Shopee上货量不是越多越好：测试批量怎么定

量的多少各有什么代价

量这件事的麻烦在于，两种方向的代价不是对称的。上多了，代价是慢慢显出来的，第一天感觉不出来，第二周开始觉得跟不动了。上少了，代价是当场就能感觉到的，看着页面数那么几个，心里会发虚。正因为一个是慢性的、一个是即时的，人多半会往多的那个方向偏。偏的方向和自己判断的依据是不是对得上，很少有人回头核对。

上多了最直接的一层代价，是上货这个动作本身会被赶着做完。款多了之后，每一件分到的时间变短，填表的时候容易照着上一件的写法往下顺，属性也懒得逐条核对。上完的页面看着都齐，其实每一件都不太经得起细看。这一层的损失在上货当天就能埋下，只是要等数据出来才暴露。

上少了的代价主要体现在样本上。三件里面有两件跑得一般，是不是说明这个方向不行，很难下结论。有可能只是这两件恰好没踩对，换一批可能是另一个结果。样本不够的时候，人容易用别的东西来补，比如别人的说法、比如自己的印象，补进来的东西往往比数据更容易误导判断。

两种代价还有一个时间上的差别。上多了之后要回收，得等到这一批走完，中间那段时间页面一直挂在那里，占用着注意力。上少了之后要补，可以在下一批直接加进来，代价是往后拖了一个批次的时间。从回收难度上看，少的那个更容易调整，多的那个只能等。

代价还有一层落在数据本身上。批次太大，件与件之间的差别会被平均掉。几件好的和几件差的混在一起，看总数觉得平平，看不出哪一件其实值得单独立出来做。批次小一点，每一件的表现都看得清楚，值得再放大做的那几件不会被埋在里面。

把这几层代价摆在一起，会发现数量的选择其实是在两种损失之间取一个位置。没有哪一种量是天然正确的，只有和自己的目的、时间、判断能力配得上的那一个。定量的动作就是找那个位置，找的过程需要参照，不能靠感觉往前推一格或者往后收一格。

把量定下来之前，先做一件很具体的准备，就是给自己这一批写一句目的。目的句的写法可以很简单，比如这一批是为了看两个价位哪个更能走，或者这一批是为了试这个类目还有没有空间。写下来之后贴在定量表的最上面，定量的时候一直对着它看。

有了目的句，接下来算一个可用的时间数。把上货之后需要做的事列出来，看数据、回问询、处理异常、记录结果，每一样估一个大概的时间。加总之后再乘上批次持续的天数，得到这一批能投入的总时间。用这个总时间除以单件需要的跟进时间，得到的就是批量的上限。

算出来的上限通常是一个区间，不是一个精确的数。取这个区间的下沿作为起步数量，比取上沿更稳。因为估时间的时候人容易低估，实际情况往往比估算更长。从下沿起步，跑完一批之后知道自己估得准不准，下一批再往上调。

然后检查一下可比性。把这几个款两两对一下，看它们之间的主要差别是不是只落在一个方面。如果有一个款在款式和价位上都和其他款不一样，把它拿出来单独处理，不要放进这一批。少一个款不会影响结论，多一个这样的款会让整批的归因失效。

定完之后把数字和理由一起写下来。理由要写具体的依据，比如按上一批的跟进时间估的上限是六个，按可比性减掉一个，最后定五个。写到这里，这个数字就不再是一个凭感觉的数，而是一个能拿给别人看、也能给下一批当参照的数。

有一个具体的观察值得记下来。同样是十个款的一批，交给两个不同的店做，跑出来的结果可能完全不同。一家店每一件都能说出它为什么好或者为什么不好，另一家店只能说出整体还行。差别不在款式上，在跟进上。前者把十个款当十个单独的对象看，后者把十个款当一个整体看，同一批货读出的信息量差了一整个量级。

还有一个边界情况，是新手店和老店对同一个数量的承受能力不一样。同样的六个款，老店因为流程已经顺手，跟进的时候每一步都是条件反射，占用的注意力不多。新店每一步都要想，同样的六件会占掉多得多的精力。所以看到别人上一批做多少个，不能直接照着抄，能力不一样。

