Shopee货传出去之后怎么收数据：上架工具的盲区

传完之后的数据在哪看

数据的来源不止一处，各有各的用处。店铺后台是主来源，曝光、点击、成交、加购这些经营数字都在这里，它反映的是自己的页面在平台上的实际表现。这一处是每次收数据都要看的，也是判断页面表现最直接的依据。

第二处是页面本身。点进自己的商品页看它长什么样，主图是不是清楚、标题读起来顺不顺、属性栏里写了哪几条。这一步看起来原始，但很多问题在页面上就能看出来，不用等数据。比如属性栏留着空白、描述里有一处明显错字。

第三处是同类的页面。看几个价位接近、类目相同的商品，它们的标题写了什么词、属性写了哪几条、主图是什么风格。这一处回答的是外面在发生什么，自己的页面放在同类里是什么水平，单看自己的数据是看不出来的。

第四处是外部行为留下的痕迹。买家问过的问题、评价里提到的事情、加购之后没有下单的那些件，这些都不是标准报表里的字段，但它们指向买家真正在意的东西。看这些信息需要一点耐心，它不像报表那样整齐。

四处来源里，前两处是必看的，第三处建议固定看，第四处想起来就看。看的次序也可以固定，先看后台的数字，再看自己的页面，然后对照同类。这个次序的好处是先看结果再看原因，不容易被自己的页面带着走。

有一个细节值得留意，就是数据的归拢口径。同一批商品要放在一组，用同一个批次标识标出来。归拢做得好不好，直接决定后面能不能看出规律。混在一起看的时候，批次之间的差异会被平均掉，规律往往就看不出来了。

收数据的第一步是先把范围划出来。这次的收数对象是哪一批，从哪天传到哪天，包含哪几个规格编号。范围划清楚之后，导出来的数字才有明确的归属，不会把上一批的尾巴也算进来。范围没划清的时候，数字之间的差别很难解释。

第二步是决定用哪种方式归拢。简单的方式是按批次做成一张表，一行一个商品，列出这批的取值和收回来的几个数。稍微复杂一点的方式是按周做成滚动表，看趋势更方便。两种都可以，关键是选一种之后一直用同一套。

第三步是确定从哪个入口取数。店铺后台提供的是最标准的一手数据，其他入口拿到的往往是二次加工过的。如果条件允许，建议直接从后台取，取的时候把时间范围设置成和批次对应，避免把相近的批次混在一起。

第四步是把取回来的数字和清单对齐。对齐的凭据是规格编号，这个编号在清单里和后台里是一致的。对齐之后，每一行的取值和表现就落在同一行上了，这才是能用来对照的形式。没有对齐的表，只能看总数，看不出规律。

取数和归拢这两步做完，后面才谈得上看。很多人在这一步就断了，因为觉得整理表格太琐碎。但整理这件事一次做好之后，后面每一批都照着同一个模板填，成本会降下来，第一遍最费事。

举一个取数的例子。某店一批二十件商品在上周三提交完成，收数的时候把时间范围设成上周三到本周三，导出的表里每一行对应一个规格编号。导出之后先把清单里那二十行贴到同一张表的左侧，按编号对齐，右边留出空列填数据。

对齐的时候发现有两件的编号在后台找不到对应的行。检查之后发现是提交的时候被退回了，退回的原因是属性用了平台不认的写法。这两件在后台里根本没有上过线，自然也没有数据。这个发现本身就是一条信息，说明提交环节有过失败。

这个例子说明收数据之前要先确认上线状态。如果直接把导出的表拿来统计，会以为这两件表现为零，实际上它们压根没有上线。上线状态的确认可以作为收数动作的第一步，确认之后再谈表现，否则后面的对照都是错的。

另一个细节是导出的时候要看清楚时间口径。后台的时间有的是按提交时间算的，有的是按数据统计的那一天算的，两者可能差一两天。批次之间的边界如果卡得很紧，这个差别会影响到归属，建议把范围内的批次留一点余量。

取数这件事做得熟之后，可以做成一个固定的模板。模板里预置好批次标识的位置、清单的列、要填的数据列，每次导出之后往里面一贴就行。模板的价值在于它把重复的整理动作固化下来，每次不需要重新想怎么摆。

