做了三年选品，前两年基本靠直觉。去日本逛一圈，看到什么觉得好就买回来试卖。卖得好就一直卖，卖不好就放着。问题是“觉得好”的标准不固定，有时候看到的东西确实好但客户不买账，有时候自己觉得一般的东西反而卖得很好。直觉选品有很大的不确定性，就像碰运气一样，运气好的时候能选到爆款，运气差的时候选了一堆滞销品积压在仓库里占地方。 去年我开始尝试把选品过程数据化。做这件事需要花时间整理历史数据，把店铺过去三年所有商品的销售记录导出来，按品类、按价格区间、按供应商、按上架时间做了多维度分析，找出了哪些商品卖得好、哪些卖得不好，以及它们之间的差异。分析完之后，我得出了三个可量化的选品标准，不再是拍脑袋做决定。 第一个标准是品类趋势。过去三年增长最快的品类是哪些、增速是多少、市场饱和度如何。增长快且饱和度低的品类优先引入，增长快但饱和度高的品类谨慎进入，增长停滞的品类不再新增。历史数据会告诉你哪些品类正在被越来越多的客户接受，哪些品类的竞争已经白热化了。选品不是凭空猜，是看数据找方向。 第二个标准是价格带分布。店铺主力价格带在哪里、不同价格带的转化率差异有多大。价格过低的商品转化率虽然高但利润薄，价格过高的商品转化率低但利润厚。我需要知道客户在哪个价格区间买单最爽快，然后在这个区间里做深度选品，而不是分散到各个价格带做浅尝辄止的试探。客户愿意掏钱的价格带才是真正值得投入的区间。 第三个标准是供应商表现。同类商品不同供应商的退货率、补货周期、沟通成本各是多少。退货率低的供应商优先合作，补货周期短的优先考虑，沟通成本高的淘汰。供应商的数据表现也是选品决策的重要依据。 有了这三个标准之后，选品不再是“我觉得好就买”，而是“数据说可以才买”。新商品的销售预测比以前准了一些，滞销品的比例也降了一些。数据驱动选品不需要放弃直觉，而是用数据来验证直觉，让直觉的命中率更高，减少选品带来的不确定性。