批量的大小和上游收窄的结果直接连着。收窄这一步留下的款多，这批的量自然就大，能不能跟上就成了问题。知虾给的是收窄的依据，它站在上货之前那一步，看到的是一个需求下有多少人在找、在卖的有多少家。这个依据决定了这批的量级该往哪一档落，而不是等上完一批再回头判断数字是不是定大了。

数量这件事有一个很容易被忽略的连带影响，就是它会改变上货这件事的性质。量小的时候，上货是一个需要想清楚再动手的动作；量大到一定程度，它就变成了一个需要赶完的任务。任务模式下，人关注的是有没有做完，不是每一件做得对不对。这个转变发生的时候通常没有感觉，等发现的时候已经有一批货是这么上去的。

还有一个代价藏在时间上。量大的批次从上第一件到最后一件之间要跨好几天，这几天里市场的情况可能已经变了。价位带了、同类的数量变了，最后几件上货时的参照和第一件已经不是同一套。批次越小，这个内部参照漂移的幅度越小，整批的数据也就更干净。

批量的调整依据来自跑完的结果，不来自当天的状态

上太多：判断被稀释

判断被稀释的第一个表现，是同一批里的差别看不出来。十件里面有六件表现相近，这一批的结论就只能写成整体一般。但实际上如果把这六件拆开看，可能有两件明显好于其余四件。混在一起之后，这两件的好被平均掉了，也就失去了单独放大做的机会。量越大，这种情况越常见。

第二个表现是问题的归因变难。某一批整体数据不理想，查原因是款式问题、价位问题还是上货的时间点问题，件数一多，每种可能性都能找到几个例子支持。找不到一个能站住的解释，就只能推给运气。推给运气的批次，下一批的动作不会有任何变化。

还有一个表现是跟进的动作变形。款多了之后，跟进的方式会从逐件看变成抽查。抽查的时候自然先看数据靠前的那几件，差的那几件被留在后面。而恰恰是差的那几件最需要看，它们的问题要么是可以修的，要么是需要以后避开的。跳过它们，这一批的信息就剩下一半。

注意力被摊薄这件事还有一个连带效果，就是上货的动作会变得越来越机械。件数压着，人会把填表当成任务量来完成，不再去想这一栏为什么这么填。这种状态持续几批之后，前面的收窄动作也会跟着走形。因为收窄需要停下来想，而停下来想的时间已经被数量占满了。

稀释还有一个不容易察觉的地方，是它会影响自己对判断力的信心。款上多了，出好结果的时候不知道该归功于哪一件，出坏结果的时候也不知道该归咎于哪一件。几次之后，会开始怀疑自己的判断有没有用。实际上判断是有用的，只是被过大的数量盖住了，看不出来。

所以上太多这件事，损失的不只是时间。它把一次本可以拿到明确结论的测试，变成了一堆模糊的印象。批量大本身不是错，错的是在没有足够跟进能力的时候把批量做大。有能力跟得住的店，批量大反而是合理的，因为他们的每一件都有人看着。

避开稀释有一个具体操作，是给这一批设一个跟进清单。上货的同时，把需要跟进的几件事写成清单：三天看一次曝光、七天看一次点击、有问询当天回。清单上写下每一件商品的编号，跟进的时候照着勾。这个清单的作用是把跟进这件事从记忆里挪出来，件数多的时候也不会漏掉后面几件。

跟进清单还有一个好处，是能提前暴露能力不足。清单上连续几件都打不上勾，说明这一批的量已经超过了实际能跟住的水平。这时候的处理不是硬跟，而是把还没跟的那几件单独拿出来，判断它们是不是需要放弃。及早放弃一部分，比整批都跟得马马虎虎要好。

如果发现自己批次经常性地偏大，可以在定量的时候加一道减法。先按目的定一个数，再按跟进时间算出上限，然后在这个数上主动减掉一到两成。减掉的部分不用留作备用，直接从这一批里去掉。这道减法是针对自己习惯性乐观的一种矫正，跑几批之后如果不再偏大，就可以取消。