它停在上线那一步，后面这几步要自己走完

为什么工具不负责这一段

原因在输入上。上架工具拿到的是一份商品资料，里面是类目、属性、价位、图片这些要提交的字段。它拿到的东西里没有任何市场信息，没有曝光、没有点击、没有同类的价格。它不知道外面的情况，自然也判断不了页面出去之后会怎样。

原因也在产出的形态上。它的产出是一份提交记录，记录的是执行状态：什么时候提交的、有没有成功、有没有被退回。执行状态回答的是这件事做没做成，不回答这件事做得值不值。这两类问题性质不同，需要的信息也不同。

还有一层原因在时间上。它做完一件事就结束，不会持续盯着结果。页面出去之后的数据是每天累积的，要过一段时间才有意义。工具的用法是一次性的，提交完就交给下一批，它没有留下来看结果的机制，也不需要这个机制。

这几点合起来说明了一件事：它停在这一步不是做得不够，而是这一步不在它的范围内。就像一把尺子量不出重量，不是尺子不好，是这两个量本来就不属于同一类。把不属于它范围的事算作它的责任，是对它的误解。

认清这一点有个实际的好处，就是不会把传完当成做完。传完只是把货放到了店里，店里之后发生的事另有一套动作。把这两件事分开看之后，节奏会清楚很多：一次上架的工作，到收完数据、写出结论才算走完一圈。

还有一种情况是把工具的数据记录当成经营数据看。记录上写着某天提交了多少件，这个数字说明的是那天的工作量，不代表那天的经营结果。两个数混在一起理解，容易得出工作做了不少但没效果的结论，实际上两者根本不在同一个坐标系里。

可以做一个测试来验证这条边界。把上架工具的产出拿出来看，上面写着什么。写着的是提交了哪些商品、什么时候提交的、成功了还是被退回了。这里面找不到任何一个和市场表现有关的数字，因为这从来就不在它的产出里。

再做一次追问，如果让它去看数据会怎样。它没有市场的输入，也就无法判断曝光低是因为词没挑对还是因为类目的商品太多。取数这件事技术上做得到，但取回来之后要判断，判断需要比较和取舍，这一步不属于执行的范畴。

这条边界有一个实际的影响，就是责任划分变得清楚。页面上线之后表现不好，要在上架之前找原因，而不是在工具身上找。工具把取值照原样传上去了，它做的事没错，错的是那份取值本身或者定取值时看的依据。

另一层影响是时间的分配。知道这段不归工具管，就不会把希望寄在换一个更强的工具上。换工具能提升的是提交那一段的效率，对页面出去之后的表现影响很小。真正影响表现的东西在上游，在那份清单里。

还有一层影响是对结果的期待。明白这一段要自己走完，就不会在传完之后立刻等结果，而是知道要留出收数据和看数据的时间。一段上架工作的周期因此被拉长，但这个拉长的部分恰恰是能积累经验的部分。

举一个责任划分的例子。某批商品传上去两周了，曝光一直很低。追问原因的时候，沿着上架那条线往回查是查不到的，因为工具把属性照原样提交了，它没有做错任何事。要找到原因得往上游看，看标题里用的词是不是买家在搜的词。

顺着这个方向查下去，往往能找到具体的动作。把标题里的词换一批，围绕搜索需求更大的词重新写，传上几天之后再看曝光的变化。如果曝光跟着起来，说明原来的问题就是词没挑对。这一类问题的根源在清单上，不在执行上。

同样的道理适用于另外两类问题。点击率低要找主图和价位，这两样也在清单里。成交转化低要找详情和价位，也在清单里。三类问题的答案都指向同一个地方，也就是上架之前的那份取值。这份取值的质量决定了页面能走多远。

这个结论有一个重要的推论，就是改进的方向。发现页面表现不好时，值得投入的地方是上游，把清单里的取值改得更准。如果投入到换一个提交速度更快的工具上，改善的方向是错的，因为速度从来不是限制表现的那一项。

把这层关系想明白之后，对工具的评价标准也会变。评价它好不好，看的是提交的准确率与稳定性，而不是看页面卖得好不好。页面卖得好不好是另一个环节的成绩单，两者不该用同一把尺子去量。

越往后走，上架工具能承担的越少，判断的部分越重

要看哪几个数

第一个数是曝光。它回答的是有多少人翻到了这个页面。曝光过低通常有两个方向的原因，一是标题里用的词不是买家在搜的词，二是这个类目的商品太多，自己排得太靠后。看曝光的时候要按周看，单日的曝光波动没有太大意义。

