去年Q3，我帮一个做家居收纳的跨境品牌做季度复盘。他们的运营总监给我看了一份42页的PPT，里面把当季SKU的销量、毛利、退货率全部列了一遍，同比、环比、目标完成率三张表做得漂漂亮亮。但当我问他"看完这份复盘，你下一季要砍掉哪条产品线、加注哪个细分需求"时，他沉默了半分钟，说了一句让我印象很深的话:"数据都在，但结论还得靠拍脑袋。"
这不是个例。我过去三年接触过近二十个做商品分析或品类运营的团队，发现一个共同现象：季度复盘在大多数公司里退化成了"业绩交作业"，它的真正价值，校准下一季的市场需求假设，几乎被浪费掉了。这篇文章不打算再讲一遍什么是复盘、怎么写复盘报告。我要讲的是怎么把季度复盘从一个"回顾过去"的汇报工具，改造成一个"预判下一季需求"的决策工具，以及我踩过的坑、验证过的路径、和一些还没完全解决的问题。
如果你现在的季度复盘结果，只是决定了"哪些SKU要补货""哪些要清仓"，而没有改变你对下一季"什么需求会起来、什么需求会衰退"的判断，那你其实还没真正用上复盘这件事。
我先把我最核心的判断摆在前面，后面所有内容都是围绕它展开的。
季度复盘真正的产出，不是一份汇报文档，而是一组被修正过的"下一季需求假设"。换句话说，复盘结束的标志不是"PPT发给了老板"，而是"我们调整了下季度的品类规划、备货节奏、推广预算分配"。
为什么这么定位？因为商品分析本身不产生价值，只有它改变了接下来的决策，价值才发生。我见过太多团队季度复盘开完，第二天所有人继续按原来的节奏干活，唯一的区别是多了一份归档文件。这种复盘做十次和做一次没有区别。
传统流程里，复盘和下一季的规划是分开的两件事：先复盘，隔三周再做季度规划，中间还夹着预算会、老板拍板会。结果就是复盘里的洞察在传递过程中被稀释、被遗忘、被组织政治磨平。
我的建议是：把复盘会的最后30分钟直接设为"需求假设修正会"，当场输出一张"上季度哪些需求假设被推翻、下季度假设怎么改"的清单，直接带到规划会。中间不要隔会、不要转述、不要重写文档。
大部分季度复盘是让人舒服的，业绩好的团队展示亮点，业绩差的团队解释原因，大家有商有量地开完。但从需求校准的角度看，如果一个季度复盘会让所有参会人走出会议室时都很舒服，那这次复盘大概率失败了，因为它没有挑战任何一个既有的需求判断。
要理解问题，得先看看大多数团队的季度复盘实际是怎么发生、怎么结束的。我先讲一个真实场景，然后拆解背后的结构性原因。
2024年Q1，我以外部顾问身份参加了一家美妆跨境品牌的季度经营分析会。会议室坐了12个人：运营、商品、市场、供应链、财务、电商运营，各自带了一份自己视角的数据表。
会议从上午9点开到12点半，运营负责人先讲了40分钟销量回顾，市场部讲了20分钟投放ROI，供应链讲了15分钟库存周转。中间穿插了几次争论：运营说某款精华卖不动是市场投放不足，市场说产品详情页转化率太低不是流量问题，供应链在一旁翻白眼说你们补单太晚导致断货。
会议结束的时候，老板总结了三句话："Q1整体达标，Q2继续加油，重点关注那款精华的转化。"然后所有人带着这份"会议精神"离开，没有任何一条具体的需求假设被推翻或修正。
这就是典型场景。问题不在于数据不够，而在于没有一个机制把数据转换成对下一季需求的明确判断。
第一个原因：复盘的默认视角是"内部视角"而不是"外部视角"。大家盯着自己的销量、毛利、退货，但很少抬头看：竞品在做什么、消费者的搜索词在怎么变化、平台流量结构在怎么迁移。需求不是从你的历史销量里长出来的，是从外部市场里长出来的。
第二个原因：复盘的责任被默认归给"数据岗"。很多公司让数据分析师主导季度复盘，但分析师手上只有内部数据，没有权限调动市场调研、没有资格挑战商品策略、也背不动下一季的销售目标。结果就是复盘做成了数据展示，没人对"结论质量"负责。
第三个原因：复盘的时间窗口太短、太靠后。很多公司习惯季度结束三周后才开复盘会，这时下一季的备货、排期、预算已经基本定死了。复盘出来的洞察已经错过最佳应用窗口，只能起到"总结经验"的作用，起不到"校准需求"的作用。
