Shopee第一批货怎么定：从少量试水开始

第一批货的目的不是赚钱

新手常把第一批货当成一场必须赢的仗。进货前反复比价选款，进货后每天刷新销量，一周没动静就焦虑。这种紧张会让动作变形，改价、换图、催供应商接连出现。把验证性质的动作当成赌注，心态先乱，判断跟着乱。

为什么大家会这么想，因为能看到的成功叙事大多从爆单开始讲。没人细说爆款出现之前废掉了多少批货。把结果当起点，就会高估第一批货该承担的功能，以为自己这一步就该做出成绩。

还有一层原因是沉没成本的心理。钱一旦变成货，人就本能地想回本，回本的压力会让判断失真。明明看出这个款偏弱，还要再砸流量把它救活。救活一个不行的款，代价往往超过及时止损。

反过来，把第一批货定位成验证，行为会完全不同。会主动选量小的方式，会留出加量的钱，会提前写下止损条件。这些动作看起来保守，实际上保护的是继续试下去的能力。

边界是确定性很强的跟单。同款已有稳定需求，货源和价格都清楚，这时第一批货的功能可以偏向补货。但这份确定性本身，也来自之前若干次试水积累下来的认知，不是凭空得到的。

先把验证目标写下来再动手。一张纸上写清这一批要回答哪几个问题，每个问题需要看到什么才算有答案。写下来之后，进货的量、选款的思路、上架后的观察重点都会跟着清晰。

接着把目标拆成可以观察的表现。想知道款有没有人点，就看点击率有没有稳定在类目常见区间；想知道价有没有人接，就看加购和成交的比例。抽象的问题变成了可以看的数字，判断就有依据。

然后给每个目标配一个时间窗。曝光多久之内应该出现，点击多久之内应该成形，成交多久之内应该看到苗头。没有时间窗，验证会变成无限期的等待，人也会在等待里失去判断的节奏。

再给每个目标配一个观察动作。每天固定时间看一下数据，把发现的问题记一行。动作越小越容易坚持，一天花十分钟翻一遍，好过隔三差五花两小时补作业，节奏本身就是一种约束。

最后把结果归到三类里：达到预期、接近预期、明显偏离。三类对应三种后续动作，加量、维持观察、止损。分类在进货之前就定好，事后就不会因为不舍得而勉强把偏离解释成接近。

有一个具体的案例。一位卖家用三个月工资进了第一批货，选了自己最喜欢的款，拿了近一百件。两个月后剩下一大半，人也被这批货拖住，不敢再进新货。他的问题不是选错款，是把全部子弹打在了第一次验证上。

另一个案例正好相反。另一位卖家每款只拿五件，一次拿三款，花了不到前者十分之一。三款里有一款跑出了数据，他把大部分资金放到那一款上，其余两款就此作罢。小代价换来了一个可用的方向。

从这两个案例能看出一条共用原则：第一批货的花费要小到即使全亏也无所谓。这个无所谓不是不在意，而是指它不影响你继续做下去。一旦影响到后面还能不能继续，验证就变成了赌。

还有一个细节是关于退货的。第一批货里如果出现退款，别急着把它算作亏损。退款透露的是买家预期和实际不符，这个信息比一笔成交值钱。把它记进档案，下一批的描述和主图就能改对方向。

边界条件是有稳定货源的卖家。如果背后有工厂或者稳定的供货渠道，第一批货可以不那么保守，因为压货的代价相对可控。但即便如此，验证的逻辑不变，只是能承受的试错规模更大一些。

把第一批货的花费换算成学费会更容易做决定。这笔钱买到的是四样认知：这个类目买家的点击习惯、能接受的价位、对物流时效的容忍度、以及你对这条流程的熟练程度。四样里有三样拿到手，这笔学费就算值。

还有一个容易忽略的收益是流程经验。从选货、议价、打样、发货到上架的整条链路，第一次走会到处磕碰。用一个小批量把这些坑先踩一遍，比一开始就压大货、踩坑时损失成倍放大要划算得多。

定量的顺序是先算承受力，再谈具体数字

定量的几种方式

网上流传的定量建议差别很大。有人说每款拿几件，有人说要备足一个月的量，还有人说按引流成本反推。这些说法各自成立的前提没有被讲出来，直接套用就容易走偏。

定量本质上是拿着约束条件往回推的动作。不同人的约束不同，答案自然不同。预算、仓储、资金周转速度、供货周期，任何一项变化都会改变合理的量。照抄别人的数字，等于忽略了自己的条件。

