虾皮类目选择做成对照表，比的是哪几行

虾皮类目选择要落到表上，先承认表有边界

把类目选择做成表，先承认这个形状有够不到的地方。表的长处是并排，一屏能让六个候选同时亮相。但并排有个前提，被并排的东西得站在同一个口径上。口径不同的两项硬放一起，表不报错，只会把人带偏。动手填数之前，先分清哪些项接得住。

表的另一条边界是它只负责陈列，不负责给结论。六个候选各落在哪一档，表能摆得清清楚楚。但哪个该先做，表一个字都没说，它也没能力说。有人把结论写进表里，在最看好的那行后面加一栏写优先。这一加，表就从依据变成了观点。

承认边界还有一层好处，你能提前知道表会在哪被追问。读表的人看到某列全空，往往会问是不是漏了。你如果知道那几项装不进去，回答就一句不在范围里。反过来，硬塞的被追问时，你得解释这一格为何不可信。整张表的可信度会被带走，边界写前头更省力。

先分清哪几项能进表，比先想清楚填什么数更重要。接不住的那几项硬塞进来，不会让表变难看。它只会让每一列的分量都说不清楚。读的人于是开始怀疑整张表的来路。这种怀疑起来之后，补多少说明都难拉回来。

边界还体现在范围上，这张表能装的是几个类目之间的横向差别。它装不了某一次的临时活动带来的那一阵波动，那不是类目的属性。也装不了某一家店在里面跑得怎么样，那是店铺这一层的事。把这些混进来，表就开始回答两个问题了，而一张表只能回答一个。一张表回答一个问题，这条线不清，后面所有讨论都会跑题。

边界还有一层是关于时间的，落在表里的每个格子都得带上同一个口径日期。知虾给出的公开数是前一日的口径，当天看到的反映的是前一天的状态。这句话听起来是句废话，但它决定了你在表上写日期的时候该写哪一天。有人在表头随手写了当天，半年后回看就再也分不清这批数到底是哪天的。口径日期写在表上，比写在附言里可靠得多。

边界还有一层是关于表达的，表能装下多少，但它装不下为什么。某个类目供给密度偏高，这句话表能写出来。为什么偏高、偏高会持续多久、偏高对你是好是坏，表都装不下。把原因也塞进表里，通常的结果是某一格里挤进了一整段话。一格放一段话，这一行的高度就会把整张表的节奏打乱。

还有一种东西是表装不了的，就是优先级。六个候选各落在哪一档，这是一层事实。哪个先做、哪个先放着，这是另一层判断。两层放在同一张表里，读的人会把判断也当成事实来用。把判断单列一段写在表下面，两层就各自清楚。

如果这一批候选跨了多个站点，表的边界还会再收一道。同一个类目在台湾和巴西的落点可能完全不同，硬放进同一行会互相盖住。合理的做法是按站点分开铺，或者把站点提成一个维度。站点一提成维度，行数就会成倍增长，这时候要回头问一句这张表还看不看得完。看不完就说明要拆，拆成几张各答一个站点的表。

承认边界还意味着要接受一件事，这张表交出去之后还不够。它是一块拼图，不是一个答案。读的人拿到它，还得自己再往上加一层判断才能用。有人不习惯这种交法，觉得交出去的东西必须自己就完整。把不完整的东西标清楚，比伪装成完整要负责任。

边界还有一个用处，它能帮你决定这张表要不要给别人看。如果这批判断里主观项占了大头，那这张表给别人看的意义就不大。别人看完只能看到一堆你自身的条件摆在格子外。这种情况下更稳妥的做法是先把条件谈清楚，再来铺表。顺序对不对，看的正是边界清不清。

边界清楚了，表上该填什么也就清楚了。每一列都是能横向看的项，每一行都是同一层级的候选。多余的东西一个都不留，留下来的每一个都能站住。这样的表篇幅不大，但每一格都可以被追问。能被追问而不塌，是一张表能立住的标准。

有一类东西特别容易混进来，就是别人给的一句结论。有人把某个类目能做的说法直接抄成一列，填进表里。这一列看起来是数据，实际是转述，来源和口径都不在你手上。遇到这种列，做法是先追到它背后的那几项公开数。追不到的就不要放进表，免得整张表跟着一起变得不可核。

边界还有一个作用，是让这张表的更新范围变得明确。只有那些口径稳定、能定期重新取的列，才值得留在表里。依赖某一次手动估算才有的列，下一轮就补不上了。留一列补不上的数在表上，下一版这张表就得缺一格。定期能补的列才经得起反复使用，这一条在选列的时候就该用上。