接下来我列出的六个误区，是我在与不同团队合作时反复观察到的。前三个是关于"怎么分析"的，后三个是关于"怎么组织"的。每个误区我都会说明：为什么它是错的，以及替代做法是什么。
同比环比告诉你"卖得比去年同期好还是差"，但它不告诉你"我们当初怎么判断这个季度的需求、判断对了还是错了"。
正确的做法是：每个季度开始时就把当时的5-8条核心需求假设写下来，比如"我们判断夏季防晒喷雾的需求会在6月中旬爆发""我们判断宠物洗护类目竞争会加剧导致毛利下降3个点"。季度结束时，逐条对照：对了、错了、还是部分对。这个过程才叫"需求校准"。
销量是已成交需求的体现，但真正影响下一季的机会往往藏在"未成交"里，搜索词里的高需求低供给品类、客服聊天记录里的高频追问、竞品新品评论区里的替代性抱怨。
我在一家家居品牌做复盘辅导时，让他们把Q2客服系统中"想要但没有"的关键词做了词频统计，发现"宠物友好沙发套"这个词出现了280多次。他们当时SKU库里没有对应产品，Q3立刻上新，首月售罄。这种机会不会从销量表里自己冒出来，必须主动挖。
单品级分析容易陷入局部最优：这个SKU要不要补货、那个SKU要不要降价。但真正需要校准的是品类结构，某个细分需求是不是整体在涨、我们在这个结构里的位置是变强还是变弱。
举个例子，你卖10款保温杯，单品层面看每个月的销量波动很正常，但把10款按"容量""材质""价格带"重新分层后，可能会发现一个趋势：大容量不锈钢款的增速是其他款的3倍，这就是下一季需要加注的方向。
分析师擅长处理数据，但不擅长判断"这个数据对下一季商品策略意味着什么"。让分析师单独写结论，往往写出来的都是"销量环比增长5.2%""退货率下降1.8个百分点"这种描述性结论，而不是"我们下季度应该把防晒类目SKU从8个压缩到5个"这种行动性结论。
我的建议是：复盘结论由商品/运营负责人主笔，分析师只负责提供数据支撑和交叉验证。前者对业务负责，后者对数据质量负责，两个角色各司其职。
这两种极端都会摧毁复盘的价值。追责会让所有人只讲对自己有利的数据，隐瞒真实问题；庆功会让所有人停止思考，只讲成绩不讲风险。
健康的状态应该是：每个人主动报告"我上季度哪个需求判断失误了"，而不是"我上季度完成了多少指标"。前者是校准型文化，后者是打分型文化，长期看前者产出价值高得多。
大多数团队做完复盘就把它归档进共享盘，再也没人打开。下一次做需求预测时，又重新拍一次脑袋，完全不参考上次的教训。
我的做法是：建立一个持续更新的"需求假设台账"，把每次复盘得出的判断写进去，标注验证时间、验证结果、偏差原因。这个台账累积3-4个季度后，就变成公司最值钱的资产之一，它记录的是一整套"如何判断自己市场"的经验。
知道了误区，接下来讲应该怎么做。我把需求校准型复盘拆成五层推理，从下到上依次是：数据层、归因层、外推层、假设层、行动层。每一层都对应一个具体问题，一层一层推上去，结论才稳。
很多分析岗拿到一堆数据就开始堆报表，其实真正驱动需求判断的数据只有三类：
这三类数据之外的数据，大多数对需求判断帮助有限。比如员工排班、仓储费用明细、广告投放的点击位置分布，这些可以看，但不必进入季度复盘的核心材料。
当我发现某个品类实际销量比预测低30%时，我会把差异拆成三段：
这三段的比例决定了下一季该调什么。第一段重，说明要修正市场判断；第二段重，说明要补运营短板；第三段重，说明要调品类结构。如果只写"销量未达标"，就什么也改不了。
复盘的归因只解释过去。要改善下一季需求，必须再加一层"外推"：这个趋势下季度还会持续吗？会加速还是减速？
判断外推，我一般看三个证据：消费者搜索趋势的斜率、供给侧的反应速度、平台算法的偏好方向。三个都向上，那这个需求大概率延续；三个分歧，就用保守估计；三个都向下，立即停止追加资源。