凭感觉拍一个数之所以流行，是因为它最快，而且错误在短期内不会显形。一个数字拍下去，要等一到两个月才看到后果。反馈周期这么长，人就不容易建立对错误的痛感。

参照同类竞品销量折算也有它的问题。看到的销量是累积值，不是当下的速度。一个累积几千件的款，近期可能一天只出几件。用时点数据去折算，会把历史热度误当成现在的需求。

物流起订量与厂家最低起订量是硬约束。它们不参与合理性判断，直接卡住下限。做定量时要先看这两个数，再看愿不愿意为更低的起订量多付一点单价。这是取舍，不是错误。

第一步是算出这一批能亏多少。用可以动用的闲钱，减去必须留作周转的部分，剩下的就是一个上限。这个上限不参与优化，它是一个边界，跨过去就会影响下一轮的弹药。

第二步是把上限分摊到款上。准备试几款，就把上限均分或者按信心加权分。均分最简单也最不容易自我欺骗。按信心加权可以利用你的信息优势，但前提是这个信心来自具体依据，不是来自感觉。

第三步是查两个硬约束。物流的起订量是多少，厂家愿不愿意接小单。很多时候这两个数字决定了第一批的形态。查清楚之后，再决定是接受起订量，还是换个更灵活的拿货方式。

第四步是参照同类竞品的表现做一次折算。找几个价位和风格接近的在售款，看它们当前的出货节奏，而不是看累积销量。折算出来的量只作为上限参考，不直接等于你要拿的量。

第五步是把结果拆成两到三批发。先发最小的一批上架，跑出初步数据再决定补不补后面的。分批的代价是运费高一点、上架慢一点，换来的是把一次判断错误的影响限制在更小的范围里。

举个例子说明分摊的算法。假设这一批最多能亏两千元，准备试三款，均分就是每款不到七百元。按单价折算，每款大概能拿十几到二十几件。这个数量既是试水，又足够撑起点击和加购的样本。

另一个细节是物流成本的分摊。同样的货，一次发一百件和分两次各发五十件，运费差不少。小批量分批的代价就在这里。要把多出来的运费也算进试水成本，否则会低估第一批的真实花费。

还有一种常见错误是把库存当做资产。五块钱一件的货在手，心理上觉得钱还在。实际上这批货在卖出去之前不产生任何收益，还占着仓位和注意力。按现金看，它就是已经花掉的钱。

记录的方式建议做成一张小表。左边写每款的进货量、单价、到手成本、预计售价，右边写实际的出货速度。有了两批的对照，你对自己在这个类目的合理定量会有越来越准的感觉，这比任何现成公式都可靠。

边界是季节类目。有明显旺季的品类，定量的窗口和平时不同。旺季前的备货不能按日常速度推，但也不要在旺季前把所有资金压满，留出相当一部分应对旺季中期的补货需求。

有一种更细的算法是按最小可观察量来定。要让点击和加购的数据有一点解读价值，每个款大概需要几十次曝光和若干次点击。把类目常见的点击率倒推回去，就能算出让这个款被看见所需的最少件数。

如果连最小可观察量都凑不够，另一个办法是先不做实物试水，用预售或者小批量加长观察期替代。用更多的时间去换更少的资金占用，适合预算确实紧张的阶段，前提是你能耐心等。

越往下越省事，也越容易把小资金压在一个不了解的判断上

按什么摆第一个货架

新手最常见的做法是同个类目里顺手拿十来个款，每款一两件，觉得总能碰上一个。结果是链接做了十几条，每条都只有零星数据。看一遍下来，看不出任何一个款有没有潜力。

原因是款一多，每个款分到的曝光和精力都被稀释。后台的推荐逻辑需要单条链接先积累行为数据，才会给出更多流量。数据被摊薄以后，没有一条能进入正循环，店铺整体显得很冷清。

还有一种相反的做法是全部押在一个款上。它的风险不在判断对错，而在判断错了之后没有参照物。没有任何其他款的数据可以对照，也就学不到东西，等于把一次试水浪费掉。

按人群铺和按场景铺的门槛更高。它们要求先回答卖给谁或者用在什么场合。这两个问题没想清楚，铺出来的货架会显得杂乱，连自己都说不清为什么摆了这几款。

摆货架的隐性成本在于拍照和描述。每个款都要拍图、写标题、填属性，款越多这部分工作量越大。小团队往往低估了这一块，铺了十几款，一半链接是粗糙的，反过来拉低了整体印象。

