去年年底，我帮一家年 GMV 约 8 亿的跨境电商公司做商品分析岗的绩效复盘。他们的商品分析团队一共 5 个人，负责 3 万多个 SKU 的汰换、品类结构梳理和价格带优化。CEO 在会上直接问了一句让全场面面相觑的话：「你们去年砍了 4000 个 SKU，毛利提升了 1.8 个点，但这 1.8 个点里，有多少是你们分析出来的，有多少是汇率和旺季带来的？」
商品分析主管当场没答上来。这不是她能力不行，而是考核机制本身就没给她留下"能答"的空间。她的 KPI 表上写着「完成商品组合优化报告 12 份」「SKU 汰换建议采纳率 ≥ 60%」，这些指标全都能完成，但没有一条能把她的工作与那 1.8 个点的毛利改善挂上钩。
这就是商品分析岗绩效考核最尴尬的地方：它不像销售岗那样有清晰的因果链条，也不像客服岗那样有标准的动作计数。它的产出是"建议"，它的价值藏在"别人听了建议之后的变化"里。这篇文章我会把这件事拆到底，组合优化到底在优化什么、传统考核为什么会失效、指标该怎么重构、归因难题有哪几种可操作的破法，以及我在几家公司看到过的真实落地框架。
如果你只想记住一句话，那就是这句：商品分析岗在组合优化场景下的绩效考核，不能考"做了多少动作"，只能考"决策质量有多高、决策结果有多接近预期"。
为什么？因为商品分析的工作链条是这样的：数据→洞察→建议→别人执行→业务结果。动作在前端（写报告、开会、拉数据），结果在后端（GMV、毛利、库存）。传统考核盯的是前端，但真正该考核的是后端和前后端之间的转化效率。
我见过做得比较好的公司，考核表里最重的两项往往是「建议被采纳后的实际业务改善」和「分析结论与后续实际走势的吻合度」。这两项加起来能占到 60% 以上的权重，而"报告数量""会议参与次数"这类动作指标会被压到 10% 以内。
反过来说，如果你现在拿到一张商品分析岗的绩效表，里面超过一半是"完成 X 份报告""参加 X 次会议""输出 X 个分析模型"，那基本上可以判断：这张表考的是"这个人忙不忙"，而不是"这个人值不值钱"。
我在实际项目里会把商品组合优化拆成三层目标，这三层目标的考核难度是递进的。
第一层是结构健康。指的是品类的宽度和深度是否合理、价格带是否有断层、SKU 之间是否存在大量自我蚕食。这一层相对容易量化，比如动销率、价格带覆盖率、SKU 贡献集中度（前 20% SKU 的 GMV 占比）。
第二层是效率提升。指的是同样的库存和货架资源，能不能产生更高的周转和更低的滞销。典型指标是库存周转天数、滞销 SKU 占比、缺货率、单位库存 GMV 贡献。这一层的考核难点在于：效率改善往往是采购、仓储、运营共同作用的结果，商品分析只是其中一环。
第三层是利润改善。指的是通过汰换低毛利 SKU、引入高毛利品类、优化价格带，把整体毛利率提上去。这一层最难考核，因为毛利率受促销节奏、汇率、平台补贴、竞品价格战影响极大，归因链条最长。
组合优化的动作其实不复杂，但每一类动作对应的绩效考察点完全不同。
你看，这四类动作里，没有一类是"商品分析师一个人完成的"。汰换要采购配合、结构调整要运营配合、价格带要销售配合、关联推荐要技术配合。组合优化天然是团队动作，但绩效考核的载体是个人。这就是矛盾的第一层。
我再讲个更具体的场景。你是一家美妆跨境公司的商品分析师，你发现防晒品类里"SPF50+ 喷雾"这个细分今年增长很快，于是建议把 SKU 从 12 个扩充到 25 个。三个月后这个细分 GMV 增长了 180%，但你能说这是你的功劳吗？
不能。因为同期平台在推夏季防晒会场、竞品断货、你司运营加大了投放、供应链刚好拿到了更好的采购价。你的建议只是链条上的一环，而且很难说是不是"最关键的"那一环。