举一个具体的例子。一家店试新类目，第一次上了十几个款。跑完两周之后发现整体数据平平，看不出哪一件值得继续。后来把数据单独翻出来一件一件看，发现有四件其实表现明显好于其余，只是被摊平了。这四件如果单独成批，本可以拿到一个清楚的方向，结果因为混在十几个里面，整批只换来一句没什么戏。

另一个例子的路径相反。一家店从一开始就守住了六件上限，每个款都记了曝光、点击和问询三组数。跑到第三批的时候，他们发现自己这个类目里某个价位段的问询明显多，于是在第四批集中试了这个价位。整个过程没有一次是靠整体印象推进的，每一步都有一件一件的记录在后面托着。

稀释还有一个具体的表现方式，是这一个批次里所有商品的记录都变成了同一个模板。曝光记一排、点击记一排、问询记一排，每一件都是这三样，看不出哪一件在哪个环节上出了问题。这种记录看起来规整，实际上什么信息都没有，因为每一件需要看的地方本来就不一样。

有一个可以自查的信号，是问自己这一批里哪一件最值得继续做，如果答不上来，说明这一批的量已经超出了自己的处理能力。能答上来的批次，量通常是合适的。这个自查不依赖任何数据，一句问话就能验一次，比回头翻记录要快得多。

越靠近外部标准的定法代价越高，越靠近自己能力的定法代价越低

上太少：结论不够用

上太少的第一个问题，是分不清结果里的偶然成分。三件里面一件走得不错，这个不错可能是款本身选得对，也可能是这几天恰好有人搜。样本小的时候，一次偶然的表现和一次真实的信号长得很像，很难区分。区分不了，下一批就只能照原样再做一遍，等于没有往前走。

第二个问题是同一个批次里放不下对比。想验证价位，需要在同一款上试两个价位，或者在同一价位上试两个款。这至少需要两件有对照关系的东西。批量太小的时候，每一件都是一个独立的尝试，件与件之间没有对照关系，跑完也读不出差别的来源。

第三个问题是判断的容错空间小。批量小的时候，任何一件的意外表现都会把整批的平均值带偏。一件特别好，整批看着就不错；一件特别差，整批看着就不行。两种情况下得出的结论，都不是对这一批的真实描述，而更像是对那一件的描述。

还有一层是心态上的。批量太小，上货这个动作会显得不太像一件事，人也容易不够上心。随便填填就上了，上完也不记得去看。这种状态下的批次，数据质量本身就有问题，那不是批量的问题，是批量小到没有引起重视造成的。

一个可行的处理办法是把小批量的测试和正常批次分开。真要试一个只有两三个款的方向，把它标成单独测试，不并进正常批次做对比。这样它的结论只用来回答有没有戏这一个问题，不承担更多的解释责任。要用它的结论做更大的判断，就得再做一批更大的。

从风险上看，上少了是更安全的一侧。调整起来快，损失的时间也短。所以起步阶段的店更适合往少里定，让自己先跑通几批，摸清跟进一批真正需要多少时间。摸清之后再加量，加的量才有依据。反过来先加量再回头，多数情况下要先撤掉一部分，那一段的投入就白费了。

解决样本不足有一个办法，是把同类的测试连起来看。这一批三个款，下一批再三个款，两批在同一个方向上，结论就可以合并起来读。合并的前提是两批的口径一致，价位档位相同、类目位置相同，只是在不同的时间做的。口径不一致的批次合并起来，反而会把结论搅浑。

还有一种做法是让同一批里自带对照。选两件价位相同但款式不同的，再选两件款式相同但价位不同的，四件就构成了两组对照。每一组单独看，能读出对应的那个维度的影响。批量没有增加，信息量却比随便放四件要多。

批量小的时候，结论的写法也要跟着调整。写成这个方向有戏或者没戏，比写成具体涨了多少要稳妥。具体数字在小样本上波动很大，方向性的判断反而稳定一些。等批量上去了，再开始看具体的数字差别。

有一个边界条件要留意，是有些类目的验证本身就需要更大的样本。需求本身量不大的类目，单个款跑两周可能只有个位数的曝光，三五个款完全看不出差别。这类类目做测试要么把观察期拉长，要么就得把批量放大一些，用数量来补时间。判断的标准在于每一件能不能积累到足以说明问题的基础数据。

