去年第四季度，我帮一个做家居类目的朋友复盘他的店群。他手上有37家店，横跨5个平台，月度总GMV大概在420万上下。他给我看的第一张表是"各店销售额排名",前10家店贡献了68%的营收，他觉得自己管得还不错。但我让他按价格带重新切了一遍数据之后，问题立刻暴露了：37家店里，有23家的主力成交价位挤在99-159元这个区间，其中11家连主推款的SKU结构都高度重合。
这不是店群，这是一个披着37个壳子的单店，在内部互相踩踏流量、互相压价。他看完这组数据沉默了很久，因为过去两年他一直在"开店-上品-看GMV-再开店"的循环里，从来没做过一次真正的结构诊断。
这件事让我确信一个判断：价格带不是选品工具，而是店群管理质量的X光片。它能照出你用销售额排名永远看不到的东西，内耗、断层、定位漂移、资源错配。这篇文章我会把过去几年在多个店群项目里反复打磨的一套检查方法完整拆开，包括判断标准、数据口径、操作步骤，以及我踩过的坑。
如果你只想记住一件事，那就是：店群的管理质量，本质上取决于价格带的"分布结构"是否健康，而不是取决于任何单一店铺的绝对业绩。下面五个判断是我这套方法的地基，后面所有章节都是围绕它们展开的。
一个健康的店群，价格带应该呈现"有主峰、有侧峰、无明显塌陷"的分布形态。你要看的是每个价格带上有多少家店、贡献了多少产出、动销率如何。绝对数值（比如"我有5家百万店"）在结构分析里几乎没有意义，因为它掩盖了这5家店是不是在同一个价格带里互相打架。
店群最常见的病不是店太少，而是店太多且高度同质。当多个店铺的主力价格带重叠超过某个临界点，它们就在同一批流量池里争夺同一批用户。这时候多开一家店，边际收益是负的。
拥挤带来内耗，断层带来的是机会流失。如果你的店群在低价带有布局、在高价带有布局，中间空了一大段，那么中间那批"愿意花中价钱买中档货"的用户，你一个都没接住。断层是隐性的营收损失，财报上看不出来。
这是我见过最多人犯的错。美妆的"中价格带"和3C数码的"中价格带"完全不是一个数量级，甚至同一类目在不同平台的成交价位分布都不同。任何告诉你"价格带就分三档、高中低各占三分之一"的说法，都是不负责任的。
它能告诉你结构有没有问题，但不能单独告诉你利润为什么下滑、转化为什么变差。它是诊断的起点，不是终点。把它当成体检里的"血常规",而不是"全身CT"。
店群这个模式本身没有错。它最初的逻辑是：用多个店铺覆盖不同的价格带、不同的人群、不同的流量入口，形成一个互补的矩阵。问题在于，绝大多数操盘手在扩张过程中，把"矩阵"做成了"复制"。
我观察过十几个店群团队，扩张路径惊人地相似：
这个过程往往持续半年到一年，期间销售额排名一直很好看，所以没人觉得有问题。等到发现新店越来越难起、老店流量下滑，才意识到不对劲。但这时候已经积重难返。
我认识一个做服饰的操盘手，管着20家店。他每天的工作是：早上看昨天的销售额排名，找出下滑的店；中午盯各个店的推广消耗；晚上决定第二天给哪几家店加预算。他的决策依据永远是"谁卖得好就多给资源"。
这套逻辑在单店阶段是对的，在店群阶段是灾难。因为"谁卖得好"这个判断，在价格带高度重叠的情况下，相当于在给已经拥挤的赛道继续加油，而让有潜力的空白价格带继续饿着。
大部分店群操盘手依赖的数据看板，字段是销售额、订单量、转化率、广告消耗。这些字段都是"店铺维度"的，没有一个字段是"价格带维度"的。这就是问题的根：你的看板结构，决定了你能看到什么问题。看不到价格带，就永远发现不了价格带层面的病。
在我做过的店群诊断里，下面这几个误区几乎每次都会碰到。它们不一定都是错的，但如果不加分辨地套用，会直接把诊断带偏。