这类情况在商品分析岗身上几乎天天发生。它不是考核技术问题，是岗位属性决定的，分析岗的产出是信息，信息的价值要通过别人的行动才能兑现。
我见过太多公司直接套 HR 通用模板：工作完成度、协作能力、学习成长、出勤纪律。这套表放在行政岗、客服岗都能打，但放在商品分析岗就是灾难。
一个商品分析师的核心能力是什么？是从 3 万个 SKU 里找出那 500 个真正拖后腿的、是判断哪个品类明年会起来、是识别价格带里的结构性缺口。这些能力在通用表里完全没有对应的评价维度。
更糟的是，通用表里的"工作完成度"会诱导分析师把精力放在"完成报告数量"而不是"报告质量"上。我见过某家公司，5 个商品分析师一年出了 340 份报告，平均每人每周 1.3 份。但运营总监私下告诉我："这 340 份里真正改变过决策的，不超过 20 份。"
这一条我在开头已经用那个 1.8 个点的毛利例子演示过了。更麻烦的是反方向，当业绩下滑时，商品分析岗往往成为第一个被质疑的对象："你不是说这个品类要增长吗？"
归因难的本质是缺少基线。什么是基线？如果你建议扩充防晒喷雾 SKU，那就应该在建议提出时明确写下：「不扩充的情况下，这个细分预计增长 X%；扩充后预计增长 Y%。」这样三个月后就能对比实际结果和两个预期。
但据我观察，行业内能做到"在建议里写预期基线"的商品分析师不到两成。剩下八成都是"建议扩，可能有效果"，结果出来之后无论好坏都说不清。
组合优化的效果往往滞后。SKU 汰换的效果要 1-2 个月才显现，品类结构调整要 1-2 个季度，利润改善要半年以上。但很多公司的商品分析岗还是月度考核，最多加个季度。
月度考核的问题不是"考得不准"，而是"考错了东西"。分析师为了在月底拿出好看的数字，会倾向于做短期能见效的动作，比如临时调价、临时加大某爆品投放建议，而不是真正需要长期跟踪的结构性优化。
我自己做过一次实验。在某家公司，我把一个商品分析师的考核周期从月度改成季度，同时要求他在每个季度初写下"本季度组合优化的三件事及预期结果"，季度末对照复盘。结果是：他提的结构性建议从每季度 2-3 条上升到 8-9 条，被采纳率从 40% 涨到 65%。不是因为他变勤奋了，是因为考核周期终于允许他做真正重要的事。
组合优化涉及的部门至少有：商品分析、采购、运营、销售、供应链、可能还有内容和技术。一个 SKU 从"被建议砍"到"真的被砍掉"再到"库存被清掉、货架被替换"，中间要经过 4-5 个人的手。
出了成果，各部门都来分一杯羹；出了问题，就互相甩锅。商品分析岗通常是最弱势的那一方，因为它只说"建议"，不能"执行"。
这个问题的破法我在第四部分会详细讲，但先给个方向：要么通过项目制把协作方的贡献显性化，要么通过双轨制让"专业评价"和"业务评价"分开走。
结果层不是所有业务指标都收，只收那些"分析师能明显影响、且能归因"的指标。我一般会选这三项。
第一项是 GMV 贡献度。注意，不是考核"他负责的品类 GMV"，而是考核"他的建议被采纳并执行后，相关品类 GMV 相比基线的增量"。基线怎么定，下一部分会讲。
第二项是毛利率改善幅度。通过汰换低毛利 SKU、优化价格带来提升毛利。这个指标周期较长，通常按季度或半年度算。
第三项是库存周转天数改善。组合优化最直接的效果就是库存变轻。这个指标能比较好地把分析岗的作用和其它部门区分开，因为它不像 GMV 那样受流量影响那么大。
过程层指标我见过很多写法，大部分都是无效动作。真正值得保留的只有三项。
反过来，这几项可以砍掉：报告数量、会议参与次数、数据拉取次数、模型数量、学习时长。这些指标不区分优秀和平庸，只是凑数。
组合层指标是很多人忽略的。它不挂钩某个具体项目，而是看整体结构有没有变得更健康。
