先讲核心结论
数据库存季节互补这件事，我研究了一年多，跑了十几个中小商家的仓库和后台，得到一个很直接的结论：库存季节互补的本质不是把A商品的淡季塞进B商品的旺季，而是让同一笔钱在不同品类的需求窗口之间有序流动。换句话说，你不需要把两个品类的销量做得一样高，你只需要让它们的峰值和谷值不要在同一个月份重叠。
有一个容易被人忽略的事实：对大多数中小店铺来说，库存周转率提升10%带来的现金流改善，往往比毛利率提升5%更明显。因为毛利率改善只影响利润表，而库存周转改善直接影响的是你下个月有没有钱进货。
这篇文章不打算讲“Excel技巧大全”，也不打算罗列“库存管理108招”。我想把淡旺季库存互补这件事拆成三层：第一层是资金逻辑，第二层是数据方法，第三层是执行取舍。三层都理解了，你的店铺营收曲线才不会在3月塌下去、9月又冲得太猛。
一、先看清背景：你的库存到底在哪个季节“死掉”的
1. 三个典型类目的季节失配现场
先说我观察到的一个真实场景。2023年2月底，我在杭州见了一个做女装的店主。她仓库里压着200多件冬装，春装已经到货，但不敢全上架，因为账上现金只够付一半的货款。同一栋楼里，一个做烧烤食材批发的老板，大年初五就开始备货，他知道元宵节一过，天气转暖，户外烧烤的需求会在两周内起来。
这两个店主的差别不在选品眼光，而在对“库存互补”的底层理解。服装店主想的是“怎么把冬装卖掉”，烧烤食材老板想的是“哪个月份的钱该花在哪个品类上”。前者在解决库存，后者在调度资金。
类似的情况在不同类目反复出现。我简单列一个观察样本：
- 服装类目：冬季销售额普遍占全年35%-45%，但冬装的采购周期从6-7月就开始了，资金占用时间长达6个月以上。
- 节庆礼品类目：情人节、母亲节、圣诞节的销售窗口只有2-3周，剩余时间库存基本闲置。
- 生鲜食材类目：烧烤食材旺季在4-10月，火锅食材旺季在10月-次年2月，两个品类的需求曲线天然错位。
这些不是“库存管理问题”，而是“资金使用节奏问题”。而大部分中小店铺根本没有把资金节奏和季节节奏放在同一张表里看。
2. 一个被我反复使用的简化测算模型
我经常用一个简化的例子向商家说明库存的资金成本：假设店铺全年利润20万元，平均库存金额40万元。如果库存周转时间延长30天，相当于这笔钱在一年里少转了一圈。按年化10%的机会成本估算，一笔40万元的库存，多压一个月，隐性成本大约是3333元。
这个数字看起来不大，但如果四个季度都出现压货，全年光“资金被占用”的隐性成本就超过4万元，相当于吃掉全年利润的20%。更别提清仓折价、仓储管理、商品过季贬值的额外损失。
需要说明的是，这个测算模型是简化示意，不同行业的资金成本、折价率差异很大。但它能帮你看清一个方向性问题：库存互补的首要目标不是“库存周转率”这个KPI，而是“现金流平滑度”。
二、拆解常见误区：四个我认为不太对的“互补”做法
1. 误区一：把“互补”理解成“捆绑销售”
有一种说法很流行：淡季卖不动的商品，和旺季热销的商品捆绑销售，就能带动清库存。这个思路在实践中经常失效。因为捆绑销售改变的是消费者对商品组合的接受度，没有改变品类需求曲线本身。
举个例子，一个卖泳装的店铺，在冬天把泳装和保温杯捆绑，消费者大概率还是不买账，需求驱动因子不同，强行组CP只会让两个品类看起来都不专业。
我的判断是：互补至少有三个层次，有的人只做到第一个层次，就以为做到了全部。
2. 误区二：互补的品类越多越好
我曾经协助一个家居百货店铺分析数据，发现他们店铺SKU数量从400个增加到800个之后，库存周转率反而下降了25%。原因是：每个新品类都需要额外的备货资金、仓储空间和运营认知，当管理复杂度上升的速度超过销售额增长速度时，规模不经济就会出现。
更符合实际的做法是：互补对的数量控制在3组以内。超过3组，你的采购、运营、财务三张表会开始打架。
3. 误区三：淡季就是用来清仓的
