去年秋天，我陪一家做家居跨境的客户做系统复盘。他们两年前上马了一套功能极其完整的数据分析平台：能接二十多个数据源、能做自定义看板、能跑归因模型、还能对接自建的数仓。合同金额六位数，实施周期四个月。上线三个月后，我打开后台看了一眼账户活跃度，日活账户两个，一个是老板，一个是IT管理员。业务团队四十多号人，没人用。
老板跟我说了一句话，我记到现在：“我们不是不会选工具，我们是没搞清楚自己是谁。”
这句话其实就是本文要拆的核心命题：外贸数据分析平台的选型，本质上不是一场功能对比，而是一次客户画像与平台能力的匹配工程。客户画像决定数据从哪里来、分析到多细、结果交给谁看，这三个问题一旦没想明白，功能越多的平台反而越容易失败。下面我把自己这几年做选型陪跑、复盘和踩坑的经验完整拆一遍，包括四类典型画像的选型逻辑、常见的四个致命误区、一套可落地的四步决策法，以及不同情况下的取舍底线。
很多人在搜“外贸数据分析平台怎么选”的时候，期待看到的是一张平台功能对照表。但我必须先泼一盆冷水：功能对照表对选型决策的帮助，远低于你对自己业务形态的一次诚实盘点。原因在于，功能是“平台能做什么”，而客户画像决定的是“你的数据能做到什么”。前者是供给，后者是约束，约束不成立，供给再多也白搭。
同样是做外贸，一个纯亚马逊卖家和一个工贸一体企业，数据源数量差了十倍。前者可能只需要接亚马逊后台、广告后台和收款账户；后者需要接ERP、CRM、生产排期、报关单据、海外仓库存。
如果一个工贸一体企业去选主打“轻量店铺数据分析”的平台，第一阶段就会卡在数据对接上，不是平台不好，是它的数据模型压根不是按制造型业务设计的。反过来，一个三人的SOHO团队如果选了需要先建数仓、再做ETL的平台，光实施周期就能耗掉他半年的精力。
我经常问客户一个问题：你要的是“这个月哪个店铺赚钱”，还是“这个SKU在德国站的广告花费里有多少是无效点击”？这两个问题的技术成本差得非常远。
前者是店铺级汇总，一张表加一个看板就够；后者需要点击级别明细、归因窗口配置、广告结构映射。很多企业选型失败的根因，是拿着“店铺级的需求”去买“点击级的工具”，然后被实施成本劝退。
老板要看的是手机上一张利润概览，运营要看的是可以下钻到SKU的明细表，业务员想看的是自己名下客户的跟进提醒。这三个角色对“交付形式”的要求完全不同。
如果平台只能输出PC端复杂看板，业务员就不会打开；如果平台只做移动端简报，运营就没法做深度分析。交付形式不匹配，是“上线即弃用”最常见的直接原因。
把这三个结论放在一起，就得到一句可以贴在选择会议白板上的话：画像决定需求优先级，需求优先级决定选型标准，选型标准才决定功能清单里哪些是“必须”、哪些是“可以砍”。
要理解为什么客户画像会影响选型方法，得先理解外贸企业的数据分析需求是怎么长出来的。它不是被“数字化转型”这种口号催熟的，而是被三个非常具体的经营压力推出来的。
一个中型跨境电商团队，通常同时在运营亚马逊、Shopee、TikTok Shop、独立站，可能还有eBay和速卖通。每个平台一套后台、一套报表口径、一套结算周期。
运营想问“这个SKU这个月到底赚不赚钱”，需要在四个后台之间来回切换，手工导出，再在Excel里拼表。我见过最夸张的一家，运营每周花8到10小时做这个拼表动作，而且由于汇率和结算周期差异，拼出来的数字和财务口径永远对不上。
这是外贸数据分析平台存在的第一层价值：把碎片化的后台口径统一成一套内部口径。但请注意，如果你的业务只有单一平台，这一层价值对你几乎是零。
过去几年跨境广告的ACOS整体在上升，这是行业公开的体感。当广告花费占销售额比例从15%涨到25%以上时，“不分析广告”就从“少赚”变成“亏钱”。