最后要说的是边界不是限制，它让这张表的结论更硬。知道自己装不下什么，才能把装得下的部分说得很扎实。一张到处都想兼顾的表，最后什么都说不准。把范围收窄到自己能负责的那一截，反而是最能立住的。读表的人也会因此知道该在哪一段上信你。

这四类不是先后步骤，是拿到任何一项判断时先要归的那一类（人造示例）

类目对照表的骨架怎么搭

一张类目对照表的骨架只有两件事要定。行按什么切，列按什么定，这两件先想清楚。行要一行放一个候选，而且这一批得站在同一层级上。一级对一级，叶子对叶子，不能把大池子和小池子摆一排。把一级和它底下的叶子放进同一批，比出来的高低没有意义。

列的定法只有一条原则，一列只问一个问题。列名写的就是这个问题本身，列名含混整列就含混。列名写价格，读的人不知道你说的是自家定价还是类目落点。两种理解差得很远，填进来的数根本不在同一个刻度上。列名写成价格带落点，含义才收窄到一个能对齐的东西。

列名写不清，通常不是命名问题，是这一列没想清要问什么。这时候往下填是白填，填完还是要返工。返工比当初多花五分钟想列名贵得多，因为要重新找人确认口径。把列名当成问题来写，是骨架这一步最省事的习惯。一个问题对应一列，一条判断对应一行，表就不会散。

骨架定完之后，还有一件容易被跳过的事。把每一列的口径钉在一句话上，这句话不必写进表格。它得在你心里，或者写在表外的一行小字里。比如评价积累节奏这一列，说的是头部款从零到成规模要多久。也可以说成整体评价总量的分布形状，两种都能填出一列数。

行还有一个可能的分法，是按站点切。如果这次要看的类目是同一批，站点是变量，那一行就可以是一个站点。同一批类目在不同站点上各占一行，横着看就变成了站点之间的比较。这种切法适合回答某个类目在哪个站点更值得先看。切法跟着问题走，问题变了切法就该跟着换。

列数也需要有个上限，不是越多越好。同类目对照表放到七八列，一屏基本还看得完。再往上加，读的人就开始有选择地跳着看了。跳过哪一列往往是随机的，取决于他当时关心什么。列数失控的表，最后起作用的其实只有最左边那几列。

表头要不要带单位，这件事看着小，实际很影响可用性。带上了单位，读的人就不用回头猜这一列是件数还是金额。不带单位，同一列里不同的人填出来的东西可能根本不是一种东西。单位写在表头里是最省事的位置，写一次管整列。写在备注里等于没写，因为备注常常跟着表格一起被复制走。

表里的顺序要不要特意排过，这也是骨架的一部分。默认按类目名字排，读的人需要自己找。按某一列的大小排，读的人扫过去就能看出头部和尾部。但按哪一列排，本身就带了一点倾向。比较稳妥的做法是按某一个中性的次序排，把判断留给读的人。

骨架里还有一件小事容易漏，就是候选的名字要写全。只写家居，读的人不知道你说的是大类还是底下的某一档。写全了名字会变长，但行名的宽度是可以接受的代价。名字写全还有个好处，换个人来看也能对上号。类目名是这张表和其他表对上的接口，不能省。

列的先后顺序也可以有意排一下，不完全是随意的。把最要紧的那几列放在左边，读的人扫过去就能抓住重点。把辅助的列放右边，需要的人往后看，不需要的人不用翻。左重右轻这个顺序和读的习惯一致，不需要额外解释。列的顺序安排合理，一张宽表也能读得很顺。

骨架搭好之后不妨先放一放，过一天再回来看一遍。隔开一段时间再看，很多当时觉得没问题的列名会显得别扭。别扭的地方通常就是口径没想清的地方。这个动作花的时间很少，省下的返工却不少。表是给自己用的东西，值得多过一遍眼。

行和列都定好之后，还要定一件事，就是这张表用哪个口径去取数。取数口径不是技术问题，它决定的是你交出去的这张表在别人眼里算不算数。同一个类目，按平台的全部在售款取一次，按有成交的那些取一次，结果不一样。两种取法都能写进表里，前提是把用的是哪一种写清楚。写清楚之后，读的人才知道该拿这张表去和什么放在一起用。