这是最根本的混淆。定价策略解决的是"我这个商品该卖多少钱",价格带分析解决的是"我的店群在哪些价位段有布局、哪些没布局、布局得均不均衡"。前者是单品决策，后者是组合决策。
一个操盘手可以给每个单品都定得很准，但整个店群仍然可能全部挤在一个价格带里。价格带分析的对象是"店群"这个整体，不是"商品"这个个体。想清楚这一点，后面的方法才不会用偏。
有些人分价格带的依据是"卖得最好的那批商品在什么价位"。这是循环论证，你用销量选出商品，再用这些商品的价格定义价格带，最后得出的结论必然是"我的价格带分布很健康",因为它是从销量最好的商品里长出来的。
正确的做法是先设定价格带划分标准（基于类目大盘、竞品分布、自身成本结构），再把所有在售商品映射进去，看真实分布。顺序反过来，结论就废了。
"分三档就够了""分五档太细了"，这类说法我都听过。价格带分几档，取决于你的类目价格跨度有多大、商品密度有多高。跨度大的类目（比如家电），三档太粗，会掩盖问题；跨度小的类目（比如手机壳），五档太多，会稀释样本。
我的经验是：先看类目价格分布的分位数，再决定分几档。如果80%的商品落在两个窄区间里，那你就围绕这两个区间细分；如果均匀分布，就按等距或聚类来分。
同一个类目，在不同平台的价格带分布完全不同。我做过一组对比：某家居小件在A平台的主力成交价集中在39-79元，在B平台集中在89-159元。如果你的店群同时布局这两个平台，却用一套价格带标准去评估，结论一定错。
发现"高价带是空白"不等于"明天就去开一家高价店"。诊断告诉你哪里有问题，决策要考虑成本、供应链、团队能力、平台规则。价格带分析是决策的输入之一，不是决策本身。
这一节讲清楚底层逻辑，你才能在不同类目、不同平台里灵活应用，而不是死记步骤。
用户搜索或浏览时，价格预期是一个强信号。愿意花500元买一件外套的人，和愿意花100元买一件外套的人，是两类需求。你的店群布局在哪些价格带，本质上是在接哪些人的需求。
当多个店铺挤在同一价格带，它们接的是同一类需求，流量池就那么大，必然是零和博弈。健康的店群，价格带布局应该尽可能覆盖不同的用户意图区间。
一个店群的推广预算、库存、人力怎么分配，最终会体现在价格带分布上。如果80%的预算都投在了同一个价格带，说明资源分配是单一的，抗风险能力弱。一旦这个价格带的流量成本上涨或平台规则变化，整个店群会同步受冲击。
两个店的主力价格带重叠度越高，它们的商品在搜索结果里的竞争就越直接。这种竞争不是良性竞争，因为你左手打右手，最终是给平台贡献了更多广告费，而不是给自己贡献了更多利润。
我一般用"重叠系数"来量化：把两个店的主力成交价格带取交集，除以并集，得到一个0到1的值。超过0.6就属于高度重叠，需要干预。
断层造成的损失，是"本来可以赚但没赚到"的钱，最容易被忽略。评估断层的方法是：先看类目大盘在这个价格带的整体规模和增速，再看你的店群在这个价格带的占比。如果大盘有量、你没布局，断层就是实实在在的损失。
逻辑讲完了，我讲一个真实做过的项目。这个项目我用了数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）作为主要的数据分析工具，因为它的类目数据和跨平台价格带数据比较完整，能把散在各平台的店铺数据统一到一个视角下看。
一个做家居收纳类目的店群，21家店，分布在3个平台（为保护隐私不具名，下文称X、Y、Z平台）。项目启动前的月度数据：总GMV 287万，推广费 51万，净利率约 9%。操盘手的判断是"整体还行，就是有几家店一直起不来"。