多数店铺把淡季当成“清仓期”，这是对现金流最不友好的选择。清仓的本质是折价换现金，折扣越大，全年利润受损越重。
我观察到的另一种做法是：把淡季当成新品的“低成本测试窗口”。因为淡季流量便宜、竞争低、试错成本小，你可以用平时一半的推广成本测试下一个旺季的主推款。这不只是清库存，是在“养”下一季的弹药。
4. 误区四：互补能完全抹平波动
这是对互补策略最大的误解。库存互补只能“平滑”波动，不能“消除”波动。任何品类的销售都受天气、节假日、流行趋势影响，这些因素不会因为你在店里多放了一个反季品类而消失。合理的预期是：通过互补让淡季销售额的不至于腰斩，而不是让淡季和旺季完全一样。
| 误区 | 错误假设 | 更合理的理解 |
|---|---|---|
| 捆绑销售就是互补 | 认为商品组合能改变需求曲线 | 互补是资金在不同需求窗口间流动，不是商品组合问题 |
| 互补品类越多越好 | 认为更多品类能分散风险 | 管理复杂度随品类数量非线性上升，3组以内更可控 |
| 淡季就是清仓期 | 认为淡季只能折价换现金 | 淡季是新品测试的低成本窗口 |
| 互补能完全抹平波动 | 认为曲线可以被彻底拉平 | 只能平滑波动，不能消除波动，合理预期很重要 |
三、专业判断逻辑：怎么判断哪些品类真的“互补”
1. 先找需求驱动因子，而不是看商品相关性
很多人在选互补品类时，习惯看“商品相不相关”。比如卖连衣裙的觉得再卖个防晒衣很合理，但这其实不是互补，因为两个品类的需求驱动因子都是“气温”，它们的销售曲线大概率高度重合。
我判断互补对的标准是：两个品类的销量曲线相关系数为负，或者至少不显著为正。具体操作分三步：
- 第一步：把每个品类近24个月的销售额拉出来，按月度汇总。
- 第二步：标注每个品类的主要需求驱动因子，天气、节日、生活方式变化、学校假期等。
- 第三步：找出驱动因子相反的两个品类，再看它们的销售曲线峰值是否错开至少2个月。
举例来说，秋冬装的需求驱动因子是“气温下降”，驱蚊用品的驱动因子是“气温上升且潮湿”，两条曲线天然错峰。再比如，节庆礼品的驱动因子是“节日日历”，而日常消耗品的驱动因子是“生活消耗速度”，两类的波动节奏完全不同。
2. 识别“伪互补”：三条筛选标准
光看曲线错峰还不够，我会用三条标准过滤“伪互补”：
- 资金占用周期不能重叠：如果A品类在8月就要下采购单，B品类也在8月需要备货，那这两个品类即使销售曲线错峰，采购资金还是会在同一时间冲突，互补效果大打折扣。
- 仓储条件不能冲突：需要冷藏的食品和需要干燥通风的纺织品放一起，再互补也执行不下去，除非你有独立仓区。
- 目标客群不能完全错位：两个品类如果面向完全不同的客户群，意味着你需要两条流量入口和两套运营素材，推广成本会显著上升。互补最好发生在同一批客户的不同需求上。
3. 用“季度资金分配”替代“品类预算”
我做数据分析时有一个习惯：不按品类算采购预算，而是按季度算资金上限。每个季度开始前，明确这个季度可用于进货的总金额，再在互补品类之间分配。
这样做的原因很简单：旺季品类需要资金时，淡季品类就不该占用太多资金。如果按品类做全年预算，资金会在旺季被耗尽，淡季完全没法操作。按季度做资金池管控，互补策略才有真正的操作空间。
四、具体案例：一个女装店铺的16个月互补实验
1. 实验背景与原始数据观察
2022年3月，我协助杭州一个年销售额约300万元的女装店铺做库存结构复盘。当时它的库存情况是：冬季库存占比42%，春季库存占比28%，夏季库存占比19%，秋季库存占比11%。问题很清晰，冬天卖完的钱，全部变成了3月仓库里的滞销冬装。
我们做了个16个月的实验。实验组（2022年3月-2023年6月）在店铺里加入了一个新品类：户外折叠椅和便携餐垫。选择这个品类的原因是：它的需求驱动因子是“户外活动频率”，和女装的气温驱动因子完全不同，而且目标客户高度重叠，都会在周末带孩子去露营。