这时候企业会开始关心更细的问题：哪个广告组的转化成本最高、哪些关键词吃掉了预算但没带来成交、哪个时段的点击最不划算。注意，这个需求的出现是阶段性的，它不是所有外贸企业的共同需求，而是达到一定广告体量之后才会出现的需求。
我见过太多企业，销售额年年涨，年底一算账发现没赚到钱。原因往往不是经营问题，而是成本项没被完整纳入。
一笔订单从成交价到净利润，中间要扣掉的东西远比想象中多。下面是我在一家客户那里整理出的真实核算链条，也是我建议所有外贸企业在选型前必须先跑通的口径：
订单级净利润核算口径（示例）
成交价（含税/不含税需统一）
− 平台佣金（按类目费率，随站点变化）
− 支付通道费
− 头程物流（按体积重分摊到SKU）
− 仓储费（含长期仓储附加）
− 尾程配送费
− 广告花费（按归因窗口分摊到订单）
− 促销折扣与优惠券
− 退款与售后成本
− 采购成本（含包材）
− 汇率损益（结算日 vs 入账日）
= 订单净利润
关键约束：
这份口径看起来简单，但我几乎没见过哪家企业第一次就写全。而能不能把这份口径落到系统里，恰恰是判断一个平台适配度的最硬指标。
把上面三个压力叠在一起，再叠加企业规模，我大致把接触过的外贸企业分成四类。这四类不是按GMV简单切分，而是按数据成熟度切分，这是我个人在实践中觉得最有效的切法。
第一类是SOHO与初创型。一到三人，单一平台或双平台，用Excel管理，没有ERP，决策者就是执行者。他们的核心诉求是“今天投的广告明天能不能看到效果”。
第二类是成长型外贸企业。十到五十人，多平台多店铺，有基础ERP或进销存，有专职运营但没有专职数据分析岗。核心诉求是“口径统一”和“团队协作”。
第三类是平台大卖家。五十人以上，多站点多类目，有成熟的运营中台思维，广告投放精细化程度高。核心诉求是“明细颗粒度”和“自动化”。
第四类是工贸一体企业。有自有工厂或深度供应链，销售端与生产端需要联动。核心诉求是“端到端打通”和“定制化分析”。
我在陪跑选型时，最常见的情形是客户拿来一份自己做的功能对比表，上面列了三四十个功能项，打勾打分。这份表做得很认真，但它几乎注定会导向错误的决策。下面四个误区，是我见过的最高频的四种。
功能清单的本质是“可能性清单”，不是“价值清单”。一个平台有五十个功能，但你的团队可能只会用到三个。
更麻烦的是，功能越多通常意味着配置项越多、学习曲线越陡、实施周期越长。功能数量和使用率之间，在很多企业里是负相关关系。我整理过一个粗略的观察：在功能项超过四十个的平台上，中小外贸企业的首月活跃率普遍低于功能项在十五个以内的平台。
原因是显而易见的：中小团队没有专职数据分析岗，没有人有时间去配置一个需要两周才能跑通的看板。他们要的是“打开就有、看了能用”。
这是最隐蔽的一个误区。很多平台的技术能力确实强，支持自定义SQL、支持多维建模、支持复杂权限体系。但技术能力强，不等于它懂外贸业务。
举个具体例子：一个通用BI工具可以画出任何图表，但它不知道“亚马逊的结算周期是14天”“广告归因窗口有1天/7天/14天三种口径”“头程物流要按体积重而不是实重分摊”。这些业务规则需要有人预先内置，或者需要企业自己配置。
选型时要问的问题不是“这个平台能不能做出来”，而是“这个平台默认给我做出来了多少”。默认做出来的部分越多，你的落地成本越低。
数据成熟度是客户画像里最容易被忽略的维度。它由三件事决定：有没有统一的数据字典、有没有人负责口径维护、团队平均的Excel水平如何。
如果这三个答案都是“没有”，那么任何需要先做数据治理的平台，在你这里都会变成烂尾工程。我见过不止一家企业，买了平台半年，还在“梳理字段”阶段。