先回答自己有没有方向。看得上眼的款很多，但真正能说清它为什么会被买走的没有几个。能不能讲出这个款满足了什么需求，决定了你该集中押注还是每款最小量铺开。

如果讲得出理由，就选主款加陪衬的结构。主款占大头，陪衬款只拿最小量，作用是给主款提供对照。陪衬款不要顺手多拿，它存在的意义是数据参照，不是销售贡献。

如果讲不出理由，就走每款最小量、多款并行的方式。这种方式靠横向比较找出方向，所以每款的呈现质量要一致。图要拍得差不多，标题的写法要一致，否则比出来的差异是呈现造成的，不是需求造成的。

铺开之后要给自己设一个观察期，不要边铺边改。频繁调整会让几款之间失去可比性。观察期结束时把各款的数据并排看一眼，找出表现明显靠前的那一个，再决定下一步集中到哪里。

还有一个动作是给每个款写一句为什么摆它。一句话就够，比如这个款是用来验证某个价位的接受度。写不出来的款，说明摆它的理由不成立，可以优先从货架上撤下来。

有一个案例是首饰类目的一位卖家。他第一批拿了八款，每款三件，同一价位、同一风格。四款很快出完，两款偶尔出单，两款完全不动。他据此把资源集中到出得动的那一类风格上，方向就出来了。

另一个案例方向相反。一位做家居用品的卖家第一批只拿了一个款，出了二十件。他没铺其他款，因此无法判断这是款好还是类目好还是价格对了。加量之后数据回落，他才发现自己缺的是对照。

细节上要注意陪衬款的选择。陪衬款最好是主款的直接竞品或者相邻规格，这样跑出来的数据能回答具体问题，比如买家更接受大规格还是小规格。不相干的陪衬款提供不了这种信息。

关于货架的延续性，可以提前想一步。如果某款跑出来，货架要怎么扩，同系列还有哪些规格可以补。这个思考能让第一个货架的结构更顺，扩品时不会出现孤零零一款、前后接不上的情况。

边界是货架宽度和资金的关系。铺得越宽，每一款能拿到的量越小，数据出来的时间越长。资金有限的时候，宁愿窄一点、深一点，让少数几款先跑出清晰的结果。

给货架里的每一款都设一个角色，会减少很多随意。主款负责冲刺，陪衬款负责对照，补位款负责填价格空档。梳理一遍发现某个款哪个角色都不占，它大概只是你觉得好看才拿的。

货架的结构还要和后续的补货能力对上。如果某类货的补货要等很久，就把它放在结构里靠后的位置，别让它成为整个货架的支撑。支撑位的货必须能快速补上，否则断货会把整个结构拖垮。

试水款怎么挑

多数人挑试水款时挑的是自己最喜欢的那个，理由是我看着就好看。这个标准的问题在于，你的审美和买家的偏好未必一致，而且它无法被验证。喜不喜欢是主观的，试水需要的是客观信号。

试水款的核心作用是产生可比较的数据。所以选择标准应该是能不能提供清晰信号，而不是我喜不喜欢。一个特征明显的款，无论成败都能说明一些问题，比一个说不清的款有价值。

哪些款不容易产生清晰信号，比如规格太多、颜色太杂、卖点需要解释的款。这些款即使有人点进来，也要额外几步才能形成判断。数据解读的成本高，作为第一批的样本并不合适。

价格区间也会影响试水效果。价格卡在类目里最拥挤的档位，转化率会被同款竞争压平，试不出款本身的潜力。价格稍微错开一点，得到的数据反而更干净，判断也更有针对性。

另一种常见偏差是选自己最熟的类目里的款。熟悉确实能降低判断成本，但如果熟到知道这个款竞争已经很激烈，那么它能验证的可能只是这个方向确实不行。这也算收获，只是成本偏高。

先列出三到五个候选，不要一上来就定死一个。列候选的过程本身就在梳理你对这个类目的理解。候选太少容易把第一个想到的当答案，候选太多则说明方向还没收敛。

接着给每个候选写两句话，一句是这个款的核心卖点，一句是它可能被谁买走。两句话都写得出来的候选优先留下。写不出第二句的，说明买家画像不清楚，作为第一批样本价值有限。