2. 实验过程中的关键调整
实验不是一次性加入品类就结束。前三个月，户外用品的销售额很低，订单主要来自老客户推荐。到了4月，天气转暖，户外用品的周销售额开始爬升，但这时候我们发现一个问题：户外用品的毛利只有38%，低于女装的52%。
如果只看毛利率，这个品类“不划算”。但如果看资金回报周期，情况完全不同：女装从采购到回款大约需要6个月（含设计、生产、上新、清仓），户外用品从采购到回款只需要2个月（标品现货，下单后7天到货）。同样一笔钱投进女装，一年只能转1.5圈；投进户外用品，一年能转4圈。
3. 实验结果：现金流曲线明显变平
16个月后，我拉出去年的销售数据做对比：
- 春季（3-5月）销售额从2022年的51万元提升到2023年的63万元，增长约23%。
- 夏季（6-8月）销售额从42万元提升到55万元，增长约31%。
- 冬季（12-2月）销售额从108万元小幅下降至102万元，下降的原因不是女装本身卖不动，而是我们把资金优先分配给了户外用品的春季备货，导致冬季女装的新款深度有所减少。
- 全年销售额从2022年的301万元上升至328万元，增幅约9%。
更重要的是现金流曲线的变化。2022年，店铺3月的账面现金余额一度只有8万元；2023年同期，账面现金余额维持在20万元以上。这个变化的直接结果是：不需要在3月恐慌式清仓，春夏新品的上架节奏明显从容了。
4. 这个案例给我的三点启示
第一，互补品类不一定要和主营品类“相关”，但一定要和主营品类的“资金节奏”互补。户外折叠椅和女装放在同一家店里，视觉上有些突兀，但它们在资金回报周期上形成了良好的接力关系。
第二，要接受互补品类的毛利不如主营品类。关键在于看“资金总回报”，而不是“单品毛利率”。一个38%毛利但一年能转4圈的品类，比一个52%毛利但一年只能转1.5圈的品类，资金效率更高。
第三，执行层面的阻力比数据层面的阻力更大。这个店主前三个月多次想停掉户外品类，因为每次看到周报上“户外品类销量垫底”都很焦虑。我用了一个方法帮她稳住心态：只看季度累计数据，不看周数据。互补策略的验证周期至少是一个完整季度，而不是一周。
五、不同情况下的行动建议：数据基础不同，打法完全不同
1. 新店阶段（没有历史数据）
新店最大的痛点是没有24个月的销售曲线，无法用自有数据判断互补对。这时候我建议的做法是：不自己做预测，直接引用行业大盘趋势数据来定“类目组合”方向。
可以在生意参谋、搜索指数、电商平台的热搜词趋势里，看目标品类的季节曲线是否错峰。比如你主营冬季保暖类目，那夏季清凉类目（冷感被、冰袖、便携风扇）就是天然的资金接力选择。这一阶段不用追求精确，只需要确认两件事：两品类销售曲线峰值间隔在2个月以上，采购资金峰值不在同一个月。
新店阶段不建议同时运营3个以上品类。原因很简单：你还没有足够的数据和运营能力来驾驭复合品类结构，先跑通一个循环比追求组合效率更重要。
2. 有1-2年手工数据阶段
如果你的店铺已经经营两年左右，手上有完整的月度和季度销售记录，哪怕是用Excel手工记录的，也值得做一次正式的数据分析。
这一步最值得做的事情是：把每个品类的月度销售数据拉出来，计算“月度销售额占比”和“月度库存余额占比”，对比这两个比例的偏差。如果某个品类3月的销售占比只有5%，但库存占比有20%，那这个品类就是典型的资金占用型品类，需要在下个采购周期里压缩采购量。
这个阶段不需要买昂贵的BI工具，Excel的折线图就能完成80%的分析工作。核心是把数据从“记流水账”变成“看结构”。
3. 已有进销存系统数据阶段
如果你已经在使用进销存系统管理库存，那数据基础比大多数同行都好。此时最大的瓶颈通常不是数据，而是组织习惯，采购、销售、财务三个角色是否在同一个节奏下运作。