还有一个具体的记录方法，是给每一件商品标注它在批次里的角色。哪几件是对照组，哪几件是测试组，写清楚。跑完之后先看对照组的基线，再看测试组相对基线的差别。有了角色标注，小批量也能读出一部分结论，因为没有角色的批次里，每一件都是孤立的。

样本小的时候，判断依据的来源也要说明白。三个款跑出来的量级本身不足以支撑一个结论，能支撑的只有方向。这时候补充信息的办法是看需求端的量本身够不够。知虾看到的是搜索端的量，一个需求下面有没有人在持续地找，这一点不靠自己的三个款来验证，靠的是搜索端的量来确认。两者对得上，小批量的结论才有落点。

样本小的时候还有一个可用的补救方向，是把观察期拉长。同是三件货，跑两周和跑一个月，能积累到的信息量相差不小。拉长观察期的代价是慢，好处是不用增加数量，也就不会超出跟进的精力。这个取舍在需求本身量小的类目里尤其值得考虑。

观察期拉长之后要注意记录的口径不能变。两周的时候是每三天看一次，一个月的时候如果改成每天看，两次记录的口径就不一致了，放在一起也没有可比性。口径跟着批次定下来，不要在过程中改。

测试批量的三个参照

第一个参照是这批货要回答什么问题。问题定下来，数量就有了量级。回答有没有人找这个层面的问题，看的是信号，几个款就能说清楚。回答哪个价位更能走这个问题，需要价位上有对照的几件。回答这一类货值不值得长期做这个问题，需要一批有足够时间的样本。三种问题对应的数量差了好几倍。

第二个参照是自己每天能分出多少时间跟进。这个数只能靠实测得到，靠自己估多半会高。实际的做法是先按上一批的量跟踪一次，把每天花在上面的时间记下来，看看覆盖到了几件。按这个数定下一批的量，误差会小很多。这个参照直接决定了批量的上限。

第三个参照是这一批里各款之间是不是可比。可比的意思是主要的差别只落在一个维度上，比如款式差得明显但价位接近，或者价位分成两档但款式相近。有了可比性，几件的结论就能合并成一个判断。没有可比性，件数再多也只是几十个孤立的结果。

三个参照之间会互相牵制。要把可比性做足，同一批里能放的款就少一些，因为要挑出只在一个维度上有差别的款本身就难。要照顾跟进时间，上限又被压住。两个约束一起作用之后，能定出来的数量通常比想象的少。这不是保守，是几个约束同时满足之后剩下的空间本来就不大。

三个参照用的时候有先后。先用跟进时间定出上限，再用验证目的调整，最后用可比性做微调。顺序反过来会出问题，比如先按目的定了一个很大的量，再看跟进时间发现跟不上，这时候要么砍掉一半，要么硬着头皮跟。砍掉的那一半等于白准备了一场。

把三个参照写在自己的定量表上，每次定量的时候逐条过一遍。过的时候不需要精确计算，只需要确认三个方向都没有明显违反。三方向都通得过，定出来的数就站得住。有一个方向明显通不过，回去改数，改到通过为止。

具体用法是先找跟进时间的实测值。第一次做的时候没有实测，可以按估计值起步，但要在批次结束后把实际时间记下来，和估计值对一下。几次之后，实测值和估计值之间的差距会稳定下来，以后估的时候就按这个差距往上修。

再用目的大致框一个范围。验证用的小，铺开用的大，两档之间不要混。做验证的批次如果顺手做大了，跑完之后拿到的是铺开的结果，验证的结论反而没拿到。目的和批量对不上的批次，等于花了铺开的成本做了一次没结论的测试。

最后调可比性。把候选的款排一排，找出那些在其他方面都接近、只在一个维度上有差别的款，优先放进这一批。差别太多的款移到下一批去，或者单独做一次。顺序是先框范围再调可比性，不要反过来，因为可比性是在范围之内做微调用的，范围本身不对，微调没有意义。