很多复盘之所以落不了地，是因为结论太含糊。比如"夏季防晒需求会上升"这种话，没法验证也没法行动。正确的写法是把它拆成可证伪的假设，例如："我们假设6月1日-15日期间，防晒喷雾类目在平台的自然搜索量会同比增长35%以上"。
假设必须包含：对象、时间窗、方向、幅度。缺一个都不行。这样到下季度复盘时，才能明确说"这条假设对了还是错了"。
假设不改行动等于没假设。每个被修正的需求假设，都应该立刻对应到三个层面的动作：商品规划层（SKU数量、价格带、上新节奏）、资源分配层（广告预算、库存投入、人力投入）、监测层（用什么指标跟踪这条假设是否成立）。
很多团队做完复盘只到"假设层"就停了，缺少行动映射，导致洞察无法落地。假设层和行动层之间的转换，才是复盘会需要重点花时间的地方。
讲完理论，落到执行层。需求校准最大的难点是"外部数据从哪来"。内部数据只能告诉你过去发生了什么，要外推下一季，必须看外部信号。我这两年用得比较多的工具之一，就是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）这一类的跨境数据分析平台。我下面讲的不是产品评测，而是以它为样本，讲"外部分析工具如何服务季度复盘"这件事。
2024年Q2，我辅导了一个做宠物智能用品的跨境团队。他们的主力品类是智能饮水机、自动喂食器、宠物摄像头三类。Q1复盘时他们发现智能饮水机销量同比只增长4%，远低于预期，但团队内部对"下季度要不要继续押注"分歧很大。
传统分析做不下去了，因为内部数据只显示"卖得不好"，但不知道是"整体品类需求萎缩"还是"我们这一款产品力有问题"，还是"整个赛道被其他形态的产品分流了"。
我带着他们的品类负责人做了一次外部数据扫描，主要看三件事：
看完之后结论很清晰：品类大盘没萎缩，萎缩的是他们所在的"基础款无功能差异"细分，带UV杀菌和带APP联动的中高端细分在快速上涨。这直接推翻了他原本"市场不要了"的假设，把下一季的问题重新定义为"要不要重构产品线，切到中高端细分"。
把外部分析工具放在我前面讲的五层推理里，它主要服务的层面有三个：数据层的外部类数据、外推层、假设层。它不替代内部数据，也不替代归因和行动设计，但能在复盘最缺外部视角的时候提供支撑。
| 复盘层次 | 内部数据能否覆盖 | 外部工具的作用 | 使用频率建议 |
|---|---|---|---|
| 数据层（结果类） | 能 | 不需要 | ， |
| 数据层（过程类） | 能 | 可交叉验证（如站内搜索词与平台大搜索词对齐） | 每季度 |
| 数据层（外部类） | 不能 | 提供类目大盘、竞品上新、结构位移 | 每季度必做 |
| 归因层 | 部分能 | 辅助判断"需求没来"还是"没接住" | 每季度 |
| 外推层 | 不能 | 核心价值所在：趋势斜率、竞争密度变化 | 每季度必做 |
| 假设层 | 不能 | 为假设提供方向参考，但假设本身仍由业务方提出 | 每季度 |
| 行动层 | 能 | 不直接适用 | ， |
这个表格我建议每个做复盘的人贴在工位上。它清楚地说明：外部工具不是万能药，它的价值集中在"数据外部类、外推、假设"这三块。如果你的团队连内部数据都没理清，先补内部；如果内部已经很清晰但还是判断不准下一季，那就该引入外部视角。
回到宠物智能用品这个案例。他们看完结构位移数据后，做了一个非常明确的调整：Q2开始砍掉了3款无功能差异的基础饮水机SKU，把预算集中到UV杀菌款和APP联动款两个细分。Q3结束时，这两个细分品类贡献了该团队宠物线整体62%的毛利，而Q1时这个数字只有21%。
这不是一个"用了什么工具立刻翻盘"的故事，而是"补上外部数据视角后，复盘终于能推导出下一季应该押注什么"的故事。季度复盘真正改善市场需求的核心机制，就是把"我们猜下季度市场会怎么变"这种拍脑袋判断，换成有外部趋势支撑的需求假设。
需求校准型复盘不是一套死板流程，不同规模、不同成熟度的团队应该走不一样的路径。我按团队规模分四档，分别给建议。
这个阶段的团队没有分析资源，最忌讳学大公司铺流程。我的建议是做极简版复盘：