我建议的做法是：利用系统中的实时库存数据和采购在途数据，把“库存可用天数”作为日常监控指标。为每个品类设定一个安全库存天数窗口，例如冬季品类的安全库存天数为45天，夏季品类为30天。当库存可用天数超过安全窗口上限时，系统自动触发“暂停采购”警报。
这需要系统支持，但不需要很强的IT能力。关键在于设定规则和触发条件，而不是让系统自动做决策。
| 起点阶段 | 数据条件 | 首选动作 | 预期结果 | 主要局限 |
|---|---|---|---|---|
| 新店（无数据） | 全年无历史销售 | 用行业大盘趋势确定2个候选互补品类 | 避免完全凭直觉选品 | 无法精确预测资金峰值，只能做方向判断 |
| 新手工数据 | 有1-2年手工账 | 用Excel做月度销售占比与库存占比偏差分析 | 识别出资金占用型品类，压缩下轮采购量 | 数据质量依赖手工录入准确性 |
| 已有进销存系统 | 有实时库存与采购记录 | 设定库存可用天数监控规则 | 从“事后复盘”升级为“事中预警” | 需要采购、销售、财务三个角色对规则达成一致 |
六、不同情况下的取舍：互补策略不只有收益，还有代价
1. 资金充足型和资金紧张型的取舍
如果你的店铺资金相对充足，账上随时有3个月以上的运营备用金，那你可以承受更多的试错成本，互补策略可以更激进一些，例如在淡季提前储备下一个旺季可能热销的新品类。
但如果你的资金链本来就紧张，每个月都在为进货发愁，我不建议你同时尝试两个新品类。资金紧张的时候，应该优先把费用集中在主品类的确定性机会上，互补策略放在次要位置。先补主品类的周转漏洞，再考虑平滑曲线。
2. 仓储面积大小决定互补上限
做过仓储的人都知道，库存互补不只涉及资金，还涉及物理空间。每到旺季前，仓库是最挤的时候；如果那时还要为互补品类预留货位，仓储压力会成倍增加。
仓储面积特别小的店铺，我建议优先考虑“时间互补”而不是“品类互补”。意思是不增加品类数量，只在同一品类内部调整采购节奏，把一次性大单拆成三批小单，分三次下单，每批间隔大约15天。这样做不增加仓储面积占用，但能显著降低库存峰值。
3. 管理带宽不足时的“伪互补”处理
很多店铺的问题不是没有互补机会，而是没有精力管理那么多品类。每个新增品类都意味着新的供应商对接、新品描述、拍摄图片、售前咨询话术、售后处理经验。如果这些环节没有一个成熟的人来盯，互补策略很可能因为执行不到位而变成“库存双压”。
我建议在判断“要不要增加互补品类”之前，先回答一个管理问题：我现在有精力把新品类在30天内完整跑通采购、上架、推广、售后四个环节吗？如果答案不确定，建议先用“渠道互补”替代“品类互补”。
渠道互补的意思是：同一批商品，在不同渠道上按不同节奏销售。比如线下的旺季在节假日，线上的旺季在大促节点，私域社群适合清尾货。把同一个品类的商品在三个渠道之间调配，也能起到平滑营收波动的作用，而且不需要增加SKU数量。
4. 保质期是天然的互补边界
短保食品类（保质期低于6个月）和长保品类（保质期12个月以上）在互补策略上的可行度完全不同。保质期越短，容错率越低，对数据预测准确度的要求越高。
我做过的观察中，短保食品店铺更适合“滚动补货”而非“长周期互补”，因为库存一旦无法在保质期内售出，损失不是折价，而是整批报废。如果主营短保品类，建议在互补策略中只选择保质期在12个月以上的商品来承接淡季资金；主营标品，选择面可以更宽。
七、结尾：库存管理不是把货管好，而是把钱管好
数据库存季节互补这件事，做到最后会发现，表面上你在管理SKU、采购日历、仓储空间，实际上你管理的是一年四季的资金使用节奏。让每一块钱在正确的时间出现在正确的位置，店铺的营收曲线自然会被拉平、拉稳。
回看文章开头那两位店主：服装店主和烧烤食材老板的差别，不在行业，不在规模，而在是否意识到“库存的季节互补本质上是资金排班”。当账上现金不再被一个品类的旺季绑定，店铺在淡季才真正有了选择权。