三个参照走完之后，如果发现算出来的数量小到自己觉得不像一批，就把目的往下调一格。原本想问这一类值不值得做的，先改成这个价位能不能走。问题变小，对应的批量也就合上了。问题的大小和批量的大小配不上，是很多批次读不出结论的直接原因。

拿一个具体的数字例子走一遍。某店上一批八个款，从定数量到结论出来用了十天，每天跟进大概一小时，其中真正看数据和处理问询的时间大约四十分钟。八个款分摊下来，每件每天五分钟。下一批想做得更细，每件愿意给到八分钟，四十分钟就只能覆盖五个。定位定五个，这就是上限算出来的过程。

还有一个细节是可对比性的排序方法。把候选的款按价格从低到高排一列，再按款式差别排一列。两列的排序如果一致，说明价位和款式这两个维度在这批候选里是绑在一起的，同一批里放进去就分不出是哪个因素在起作用。这时候要么把其中一个维度固定，要么把这一批拆成两组分别做。

批量定下来之后还有一个收尾动作，是把这一批的观察期也定下来。观察期从最后一件上架那天算起，不能从第一件算。第一件和最后一件之间可能隔了好几天，从第一件算起会让先上的那几件多跑一段。观察期不一致，件与件之间的数据就不可比，前面在可比性上花的功夫也就白费了。

三个参照用的时候还有一个更细的取法，是把可比性这一条落到词上。同一批里的几个款，如果对应的搜索词量级差得很远，跑出来的差别里就混进了词的差异。做法是先把几个款对应的词量级对一遍，把量级差得太远的款挪到别的批次去。这一步花不了多少时间，却能让这一批的十几个数落在同一个起跑线上。

三个参照用熟了之后，可以给它们排一个处理顺序。上手最快的是跟进时间，因为它是一个可以直接测出来的数。其次是验证目的，它决定的是量级而不是精确的数。最后是可比性，它需要逐个看款，最费时间。按这个顺序走，前面的两步能先把范围框掉一大半，最后一步只需要在少数候选里做微调。

还有一个操作上的小细节，是把这三个参照写在同一张表上，一个参照一列。每次定量的时候三列一起看，不要一列一列地过。一起看的目的是让三个约束同时起作用，而不是先按一个定下来再被后两个反复推翻。

量的调整依据是什么

调整的依据来自上一批的偏差，不来自心情。上一批跑完之后，把实际结果和当时写下的预期对一下。实际比预期好，说明收窄的口径偏保守，下一批可以适当放宽一点。实际比预期差，说明口径偏乐观，下一批收紧一点。调整的方向由偏差决定，幅度一次只动一格。

一次只动一格，是为了让下一批的偏差还能被解释。这一批定五个，下一批突然定十五个，跑完之后变好还是变坏，都说不清是数量带来的还是别的原因带来的。渐进调整的代价是慢，但每一批的结论都能用上，累起来反而快。

除了偏差，还有两个信号会影响调整。一个是跟进时间明显变得紧张，说明这一批的量已经顶到上限，下一批不要往上加。另一个是同一批里的结论高度一致，几件跑出来的结果都指向同一个方向，说明这个方向的验证可以往前推一步了。

调整的时候容易犯一个错，是把某一批特别好或者特别差的结果当成转折点，直接大幅调整。一批的结果里带着不少偶然因素，特别好的那一批可能只是赶上了需求的一波波动。把偶然当成趋势，调整的幅度就会过大，下一批又得往回调。

反过来也有一个容易犯的错，是长期不调整。几批下来结果都差不多，数量也就一直没动过。这种状态本身没问题，问题在于没有去确认这个数量是不是已经偏低了。可以偶尔主动往上一档试一次，看结果会不会变差。不试，就不知道自己离上限还有多远。

调整的记录要跟着数量一起写。哪一批从几个调到了几个、为什么调、调完之后结果怎样。这三样写在一起，几次之后就形成了一条自己的调整曲线。有了这条曲线，再定量的时候就不用重新摸索一遍，直接看上一次类似情况是怎么处理的。