我先用数跨境拉取了这个类目在三个平台的成交价格分布。关键发现是：该类目在X平台的主力成交价集中在29-69元，Y平台集中在59-119元，Z平台在39-99元。三个平台的价格分布并不重合，这意味着如果用统一标准，一定会误判。
所以我为每个平台单独建立了价格带标准，每个平台分4档（低、中低、中高、高），划分依据是各平台的价格分位数，而不是拍脑袋。
把每家店的近30天成交数据，按实际成交价映射到对应平台的价格带里，算出每家店的"主力价格带"（成交占比最高的那个档）和"价格带集中度"（主力价格带成交占比）。
这一步做完，问题就现形了。21家店里，18家的主力价格带集中在X平台的低档和中低档，而且大部分集中度在60%以上，最高的一家达到84%。也就是说，这家店84%的成交都堆在一个价格带里。
这一步是核心。我把21家店两两配对，计算价格带重叠系数。结果是有34组店铺的重叠系数超过0.7，属于严重内耗。其中最严重的一组（两家都在X平台低价格带、货盘相似度超过70%），推广获客成本对比各自独立运营时期，上涨了约37%。
换句话说，这两家店每个月多花的推广费里，有三分之一是自己造成的。
我用数跨境的类目大盘数据，看了这个类目在不同价格带的规模和增速。发现在79-119元这个中高价格带，类目年增速约 24%，而且竞争度（头部店铺集中度）低于低价格带。而我的客户在这个价格带几乎没有布局。
这是一个明确的机会缺口。粗算下来，如果在中高价格带能拿到该类目 5% 的份额，月度可新增营收约 35-45万。
诊断完成后，我们做了三件事：
三个月后的数据：总GMV从287万增长到341万（+18.8%），推广费从51万降到46万（-9.8%），净利率从9%提升到14.6%。注意，GMV增长的同时推广费还降低了，这才是结构优化的价值，它不是让你花更多钱买增长，而是让你少花冤枉钱还能增长。
每个店群的情况不一样，我按几种典型情形给出建议。你可以对照自己的数据找最接近的一类。
这时候不用急着扩张。先确认每家店的价格带定位是否清晰，主力价格带的集中度是否够高（建议60%以上）。集中度不够说明货盘太杂，需要先做减法，把每家店的价格带打透。
行动建议：给每家店画一张价格带分布图，如果主力价格带集中度低于50%，优先梳理选品，暂缓开新店。
这是最关键的窗口期。重叠已经出现，但还没到积重难返。这时候做结构优化成本最低、收益最大。
行动建议：算一遍两两店铺的重叠系数，把超过0.7的组合挑出来。对每一组，选择"合并货盘"或"错位定位"二选一，不要拖延。同时评估是否有空白价格带值得补。
我那个家居案例就属于这一类。这时候光靠定位调整已经不够，必须做减法，关店或合并。
行动建议：先用重叠系数把店铺分组，找出重叠最严重的簇。在每个簇里保留表现最好的1-2家，其余关停或合并。听起来激进，但如果你算一下继续运营这些店的隐性成本（推广费被推高、库存积压、团队精力分散），会发现关店反而是省钱。
跨平台店群最大的坑是"一套标准打天下"。每个平台单独建一套价格带标准，单独评估。跨平台之间的价格带重叠不用太担心，因为流量池本来就是分开的。
行动建议：按平台拆分评估，平台内做重叠分析，平台间做覆盖度和增速对比，找出哪个平台的价格带布局最薄弱。
做结构优化总要做选择题。下面是我总结的几组常见取舍，以及我的判断倾向。
关掉重叠店铺，短期GMV一定会掉。我那个案例里，关停4家店之后的第一个月，总GMV掉了大概12%。但两个月后净利率的提升就把这部分补回来了。
取舍判断：如果店群已经高度重叠，牺牲短期GMV换长期净利率几乎总是对的。因为重叠店铺创造的是虚假繁荣，它贡献GMV，但消耗更多推广费，边际利润为负。