骨架这一步还有一个常被忽略的动作，就是先把表头整行空着写完。把每一列的名字先写满，再去想能不能填得出数来。填不出来的那一列，多半是这一列本身就没想清楚。先写表头再填数这个顺序，能提前把不可用的列筛出去。顺序反过来，人往往会被已经填下去的那几格绑架，舍不得删。

骨架搭得好不好，有一个很直接的检验办法。把这张表交给一个不参与这件事的人，让他只看表头和行名。他如果能说出这张表在比什么，骨架就是清楚的。他如果说不出，问题多半出在列名不够具体或者行名不够齐。能被人读懂的骨架，才谈得上后面往里填什么。

最后一个关于骨架的提醒是别把它做成一次性的。类目这一步的判断会反复发生，这次铺的骨架下次还能接着用。把行名和列名的习惯固定下来，第二次铺表的时间会短很多。重复使用的骨架也方便横向对，前后两张表的结构一致。结构一致这件事，比单张表做得多精致更管用。

某一列若在这张表里全员同档，它就只剩背景作用，撑不起横向比较（相对值）

表怕的不是数多，是不能对齐

很多人以为表做不好是因为要填的东西太多，其实不是。一张类目表填到十几列也读得下去，只要列列同口径。真正让表废掉的是格子之间对不齐。同一行里有的格子算这个月，有的算上季度。表不会报警，它只会把格子排整齐。

对不齐最典型的样子是把不同量级的东西放进同一行。一个类目一个月的总额是几十万上百万的量级。一个单款的当日表现在个位数量级，两格挨在一起。看的人第一反应就是拿它们比，表从这一刻起就在骗人。避免的办法不是改数字，而是问这两格是否回答同一个问题。

如果答案是不是，那它们本来就不该出现在同一行。哪怕列名一模一样，名字相同是这类错误最容易蒙混的地方。看到列名一样，人就会默认它们可比。很少有人再追一句背后的池子是不是同一个。把口径写进列名，是让读的人自己发现这件事的办法。

还有一种对不齐更隐蔽，两格的算法都对，池子却不一样。一列统计的是这个类目里全部在售款的平均水平。另一列统计的是靠前那一批款，两列各自都站得住。放在同一行就变成拿全体和优等生比。比出来的差距会被读成类目之间的差距。

还有一类对不齐来自类目本身，同一个东西在不同站点归在不同的类目里。你在台湾按某个类目名去对，到了另一个站点可能根本找不到同名的那一档。这时候两格的数各自都对，拼在一起却是在比两件不同的事。看到某一格明显偏离，先别急着下判断，回头核一遍这一格是不是同一个类目。类目名对不上的时候，这一列其实已经失去横向比较的意义了。

排名和实际数值混在同一张表里，也是对不齐的一种。一列写的是这个类目在当地的排名，另一列写的是它的实数量。排名是相对位置，实数量是规模，两者的变化方向甚至可能相反。并排放着，读的人很容易把排名的上升读成规模的扩大。同一张表里要么统一用排名，要么统一用实际数值，混用要格外小心。

时间窗对不齐同样常见，尤其是拿一个月的数去对一周的数。一个月里可能包含一次大促，一周里可能刚好是淡季。两格的数都真实，放在一起却会得出一个跟事实相反的方向。要防住它，做法是把时间窗写在列名里，或者干脆把两列拆开各放一处。时间窗是最容易被省略的一条口径，因为它藏在数字背后看不见。

单位对不齐也一样，件数和金额是最常混的一对。一个类目件数多但单价低，另一个件数少但单价高。两格的量级看着差不多，实际说的是两件完全不同的事。在同一列里混着填件数和金额，这一列就没有任何比较价值了。在表头里把单位定死，是防住这一条最省事的办法。

对不齐这件事还有一个源头，是不同的人填不同的列。同一张表由三个人分别填三列，三个人的理解可能各差一点。单看每一列都说得过去，合起来就是三种口径。要防住它，做法是把列名和口径一起发给填表的人。只在群里说一句按老规矩填，等于把口径交给运气。

对不齐还有一种情形来自改过表的版本。第一版用的是上个月的口径，第二版换成了本季度。两版的数拼在一张表里，看起来是一个连续的序列。实际上中间那个位置发生了一次口径切换，表上完全看不出来。表上要留一版号或者日期，让口径的切换有痕迹。

还有一些对不齐来自汇总层级，混用总量和均值是最常见的。一列写的是整个类目的总量，另一列写的是这个类目里某几家的均值。总量看规模，均值看水平，两者说的不是一回事。并排放着，读的人会把均值的升降读成总量的升降。在列名里把总量还是均值写出来，是防住这条最省事的做法。