具体做法是每批结束时写一个偏差数。预期的表现是一档，实际的表现是一档，两档之间的距离就是偏差。偏差为零或者一小格，说明口径准了，下一批维持。偏差明显偏向一边，下一批往相反方向调一格。

偏差的方向连续几批一致的时候，调整的幅度可以大一点，一次走两格。这种一致说明不是偶然，是口径本身有系统性的偏。反过来偏差的方向来回变，就说明问题出在偶然因素上，这时候不要调整口径，维持原样继续跑。

调整还有一个守则，是数量和口径要一起动。发现收窄口径偏松，就把标准收紧，同时数量可能跟着下降。只调数量不调口径，下一批还是会收出同样偏多的款，数量上的克制只是暂时的。两样一起动，调整才能落到根上。

记录偏差的时候要把当时的特殊情况也写一句。比如这一批赶上了平台的一个活动，或者这一批的曝光比平时多了一截。这些情况会影响偏差的大小，写下来才能在下一批对照时把它们的因素排除掉。不写，调整的方向就容易被这些偶然因素带偏。

举一个偏差调整的实例。某店第一批定五个，预期是两件能起来，实际只有一件。偏差偏负，第二批把收窄口径收紧了一格，数量也跟着降到四个。第二批实际两件能起来，偏差转正。第三批口径不动，数量回到五个。三批走下来，数量在自己的能力上限附近稳住了，口径也比第一批收得更准。

记录偏差的时候有一个细节，是区分结构性偏差和波动。连着三批都偏负，是结构性偏差，说明口径本身偏乐观。三批里一批偏正两批偏负，是波动，口径大体是准的。两种情况的处理完全不同，把波动当成结构性偏差来处理，会把本来就准的口径调坏。

调整幅度还可以参考上一批的跟进情况。上一批跟得紧、记录完整，它的偏差数就比较可信，调整可以按它的方向走。上一批本身跟得松、有几件漏了近况，它的偏差数就掺了杂质，调整的时候应该把这一批的权重放低，多看前两批的平均方向。

偏差调整里还有一个参照值得加进来，就是这一批对应的需求端量级在这段时间有没有变化。需求端的量往上走，同样的批量跑出来会比上一批好看，偏差里的这一部分不该算到自己的口径上。把量级的变化记下来，调整的时候就能把这一块剥掉，剩下的才是自己口径真实的偏差方向。

调整的时候还有一个维度值得记录，是这一批从定数量到结论出来花了多少天。天数变了，同样的数量背后对应的跟进强度就变了。上一批五天出结论，这一批拖到十二天，即使数量一样，这两批之间也不能直接比。把天数记下来，跨批对比的时候才有一个公平的基准。

批量偏大那一列在判断类的事情上格子最浅，熟练度那一行反而最深

什么时候可以放量

放量的第一个条件，是同一个方向的结论连着几批都成立。一批的结论有偶然性，连着两三批都指向同一个方向，偶然的成分就被压下去了。这时候增加数量，是在一个已经被验证过的方向上扩大，不是在赌一个新的方向。

第二个条件是这个方向还有空间。验证过的那几件卖得动，同时看这个位置的在售密度没有因为自己这几批而变得拥挤，说明还有位置。反过来如果这几批一上去，同类的数量明显多起来，那就不是放量的时候，放量只会把已经变薄的空间切得更薄。

第三个条件是自己跟得上的时间还有余量。放量不是把数量一下子加上去，是在现有的跟进能力里挤出一块更大的空间。挤不出来，就只能靠减少每一件的跟进深度来腾地方，那样放量带来的数量和损失掉的判断力会互相抵消。

三个条件都满足之后，放量的动作也要分开做。不要一次从五个跳到二十个，先走到十个，跑完一批看跟进的情况，再决定要不要继续往上走。放量期间的批次同样要有可比性，这样跑出来的结果才能和放量之前的批次对接上。

放量之后要留意一个变化，就是收窄的动作可能会变形。量大了之后，挑款的时候容易凑数，凑进来的款未必过完两道信号。守住收窄的动作不变，是放量期间最需要守住的一件事。数量是结果，不是目标。