然后检查每个候选的数据可读性。规格是否单一，颜色是否集中，卖点是否需要解释。特征越干净，跑出来的数据越容易解读，也越容易判断是款的问题还是呈现的问题。

再看价格有没有挤在最拥挤的档位。如果同价位同款遍地都是，转化会被竞争压平。稍微错开一点，或者用一个不同的规格组合，数据会更接近款本身的潜力。

最后确认每个候选能不能拿到最小起订量。拿不到的款，无论多合适都要先放一放。第一批的原则是用小代价换认知，为一个理想款破例压一大笔货，就把原则破坏了。

举个例子。一位卖厨房小工具的卖家，第一批挑了一款单一功能的削皮器和一款多功能组合工具。前者的数据干净，点击和加购都不错；后者点击尚可但加购少，因为买家需要花时间理解用法。

这个案例说明卖点是否直观会影响数据可读性。单功能款的买家一看就懂，看到就知道自己需不需要。多功能款需要解释，解释就带来了流失，流失掩盖了款本身的潜力，判断相应变难。

还有一个细节是避开自己过度熟悉的款。熟悉能降低判断成本，但也容易让你忽略一个事实，你熟悉它，同行也熟悉它，这个方向的竞争往往更充分。试水的价值在于找到别人还不熟悉的点。

选款时可以把每个候选的优劣各写一条。写得出优点也写得出缺点的候选，才是真正想清楚了。只写得出优点的，说明你还没看到它的风险，带着这种乐观去试水，容易在出现问题时措手不及。

边界是试水款不要选售后麻烦的品类。第一批的精力应该花在验证上，而不是处理退换和客诉。把售后负担重的款推到第二轮，等流程顺了再碰，节奏会稳很多。

可以把候选款放到一张小表里打分。维度就用三四个：卖点是否直观、规格是否单一、价格是否避开最挤的档位、能不能拿到小起订量。每项按好中差打分，分数高的先试。这张表后面还能反复用。

还有一个省事的办法是先试改良款而不是全新款。在已有需求的方向上做一个小的差异化，比如换个规格组合或改进一个细节。这类款的接受度通常更高，试水时得到的信号也更清晰。

试水之后看哪些数据

试水期很多人只盯成交，没单就断定款不行。这个判断跳过了前面的环节。没有人看到、看到了没点、点了没买，是完全不同的三种失败，对应的处理方式也完全不同。

原因是后台的指标本来就是一条链：曝光、点击、加购、成交、退款，每一环有各自的含义。只盯成交这个结果，等于把链上其他信息全丢掉了，最后只能得出一个笼统的结论。

初期不该盯转化率。前期样本少，一两笔订单就能让转化率大幅跳动，几笔的差别说明不了问题。这个阶段看实际笔数和趋势方向，比看比例更可靠，也更接近真实情况。

退款和差评这两项在前期容易被忽略。它们出现得晚，量也小，但透露的是产品本身的问题或者描述偏差。第一批货看到这类信号，价值往往高于看到一笔成交。

数据之外还要看一些不进报表的东西。打包花了多久、物流发出是否顺畅、有没有买家问了你没准备回答的问题。这些信息对下一批货的安排影响很大，值得随手记下来。

第一步是确认有没有足够的曝光。曝光量级太小，后面所有指标都没有解读价值。这时候的问题在标题、主图、关键词，要去改曝光，而不是急着改款或者改价。

第二步看点击率。点击率明显低于同类，问题多半出在主图和价格带的呈现上。这一步的结论只针对呈现，不要急着下结论说这个款没人要，呈现和需求是两件事。

第三步看加购和收藏。有人点进来又加了购物车，说明款本身有吸引力，卡点可能在价格或者犹豫。加购数据是判断款的重要依据，它比成交更早出现，也更少受偶然因素影响。

第四步才看成交转化。到这个环节还不出单，原因可能是价格偏高、评价太少、或者缺一个促单的理由。这一步的结论要结合前几步，孤立地看转化率，很容易把问题归错位置。

最后单独盯退款和差评。出现退款要弄清是描述不符、质量预期偏差，还是物流太慢。第一批货收到的负面反馈，比一笔成交更有信息量，它直接指向下一批要改的地方。

有一个具体的记法。每天固定时间在纸上写五个数：曝光、点击、加购、成交、退款。一行一天，两周下来就是一张趋势图。这张手写的表比散在各处的截图有用，因为一眼能看到变化的方向。