有的操盘手喜欢每个价格带都布一家店，铺得很广但每家都不深；有的只做一两个价格带，但每家店都做到类目前列。两种都行，取决于你的类目和团队能力。
取舍判断：如果类目竞争激烈、头部效应强，优先做深度，在一个价格带里做到头部比在四个价格带里都排中游更有价值。如果类目分散、长尾需求多，可以适度铺广度。
发现断层后，是先开新店补缺口，还是先优化现有店铺？
取舍判断：先优化存量，再补断层。现有店铺的结构问题不解决，新店开出来大概率也会被旧问题拖累。我一般建议先用两个月把存量店铺的价格带打透，再启动补缺口的新店。
平台后台一般会给一些价格带相关的数据，但颗粒度不一定够。我的做法是：平台数据做参考，自建标准做决策。像数跨境这类工具的价值在于它能提供类目大盘和跨平台的对比数据，帮你建立自己的判断基准，而不是被动接受平台给的口径。
最后说回方法本身。价格带分析最大的价值不在于一次性发现问题，而在于把它变成一个定期做的动作。市场在变、类目在变、竞品在变，你店群的价格带结构也要跟着调。我一般建议按下面的节奏来：
下面这份清单可以直接拿去用。每一项都有明确的判断口径，答"否"的项目就是你需要重点处理的方向。
| 检查项 | 判断口径 | 健康标准 |
|---|---|---|
| 覆盖广度 | 店群主力价格带的数量（按平台分别统计） | 3个及以上 |
| 分布均衡度 | 最大价格带的产出占比 | 不超过50% |
| 重叠系数 | 任意两店主力价格带的交集/并集 | 低于0.6 |
| 断层严重度 | 类目大盘有规模且增速为正，但店群无布局的价格带数量 | 0个 |
| 定位一致度 | 店铺实际成交价与预设定位的偏差 | 低于20% |
| 集中度 | 单店主力价格带的成交占比 | 60%以上（说明定位清晰） |
一个容易被忽略的细节：每次复盘时的数据口径要一致。价格带怎么分、时间窗口取多长、主力价格带怎么定义，这些一旦定下来就不要频繁改，否则不同期的数据没有可比性，你就无法判断结构是在改善还是在恶化。
如果你读到这里，我建议你现在就做一件事：把手上店群的近30天成交数据导出来，按本文的方法做一次价格带映射，算一遍两两店铺的重叠系数。这一步不需要任何工具，一张表就够。
做完之后你会发现，很多以前说不清楚的问题，"为什么新店起不来""为什么利润一直上不去""为什么推广费越花越多但效果越来越差"，都有了具体的答案。价格带不会告诉你所有事，但它会告诉你最该先处理哪件事。
而在你开始大规模调整之前，有一句话值得记住：店群管理质量的提升，从来不是靠开更多店，而是靠让每一家店都有清晰的、不互相打架的价格带定位。把这句话落实成每月的例行检查，你就已经在绝大多数操盘手之上了。
回到开头那个37家店的朋友。他做完价格带体检之后的第一个决定，不是开新店，也不是加预算，而是关掉了9家重叠度最高的店铺。三个月后他告诉我，最直接的变化是推广费降了、觉睡得好了。管理的质量，有时候就体现在你敢不敢做减法。
读者评论
价格带重叠系数超过0.6就干预这个标准很实用，比凭感觉判断店铺内耗靠谱多了，回去就测一下我们店群的重叠度。
文章说价格带诊断是血常规不是全身CT，这个比喻很到位。很多操盘手容易把结构分析当成万能药，忽略了利润和转化还要结合其他维度看。
跨平台价格带差异那张图很有说服力，我们做多平台的确实吃过用一套标准评估的亏，不同平台用户价格敏感度完全不一样。
五阶段漏斗图让我对照了一下自己的店群，目前大概在第三阶段，主力价格带重叠率确实偏高，新店越来越难起是有原因的。
先设定价格带划分标准再映射商品这个顺序很关键，以前就是按销量反推价格带，结果总是自我感觉良好，数据全是循环论证。