如果你也想给店里做一张季节互补日历，可以从一件非常具体的事情开始：打开你的进销存系统或手账本，把每个品类的近12个月销售额按月拉成一条折线图，标注出销售额最高和最低的月份，然后再问自己一个问题，这两个月份的中间，如果多一个品类，它应该卖什么？
想清楚这个问题，你的库存互补就正式开始了。
常见问题解答（FAQ）
1. 到底什么是“数据库存季节互补”？和普通备货有什么区别？
我做服装生意三年，每年都是旺季前囤货、淡季后清仓，利润最后都被库存吃掉。最近听说“数据库存季节互补”能解决这个问题，但我不确定它和普通的备货到底有什么本质区别，是需要买一套软件才能实现，还是换一种备货思路就能做到？
先拆解这个词：数据库存季节互补不是数据库软件的功能，而是“数据，库存，季节互补”的组合表达，意思是用数据识别不同品类的需求错峰关系，让不同销售周期的商品共享同一笔资金池和仓储空间。它和普通备货的核心区别，可以从四个维度看： 判断依据：普通备货靠经验直觉，比如“去年这时候卖得好今年多进点”；
数据互补备货靠销售曲线和需求驱动因子，比如“冬装的波谷正好是防晒的波峰，两条线呈现剪刀差”。采购节奏：普通备货是一次性下大单赌整个季节；数据互补备货是滚动补货，每15天根据真实销售数据修正一次，总库存金额通常能下降20%到30%。资金管理：普通备货按品类分配预算，冬装40万、防晒20万各自独立；
数据互补备货按季度做总额管控，Q1总预算25万，再分给这个季度有需求的品类，资金跟着季节走而不是跟着品类走。风险特征：普通备货的风险是赌天气、赌节点，赌错了整批货压仓库；数据互补备货的风险被分散了，因为两个品类的波峰和波谷错开，同一个时间点不会同时积压。
所以，普通备货解决的是“货够不够卖”，互补备货解决的是“钱有没有在正确的时间被正确使用”。前者是仓库问题，后者是资本回报问题。这个认知转变，是整套方法的起点。
2. 新店或者刚换类目的店铺，没有历史销售数据，怎么启动淡旺季库存互补？
我是去年底才开的淘宝店，店铺后台只有几个月的销售记录，根本画不出完整的季节曲线。看了很多讲库存互补的文章都说至少要有两三年的数据才能分析，那我这种数据积累不够的店铺，是不是就暂时用不上这套方法了？还是说有别的替代数据可以先用起来？
没有两年数据，不代表不能启动，关键在于换数据源。有三个替代方案： 第一个替代方案：用行业大盘数据。生意参谋、搜索指数、平台品类的季节趋势图都可以作为参考。行业大盘告诉你的是“这个品类在什么月份起量、什么月份回落”，对判断互补关系足够了。至少找12个月的数据，覆盖一个完整周期。
第二个替代方案：找同类目朋友要脱敏数据。很多店主之间是愿意互相参考的，只要不涉及具体客户和利润，销售趋势数据具有很高的参考价值。我见过一个店主直接拿了朋友店铺的24个月销售曲线，稍作缩放后作为自己首轮采购的基准。第三个替代方案：缩短数据窗口。没有24个月，就用12个月；
没有12个月，就用周维度的数据覆盖最近的6个月，配合行业大盘补齐之前缺失的周期。关键不是数据多精确，而是开始建立“用数据说话”的习惯。新店启动的正确目标不是追求精准预测，而是“校准”。第一轮测试的量宁少勿多，重点观察动销率而不是利润。每15天刷新一次计划，用真实销售数据修正下一轮。
第一个季度可能偏差很大，到第二个季度，数据积累起来后，互补策略就开始真正发挥作用了。
3. 淡旺季互补是不是意味着要多上很多新品类？管理负担怎么控制？
我现在店铺的SKU才几十个，每天盘货已经很累了。如果按互补的思路加新品类，比如服装店去卖户外用品、卖防晒霜，感觉运营、仓储、客服都会变得复杂很多。这种管理负担的增长，会不会比互补带来的好处还大？有没有什么边界或者控制方法？
先澄清一个误区：互补的本质不是增加品类数量，而是优化资金排班。不一定非要加新品类，先从现有品类里找互补对，比如服装店里冬装和配饰（围巾、手套、帽子）就有明显的季节错峰，不需要额外增加供应链负担。如果确实需要引入新品类，边界是：互补对最多三组。三组以上，管理复杂度的增长会从线性变成指数级。