我常用的四项：品类结构健康度（一般用集中度、覆盖率、贡献均衡度的加权打分）、SKU 动销率、价格带覆盖率、关联购买率。
这四项指标的好处是：不容易被短期操作污染，能反映一年的真实工作量。坏处是：分析师可能觉得自己努力半年，指标只涨了两个点，没成就感。所以它更适合按季度或半年度考核。
指标选完了，权重要根据团队成熟度调整。我给出一个参考框架。
| 团队阶段 | 结果层权重 | 过程层权重 | 组合层权重 | 逻辑 |
|---|---|---|---|---|
| 初创期（团队搭建 0-1 年） | 30% | 55% | 15% | 先把分析动作规范化，结果层先观察 |
| 成长期（1-3 年） | 45% | 35% | 20% | 过程成型，开始拉业务结果，但仍需过程保证质量 |
| 成熟期（3 年以上） | 55% | 20% | 25% | 重点考业务牵引效果和结构长期健康 |
注意：这只是参考，不是标准答案。关键原则是：结果层权重不能低于 30%，否则考核就没有牵引力；过程层权重不能高于 55%，否则考核就会退化为动作计数。
组合优化最难的地方是它太大、太模糊。项目制就是把它切成一块块小而具体的事，每一块立一个项目。
比如"夏季防晒品类价格带优化"就是一个项目，包含明确的目标（把主价格带覆盖率从 65% 提至 85%）、明确的责任人（商品分析师 A 主导，采购 B、运营 C 配合）、明确的时长（8 周）、明确的验收标准（覆盖率、价格带转化均衡度、活动期 GMV 增幅）。
项目制最大的价值是让贡献度可以量化。立项时就可以给每个参与人定一个"预期贡献权重"，比如分析 A 60%、采购 B 25%、运营 C 15%。季度末复盘时按这个权重分配成果，谁也不能扯皮。
但项目制也有坑。第一，不能什么都立项，否则分析师会困在项目文书里。一般一个分析师同时最多 2-3 个项目。第二，项目目标不能定太细，要给分析师留出探索空间，否则他会只做"能验收"的事。
双轨制是把"业务结果"和"专业能力"两条线并行考核，互不干扰。业务结果按项目制和结果层指标走；专业能力按同行评审、方法论贡献、内部培训反馈来评。
这个方式适合规模较大、分析师水平差异明显的团队。我见过一家公司做得很到位：一个资深分析师在某个季度因为平台政策变化，主推的品类没起来，业务结果分不高。但因为他在集团内部做了一次方法论分享，被 3 个业务线采纳，专业能力分很高，最终绩效仍然是 A。
这就是双轨制的价值：它避免让一次业务失利毁掉一个分析师整年的绩效。组合优化的结果波动性大，不能只靠业务结果评人。
延迟考核的玩法很简单：把一个优化动作分成"执行完成"和"效果观察"两个考核节点。执行完成在 1-2 个月内考核，占 40% 权重；效果观察在 6-12 个月后考核，占 60% 权重。
这样分析师就敢于做真正重要且需要时间的事，不用为了月度数字做小动作。我见过一家做家居跨境的团队用这种方式，结果第二年商品分析岗提议并落地的结构性优化项目是前一年的 3 倍。
延迟考核的关键是要有配套的观察机制。不能"提了建议就放着"，而是要跟踪 6 个月以上的数据变化，形成反馈闭环。
| 方式 | 适用团队规模 | 适用业务特征 | 主要优势 | 主要风险 |
|---|---|---|---|---|
| 项目制 | 5-20 人 | 项目可切分、协作方清晰 | 贡献度可量化，协作不扯皮 | 容易过度立项，文书负担重 |
| 双轨制 | 10 人以上 | 分析师水平差异明显 | 保护专业价值，抗业务波动 | 两条轨道权重易失衡，评委会负担大 |
| 延迟考核 | 任意规模 | 结构性优化占比高 | 鼓励长期动作，避免短期博弈 | 观察期长，激励兑现慢 |