“某某头部大卖用的就是这个平台”，这句话在选型会上杀伤力极大，但它其实是无效论证。头部大卖有人力、有技术、有资本去承担高实施成本，你没有。
更现实的做法是把参照对象换成“比我大一号、业务模式相似”的企业，而不是行业天花板。这个参照系才具备可迁移性。
讲完误区，说说我自己在用的方法。这套方法的核心思路是反向推演：不从平台功能出发，而从客户画像出发，一路推到“什么功能是必须的”。它一共四步，我在七八个项目上用过，基本能把大部分不合适的选项在第一周就筛掉。
这一步看起来最虚，实际上最关键。我通常要求客户列出所有会登录平台的角色，然后为每个角色回答三个问题。
下面是我在项目里用的角色盘点模板，可以直接照着填：
角色盘点模板
角色名称：________（如：运营主管 / 老板 / 业务员 / 财务）
使用频率：________（每天 / 每周 / 每月 / 只在异常时）
核心问题：________（只写一个，如“哪个SKU该砍”）
期望输出：________（数字卡片 / 明细表 / 预警 / 周报）
决策权限：________（看 / 改口径 / 导出给外部）
可接受的学习成本：________（小时）
判断规则：
使用频率为“每月”及以下的角色，不应作为选型的核心约束
使用频率为“每天”的角色超过两个时，协作与权限成为必须项
“期望输出”为预警的角色，必须有自动化推送能力
这个模板的最大价值不是填出来的答案，而是暴露出“没人用的角色”。我遇到过一家企业，盘点之后发现有六个角色，其中四个每月只用一次。如果按六个角色去选型，一定会过度设计。
第二步是把所有数据源列出来，然后强制分成三类：必须系统自动接入、可以Excel手工导入、暂时不需要。
这里有个经验判断：更新频率高于每周的数据源，必须自动接入；低于每月的，手工导入完全可接受。因为手工导入的成本主要在“记住要做”这件事上，高频数据靠人是靠不住的。
我见过最典型的浪费，是一家月均订单三千的企业，坚持要把海外仓库存明细做到实时同步。这个需求本身没错，但它的实施成本是自动化的三倍，而产生的决策价值，因为他们的补货周期本来就是每两周一次，几乎为零。
第三步是收敛。我建议所有企业在选型前，先确定一组“最小可用指标集”，数量控制在十到十五个之间，覆盖收入、成本、流量、转化、库存五个方向。
这个过程最重要的作用是暴露口径分歧。我在项目里做过一次测试：让同一个团队的三个人各自写出“毛利率”的计算公式，结果六个人写出四种不同版本，差异集中在是否含运费、是否含广告费、是否按结算日汇率。这四种版本放在同一张看板上，就是一场灾难。
前三步都是纸面工作，第四步必须动手。我通常会准备三个测试场景，要求候选平台现场跑一遍。
（1）异常场景测试：给一个已知有问题的SKU，看平台能不能在五分钟内定位到是哪个成本项异常。
（2）口径变更测试：临时改一次广告分摊口径（比如从7天归因窗口改成1天），看平台需要几步操作、是否影响历史数据。
（3）新人测试：找一个没用过这个平台的运营，给他十五分钟，看他能不能自己找到“昨天哪个广告组花费最高”。
这三个场景跑完，适配度基本就出来了。我个人最看重第三个，因为它直接预示了未来的使用率。
方法论讲完，需要落到具体对象上。我选择用数跨境（官网入口：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）作为案例，原因有几个：它是国内做跨境电商数据分析比较有代表性的一类产品，覆盖了多平台店铺数据接入、广告分析、利润核算和自定义报表这些外贸企业最核心的需求；