对不齐的后果有一个共同点，它不会当场发作。当场看这张表的时候，所有格子都排得整整齐齐。问题要等到有人拿这张表去做决定，或者拿它去和另一份数据对的时候才显形。那个时候再回头排查，成本已经高了很多。所以对不齐要在铺表的时候防，不能等到用的时候查。

对不齐还有一种来源，是某一列的数是从另一列推出来的。一列是总量，一列是按总量除以一个系数算出来的均值。两列并排放着，读的人会以为这是两条独立的依据。实际上它们说的是同一件事，只是换了一个表达方式。在同一张表里放一对互为推导的列，会让这一行看起来比实际厚。

对不齐还有一种来源是把不同年份的口径放在一起。有些平台口径在年中做过调整，调整前后的数不能直接接。表上看不出来这件事，因为两格的列名完全一样。做法是把发生过口径调整的那一列单独标出来，或者直接断开。断开比硬接要好，硬接出来的那条趋势是假的。

对不齐还有一种是拿一个站点去代表整个区域。某一列取的是台湾的数，另一列取的是整个东南亚的平均。两格并排，读的人会默认它们站在同一个范围上。范围不一样，比出来的高低说的其实是两件事。把范围写进列名，是把这一条防住最简单的办法。

对不齐的最后一种是候选数不一样多。有一列是按全部九个站点统计的，另有一列只统计了其中四个站点。两列放在一起，前者的视野比后者宽，看起来也更平稳。这种差别在表上完全看不到，因为两列都只有一个数。统计范围是列的一部分，写出来才完整。

类目选择里哪几项可以并排、哪几项不行

这一步的判断项大致能分两拨，一拨是这个形状接得住的。接得住的那一拨有共同点，它们都站在平台上。说的是对所有卖家都成立的话，谁去看都是同一个数。换个填表人填，结果不会差太多。比如供给密度落在哪一档，价格带压在什么位置。

接不住的那一拨也有共同点，它们说的不是平台，而是你自己。你的供应链能不能撑住这个类目的进货节奏。你愿意在这个类目上投多少时间。这几项放进表里，格子是填不满的。因为它们的取值取决于你，不取决于类目。

还有一类项介于两者之间，它站在平台上，但口径没法统一。比如季节波动幅度，你说的是过去一整年还是最近三个月。两种说法都能说通，填出来的数却差得远。把它和别的列放在一起，读的人不知道这格分量怎么算。遇到这类项，先把它锁到一个具体口径上再进表。

锁不住的那一列就不要放进来，宁可表上少一列。一张表里允许有难填的列，难填可以靠时间去补。但不允许有说不清口径的列，那一列一直不可用。区分两者只要问一句，换个人来填会不会得到同一个数。会就留下，不会就先去把口径谈定。

站点的类目结构本身就是一类可以并排的东西。同一个大类在九个站点的铺法不一样，有的站点分得细，有的站点分得粗。把同一批类目在各站点的落点横着排开，能看出哪个站点的结构更接近你的货。知虾给的是那几个能并排的公开数，口径是统一的，所以九个站点能横着对。并排看的是落点，具体到某个站点为什么这样分布，还得回到那个站点单独看。

价格带的分布是可以并排的，这是类目这一步最实用的一列。同一个类目在不同站点上，主要成交集中在哪个价位段，这个差别往往不小。把几个站点的价格带落点排在一起，就能看出哪个站点更适合你手上的货。这一列之所以能并排，是因为它的口径在各站点是统一的。口径统一是能并排的前提，这一点在类目这一步尤其明显。

有一类东西不适合进这张表，就是某个具体店铺在某段时间里的变化。那是店铺这一层的事，它和类目本身的结构是两个话题。把它塞进类目对照表，等于在一张静态的表里放了一条会动的线。一条线放进表格里，读的人没办法判断这一列该怎么和别的列比。这类内容更适合单独看，跟着类目表一起交出去只会互相干扰。

可以并排的还有一项是上新的密集程度。同一个类目里，新上来的商品多不多，密不密，能反映出这个池子还有没有人在进。这一项在各站点之间也是可以横着比的，因为它的口径能统一到同一个时间窗里。把几个站点的上新密度排开，能看出哪些站点这个类目还在被持续关注。看的是密集程度这一个量，不是某个具体的新款，这一点要在列名里说清。