实际操作中，最好的做法往往是混合使用。项目制做主线，双轨制保底层，延迟考核处理长期结构性优化。
这家公司就是我在开头提到的那家 GMV 8 亿的跨境企业，主营家居和户外品类，SKU 总数 3 万+。商品分析团队 5 人，之前用的是一张很"通用"的绩效表：
问题有三个：一是报告数量占 20% 但不区分质量；二是品类 GMV 增长本身受外部影响大，考核不公平；三是"协作评分"完全靠主观。团队两年换了 3 个人，走的都是能力不错的。
我们花了三周时间重构，核心做了四件事。
第一件是建立"建议池"制度。所有建议必须进入统一的记录表，包含：建议内容、预期结果基线、跟踪周期、责任协作人、验收标准。这个制度解决的是"归因缺基线"的问题。
第二件是把考核周期改为"季度+半年度"。季度考过程和组合层指标，半年度考结果层指标。这样既能保证日常动作有反馈，又能等结构性优化出结果。
第三件是引入项目制。所有结构性组合优化立项，明确贡献权重。当年共立了 11 个项目，平均每个分析师参与 2.2 个。
第四件是把结果层指标做细。不是看"品类 GMV 涨不涨"，而是看"建议被采纳后该细分相比基线的增量"。
下面这张表是我们跟了三个季度的对比数据（示意，基于真实项目脱敏后整理）。
| 对比项 | 重构前（Q1-Q2） | 重构后（Q3-Q4） | 变化 |
|---|---|---|---|
| 报告产出数量 | 平均 12 份/月 | 平均 9 份/月 | -25% |
| 建议被采纳并执行数 | 平均 3 条/月 | 平均 6 条/月 | +100% |
| 采纳建议中命中预期的比例 | 约 35% | 约 62% | +27 个百分点 |
| SKU 汰换后 90 天复购率改善 | 基本持平 | +12% | 明显改善 |
| 滞销 SKU 占比 | 19% | 11% | -8 个百分点 |
| 库存周转天数 | 62 天 | 51 天 | -11 天 |
| 团队主动离职（年） | 2 人 | 0 人 | 明显改善 |
有几个数字我印象特别深。第一，报告数量降了 25%，但建议采纳数是翻倍的，说明之前那些报告有一大半是无效输出。第二，滞销 SKU 占比从 19% 降到 11%，这个改善不是靠分析师"更努力"实现的，而是考核周期变长之后，他敢于对长尾 SKU 做更大颗粒度的清理。
第三，命中率从 35% 提升到 62%，这是最让我意外的。原因不是分析师变厉害了，而是他被迫在建议里写清预期基线。写基线这个动作，逼着他把"我觉得"换成"我测算"，判断质量自然就上去了。
这个案例里，如果团队用了专业工具，重构的效率会更高。以「数跨境」（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）为例，它本身是一个跨境商品分析平台，但用在绩效考核场景中其实有三个具体作用。
作用一是沉淀基线数据。建议池需要"预期基线"，基线不能拍脑袋，最好是从工具拉历史数据算。数跨境的商品库可以按细分市场、价格带、SKU 层级拉出历史趋势，让"不干预情况下的自然增长"这个基线有据可依。
作用二是跟踪结构性指标。品类结构健康度、价格带覆盖率、SKU 动销率这些组合层指标，如果是手工统计，分析师每个月要花 12 小时以上。工具化之后可以定期导出，把时间省下来做真正的分析。我们当时做过估算，工具化之后平均每人每月节省约 8-10 小时的统计时间。
作用三是让项目成果可视化。每个组合优化项目的"预期 vs 实际"曲线，可以借助工具自动生成，复盘会上摆出来比 PPT 有说服力得多。
但要提醒一点：工具解决的是"数据获取和跟踪"的问题，它不能替你做归因判断。基线怎么定、权重怎么分、哪些因素剥离出去，这些仍然需要人来判断。所以工具要用，但不要指望工具能直接给出一套考核体系。