案例方面，一位卖家发现曝光一直在涨，点击率却一直低。他没有急着换款，而是换了主图。换图之后点击率上了一个台阶，同一款货的成交也跟着起来。定位错了环节，改款是白改。

另一个案例是加购高但成交低。查下来是运费设置得太高，买家在结算页放弃了。这类问题在数据上表现为某一环突然断层，顺着断层的方向去找，通常能很快定位到具体设置。

细节上要给数据设一个最小样本量。低于这个量级的比例不值得解读，几笔订单的百分之几没有意义。样本不足的时候只记录，不结论，等几天再看，判断的可靠性会高很多。

边界是别人帮你打理的情况。数据由客服或者助理记录时，要统一记录的时间点和口径。不同人按不同时点取数，趋势会失真，最后大家一起困惑，却找不到原因。

数据看的顺序也可以反过来用。如果某个环节的数据特别差，检查它前面那一环是不是出了问题。加购少可能是点击来的人不对，点击差可能是曝光来自不相关的词。顺着链条往回找，比原地纠结更快。

别忘了把买家的提问也当成数据。同一类问题被反复问到，说明详情或者标题有信息缺口。这类缺口补上之后，往往能直接改善转化，而且是低成本的动作，比加大投入见效更快。

同一批数据在不同阶段要看的东西不一样，顺序不能颠倒

从试水到加量的条件

加量时最常见的错误是时间到了就加。上架满两周，不管数据，先补一批更大量的货。这种加量背后的依据是日历，不是需求，等于用时间代替了判断。

需求是否稳定，只能从连续几周的数据里看出来。某周突然涨，可能是大促，可能是被推荐，也可能是同行断货。这些外因消失后需求会回落，跟着加量就把货压在了手里。

另一个原因把卖完了当成需要补货的信号。卖完可能只是因为量本来就很小。十件卖完和一千件卖完，含义完全不同。不看基数就直接加量，等于把运气当成了能力。

还有一种情况是加量幅度过大。信心一旦建立，就直接把量翻几倍。需求的增长通常是渐进的，量的增长远远超过需求增长时，多出来的部分就变成了库存压力。

边界是大促前的加量。如果有明确的促销节点，提前备货是合理的。但这部分备货要和日常需求的量分开记账，否则事后分不清哪些是卖掉的、哪些是压下来的。

先看数据有没有连续两周以上保持在同一水平。连续稳定是需求存在的证据，某周冲高则可能来自外部因素。这一步的时间要求不能省，数据在时间上的稳定性是判断的基础。

再看驱动这次表现的来源。如果销量和某个大促、某次推荐、某个同行断货高度重合，就要把这一段单独排除。靠外部因素带来的量，会在因素消失后回落，不适合作为加量的依据。

然后看单位利润能否覆盖加量后的资金占用。加量意味着更多的钱压在货上，周转周期会被拉长。先算清这批货从付款到回款大概要多久，再判断这笔钱压出去之后，剩下的钱够不够日常周转。

接着按小步走的方式加量。第一次加量控制在原量的一个较小倍数，加完之后再看一两周的数据。每一步都留下观察窗口，数据一旦转向就有机会停下来，而不是等货全部到齐才发现。

最后给这次加量单独做一次记录。记下加量前后的量、加量的依据、加量后的表现。这份记录会成为下次判断的参照，也让你慢慢知道，在那个类目里多大的加量幅度是安全的。

举个例子。一位卖家的某个款连续三周稳定出单，每周十几件，波动不大。他判断需求是稳的，于是把量加到原来的三倍。加量后出货跟上，他没有再盲目追加，而是保持这个量观察了一个月。

对比案例是另一位卖家的款在一个周末突然出了十几件，他当即加了几倍的货。事后查明那几天平台有活动，活动结束后销量回落到每周两三件，多进的货变成了库存，压在手里好几个月。

细节上可以把加量拆成两次。第一次加到一个中间量，观察一两周；如果需求跟着稳住，再加到目标量。两次加量比一次到位多花一点时间，但让判断错误的影响被限制在两次之间。

还有一个记录方法。给每次加量记下三样东西：加量前的周均销量、加量的倍数、加量后的实际销量。三次加量之后，你会大致知道在自己的类目和价格带里，多大的增量是能被消化的。