有一些项表面上是平台数据，实际上掺了自己的判断。比如某个类目有没有潜力，这个说法里已经含了一层预期。把它当成一列填进去，读的人会以为这是从数据里读出来的。遇到这种说法，做法是把它拆成几个能核对的具体项。拆不开的就说明它还是个判断，不该进表。

还有一类项是可以并排的，就是同类目里头部款的集中程度。集中程度高说明这个类目由少数款撑着，集中程度低说明比较分散。这个项在各站点之间可以横着比，因为它算的是同一个意思。集中程度这一列能帮你看清进场之后要和什么样的格局打交道。它算的是一个结构，不是一个实数量，所以受规模影响小。

能并排的项还有一个共同要求，就是它们都能被同一个时间窗覆盖。某一项如果只能按周看，另一项只能按月看，两者就不在同一批里。把它们并排在一张表上，读的人会默认它们说的是同一段时间。所以铺表之前，先确认这一批项能不能落在同一个时间窗里。落不进去的项，宁可单独铺一张表。

不适合进表的还有一类，就是需要解释才能理解的那些项。一个数如果在表上必须配一句话才能读懂，它就不适合当一列。因为表是按格子读的，格子里的内容越自足越好。需要解释的项更适合写在表下面的一小段里。表负责可比，段落负责解释，两个位置各管一段。

可以并排的还有一项，就是同类目里在售款的数量级分布。有的类目是大量的款挤在同一个价位上，有的是几个价位各站一批。这个分布在各站点之间可以横着比，因为它算的是形状不是总量。形状稳定的类目，进去之后面对的格局也相对稳定。看的是分布形状这一个特征，不是某一个价位上的具体数。

有一类项看着能并排，其实不行，就是那种取了平均之后的项。平均值会把差异抹掉，六个候选填进去可能差别很小。差别小不代表这些类目真的像，只代表这一项被平均掉了。遇到这种情况，做法是换一个能保留差异的项，或者直接分档。平均值适合看总体水平，不适合看类目之间的差别。

还有一类项不适合进表，就是需要跨站点换算的那些。不同站点的结算口径、费用结构都不一样，直接拿来并排没有意义。这类项就算勉强排进表里，读的人也会在解释上花掉大量时间。做法是把这类项留在各站点单独看，不跨站点并排。跨站点能并排的是类目结构这一类项，不是费用这一类项。

可以并排的还有一项，就是同类目里评价的数量级门槛。有的类目要积累到一定规模的评价才能站住，有的几十条就能起量。这个门槛在各站点之间可以横着比，因为它算的是同一件事。看清这一点，能帮你想清楚在这个类目里要投多少精力去攒评价。看的是门槛的高低档位，不是某一家店的具体评价数。

从表走到公式缺的是哪一块

类目对照表铺完之后，下一个形状是公式。这两者之间隔着一块东西，缺的那块由表给不出来。表给你的是一排排落点，六个候选在各列站在哪一档。它把事实摆平了，但没有把这几列合成一个数。哪几列算得重、哪几列算得轻，得有人在表外想清楚。

有人会想着把缺的这块跳过，让读表的人自己看列去权衡。候选只有两三个、列只有三四列的时候，这条路走得通。候选一多、列一多，人脑就没法同时权衡。他会不自觉地只盯住其中一两列。其余几列等于白填，功夫没少，起作用的部分少了大半。

所以从表走到公式，是把权衡这件事从读的人手上接回来。接回来之后，读的人拿到的不只是一排落点。还有一个能直接比较的结果，适用场景不同而已。读表的人越不了解你的业务，这一步就越绕不开。反过来，读的人比你更懂这个类目，落点原样交出去更合适。

这一步还有一个动作常被漏掉，就是在表上先圈一次列。表里的列可以有很多，其中一部分只是想留个底。这类列不该参与压合，塞进去等于给结果加了一层噪音。这种噪音很难被发现，因为它看起来经过了严格计算。圈选的动作要留下痕迹，后面有人质疑才指得下去。

往回退一步，从表走到公式之前，还有一件事得先想清楚。就是哪几列真的进入判断，哪几列只是为了让表看起来完整。这两类列在表上是长得一样的，很容易被一起带进下一步。带进去之后，结果会比实际需要的多出一层解释不了的部分。在表上圈一遍列，是这一步最实在的动作。

有时候从表走到公式是走不通的，这时候退回去看看是不是列本身的问题。列与列之间如果互相能顶替，压合出来的是一个反复被计数的结果。比如供给密度这一列和上新密集度这一列，很多时候说的是同一件事。两列都在表里，压合的时候这一件事就被算了两遍。发现两列高度相关，要么合并成一列，要么只留其中一列。