这一步很多团队直接跳过，然后就掉进"考什么"的坑里。我建议在考核制度设计前，先回答下面五个问题。
这五问回答完，你的绩效表骨架就有了。关键在于不要为了"考核完整"硬塞指标，有些事就是"该做但不该考"。
考核执行环节，我一般建议按三件事抓。
数据采集要固定化。品类结构健康度、动销率、价格带覆盖率这些组合层指标，建议季度固定导出，形成时间序列。
归因记录要动态化。每个组合优化项目在建议提出时，必须写清"预期基线"和"跟踪口径"。这是后续归因的唯一依据。
协作评价要双向化。不只是甲方评价分析师，分析师也要评价协作方的配合情况。否则一遇到失败项目，分析师永远是背锅位。
这三个动作很多公司做不全。最常见的是"结果反馈"做了，"指标迭代"就忘了。
指标迭代是指：每次考核结束后，要复盘"哪些指标其实没用、哪些新出现的工作没被覆盖、哪些权重明显歪了"。我见过一家公司，连续 5 个季度都用同一张绩效表，员工都能背下来了，但业务早就变了。结果就是考核在考"去年的工作"，而不是"今年的重点"。
激励兑现要避免"结果没到就不兑现"。组合优化结果有滞后，如果所有激励都等到半年后，分析师在过程中会很难受。我建议把激励拆成两段：执行落地阶段先兑现 30-40%，效果观察阶段兑现剩余。
下面这张表是我在多家公司用过之后整理出来的一个框架。注意这只是框架示意，每项的具体权重、口径、计算方式都要结合自己的业务重新定。
| 层级 | 维度 | 示例指标 | 参考权重 | 考核周期 |
|---|---|---|---|---|
| 结果层 | GMV 牵引 | 建议采纳后该细分相比基线的 GMV 增量 | 20% | 半年度 |
| 结果层 | 毛利改善 | 汰换/价格带优化带来的毛利率提升 | 15% | 半年度 |
| 结果层 | 库存效率 | 库存周转天数改善 | 15% | 季度 |
| 过程层 | 建议质量 | 建议采纳率、命中预期比例 | 15% | 季度 |
| 过程层 | 异常预警 | 预警平均提前量（天） | 5% | 季度 |
| 组合层 | 结构健康 | 品类结构健康度打分、价格带覆盖率 | 10% | 季度 |
| 组合层 | SKU 效率 | 动销率、滞销占比 | 10% | 季度 |
| 组合层 | 连带能力 | 关联购买率、购物篮件数 | 5% | 季度 |
| 专业层（可选） | 方法贡献 | 同行评审、方法论沉淀、内部培训 | 5% | 半年度 |
看这张表要注意两点：一是结果层合计不超过 50%，因为归因永远有不确定性，全压结果对分析师不公平；二是组合层合计不低于 25%，否则长期结构优化会被忽略。
人少，制度可以简单。我建议直接走项目制：把所有结构性优化拆成 5-8 个项目，每人 1-2 个，每个项目立一份简版立项书，包含目标、预期结果、贡献权重、验收标准。季度末用 30 分钟开个复盘会就够，不要搞一堆文档。
结果层的指标可以只看 2 个：相关细分 GMV 基线增量、库存周转改善。其余指标先观察记录，不纳入正式考核。等团队到了 10 人以上再细化。
这个体量必须上双轨制了。业务结果和专业能力分开评价，避免大锅饭。同时建议引入工具化，把组合层指标的统计时间从手工变成自动，一个月至少省下 20 小时。
这个阶段的另一个重点是建立分析师之间的横向对标。同样是商品分析师，有人主推新品、有人主推汰换、有人主推价格带优化，不同方向的结果不可直接比。所以要按方向分组对比，不搞全组排名。
大团队最大的风险是"制度僵化"。我的建议是：每半年强制复盘一次考核体系，至少淘汰 1 个指标、新增 1 个指标。不要担心稳定性，考核体系的迭代本身就是团队专业能力进化的体现。