第二个数是点击率。它回答的是翻到之后有多少人愿意点进来。这个数低的时候，问题多半出在离得最近的那两样上：主图给人的第一印象、价位在同类中的位置。点击率是个比例，看的时候要结合曝光量一起看，曝光太少的时候比例不说明问题。

第三个数是成交与转化。它回答的是点进来之后买不买。这个数低的时候，要看的是详情讲得清不清楚、价位能不能接受、运费划不划算、评价够不够。这一层的问题比前两层更复杂，因为它涉及的变量更多。

第四个数是加购与收藏。它回答的是有没有人在犹豫。加购多而下单少，通常说明商品本身是被想要的，卡在了某个具体的顾虑上，比如价位偏高、运费太贵、或者颜色不合适。这个数在看价位调整的效果时特别有用。

第五个数是规格结构的表现。同一个款有几种颜色几个尺寸，各个规格的表现通常不一样。看这个数能知道哪个规格更受欢迎，从而把库存和重点往那一头挪。这个数按批看就够了，不需要每周都看。

最后一个是同类的动向。同类有没有在调价、有没有上新、主打的是哪几点。这个数不是自己的经营数字，但它决定了自己的价位区间还守不守得住。按一个月看一次通常够用，太频繁会淹没在噪声里。

看数的次序可以固定成一个漏斗。从曝光开始，往下是点击，再往下是成交，最后是复购与评价。这个次序的道理是前端不通的时候后端没有意义。曝光是零的时候，去分析转化率是在分析一组不存在的样本。

每一层看的时候先看趋势再看总量。趋势看的是这一周比上周是往上还是往下，总量看的是这个数在整体里的位置。先看趋势的好处是它能更早地暴露问题，因为总量的变化往往滞后。

每一层都要配一个对照。曝光配同类的位置，点击配主图的吸引力，成交配价位和详情。没有对照的数字只是一个孤立的数，说不出好坏。对照的基准可以是自己的上一批，也可以是同类的同类商品。

有几类数只在特定场合看。比如规格结构的表现，只在需要调整库存和重点规格的时候看；同类的动向，只在准备调整价位区间的时候看。把这些数固定成每周都看，会让真正重要的几个数被淹没。

看的时候顺手记一个数就够：这一周最值得注意的一件事是什么。写一行字，不用长。坚持写下去，几十行之后就有一份自己的问题清单，哪些毛病反复出现、哪些改动真的有效，都能从这份清单里看出来。

最后要注意区分两类数：能反映自己的和只能反映环境的。曝光、点击、成交是前一类，同类的价格和上新是后一类。前者用来评价自己，后者用来判断外部条件有没有变。两类混在一起看，容易把自己没做好归到环境上。

举一个曝光分析的例子。某批十件商品上线的第二周，其中两件的曝光明显高于其余八件。检查之后发现，这两件的标题里放了一个搜索需求更大的词，其余八件用的是另一个词。差别就在一个词上，其余条件都一样。

再举一个点击分析的例子。曝光量接近的两件商品，点击率差了一截。把两件并列看，主图是第一处差别，价位是第二处差别。这时候把价位调成一致再看，如果差别还在，那说明问题在主图上。一次只动一处，才能分离出原因。

再看一个加购分析的例子。某类商品加购不少，成交却很少。这类情况通常指向一个具体的顾虑，可能是运费偏高，可能是某个关键信息在详情里没有说清。看买家问过的问题是找这类顾虑最快的办法。

三个例子里的分析方法是一样的：先把曝光、点击、成交这几层分开看，找到问题落在哪一层，再在那一层上找具体的差别。混在一起看的时候，问题会显得模糊；分层看之后，每一层的问题都能落到一个具体的动作上。

还有一类数值得单独看，就是同一个商品在不同时间点的表现。同一件商品，改了价位之后的前后两段表现如果差别明显，这个差别是很干净的，因为商品本身没变。这类前后对照的说服力比跨商品比对更强。

最后要提醒的是别拿单个数字下结论。一件商品曝光高就断定它好，可能只是因为它所在的类目整体在涨。看数的时候养成一个习惯，问一句这个数在同类里算什么水平，很多误判会在这一问上被拦下来。