小团队的优势是决策快、执行快，流程可以少但要保证"假设-行动"这条链路是完整的。
这个阶段开始有专职商品或运营岗，可以做结构化的季度复盘。
这个阶段需要制度化的复盘体系，也要防止流程过度笨重。
这两种场景下，复盘重点不同。新品类探索期的复盘重点是"需求到底有没有起来、起来了是什么形态"；强衰退期的复盘重点是"哪些需求是永久性萎缩、哪些只是阶段性波动"。
这两种场景我都建议把复盘频率从季度缩短到月，因为环境变化太快，季度粒度反应太慢。
任何方法论都有代价。需求校准型复盘听起来很美，但它是有成本的，不是所有团队都能承受。我下面讲三组典型取舍，你看看自己在哪一组。
需求校准型复盘比传统复盘更慢，因为多了外部数据扫描、三段归因、假设外推这几步。我的经验是：一个中型团队做一次完整的需求校准型复盘，需要2-3周的准备时间。
如果你们团队的决策节奏很快，无法接受2-3周的准备周期，可以考虑把完整的季度复盘换成"季度轻校准+年度重校准"的组合：每季度做一次简化版（只做最关键的3条需求假设校准），每年做一次完整版。
需求校准天生是跨部门的，因为它要同时看商品、市场、供应链、财务。但跨部门协同的会议成本很高，也容易扯皮。
我的建议是：复盘本身由商品或运营主笔，但每个结论都要经过对应部门"签名确认"。不要求所有人共写文档，但要求每个关键假设都有责任人背书。这样既保留了跨部门视角，又不增加沟通成本。
外部分析工具（如数跨境类平台）能快速补上外部视角，但每年有成本，且无法完全定制。自建数据能力更贴合业务，但投入至少半年以上、需要专门团队。
| 方案 | 启动成本 | 见效周期 | 适用场景 |
|---|---|---|---|
| 纯内部数据 | 低 | 立即 | 内部数据已经积累清晰、只差方法论的小中型团队 |
| 引入外部工具 | 中（年费+学习成本） | 1-2个季度 | 内部清晰但缺外部趋势、希望快速搭建外部视角的团队 |
| 自建数据中台 | 高（人+时间+预算） | 6-12个月 | 年GMV过亿、品类众多、有稳定分析团队的大公司 |
| 混合方案 | 中高 | 3-6个月 | 先用工具跑通方法论，再逐步自建沉淀 |
我个人的建议是：中型团队先用外部工具跑3-4个季度，把方法论跑稳，再根据沉淀情况决定是否自建。先自建再找方法论，往往做得又慢又不准；先用现成工具快速试错，再决定投多少资源自建，风险小得多。
最后一部分，我把整个方法浓缩成一份可以直接套用的模板。我叫它"季度复盘需求校准画布"，一共六个模块，每个模块只需要1-2页。整个画布填完大约需要3-5天（不含数据准备时间），比42页PPT省时间得多。
在季度初写下的5-8条需求假设，逐条列出：假设内容、判断依据、下季度验证节点、验证结果（对了/错了/部分对）、偏差原因。
示例结构（伪代码形式展示）：
假设ID: H2024Q1-03
假设内容: 夏季防晒喷雾在6月中旬会出现需求峰值
判断依据: 去年同类目搜索量在6月10-20日集中上升；今年气温预报提前
验证时间: 2024-07-01
验证结果: 部分对
偏差原因: 峰值出现时间晚了5天；峰值幅度低于预期12%
下季度修正: 峰值时间预测窗口放宽到6月上旬-下旬；幅度保守下调10%
对应行动: Q2防晒类目备货延后1周；广告投放启动时间推迟5天
这种结构化的假设卡片，比一段文字描述清晰得多。每季度累积8-10张卡片，一年后你就有了一份完整的"需求判断演变史"。
只针对未达标的品类或SKU，用表格填写三段归因的具体比例和支撑数据。
| 品类/SKU | 需求未到（%） | 未接住（%） | 溢价流失（%） | 主要支撑证据 |
|---|---|---|---|---|
| 宠物饮水机-基础款 | 65% | 20% | 15% | 类目大盘搜索量平稳，但基础款细分搜索量同比-38% |
| 智能喂食器-A款 | 30% | 55% | 15% | 需求在但详情页转化率比同类目均值低1.2个百分点 |