另一个建议是设置"考核实验组"。选 2-3 个分析师试新指标，跑两个季度，有效再推广。这样即使新指标失败，也不会影响全团队。
HRBP 介入是好事，但要注意别让通用 HR 语言绑架了业务考核。我见过最夸张的做法是要求商品分析岗也填"价值观践行"这类主观项，占 20% 权重。
我的建议是：HR 负责流程和合规，业务方负责指标口径和权重。考核表本身由业务侧主导设计，HR 做审校。这样既保证流程规范，又不会被通用模板套死。
这是第一个取舍。精确考核对数据分析岗来说是把双刃剑。越精确，员工越倾向做"能算清"的事，越不愿意做"重要但难量化"的事。
我的判断是：结果层指标可以适当模糊，接受 ±15% 的误差；过程层指标要精确，因为它是动作计数，本来就该精确；组合层指标居中，用打分和分级代替精确数值。
简单说：该精确的地方精确，该模糊的地方别硬算。
组合优化是团队动作，但绩效最终要落到个人。怎么取舍？
我建议采用"团队先分配、个人后评估"的两步法。第一步，项目成果按贡献权重在团队内分配；第二步，个人拿到的那一份，再按过程层的表现微调（±20%）。
这样既保证团队协作有基础，又让个人努力能被看见。极端地"全考个人"和"全考团队"都是坑。
组合优化的本质是长期主义，但员工的耐心是短期的。这个矛盾怎么破？
我的判断是：用"双段激励"替代"一刀切"。建议落地时兑现 30-40%，效果验证时兑现剩余。这样既保证员工有即时反馈，又不丢掉长期牵引。
另外，长期项目的负责人可以考虑给"项目积分"而不是直接给钱。积分可以累计、可以兑换、可以转成晋升依据。这样短期现金流压力小，长期激励还有空间。
回到最开始那个场景。CEO 问"这 1.8 个点的毛利改善，有多少是你们分析出来的"，本质上反映的不是分析师能力问题，而是机制上没有给"分析的价值"留下可计量的接口。
商品分析岗在组合优化中的绩效考核，不该是"谁做了什么谁没做什么"的审计，而应该是"决策质量持续提升"的助推器。它的核心是：让每一份分析都有基线、每个建议都有跟踪、每次成果都能归因、每轮考核都能反哺下一轮的业务判断。
如果你正面临这个问题，我建议你从下面三件事开始做起，按顺序推：
考核不是终点。真正让商品分析岗变得更值钱的，从来不是绩效表上的勾，而是它做出的建议真的被人采纳、被人执行、被人看见改变了结果。如果你所在的公司也在做类似的重构，欢迎把你遇到的难点留言出来，尤其是那些"做了很多但说不清价值"的场景，我们可以一起拆。
我们公司商品分析岗每月考核就是看GMV有没有涨，可GMV受大促、流量、季节影响太大了，分析师自己也觉得冤。我就在想，是不是应该把分析报告质量、建议采纳率这些过程指标也放进去？但放进去又怕变成走过场，不知道怎么平衡。
建议采用结果指标和过程指标双轨并行，但权重要分阶段调整。结果层放GMV贡献、毛利率改善、库存周转天数等，建议占60%到70%，用于牵引业务结果；过程层放分析报告采纳率、优化建议落地数、异常预警及时性，占30%到40%，用于保护专业动作不被短期波动淹没。
具体判断依据是：如果组合优化项目周期超过一个考核月，过程指标权重应上调到40%到50%；如果业务处于稳定期、归因链路清晰，结果指标可以占到70%。关键是每个过程指标都要能对应到具体业务动作，比如建议采纳率要记录哪条建议被哪个部门采纳、落地后数据变化如何，否则就会变成打分了事。
补充一个实操口径：过程指标考核时，不要考报告数量，要考报告被引用或被采纳的次数；不要考预警条数，要考预警后是否触发动作。这样过程指标才和组合优化真正挂钩。
