逻辑是通用的：当商品结构的颗粒度，从"全店统一"变成"按需求分层"，匹配效率就会有明显提升。
说清楚这个案例后，我讲讲工具的角色。很多人一听工具就本能抵触，觉得会限制分析思路。但多店商品分析有一个很现实的约束：当你有 10 家以上店铺、1000 个以上 SKU、多个区域和多个平台时，纯靠 Excel 和人工处理，口径不可能长期保持一致。
数跨境在这套流程里主要承担三件事：
它不是万能的，也有自己的适用边界，比如如果门店数量少于 3 家、SKU 少于 200 个，用一个扎实的表格完全可以替代，上工具反而增加成本。工具的价值和店铺复杂度成正比，这一点要诚实面对。
这套方法不是一刀切。不同规模、不同阶段的多店经营者，应该采取不同的行动路径。我按门店数量和商品复杂度，分成三种情况给建议。
这个规模的多店，大部分问题都还没有到需要工具介入的程度。你真正要做的，是把下面三件事做好：
这个阶段不建议急着上工具，因为你的门店数量还不足以分摊工具的固定成本。先把方法论跑通，再考虑工具。
这个规模是大多数多店经营的"分水岭"。SKU 数量和门店数量都超出了纯人工管理的舒适区，但还没有到必须依赖工具的阶段。行动建议：
这个阶段最需要警惕的是"规模陷阱"，你以为你还是小团队，但问题已经是大团队的复杂度了。很多品牌就是在这个阶段开始商品结构失控。
这个规模，多店商品分析已经是一个独立职能，不是老板一个人能兼顾的。行动建议：
这个阶段的关键词是"体系"，而不是"技巧"。任何单点提升都很难对抗系统性问题，必须建立起完整的机制和团队。
方法讲完、建议给完，最后讲讲取舍。因为在真实经营中，多店商品管理不可能全都做满分，你必须做出有意识的取舍。我把最常见的四个取舍梳理出来，给出我的判断原则。
这是最常吵的问题。运营团队倾向丰富 SKU，因为选择多；供应链团队倾向精简 SKU，因为成本低。我的判断原则是：看你的门店分层是否清晰。
如果门店分层清晰，可以适度丰富 SKU，因为分层能消化不同商品；如果门店分层还模糊，应该优先精简 SKU，让商品结构先健康起来。SKU 数量不是问题，商品和需求错配才是问题。先解决错配，再谈数量。
这个取舍的核心不是"要不要放权"，而是"哪些权放、哪些权不放"。我的建议是：
划清这三条线，比纠结"统一还是自主"更有价值。因为多店经营从来不是非此即彼，而是在框架内做适配。
当门店数据不好时，最诱人的选择是做促销。促销能立刻产生数据，给团队信心。但这往往是陷阱。
我的判断原则是：如果数据下滑是商品错配造成的，优先调结构；如果是执行不到位造成的，促销和培训有用；如果两者都可能有，先做小范围测试区分。区分方法很简单，把一个 SKU 从数据差的店调到数据好的店，看它表现是否变化。变了是商品问题，没变是执行问题。
工具和人力不是替代关系，而是互补关系。工具管的是"口径统一、持续监控、数据沉淀"，人力管的是"判断、取舍、沟通、机制设计"。
判断原则：当"重复性数据处理"占据团队 30% 以上时间时，工具优先；当"判断性、协调性工作"占据主导时，人力优先。不要为了上工具而上工具，也不要用人力硬扛本该用系统解决的工作量。
回到开头那个收纳箱的故事。那款在 A 店卖爆、在 D 店滞销的收纳箱，最后的处理方式不是简单地淘汰，而是分了两路：A 店继续主推小号搬家友好款；D 店替换为家庭大规格可叠放款，配合柜体场景陈列。三个月后，D 店这款新规格的月销达到 210 件，动销率 78%。
这个故事给我的最大启发是：商品卖不动，往往不是商品不行，而是你没有把它放对地方。多店经营的核心竞争力，不是选品比别人更准，而是需求匹配效率比别人更高，能把对的需求信号，更快、更准地翻译成每类门店的商品结构。
如果你正在经营多店，我建议你下一步先做三件事，按顺序来：
这三件事做完，你已经超过大多数同行了。至于要不要上工具、上什么工具，那是在你方法论跑通之后的自然选择，而不是起点。多店商品分析不是一次性的项目，而是一场需要持续运营的"匹配效率"长期战争。
读者评论
收纳箱案例太真实了，4.2公里内需求结构完全不同，我店里也遇到过类似情况，一直以为是店员不努力，看完才意识到是客群画像差异导致的。
多店和单店的底层逻辑确实不同，但文中提到四个误区的量化对比图，数据来源是复盘推演还是真实统计？如果是推演，力度会弱一些。
统一阈值考核这个问题我们公司就有，写字楼店和社区店用同一条动销红线，结果写字楼店一直挨批，其实人家客流结构本来就不一样。
把商品当角色而不是单品来分析，这个视角挺实用，以前选品只看销量排名，忽略了它在不同门店里服务的需求场景，确实容易误判。