看的频率怎么定

频率的定法有一个基本取舍。看得太勤，看到的多数是波动而不是趋势，容易因为一两天的起伏做出不必要的调整。看得太疏，等发现异常的时候已经过去了调整的窗口。合适的频率是能把波动抹掉一部分，又不至于错过时机。

比较稳的一种安排是按周看主要几个数。每周固定一天看上周的曝光、点击、成交，把它们记在同一张表上。固定日期的好处是形成节奏，不会被临时的事情挤掉。按周看还有一个好处，就是周期和多数人的经营节奏对得上。

按双周看一次加购与收藏这一类偏慢的数。这类数的变化本来就慢，看得太勤只会看到噪声。双周的间隔足够让变化累积到能看出方向的程度，同时又不至于拖得太久。，看的时候只记趋势，不记具体数。

按月看一次同类的动向和自己的整体盘子。同类调价、上新这类事情不会每天都发生，按月看能看出一个阶段的变化。自己的整体盘子也是，一个月的时间足够看出结构性的东西，比如某一类商品占比在变。

按批看一次规格结构。每一批跑完、数据收回来之后，把这个批次的规格表现过一遍。批次是相当合适的观察单位，因为一个批次内部的取值是一致的，批次之间的差别才是干净的变量。，批次也是留档和对照的最小单位。

频率定下来之后要写进日程，不能靠想起来。靠想起来的那种安排，忙起来第一个被省掉的就是看数据。写进固定的时间格子里，它就变成了一个稳定的动作，不会因为当期忙闲而起伏。

定频率之前先看自己的上架节奏。如果每周都在上新，那按周收数据的频率是合适的，因为每周都有一批新内容进入观察。如果一个月才上一批，按周看就过于频繁，看到的多数是没有变化的数字。

频率和批次的关系也要考虑。一批商品上线之后，前一段时间的数字变化最快，之后逐渐趋稳。所以在一批上线后的一两周内看密一点，之后按常规频率看。这个安排能抓住变化最大的窗口，又不至于长期占用时间。

定好频率之后要给它安排一个固定位置。比如每周一上午，或者每周五下班前。固定位置的意义在于它不需要每次重新决定，到了时间就做。靠临时决定的那种安排，忙起来最先被牺牲的就是这件事。

频率也可以分层次。快的那一层看三四个关键数，花的时间少；慢的那一层看全部数并写结论，花的时间多一点。分层次的好处是平常不用花太多时间，但重要的观察不会缺。，两层都做完大约二十分钟。

有一种情况需要临时加密频率，就是刚做过明显调整之后。比如刚改了价位区间、刚换了主图，这时候要在短期内多看几次，才能及时知道调整有没有达到预期。等结论稳定之后再回到常规频率。

举一个频率设得太勤的例子。某店刚开始的时候每天看一次数据，看到曝光在某一天掉了三分之一就紧张，赶紧改标题。改了之后又发现另一天涨回来。几轮下来标题被改了好几次，最后自己也说不清现在用的哪一版最好。

这个例子里每天看的问题在于波动。单日的曝光受很多临时因素影响，平时的自然波动就能覆盖掉真正的变化。每天看的结果是把波动当成信号，做出的调整反而把真正的规律打乱了。，频繁调整反而远离了稳定的取值。

再举一个频率设得太疏的例子。某店一个月才看一次数据，等到发现某几件商品完全没有曝光的时候，已经过去了一个月。这一个月里这些商品一直在占用着页面的位置，本可以换成别的内容。发现得越晚，损失的时间越多。

两个例子对照，按周看的合理性就出来了。一周的时间足够把单日的波动平均掉一部分，又不至于拖得太久。按周看还有一层好处，就是它和多数人的经营周期对得上，一周一个循环，容易形成节奏。

固定日期这件事比频率本身更重要。同样是按周看，固定在每周一上午看和想起来才看，效果差得很远。固定日期会让这件事变成一个到点就做的动作，不需要每次都动用意志力去决定要不要看。

如果实在忙不过来，可以让频率分档。平常那一周只看曝光与成交两个数，十分钟能看完；到月底那次再多看几个数并写结论。这种安排的好处是在最忙的时候也不至于完全断掉。，忙的时候保住底线，闲的时候补上深度。