我们商品部、采购部、运营部一起做品类结构优化，最后业绩涨了，三个部门都说是自己的功劳，绩效分配吵得不可开交。我作为商品分析岗，明明提供了汰换建议和价格带调整方案，但到了考核时很难证明是我贡献的。这种情况到底怎么破？
核心做法是把组合优化从日常工作里单独拎出来，按项目制立项考核。具体操作是：每个组合优化项目启动时，就明确项目目标、牵头人、参与方和各自贡献权重，做成一张归因记录表，比如商品分析岗负责数据诊断和方案建议，权重占30%；采购负责供应商切换，占30%；运营负责流量和活动承接，占40%。
项目结束后，用项目期间的增量数据来核算，而不是用全店整体数据。判断依据是：只有能锁定到具体项目、具体时间窗口、具体动作的数据，才具备归因基础。如果项目周期长，可以采用延迟考核加滚动评估，设置一个观察期，比如优化动作落地后观察两到三个月，用滚动数据评估长期效果，避免月度考核把滞后效果误判为无效。
归因记录表要在项目启动时就让各方确认，不要等分钱的时候再补，否则一定扯皮。
我看很多模板里都写了SKU动销率、库存周转天数，但直接拿来用感觉不对。比如我们类目动销率本来就低，如果按统一标准考核，分析师永远不达标；如果定得太松，又起不到牵引作用。这种组合层的指标到底该怎么定？
组合层指标不建议用行业通用值直接考核，而应该用基线改善法来设。具体做法是：先取考核期前三个月的实际数据作为基线，比如当前SKU动销率是45%、库存周转天数是60天，然后设定改善目标，比如动销率提升3到5个百分点，周转天数下降5到8天，而不是直接要求动销率达到80%。
判断依据是：组合优化的目标是结构改善，不是绝对值达标，用基线改善法既能反映分析岗的贡献，又不会因为类目差异导致考核失真。权重上，组合层指标建议占整体考核的20%到30%，结果层和过程层占大头。另外要注意口径统一，动销率要明确是按数量还是按金额、统计周期是月还是季度、是否剔除新品和清仓品。
口径不统一，考核结果一定争议不断。库存周转要区分可售库存和全库存，否则分析师会把责任推给采购。
我们公司规模不大，商品分析就一个人，既做数据分析又做商品运营，没有BI系统，数据全靠Excel拉。这种情况下如果照搬大公司的考核框架，光数据采集就把人累死了。我想知道有没有适合小团队的简化做法？
小团队可以用三指标精简法，只保留一个结果指标、一个过程指标、一个组合指标，每月考核不超过三项。结果指标建议用所负责品类的毛利额改善，因为毛利比GMV更能反映组合优化质量；过程指标用优化建议落地数，每月记录几条建议被实际执行；组合指标用滞销SKU占比改善，直接反映结构健康度。
判断依据是：小团队数据能力有限，指标越多越容易变成填表游戏，三项以内才能保证数据可信、考核可执行。数据采集上，不建议自建系统，用Excel模板固定字段即可，比如建议编号、提出日期、采纳部门、落地日期、落地后数据变化。
考核周期建议按季度而不是按月，因为组合优化效果本身有滞后性，月度考核在小团队里容易失真。如果连季度数据都不完整，可以先做半年度复盘式考核，重点看方向对不对，而不是精确打分。
读者评论
把1.8个点归因拆解到汇率和旺季，这个CEO的质问太真实了。很多分析岗的困境不是能力问题，是KPI表压根没给归因留位置。
把考核周期从月度改到季度，建议从2-3条涨到8-9条，这个实验很说明问题。月度考核逼着分析师做短期动作，结构性优化根本来不及见效。
防晒品类那个例子太典型了。分析建议只占18%增量，但出了问题第一个被质疑的往往是分析岗，因为只有它不能执行、只能建议。
建议采纳率这个指标本身就有坑，单独考核会诱导分析师专挑好通过的建议提。必须和落地后改善率配对，不然就是刷采纳率的数字游戏。
基线思维是核心。建议里写清楚不扩充预计增长多少、扩充后预计增长多少，事后才能对比。可惜八成分析师提建议时都没写预期基线。