| 宠物摄像头-B款 | 20% | 20% | 60% | 价格带比同配置竞品高18%，毛利率虚高但销量承压 |
这三行分别代表三种不同的修正方向：第一个要修需求判断，第二个要修运营细节，第三个要修价格策略。用三段归因把"卖得不好"这种模糊判断切开，才能开出对的药方。
由商品岗或运营岗负责准备，1-2页，只包含三件事：类目大盘趋势、结构位移、竞争密度变化。不要堆数据，只写"结论+1个支撑证据"。
比如你可以这样写一条：
结论: 宠物智能饮水机整体需求平稳，但"带UV杀菌"细分需求过去6个月同比增长142%
支撑证据: 主要平台该功能的搜索量从1.2万/月上涨到2.9万/月
行动建议: Q2起对UV杀菌款SKU从3款扩到6款，测试更多价格带
来源: 外部分析平台类目监控数据（Q1季度快照）
这是复盘真正的产出。要求每条假设必须包含对象、时间窗、方向、幅度、验证方法。
写假设的时候要避免两个极端：不要写"市场需求会上升"这种没法证伪的话；也不要写"某SKU在7月15日会卖出1200件"这种精确到失去意义的话。合理的粒度是"某细分类目在下一季度的搜索量同比增速区间"这种粒度。
每条假设至少对应一个行动，行动要落到具体部门、具体时间、具体资源。
| 假设ID | 假设内容摘要 | 对应行动 | 责任部门 | 启动时间 |
|---|---|---|---|---|
| H2024Q2-01 | UV杀菌款搜索量继续高增 | SKU从3款扩到6款 | 商品 | 4月第2周 |
| H2024Q2-02 | 基础款需求继续萎缩 | 压缩2款SKU腾出库存资金 | 商品+供应链 | 4月第1周 |
| H2024Q2-03 | APP联动功能溢价能力稳定 | 主推价格带上调8% | 运营 | 4月第3周 |
把本季度的假设清单、验证结果、偏差原因、下季修正，全部更新到持续积累的"需求假设台账"里。这是跨季度复利的来源。
台账至少累积4个季度，才能看出你自己的"需求判断命中率基线"是什么水平。有了基线，下个季度的复盘就有参照系，是超常发挥还是回归均值，一目了然。
回到开头那位运营总监。后来我陪他们重做了Q4复盘，用上面这套画布。过程其实很普通，没有惊天动地的洞察，但有一件事变了：复盘结束时，团队明确修正了5条下一季度的需求假设，并对应到具体的SKU调整、预算调整、监测指标。Q1他们的主要品类预测偏差率从35%左右降到18%，虽然还有很大优化空间，但方向对了。
我想强调的独特观点是：季度复盘不是一次"总结会"，而是一次"假设校准会"。它的价值不体现在PPT有多少页、数据有多全，而体现在会后有多少条需求假设被改写，以及这些改写最终改变了什么决策。
如果你的团队现在季度复盘做完，所有人继续按原计划干活，那这份复盘大概率是白做的。你可以从下一次复盘开始，用这套画布试一次：
这五步不需要新系统、不需要组织变革、不需要老板批准，任何一个商品或运营岗都可以自己开始。做三个季度之后，你会发现自己对市场的判断明显更有底气，因为你的每一条判断，都是被历史验证过的，而不是凭空想出来的。
最后提醒一句：需求校准是一件长期主义的事。不要指望一个季度就见效，也不要因为一两次判断失误就放弃这套方法。它真正的价值，是在4-6个季度之后累积出来的能力，那种不需要拍脑袋、有数据有逻辑有历史参照来判断市场的能力。这才是"用季度复盘改善市场需求"这句话真正的重量。
我们团队每季度都做复盘，但每次就是拉一遍销量、同比、环比，PPT写完汇报完就归档了。下一季做需求预测的时候，还是凭经验拍脑袋，感觉复盘和需求判断完全是两条线。我一直搞不清楚，到底复盘时该重点看哪些数据，才能让下一季的需求判断更准？
复盘要跳出'只盯销量结果'的习惯，重点看四类数据：一是销售结构数据，拆到品类、价格带、新老客维度，看哪些需求被满足、哪些被忽略；二是需求偏差数据，把上季预测值和实际值做差值归因，区分是判断失误、执行滞后还是外部突变；三是外部信号数据，包括平台搜索趋势、竞品上新节奏、用户评价里的高频关键词；