表后面的下一站不一定是公式，这一点值得说清。如果这一批候选的差别用图就能看明白，直接画成形状就够了。硬要写一条公式，反而会把形状里那些很好看的差异抹平成一个数。选哪一站取决于你要回答的问题有多细，不是一个固定的路线。这一步的选择依据是问题的颗粒度，不是习惯。

这一步还会碰到一个取舍，就是留底和压薄之间的取舍。表越完整，留底越充分，但往下一步走的负担越重。表越精瘦，压薄越顺，但回头的余地越小。比较实用的做法是把留底的列放在表的右半边，参与判断的列放在左半边。两边用一条空的隔断分开，圈选的时候扫过去就能看出边界在哪。

在圈列这一步，还有一个细节值得提，就是圈多少列合适。圈太少，压合出来的结果对输入太敏感。某一列稍微动一下，结果就换一个排序。圈太多，等于把表整个搬进公式，压薄这件事就白做了。比较实用的做法是圈到五列上下，再多的列合并成一项。

有一类列看起来该进判断，实际进不去，就是那些全表同档的列。一列如果六个候选都一样，它对排序没有任何贡献。放进公式里，它只会把结果整体抬高或者压低。排序看起来没变，数值却变了，这种变化最容易让人误判。圈列的时候，先把这类列挑出去。

圈完列之后要做的下一件事，是把圈定的范围写下来。写下来不一定要给别人看，但一定要有个能回看的版本。过一段时间你对结果的印象会变模糊，那时候能靠的只有这份记录。记录的颗粒度不需要很细，写清楚圈了哪几列就够了。有了这份记录，结果的每一次变化都能追到源头。

圈列的时候还有一个判断依据，就是这一列换个人来填会不会得到同一个数。会得到同一个数的列，是稳定的列，可以放心往公式里送。不会的列，先别急着送进去，它更该回到表上去把口径谈定。这一步的判断标准很直接，不需要额外的论证。稳定和不稳定是列本身的属性，不是靠讨论能改变的。

还有一件事是圈完之后要不要改表。圈选的过程中往往会发现某一列其实不该留在表上。这时候回头改表比硬着头皮往下走要好。因为表是后面所有步骤的依据，依据不清，后面再精细也没有用。圈列顺手把表改一遍，是一件划算的事。

圈完之后还有一件小事，就是把圈定的这几列的名称抄下来。下一步无论往哪个方向走，用的都是这几个名字。名字统一了，后面才谈得上对得上、追得回。名字不统一，同一个东西在两张纸上叫两个名字，对起来就很费劲。统一命名是接力这件事里最省力也最容易漏的一环。

同一批判断项在三个口子上落点不同，全零的那两项要单独拿出来处理

类目表铺开后哪个位置最刺眼

类目表铺开之后，最先看的不是哪一行的数最漂亮。要看的是哪一列没有区分度，这种列在表上很安静。六个候选填进去，六格全落在同一档。或者只有一格和别人不一样，这一列没承担比较的功能。它只是占了一个位置，读的人会当背景跳过。

真正要紧的是想清楚它为什么没有区分度。是这几个类目确实在这个维度上差不多。还是这一列的档位切得太粗，把差异揉在了一起。两种原因指向的处理完全不同，前者该退到备注里。后者该重新切档，把原来挤在一档里的差异分开。

第二个刺眼的位置是那些空着的格子，空分两种。一种是这个候选在这一项上确实没有可比的数。另一种是你没去查，两种在表面上一模一样。读的人分不出来，他会统一理解成没查。所以不要留纯空白，没查到的写待补，明确标出来。

确实没有的写一个明确的记号，让两种状态分开。一个明确的记号省掉的解释成本，往往比补数还大。因为解释要等人开口问才发生，记号一直摆在那里。第三个位置最容易被忽略，是那些看起来太顺的行。某个候选每列都落在中上档，这种行往往第一时间被挑出来。

最刺眼的位置里还有一个是离群的那一格。某个候选在某一列上明显偏离了同组其他候选，这种格子在表上很显眼。它可能说明这个类目确实在某一点上和别人不一样。也可能说明这一格的来源和别人不一样，比如口径错了或者时间窗错了。看到离群值，先核来源，再决定这一格要不要留着。

同一列里两个候选打平，也是一种信号。打平意味着这一列在你选的这个档位上分不出这两者。如果这一列恰好是你最看重的，那这个档位可能切得太粗了。把档位再切细一档，很多打平的地方会重新分出高低。但档位也不是越细越好，太细会变成一格一个值，那就失去分组的意义了。