数据和上架前的判断怎么对

对照的前提是上架前那份清单还在。清单上写着这一批的每个款对应的价位区间、底线、重点属性、标题里的词。把清单调出来，把每一行的取值和这一行的表现放在同一张表里，对照才有基础。清单丢了，对照就无从谈起。

对照的第一步是找差别。同一批里表现好的那几件和表现差的那几件，取值上差在哪里。是价位分成了两段，是属性写法不同，还是标题里用的词不一样。差别通常就在这几个字段上，因为批次内部其余条件是一致的。

第二步是判断这个差别是不是有意义的。一次差别可能是巧合，几次都出现同样的差别才有价值。所以对照的时候要把前几批的记录一起翻出来，看同一个规律是不是重复出现过。重复出现的才值得作为下一批的调整依据。

第三步是把结论写下来。结论要写得具体，比如价位在这一段的商品点击更集中，或者标题里放了某个词的商品曝光明显更多。写下来之后，下一批的调整就有了依据，也能在下一批跑完之后验证这次结论成不成立。

第四步是控制变量的数量。下一批只改一两处，改多了就分不清是哪一处起了作用。这一条听起来简单，但实际执行的时候很容易一次改四五处，因为每一处看着都该改。想清楚最想验证的是哪一条，其余的留到再下一批。

有一种情况要对对照结果保持警惕，就是某一批的结果和前面全部批次都不一样。先别急着把它当成新规律，先检查这一批有没有额外变量，比如换了主图、撞上了活动、或者上传时间刚好凑在一起。排掉这些再看，结论才靠得住。

对照表建议做成两半。左边放上架前的取值，右边放收回来的结果，中间用规格编号连起来。这样做的目的是让取值和结果在同一行上出现，看起来一目了然。分开放在两张表里，对照的时候要来回翻，效率低也容易看错。

对照的时候先看整体再看个体。整体看的是这一批的表现是不是比上一批好，个体看的是这一批里表现最好和最差的那几件差在哪里。整体和个体一起看，能避免把个别的偶然当成整体的规律。

对照的结论要落成一个可以执行的动作。比如发现价位偏低的几件点击更好，那么下一批的动作就是把区间往下调一档。结论如果是价位有点问题这种程度，就没法执行，因为不知道具体要改什么。至于下一批的候选从哪里来，仍然要回到判断那一段去看，知虾在这一步提供的是类目走势与同类价格分布这类参照。

对照的时候要留一个存疑位。有些现象这次解释不了，先记下来，不要强行归因。强行归因出来的结论往往是错的，而且会带偏后面的动作。存疑位累积几次之后，回头看可能就有答案了。

对照的频率建议和收数据的频率一致。收完就顺手对一遍，不要攒着。攒着的坏处是等对的时候已经过了能调整的时机，而且记忆也模糊了。顺手对一遍花不了多少时间，但它是整个循环里最关键的一环。

举一个对照的实例。某批八件商品，清单上写着价位区间落在某一段，属性重点写了材质和尺寸两条。跑完三周之后，其中三件的点击率明显更高。翻出清单对照，这三件的共同点是价位都落在区间偏下的那一档。

这个对照指向一个具体的判断：区间偏下的价位在这一批里更受欢迎。下一批的动作就明确了，把区间整体往下挪一档，其余条件不动。跑完第二批再看，如果点击率整体提升，这个判断就被验证了一次。

这个例子里最关键的是清单还在。如果当时没留清单，就只能看到有三件表现好，说不出好在哪，也就没有办法提出一个可以验证的假设，更没有办法在下一批上做一次干净的测试。留档的价值就在这里，它是复盘时最靠得住的凭据。

另一类对照的结论方向相反，是发现某一批的表现整体不如预期。这种情况先看这一批和上一批的取值差在哪里，再看外部条件有没有变。两处都看一遍之后，问题出在内部还是外部通常能分清。

还有一种对照是针对同一个商品做时间上的比较。改了价位之后的表现和改之前比，改了主图之后和改之前比。这种前后对照的干净程度最高，因为商品、类目、季节这些条件都没变，只有一个变量在动。

对照做完之后建议把结论归到一份累计的清单里。每一条写上当时的假设、验证的结果、下一批的动作。积了几十条之后，这份清单就是自己店铺的经验库，比任何通用的说法都更贴合自己的实际情况。