同时它背后是BI能力体系，所以能比较清楚地展示“标准化默认能力”和“自定义扩展能力”两端的边界。用它做案例，方便我讲清画像匹配的差异。
需要说明的是，下面的数据是我基于实际接触案例整理的观察值，部分为样本推演，不是平台官方统计，请按参考基准理解。
（1）画像特征：一到三人，预算敏感，没有专职数据岗，通常只经营一个主平台加一个辅助平台，Excel是主要工具。
（2）核心需求：快速看到广告效果和订单利润，最好当天就能出结论。扩展性、权限体系、定制化建模对他们没有价值。
（3）选型侧重：默认模板的完整度、开箱即用的指标数量、移动端可用性。判断标准很简单，如果第一天注册、第二天还没看到自己店铺的数据，这个平台就不适合你。
（4）取舍提醒：这类画像最容易被“功能全”吸引，然后为用不上的能力付费。我的建议是优先看平台是否提供预置的行业模板和默认利润口径，因为你自己没有能力去配。
（1）画像特征：十到五十人，多平台多店铺，运营和业务分离，有基础ERP但数据没打通。这个阶段是口径冲突的集中爆发期。
（2）核心需求：把多个后台的数据统一到一套内部口径，让运营、业务、财务看到的是同一组数字，并支持权限划分和周期性报表推送。
（3）选型侧重：数据源接入广度、指标口径的可配置性、角色权限粒度、自动化推送能力。这是四类画像里唯一把“协作”列为核心约束的一类。
（4）落地观察：我在这个画像的企业里观察到，使用率的高低和“是否有人负责口径维护”高度相关。指定一个人兼岗负责指标口径，首月活跃率能提升二十个百分点以上。
（1）画像特征：五十人以上，多站点多类目，广告投放结构复杂，已经有相对成熟的数据意识。
（2）核心需求：广告点击级明细、订单级利润核算、SKU级库存周转、自动预警。他们关心的是“能不能下钻到底”。
（3）选型侧重：明细数据的保留与查询性能、自定义计算字段能力、API对接能力、预警规则配置灵活度。这个阶段，平台的“默认能力”不够用，必须要有扩展空间。
（4）需要注意：大卖最容易犯的错是“用平台替代数据团队”。平台能解决的是工具问题，口径治理和业务解读仍然需要人。我见过的大卖里，用得最好的都有一个两到三人的数据小组。
（1）画像特征：有自有生产或深度供应链，销售端和供应端需要联动，数据源最杂，涉及ERP、生产、报关、海外仓。
（2）核心需求：把销售数据和生产数据放在同一个视图里，回答“哪些SKU该加大排产、哪些该清库存”。
（3）选型侧重：跨系统字段映射能力、自定义数据模型、多组织权限。这一类的选型往往不是选一个平台，而是选一个平台加一个实施伙伴。
（4）现实提醒：这类企业的实施周期普遍在三个月以上，预算里必须预留实施与培训费用，通常占软件费用的百分之三十到五十。忽略这部分预算，项目大概率会卡在中途。
我对这一点的印象来自两家中等规模客户，他们前后脚上了同一类数据分析平台，业务体量接近，但一年后的结果差了三倍。
A企业是成长型画像，三十人，运营六人。他们上线前做了两件事：一是花一周梳理出十二个核心指标的口径文档；二是指定一位运营主管兼岗负责口径维护，每周花两小时核对异常数据。
B企业体量接近，但上线时直接让IT部门主导，业务团队只参与验收。结果三个月后，业务觉得“数字不准”，IT觉得“业务不配合”，平台被搁置。
A和B的差别不在于平台，而在于他们的客户画像里“谁来维护口径”这个维度有没有被识别出来。B企业的画像其实是缺失的，他们默认这件事不需要人负责。这就是我在前面反复强调的：画像不清，选型必偏。
前面是判断逻辑，这一节给可以直接执行的动作。我按数据源数量和团队规模，把企业大致分成四种情况，每种给出建议路径。