从时间上看，从起步到放量通常要经过几批的积累。这几批的价值不只是拿到了几个结论，更重要的是摸清了自己的处理能力、口径的偏差方向、以及哪个方向更值得投入。跳过这几批直接放量，等于把这几个参照系也一起跳过了。

判断是否具备放量条件，有一个具体的检查动作。把最近几批的记录摊开，看同一个方向的结论出现了几次。三次以上一致，第一个条件就过了。接着看这几批期间的同类在售数量有没有明显增加，没有明显增加，第二个条件也过了。最后看跟进时间有没有余量，有，三个条件齐了。

三个条件齐了之后，先做一次预演。用比现有数量多一半的量跑一批，跟进清单照旧，看跟不跟得住。跟得住，下一批再往上加。跟不住的，把多出来的部分砍掉，就回到上一档。这一批的目的是探上限，不是拿结果，所以它的数据可以只作参考。

放量期间要注意收窄动作不能省。数量一多，挑款最容易变成凑数。做法是每一批的收窄记录照旧写，写清楚这一批留了几个、划掉几个。放量期间留的款会比平时多，如果记录的划掉数明显变少，就是一个信号，说明收窄的动作在走形。

还有一个边界情况，是放量之后如果结果反而变差，别急着推翻之前的结论。先看这一批的收窄记录，看新加进来的那些款是不是集中在某一个方向或者某一个价位上。如果集中，说明问题出在加进来的那一部分，不是原方向的问题。把那一部分拆出去再看一次，原方向的结论往往还成立。

放量的节奏有一个具体的参考。从验证量到放量量，通常不是一步到位，中间可能要走两三次加量。每一次加量之后至少跑完一批，看跟进跟不跟得上、结论是不是还清楚。中间任何一批如果结论变模糊了，就退回上一个量级，稳住之后再试。

还有一个边界条件是类目本身的容量。有些需求的位置本来就少，放量上去之后自己几个款之间会互相分流，总量没有增加，只是每一件分到的变少了。这类需求上放量的意义不大。判断的依据是看上量之后整体有没有跟着往上走，整体没动就说明位置已经到顶了。

放量期间还要防一件事，是收窄口径被放量的节奏带着松掉。量大之后，看什么款都觉得可以放进去凑一个数。守住的办法是把收窄的记录和放量的记录分开写，定量表只记数量不记挑款，挑款的记录只记留和划。两件事分开记，收窄的动作就不容易被数量牵着走。

放量之前还有一个值得确认的参照，就是这个方向的容量到底有多大。验证过的几件卖得动，只说明这个位置现在有需求，不说明还能容下多少。看容量的办法是看需求端的量和在售的数量之间的差距。需求端大而在售少，容量还宽；需求端和在售都到了一定的密度，放量上去只是自己和自己分。知虾看到的是搜索端的量，配合在售商品的数，这个差距大致能看出来。

放量的过程中还要留意一个现象，就是原本稳定的收窄口径会不会因为款数变多而变得宽松。人多半会因为手上要凑够数量而在边缘上让步，把原本打算划掉的款又放回来。防这个的办法是在放量期间把收窄的记录单独留一份，放完之后回头数一数划掉的比例是不是还和放量之前差不多。

批量收窄到跟得上的范围，读不出结论的批次明显变少

定量这件事记下来

记录的内容可以很简单，一批一行。写清楚这一批有几个款、这个数是怎么来的、批次要回答的问题是什么、预期是什么。四栏就够。后面再补上一栏实际结果和预期差多少。这五栏放在一起，回头翻的时候一眼能看出当时是怎么想的。

记录的位置要固定。放在一个随手能打开的地方，不要放在需要找一会儿才能打开的地方。位置一麻烦，写的时候就会拖，拖几次之后就断了。断掉的记录比没有记录更麻烦，因为中间有一段空白，前后的对照关系也就断了。

记录不用写得很细，写到别人看不懂也没关系，因为主要是给自己用。关键是把当时的事实写下来。比如当时的跟进时间是多少、上一批的偏差方向是哪一边。这些事实不写下来，几次之后自己也会记混，把上一批的结论记到两批之前去。