我用一张表说明： 1个品类：1套采购计划、1套库位逻辑、风险集中在单一季节。2个互补品类：2套采购计划、约1.5倍库位需求（因为两个品类的库存深度都要保持）、风险互相抵消。3组以上：采购计划变成6套以上，库位需求不再线性增长而是跳涨，盘点频次和出错概率同步上升。
管理负担确实是真实存在的，所以要从三个方向控制： 第一，互补对的品类不要跨越太远。驱动因子相反即可，但供应链能力要相近。服装店加户外用品是合理的，因为供应商体系和面料工艺接近；服装店加生鲜就跨度太大了，仓储冷链完全是另一套逻辑。第二，工具升级要跟上。
当SKU超过300个，或在售品类超过2个大类，手工Excel记账的出错率会显著上升。这时候换用进销存或ERP系统是理性决策。不是因为系统流行，而是因为人的手工管理已经到极限了。第三，互补策略的收益要量化。
库存金额下降20%-30%，仓库利用率提高（错峰使用），清仓折价损失减少，这三项收益加起来，通常能覆盖新增管理成本。如果算完账发现覆盖不了，说明这个互补对选得不对，而不是策略本身有问题。
4. 库存互补真的能稳定店铺营收吗？有没有可以量化的参考数据？
网上讲库存互补的文章很多，但大多都是“某店主通过这个方法营收提升40%”这种没有来源的故事。我想知道，如果我认真做了季节互补，店铺的经营数据到底会发生什么变化，是总利润提升更明显，还是月度收入更平稳？有没有可以量化的参考区间？
这个问题问到了关键。先说结论：旺季淡季库存互补主要解决的是“现金流平滑度”，而不是“总利润直接倍增”。总利润的提升是间接实现的，路径是：库存金额下降 → 折价损失减少 → 资金周转效率提高。
我提供一个模拟测算示例，数据为多个案例的中位区间，仅供示意，不代表每个店铺都能达到： 假设一家年销售额200万、利润率15%的店铺： 互补前：月度销售额标准差约±45%（旺季单月30万、淡季单月8万）；平均库存金额60万；全年清仓折价损失约8万。
互补后：月度销售额标准差压缩到±25%（旺季单月25万、淡季单月15万）；平均库存金额降到45万；清仓折价损失降到3.5万。量化参考区间大概是：库存金额下降20%-30%；月度销售峰值差缩小15-20个百分点；清仓折扣损失减少40%-60%。这里有个容易被忽视的点：互补不能消除季节波动，只能平滑。
把目标定成“消除淡旺季差异”是不现实的，没有一个中小店铺的供应链能力能支撑全年均衡销售。更现实的目标是“淡季现金流为正，且能覆盖固定成本”。只要达到这个状态，店铺的生存压力就解除了，旺季的利润才能真正存下来而不是变成下一批淡季库存。
行动建议：先做一张自己店铺的“季节互补日历”，拉出近两年的品类销售曲线，标出驱动因子，找到互补对。做完这步，你手里就有了一份可以量化评估的盘面。再根据数据决定引入什么新品类、砍掉什么旧品类。
读者评论
文章说得很实在，我以前只盯着毛利率，结果冬装压了一堆货，春装没钱进货。后来试着加了个反季品类，资金确实活起来了。最触动我的是那句“库存周转改善决定下个月有没有钱进货”，做小店的都懂。
用40万库存多压30天的成本拆解很直观，机会成本、折价风险、仓储管理费加一起，比账面数字吓人多了。不过这个测算偏示意，不同行业差异很大，像我们做家具的，仓储和资金成本更高，得再细化。
案例有一定启发，但女装店加户外折叠椅，目标客群正好是露营家庭，有特殊性。很多店铺未必能很快找到驱动因子相反、客户又重叠的品类。文章也承认不能抹平波动，可具体怎么选，还是需要更多失败案例来验证。
很认同“互补是资金在不同需求窗口间流动”这个定义，不是简单的商品组合。误区那块对我启发最大，尤其是淡季当成新品测试窗口，而不是一味清仓。分组折线图也很清楚，四季服装和户外用品的曲线错峰一眼就能看懂。