如果你只运营一个平台，月订单量在千级以内，我的建议是先不要采购独立的数据分析平台。
理由：平台自带后台已经能覆盖你百分之七十的需求，剩下百分之三十可以用一张固定的Excel模板解决。此时采购平台的边际收益极低，而学习成本和学习期的心态消耗是实打实的。
什么时候该行动：当你每周花在手工拼表上的时间超过三小时，或者你开始同时运营第三个平台时，就是切换的信号。
这个阶段的核心矛盾不是“能不能看到数据”，而是“三个人看到的三个数字不一样”。
建议动作：先用一周时间，把十个核心指标的口径写成文档，明确每个指标的分子分母、数据来源、汇率口径、更新频率。这份文档比任何平台都重要，它是你验证平台的标尺。
然后带着这份文档去试用平台，重点看平台能不能配置出你定义的这十个指标。能配出来，说明适配；配不出来，或者配置成本过高，就换一家。
这个阶段容易出现“需求散、谁都要”的局面。老板要汇总，运营要明细，业务要跟进，财务要对账。
建议动作：按我在第四节给的角色盘点模板填一遍，然后强制排序，只允许三个角色的需求进入选型标准，其余角色列为“二期需求”。
这个动作会让选型范围瞬间收窄一半以上。我做过统计，采用这种方式的企业，平均候选平台数量从九个降到四个，决策周期从六周缩到三周。
这个阶段的企业，问题通常不在工具层，而在数据层的组织问题。字段命名不统一、主数据不一致、系统间无唯一键，任何平台接进来都会先撞上这些墙。
建议动作：先做一个为期四到六周的“数据源盘点 + 主数据对齐”的小项目，产出一份字段映射表和口径文档，再启动平台选型。顺序颠倒的代价是实施周期翻倍。
预算上，我建议按“软件费用 : 实施培训费用 : 内部人力投入 = 1 : 0.4 : 0.6”的比例做三年规划。很多企业只算第一项，结果后两项超支导致项目停摆。
选型到最后，一定会遇到几组无法两全的矛盾，必须做选择。我把最常见的四组列出来，并给出我自己的取舍倾向。
这两者几乎不可能同时最优。默认能力强的平台，业务开箱即用，但遇到非标场景就束手束脚；自定义能力强的平台，什么都能做，但什么都要自己配。
我的判断标准是看你的业务里“非标场景”占多大比例。如果你的业务有百分之八十是标准电商流程，只有百分之二十是非标，选默认能力强的平台，把非标部分用Excel补。如果非标占一半以上（典型的工贸一体），就必须选扩展能力强的平台，并接受更高的实施成本。
这里有一个具体的判断动作：数出你过去三个月里“无法用现有模板回答”的问题数量。超过十个，说明你需要扩展能力；少于五个，标准化就够。
很多企业在选型时倾向于“一次接全”，认为这样才彻底。但从项目成功率看，分批接入明显更高。
我的建议是按“决策影响度”分批：第一批只接影响最大的一到两个数据源（通常是主平台订单和广告），跑通后再接第二批（财务、库存），最后才是边缘数据源。
理由是：第一批跑通能建立团队信任，而信任是数据分析平台能否活下去的唯一前提。我见过太多项目卡在“数据还没接完，团队已经失去兴趣”的阶段。
自建的优势是数据自主、无限定制；劣势是成本高、周期长、需要持续维护。采购的优势是快、成本可控、有成熟模板；劣势是受平台能力边界限制。
我的经验判断是：年GMV低于五千万、团队内没有三名以上数据工程师的企业，几乎不应该考虑自建。自建数仓的真实成本不只是开发，还有后续每年百分之二十到三十的维护投入，以及永远招不满的岗位。
反过来说，如果你的数据敏感度极高（比如涉及定制产品的成本结构），或者业务模式在市场上找不到匹配的产品，自建才有合理性。
这是最多企业算错的一笔账。大家习惯比“哪家平台便宜”，但真正的成本是工具成本加内部人力成本。