后两行基本落在判断这一段，工具与后台都给不了

盲区里最容易漏的一步

最容易漏的是留档。跑完一批之后，清单、提交记录、收回来的数据，这三样如果没有按批次存好，过一段时间想复盘就只能靠记忆。记忆对价位的记性通常很差，隔一个月再问某件商品当时卖多少钱，多半答不上来。

留档的成本其实很低。清单本来就有，提交记录工具一般也会生成，数据是从后台导出来的。需要额外做的只是把它们按同一个批次标识放在一起，存到一个固定的位置。这一步花的时间很少，但它决定了后面能不能复盘。

第二个容易漏的是记下当时的理由。价位定在这一段是因为看了同类的价格分布，某个款进名单是因为需求在涨，这些理由如果只留在脑子里，过一段时间就模糊了。在清单旁边加一列写一行字，成本很低，价值在回看的时候体现。知虾给出的供需比与价格分布这类参考，也是为了让当时定下这个取值时有据可依。

第三个容易漏的是记下不在预期内的现象。某一批里有一件商品的表现完全出乎意料，卖得特别好或者完全没有动静，这种时候很容易把它当成个例放过。但如果每一批都记下这类现象，几次之后可能会看出一个共同点。

第四个容易漏的是把已经下架的批次也留着。下架的商品容易被当成失败的尝试而清掉记录，实际上这些记录恰恰是最有价值的对照，因为它能给出一组没做成的取值是什么样的。留着它们，能看出哪些取值的组合一直在踩同一个坑。

留档这件事还有一个隐性的价值，就是它让判断这件事可以被检验。没有记录的时候，判断对不对只能凭感觉；有了记录，隔一段时间回头看，能指出当时哪一条想错了。判断能力就是在这一次次回看里慢慢校准的。

除了留档，还有一个容易漏的是把无效的批次也记下来。有一批商品传上去完全没动静，很多人会觉得这是一次失败的尝试，不愿再提。但这一批恰恰提供了一组对照，说明这样的取值组合行不通，它的价值不比成功的那批低。

还有一种容易漏的是把外部的影响记下来。某一批表现特别好，可能正好撞上了平台的一次活动，或者赶上了某个时间点。这些外部因素如果不记，下次会把活动带来的效果当成选款的功劳，重复去做一个其实没有依据的选择。

也容易漏掉买家在页面之外留下的信息。问过的问题、评价里抱怨的点、加购之后没买的比例，这些不在标准报表里，但它们往往指向买家的真实顾虑。看一眼买家的问题列表，能发现页面上没写清楚的地方。

还有一个容易漏的是记录的更新。商品的价位会调、图片会换、描述会改，这些改动如果不记在同一个地方，过一段时间回看的时候会对不上。建议把每一次改动的时间点记在清单旁边，这样数据和改动的时间就能对应起来。

记录这件事有一个容易走偏的方向，就是做得太复杂。列了几十栏、每次填要花半小时的那种表，通常坚持不了几批。记录的目的是能回看，不是收集得全。够用就好，先把关键的几栏填稳。

举一个没留档导致的困境。某店做了半年，传过十几批商品，中间有一些表现不错、有一些完全不动的。等到想总结规律的时候，发现早期的清单已经找不到了，只剩后台里那些商品页面，价格还改过好几次，已经看不出当时填的是什么。

这个困境的代价是那半年的经验只留下了印象，没有留下可核对的东西。印象里觉得某个价位的商品好卖，但拿不出数据支持。这种印象很容易被后来的某一次偶然经历推翻，于是又重新试一遍。

避免这个困境的办法很简单，就是每一批传完之后立刻存一份。存的位置固定，命名里带上批次和时间，格式统一。做一次的成本很低，但它决定的是半年后自己能不能回答当时是怎么想的这个问题。

另一个容易漏的地方是记下改动的时点。同一件商品，价位改过两次，如果不记下改动的时间，数据曲线上的转折就没有办法解释。记下时点之后，每一个转折都能对应到一个具体的动作。

还有一处容易漏的是把判断依据的来源记下来。价位区间是照着同类的价格分布定的、某个款是因为需求在涨才进名单，这些来源信息当时很清楚，过一个月就模糊了。写一行字记下来，回看的时候能复原当时的思路。

留档这件事的最低要求是能回答三个问题：这一批填了哪些取值、这些取值是什么时候传上去的、后来改过什么。三个问题能答上来，复盘就做得下去。答不上来的部分，就是下一批要重点记的地方。