边界是供货周期长的品类。如果从下单到到货要一个月以上，加量的反应会变慢，等待期里的销量波动也更大。这类品类加量要更保守，把供货周期算进判断的时间窗里。

加量之前可以先做一次小额试探。把原量提高一点点，看订单会不会跟着往上走。如果加了量订单却没动，说明当前的需求量已经饱和，这时候继续加只会堆库存。这个试探的成本很低。

还要看加量会不会破坏你现在能提供的服务。量一大，备货、打包、客服的节奏都会变紧。如果你的时间本来就快用满，加量很可能先出问题的是发货速度，而不是货卖不掉。

加量的判断依据是数据稳定，不是时间到了就该加

试水失败的止损线

很多人没有止损线的概念，只有一个再等等看的念头。等着等着，钱和货架都被占住，新的试水没法开始。人也在等待里被消耗掉耐心，最后连做下一轮的劲头都没了。

止损线之所以难设，是因为设了就等于承认可能失败。人更愿意接受一个尚未定论的失败，也不愿意主动宣布它失败。这个倾向在花钱的事情上尤其明显，越投入越难承认。

止损线要写在进货之前。进货之后，你已经和这批货产生了关系，判断会偏向于它还有希望。在情绪介入之前写下的条件，才更接近客观，也更容易在执行时守住。

还有一点是止损常被误解为清仓。很多人觉得止损就是把货全部贱卖掉，那当然不甘心。实际上止损可以先只是停止投入，不再为它花推广费，不再为它补货，资金就活了一部分。

边界是失败原因已经查清且可以修正的情况。比如图片太差、价格定错、属性填错，修正之后再试一次，和盲目等待是两件事。前者有明确假设，后者只是拖时间。

第一步是定义什么算失败。是点击率始终不达标，是加购几乎为零，还是退款比例过高。定义要具体到指标，不能是感觉不妙。定义清楚之后，失败就变成了一个可以被识别的事实。

第二步是给每个失败信号配一个观察窗。连续两周点击率都不达标，和某一天点击率低，是完全不同的结论。窗口的作用是区分波动和趋势，避免被一天的噪音触发止损。

第三步是提前写下触发止损后要做的事。停止投放、停止补货、把剩余库存合并处理、把这次的记录归档。写下动作清单，是为了在情绪上来的时候，还能按计划走一遍，而不是临时拍板。

第四步是执行时不重新论证。止损的条件是进货前的你设的，那时的你比现在更接近客观。执行的时候只回答触发没触发，不再回答这个款还有没有希望，这个问题会把人拖住。

最后是给止损留一个例外通道。如果失败的原因已经查清并且可以修正，比如主图拍错了、属性填错了，允许修正后再试一次。例外只对明确可修的原因开放，不对模糊的坚持开放。

举一个案例。一位卖家给自己定的是两周点击率不达标就停。到第十天他看出款确实不行，但想着再投一点推广试试，又投了两周，多花了钱，结论和十天时一样。执行止损的价值就在这里。

另一个案例是止损之后没有归档。同一个卖家半年后又拿了一个很接近的款，踩了同样的坑。原因是他从没记下上次为什么不行。止损只回收了资金，没有沉淀成认知，等于白亏了一次。

细节上止损线要分档写。轻微不达标就减投入、降优先级；明显不达标才彻底停。分档的好处是不会一刀切，把还有一点希望的款和明显没戏的款区别对待，资源用得更精细。

记录止损的方式可以很简单，三行字：什么款、什么条件触发、后面怎么处理的。这三行字一年攒下来就是一份非常个人化的判断手册，比任何通用建议都贴合你自己的实际情况。

边界是同一批里多个款同时触发止损。这时候不要逐个纠结，直接看整体：这批货的失败是款的偶发问题，还是整个方向有问题。方向性的问题要继续往上追，直到找到是选错了类目还是选错了人群。

止损之后最值得做的一件事是复盘到原因层面。同样是失败，有的败在选款，有的败在主图，有的败在定价，有的败在物流。原因不同，下一批改的地方完全不同。只记失败不记原因，下次还会失败。

把每次止损的原因归类累计，会慢慢显出一份属于你的短板清单。有人反复栽在主图上，有人反复栽在定价上。看清自己最常犯的那一类错误，下一批就能提前在那个环节多加一道检查。

常见问题（FAQ）