一个便宜但需要大量手工配置的平台，表面上省了两万块，实际上可能每年多消耗一名运营三分之一的工作时间。按人力成本折算，这笔账往往是亏的。
我建议在做决策时，把内部时间成本按“参与人数 × 每周小时数 × 52 × 人力单价”折算进去，然后比较三年总成本。这个方法在我参与的项目里，至少让三家客户改变了原本的选择。
回到开头那个日活两个人的故事。后来我们做了一件事：把客户画像重新盘了一遍，发现他们的业务模式其实是标准的平台型卖家，非标场景极少，但当初选型时按“工贸一体”的需求买了高扩展平台。
调整之后，他们换了一套默认能力更强的方案，实施周期从四个月缩短到三周，三个月后日活账户从2个涨到31个。
这个案例给我的结论很简单，也是本文想传递的核心判断：外贸数据分析平台的选型方法，不是“比功能”，而是“先定义自己，再匹配能力”。客户画像之所以影响选型方法，是因为它决定了你的数据入口在哪、分析需要多细、结果交给谁，这三个问题一旦明确，选型就从一道主观题变成了客观题。
如果你现在正准备选型，我建议你按这个顺序动手：第一步，用第四节的角色盘点模板列出所有使用者，把每月只用一次的角色划到二期；第二步，按“更新频率高于每周必须自动接入”的规则，把数据源分成必须、可手工、暂不需要三类；第三步，写下十个核心指标的口径文档，这份文档会成为你测试所有平台的标尺；第四步，用异常定位、口径变更、新人上手三个场景实测候选平台。
如果你已经买了平台但用不起来，也不一定要换。先检查两件事：有没有人负责口径维护，有没有分阶段推进接入。这两件事补齐，很多“不合适”的平台会重新变得合适。
最后给你一个可以立刻执行的小动作：打开你现在的数据看板，问三个不同角色的人“这个月利润是多少”。如果三个答案不一样，那你要解决的就不是选型问题，而是画像和口径问题，而这个问题，任何平台都替不了你。
我之前帮公司选过一轮外贸数据分析平台，看了一圈功能介绍觉得都差不多，但真上线之后业务员根本不用。我一直没搞明白，选型前说的‘客户画像’到底指什么？是不是就是公司规模和行业？为什么搞清楚它对选平台这么关键？
外贸场景下的客户画像至少要看四个维度：一是企业规模与团队结构，SOHO、成长型团队、平台大卖家、工贸一体企业的数据需求完全不同；二是外贸业务模式，B2B询盘型、B2C零售型、平台铺货型对数据源的接入方式不一样；
三是数据成熟度，有没有在用CRM、ERP，历史数据是否结构化，决定了平台能不能快速产生价值；四是分析角色，是老板看大盘、运营盯转化、还是业务员查客户，决定了报表形态和操作路径。这四个维度之所以影响选型，是因为它们直接决定三件事：数据从哪里来、分析颗粒度要多细、结果以什么形式交付。
画像不清，选型就变成拿功能清单做对比，最后很容易选到一个功能全但没人用的平台。判断依据很简单：如果一份选型需求文档里写不出‘谁、在什么场景下、多久用一次、看什么指标’，那说明画像还没理清，此时不宜进入平台对比阶段。
我们公司不到二十个人，老板让我调研外贸数据分析平台，但预算卡得很死。我看有些平台功能特别多，销售也说得天花乱坠，可我怕买回来用不上。到底应该优先看什么？是不是功能越全越划算？
中小外贸企业选型的第一原则是匹配而非功能数量。建议优先看三项能力：第一是数据接入的便利性，主流的B2B平台、独立站、邮件和CRM能不能用较低成本接进来，如果需要定制开发才能打通，落地周期和隐性成本会远超预算；第二是上手成本，也就是业务员和运营能不能在半天内学会看核心报表，这直接决定使用率；
第三是结果交付形式，能不能自动推送到日常用的渠道比如邮件、企业微信，而不是要求大家登录一个新系统。功能越全不一定越划算，因为每一个用不上的模块都会增加培训负担和续费时的心理阻力。