看的频率固定下来以后，异常被发现的时点会稳定很多

怎么把盲区补上

补的第一步是定一个固定的收数据动作。比如每周固定一天，把手上的曝光、点击、成交导出来，填进一张固定的表里。这张表的列和上架清单的列要对得上，能通过批次标识和规格编号联起来。

第二步是给每一次收数据配一个结论位。看完数之后勉强写一句这一周发现了什么，哪怕写这一周没有异常也算一句。写结论这个动作会把看数据的质量拉高，因为知道要写一句话，看的时候就会更认真。

第三步是把结论回到下一批的清单里。这一步是整个循环能不能转起来的关键。看数据、写结论都是准备动作，真正产生变化的是下一批的取值被改动了。改的时候只改结论指向的那一处，其余条件保持不动。

第四步是隔一段时间回看记录。一个月或者一个季度看一次，把前几批的结论放在一起，看看哪些结论后来站住了，哪些当初判断错了。站住的那些可以沉淀成经验，错的那些能指出自己的固定偏差在哪。

第五步是把这一整套动作写下来。收数据的日期、看哪几个数、结论写在哪里、下一批改动怎么记，写成一页说明。写下来之后，换人接手也能照着做，不会因为某个人的离开而断掉。，写下来的那一页本身也值得留档。

这一整套动作不需要一开始就做得很完整。可以先从按周看三个数和写一句结论这两件事开始，做了几周之后再补留档和回看。补的过程本身就是在把工具留下的那段空档一点点填上。，先做小再补全，是这件事唯一走得通的路。

补的过程中有一个次序可以参考。先做收数据，再做对照，最后做留档的规范化。这个次序的原因是收数据是后面两步的原料，没有原料的时候整理格式没有意义。等原料稳定了，再规范格式，成本更低。

补的时候给自己定一个最低标准。比如最低标准是每周看三个数、写一句结论。这个标准足够低，忙的时候也能做到。有了最低标准，这件事就不会因为某周特别忙而彻底断掉，断了之后重新接上也要花力气。

补的过程里要留一个自查的时点。比如一个月之后回头看，这一个月有没有按时收数据、有没有写结论、下一批的改动有没有依据。自查不是考核，它是为了发现哪一环最容易断，然后针对那一环做简化。

如果发现某一环总是做不到，通常是那一环设得太重。比如要求每次都写三段结论，实际上写一句就够了。把做不到的那一环往轻里改，让它能稳定地做下去，比维持一个做不到的高标准要有用。

补完之后要注意别把这一套变成新的负担。它的目的是让判断和结果之间有条回路，回路转起来之后，每一批的取值会比上一批更有依据。如果这一套本身占用的时间超过了判断的时间，那就需要再简化一轮。

举一个补上之后的变化。某店先是养成了每周一收数据的习惯，跑了一个月之后开始写每周一句结论。又过了一个月，开始把结论用到下一批的取值上。三个月之后，手上有一份累计的结论清单，里面有几十条经过验证的判断。

这个变化的意义在于判断这件事从凭感觉变成了有依据。以前定价位是凭对市场的印象，现在是拿着一份自己验证过的区间来定。以前选款是看哪个顺眼，现在是照着几条站得住的依据来选。

补的过程里最有用的一件事是把它做小。一开始不要设计一整套复杂的表，就从收三个数、写一句话开始。做小之后才有可能坚持，坚持几个月之后才谈得上积累。做大的那种一开始很有气势，通常撑不过三批。

第二个有用的事是给它一个固定的触发点。比如周一早上打开电脑的第一件事就是收数据，或者每一批传完的当天就写一句结论。触发点固定之后，这件事就不再需要考虑，它变成了流程里的一部分。

第三个有用的事是定期回看。回看不需要频繁，一个月或者一个季度一次就够。回看的时候重点看两件事，哪些结论后来站住了、哪些当时的判断偏了。偏掉的那些往往不是偶然，它们指向的是自己思路里的固定习惯。

经过这样一段时间的积累之后，工具留下的那段空档就不空了。空档被一套自己的动作填满了，这套动作不需要很复杂，只要稳定地做，它就能把每一批的结果变成下一批的依据。，这段时间不需要很长，几批就能看出差别。

常见问题（FAQ）