四是品类机会数据，用'增速×毛利×竞争密度'三个维度做矩阵，识别下一季可以加码的方向。判断依据是：如果某一类数据连续两个季度都指向同一个结论，它才值得写进下一季的需求假设清单，单季度的波动只能作为参考，不能直接改预测模型。
数据口径上，建议把'预测偏差率'控制在正负15%以内作为健康线，超过25%就必须在复盘里单独归因。
我们做的复盘报告每次都是几十页PPT，数据很全，但业务、市场、供应链几个部门看完各有各的理解，最后还是各干各的。老板也说过几次'复盘要落地'，但我真的不知道报告该怎么改，才能让大家真的拿它去做下一季的决策。
关键是把'汇报型报告'改成'假设型报告'。具体做法是：报告结尾不要只给结论，而是输出一份'下一季需求假设清单'，每条假设写清楚，假设内容、支撑数据、验证方式、责任人。
比如'假设Q3中端价格带需求会增长20%，依据是Q2该价格带搜索量环比+35%、竞品上新2款，验证方式是7月前两周的实际动销率，责任人是品类运营'。这样跨部门拿到的不再是'过去的总结'，而是'下一季要一起验证的假设'，市场可以据此排投放节奏，供应链可以据此备货。
判断一份复盘报告是否合格，就看你能否从里面直接拎出3-5条可以执行、可以验证、有人负责的需求假设。做不到，就还是汇报材料，不是决策材料。
我们是个不到10人的小电商团队，没有分析师，数据基本都是运营自己拉。每次想做季度复盘，光是整理数据就要花两三天，分析深度也不够，最后出来的东西自己都不太信。想问问有没有适合小团队的轻量级复盘方法，不用那么复杂但真能用起来。
小团队复盘的核心不是'做全'，而是'做准三个问题'。第一，本季度卖得最好的3个SKU和最差的3个SKU分别是什么，原因是什么，各写一句话；第二，本季度实际销量和上季度末的预测差了多少，差在哪个品类；第三，本季度用户在评价、客服、社群里提到最多的3个需求词是什么。
这三个问题用Excel加平台后台数据一天就能跑完，不需要复杂工具。判断依据是：小团队的人力决定了你只能抓最关键的信号，与其做一张全维度的大表，不如把这三个问题的答案连续跟踪四个季度，你会比很多大团队更早看到需求拐点。
数据口径上，SKU层面建议用'销量×毛利率'排序而不是纯销量，用户需求词建议用词频而不是主观感受，这样结论更稳。
上季度我们预测某品类会涨30%，结果只涨了8%。复盘的时候团队吵起来了：运营说是市场判断错了，市场说是运营没执行到位。我自己也分不清到底是哪一环出了问题，导致这次复盘卡在这里，下一季的方案也定不下来。
区分方法是用'三段归因法'拆解偏差。第一段看需求判断层：上季度做预测时依据的外部信号（搜索趋势、竞品动作、行业报告）是否真实存在且方向一致，如果信号本身就不支持+30%，那就是判断失误；
第二段看资源投入层：预算、人力、投放排期是否按预测目标足额配置，如果预测+30%但预算只按+10%配的，那是资源错配；第三段看执行效率层：在资源和判断都到位的前提下，转化率、动销率、上新节奏是否达标，不达标才是执行问题。
判断依据是：三段里只要前一段出问题，后面的归因就不成立，不能跳过前两段直接骂执行。数据口径上，建议把'预测偏差'拆成'信号偏差'和'执行偏差'两个绝对值，前者用外部数据回溯验证，后者用内部KPI完成率验证，这样复盘会上就不会互相甩锅，而是能明确指出下一季该改哪一段。
读者评论
看完挺有共鸣，我们公司季度复盘就是42页PPT，开完会该干嘛干嘛，根本没人追问需求假设对不对。
把复盘定位成需求假设校准器这个角度很新，尤其是最后30分钟直接开修正会，避免洞察衰减，值得试试。
那个漏斗图太真实了，38条洞察最后只剩1条落地，说明不是复盘没用，是机制有问题。
六个误区里我们中了四个，尤其是分析师单独写结论和复盘会开成表彰会，改起来不容易。
需求假设台账是个好办法，但前提是团队愿意承认自己判断错了，不然记了也是白记。