可执行的做法是：列出你团队每天必看的三到五个指标，让候选平台用你的真实数据演示一遍取数过程，能顺畅跑通的才进入下一轮，跑不通的直接排除，不要被功能列表牵着走。
我们公司去年还是几个人的小团队，今年扩到了三十多人，还开了新的平台店铺。之前用的工具明显不够用了，但又不确定该按什么标准重新选。是不是企业越大就越要选功能复杂的平台？我想知道不同阶段到底该侧重什么。
发展阶段不同，选型侧重点确实要有明显区分。SOHO和初创团队的核心诉求是轻量和快速见效，重点看开箱即用的模板报表和低成本试用，不必追求数据仓库级别的能力。
成长型外贸企业的痛点是多平台数据分散，选型应侧重多数据源整合能力和团队协作，比如能不能把不同店铺、不同业务员的数据汇总到同一张看板，并设置权限分级。平台大卖家进入精细化运营阶段，重点转向自动化报表、异常预警和转化漏斗分析，人工导数的频率越低越好。
工贸一体企业则要重点评估与ERP、CRM的对接深度，以及是否支持按产品线、工厂维度做定制化分析。所以不是越大越复杂，而是每个阶段要解决的问题不同。判断方法是：把当前最痛的三个数据问题写下来，按发生频率和影响程度排序，选型时优先匹配排第一的问题，其余作为加分项而非必选项。
我们准备启动外贸数据分析平台的选型，但团队内部对需求的理解还不统一，有人想要看询盘转化，有人想要客户跟进提醒，还有人只想要个能导出的报表。我担心这样下去选出来的平台谁都不满意，想在正式对比平台前先做一次自查，有没有具体可操作的清单？
可以用一份五问自查清单来确认画像是否理清。第一问：谁用，列出实际会登录平台的角色，区分老板、运营、业务员，不要写‘全公司’。第二问：用来做什么，每个角色写出三个最高频的动作，比如查某业务员的询盘转化、导出某平台的月度客户明细。第三问：多久用一次，区分每日必看、每周复盘、每月导出，频率决定功能优先级。
第四问：数据从哪来，把所有数据源列出来，标注是系统直连还是手工导入，手工导入的比例越高，越要优先看接入便利性。第五问：结果给谁看，明确报表是内部决策用还是给客户或工厂看，这决定了对准确性和展示形式的要求。五问都能写出具体答案，说明画像已经理清，可以进入平台对比阶段；
如果某一问出现多个互相矛盾的答案，先组织一次内部对齐会，把矛盾点解决掉再选型。这份清单的价值在于把模糊的需求变成可验证的条目，避免选型变成意见之争。
读者评论
作者把客户画像拆成数据源、颗粒度、交付形式三个维度，这个框架比功能对照表实用得多。我们公司就是典型的成长型，之前选平台时列了四十多项功能打分，结果上线后运营根本不用，因为默认配置里没有亚马逊的结算周期和广告归因逻辑，全得自己搭。要是早点看到这篇文章，能少走半年弯路。
有个点想补充：数据成熟度这个维度确实常被低估。我们团队Excel水平参差不齐，有人连VLOOKUP都用不利索，选型时却盯着能不能跑归因模型。文章说‘画像决定需求优先级’，我觉得还得加一条，先评估团队能消化什么，再决定买什么，否则再好的平台也是给IT管理员一个人用的。
利润核算那段瀑布图很真实。我们去年销售额涨了30%，年底一算账净利润反而降了，后来复盘发现头程物流按实重分摊、退款只记当月，口径全错了。文章说‘能不能把口径落到系统里是判断平台适配度的最硬指标’，这句话我深有体会，选型前真得先把这笔账算明白。
作为SOHO卖家，看到上手成本敏感度95分那段直接破防。我之前买过一个功能很全的平台，光配置数据源就花了一周，最后放弃了。现在就用一个轻量工具加Excel，店铺级汇总够用，广告效果第二天能看到就行。文章对不同画像的权重差异讲得很客观，没有一味鼓吹功能多就好。