全表最密的那一格和全表最疏的那一格，值得单独拿出来看。最密的那一格说明这个位置上的候选最多，可能意味着进场的人多。最疏的那一格说明这里没什么人，可能是机会，也可能是这个位置本身不成立。这两种解释在表上是看不出来的，得回到类目本身去看。表负责把最密和最疏标出来，解释这一步要另外做。

表上还有一种位置容易被放过，就是某一列的中间档特别厚。六个候选里有四个都落在中间档，两头各一个。这一列看起来有区分度，实际上大部分候选并没有被分开。中间档太厚，通常说明这一列的档位是照着均匀分布想出来的。而类目之间的分布往往不是均匀的，改档位比换列更管用。

刺眼的位置之外，还有一种情况值得单独看，就是整列都偏高的那一列。六个候选在这一列上都落在高档，这一列看着很有分量。但它没有把候选分开，只是在整体上把这张表往上抬了一层。要判断它有用没用，得看它能不能和别的列组合出差异。单独看它没有区分度，组合起来才有意义的列是存在的。

还有一种情况是某两列的排序几乎一样。按这一列排出来的顺序和按另一列排出来的顺序基本重合。这说明这两列在说的是同一件事的两面。留着两列，读的人会以为这是两条独立的依据。发现排序重合，做法是先查这两列是不是同一个来源。

表里最值得盯的位置，其实是那些变化方向相反的格子。某个候选在一列上排在前面，在另一列上排在后面。这种反差往往就是这个候选最值得讨论的地方。它说明这个类目在几个维度上的表现不均衡。不均衡本身不是坏事，关键看你更看重哪一头。

盯表的时候还要注意一点，不要把目光放在最漂亮的那一行上。最漂亮的那一行通常最容易被快速通过，因为它没什么可挑的。真正需要花时间的是那些格子和格子之间互相矛盾的行。矛盾的地方才是这一类目和别的不一样的地方。表的价值有一大半就在这些矛盾的位置上。

还有一个位置容易被漏掉，是行与行之间的相似度。有两行填出来的数几乎一模一样，这种情况在表上不显眼。两行相似说明这两个候选在这一批列上表现接近。要分开它们，靠现有的这几列已经不够了。这时候要么加一列新的，要么承认这一批列暂时分不开这两个。

表上还有一种位置值得看，就是某一列的两个极端之间差多少。如果整列的最大值和最小值只差一档，这一列的区分度就有限。差得越开，这一列在实际判断里的分量通常也越大。看这一列的跨度，能帮你想清楚它值不值得留在主力位置。跨度太小的列可以考虑降档，把位置让给跨度更大的。

盯表的时候还要留意一类变化，就是某一列的整体档位在移动。上一版这张表里大多数候选落在中档，这一版整体挪到了高档。这种整体移动往往说明类目环境变了，不是某几个候选变了。它比单个格子的变化更值得关注，因为它影响的是所有行。整体移动要看，单个格子的跳动可以先放一放。

表上最后要看的一件事，是它和上一版之间什么没变。没变的那几列说明这个判断是稳的，可以继续沿用。变了的那几列才是这一轮需要重新讨论的地方。把注意力放在变了的那部分上，盯表的效率会高很多。每次都从头看一遍所有列，是一件很费力气的事。

口径没对齐时，每往表里叠一层，读的人真正会看的列就少一批（人造示例）

虾皮类目选择列成表时最常见的三种偏

类目选择列成表，第一种偏是把层级混进同一批候选。一级类目和叶子类目并排，表面只是名称长短不一样。实际是拿大池子和小池子比，后面所有列的落点都不再可信。看上去的类目差距有一大半是层级差造成的。纠偏很简单，把表按层级拆开重排，同层对齐后再填数。

第二种偏是口径混着填，同一列里有格子填的是全量。有的格子填的是筛选后的那部分，填表的人觉得都能说明问题。这种偏不会让表难看，只会让表没法用。你没办法反推是哪一格在起作用。纠偏是回头把每列的池子写清楚，写不出的先撤下来。

撤下来会显得表薄了，但留下的每列都能站住。第三种偏是把判断提前写进表里。比如在某列给某个候选打了偏向标记，或在表末写一句谁更值得做。表一旦带了判断，读的人就不再自己看列，他会直接抄那句。往后有人问这个判断怎么来的，谁也答不上来。