记满几批之后，可以从记录里读出一个很有用的数，就是自己每一批的实际上限量。这个数通常比自己估计的要低一些。知道这个数之后，定量的时候就不用每次都从头推一遍，直接在这个数附近取值，再用当时的特殊情况做微调。

记录还有一个作用，是让偏差的积累看得见。单看某一批，好一点或者差一点都正常。连着看几批，偏差是不是朝着同一个方向走就清楚了。方向一致说明口径有一个系统性的偏，需要整体挪一格。只看单批的话，这个系统性的偏是看不出来的。

如果店里有几个人一起做上货，这份记录还要能被共用。共用的前提是写的时候统一用同样的栏目和同样的口径。各自按自己的习惯写，几个人的记录就没法放在一起比。口径统一之后，几个人的限量加在一起，才是这家店真正的处理能力。

记录的形式可以定成一张固定的表，横着是一批一行，竖着是几个栏目。栏目定下来之后不要再改，改了会让前后的记录没法对照。栏目不用多，几个就够：批次、数量、依据、目的、预期、实际、调整。七栏封顶，再多就写不动了。

写的时候注意区分事实和判断。数量是事实，依据是事实，预期是判断，调整是判断。事实栏尽量写具体的数，判断栏可以写一句话。两者混在一起写，过一段时间回看会分不清哪些是当时真发生的、哪些是自己事后的解释。

这份记录还有一个用法，是给自己算一个批次周期。从定数量到这一批的结论出来，通常要经过一段时间。把这段时间记下来，几次之后就有了一个稳定的周期。知道周期之后，排后面的动作就有了依据，不会因为等不及而在结论还没出来的时候就动下一批。

最后提一个容易忽略的细节，记录写完要放到自己真的会翻的地方。写在纸上夹进本子里，多半不会再翻。放在每天都会打开的那个文档里，翻的概率就高很多。记录的价值全在于被回看，不被回看的记录只是一份占地方的资料。

如果记录的栏目几批之后发现不适用，不要直接删，在旁边加一栏新的，旧的留着。旧栏目里那几批的记录还有用，说明当时的判断依据是什么。直接删掉，前几批的记录就变成了一堆没有上下文的数字，参照价值也就没了。

有一个让记录真正用起来的具体做法，是每批开始之前先翻一遍最近三批的记录。翻的时候只看两样，上一批的数量是多少、偏差朝哪边。看完再定这一批的数。这个动作花不到几分钟，却能让定量从一开始就带着前几批的经验，不用每次都从头推。

记录里还可以加一栏，写这一批最想确认的那一件事。一栏一句话，比如这个价位能不能走、这个规格有没有人找。这一句的作用是让批次结束时的对照有靶子。没有这一句，批次的结论只能泛泛地说好或不好，说不清好在哪里、是不是回答了自己原本想问的。

还有一类记录值得单独留，就是那些事后证明定错了批量的批次。写清楚当时的判断是什么、为什么错、下一次遇到类似情况怎么办。这类记录最有价值，因为它直接指向自己判断里的系统性偏差，比记录成功的批次有用得多。成功的批次往往说不清为什么成功，失败的批次原因通常很清楚。

记录里还可以加一栏，写这一批对应的需求端量级。写的时候记档位就行，大量、中等、偏少三档。档位记下来之后，几批之间就能对照：同一个档位下自己定过多少量、跑出来什么结果。这一栏的价值在于把批量的定法和市场的量级挂上钩，以后遇到同样档位的需求，定量的起点就不是零了。

这一栏还有一个用处，是当需求端的量级发生变化时，能第一时间在记录里看出来。量级从大量掉到中等，同一批量的难点就完全不同，跟进的节奏也该跟着变。知虾的数据是逐日更新的，看的时候用当下那份，和记录里前几批的档位对照，变化就能看出来。

记录做久了之后还可以派上一个新用场，就是给新来的人看。一份写了几十批的记录，比任何说明文字都能让人看懂这个店是怎么定批量的。看的时候不用讲解，自己一行一行往下看就能明白每一批的依据是什么，哪几批后来证明定错了。这比口头交代要省事，也更不容易走样。

常见问题（FAQ）