纠偏的动作是把判断从表里摘出来，表只留可比的部分。判断另起一段写，写清是根据哪几列得出的。这样表还能被别人拿去用，判断也能被单独讨论。三种偏有一个共同点，都是让表做了它不该做的活。边界摆在前头，这三种偏出现的概率就会低很多。

除了那三种，还有一种偏是把站点差异误当成类目差异。同一批类目在九个站点上各自铺开，某个类目的落点在一个站点上很突出。如果不标明站点，读的人会把这个落点当成这个类目的整体特征。纠偏的做法是把站点写进行名里，让每一行自带坐标。行名写全了，误读的空间就小很多。

还有一种偏是把季节性的那一列当成常数列来用。某些类目的落点跟着季节走，你在淡季铺出来的表，到了旺季整列都会变。这张表本身没错，错的是把它当成一张长期有效的表来引用。纠偏的做法是在表上标明这个口径日期，或者把季节性强的列单独标出来。一张表能用多久，取决于表里最不稳的那一列。

还有一种偏是表越做越宽，每次遇到新问题就加一列。加到最后，每一列都填不满，整张表像个半成品。这张表的问题不是列多，是它想回答的问题从一个变成了五个。纠偏的做法是把表拆开，一个新问题配一张新表。拆完之后每张表都能填满，这才是能用的表。

还有一种偏是只填达标的那些候选，落空的直接不写。这样表上留下的全是看起来还行的行，读的人看不到被淘汰的那一批。看不到淘汰，就看不出淘汰的线划在哪里。纠偏的做法是把被淘汰的也留在表上，标一个明确的记号。留下来的这批才叫候选池，只留达标的那个叫结果。

把这三种偏放在一起看，它们有一个共同的处理办法。就是每一列都问一句，这一列填满了吗，口径写了吗，池子是同一个吗。三个问题都过了，这一列才可以交给下一步。做不到的那一列先撤下来，等口径谈定再放回去。表不追求一次做完，留一条能补的路比一次做全更实用。

这三种偏背后还有一个更根本的原因，就是表被当成了结论本身。一张铺好的表是依据，不是结论。依据摆得再整齐，也得有人把它读成一句能执行的话。把表当结论，就会忍不住往表里塞判断，塞完之后表也就不干净了。把这一步分清楚，表上的很多麻烦会自己消失。

还有一种偏是只做一次就当成永久有效。类目的结构会随时间变化，今天铺出来的表，过一段时间就得重看一遍。重看不是把整张表推倒，而是重点看那几列变化快的。变化快的列通常在表上是能看出来的，因为它的档位分布本来就不稳。给表标一个复查的时间，比反复重新铺一遍省事。

还有一种偏是把表做成了给自己看的样子。行名用的是自己熟悉的简称，列名用的是自己内部的叫法。自己看没问题，交出去别人就得从头猜。类目表通常会经手好几个人，用词要按能通用的来。用词通用不是要写得啰嗦，是要写得谁都能对上号。

把最常见的这几种偏列出来，并不是要做一张检查清单。而是要让人在铺表的时候，脑子里随时有一个对照。哪些列是真的在支撑比较，哪些列只是看起来在场。这个问题每加一列就问一次，表就不容易越做越散。表的质量取决于每一列都问过自己这一句。

除了那几种偏，还有一种是把这张表当成一个一次的成品。类目这一步的判断是连续的，一版表只能代表一个时点。把一版表当成长期结论，过一段时间就会发现在拿旧尺子量新东西。做法是给每一版表标上日期，并且约定多久重看一次。重看的间隔可以按变化快慢来定，不必统一。

还有一种偏是表做完之后没人认领。铺表的人铺完就交出去，接手的人不知道这表的来路和取舍。来路不清楚，接手的人只能重新铺一遍。做法是在表外留一小段说明，写清这几列为什么这么切。这一小段不需要长，但它决定了这张表能不能被别人接着用。

还有一种偏是列的口径只在铺表的人脑子里。表上写得很干净，但每一列算的是什么池子、什么时间窗，全靠记忆。换个人来看，或者自己过一阵子再看，就说不清楚了。做法是把口径写成一行小字跟着表走。这一行小字看着不起眼，它是这张表能不能被复用的关键。

把这几种偏收在一起，会发现它们都指向同一件事。表的价值不在于它有多厚，而在于每一格都能被追问到底。能被追问到底的表，行数可以很少，列数也可以很少。不能被追问的表，铺得再宽也只是看起来热闹。把可追问这条当成铺表的底线，很多偏会自动消失。

常见问题（FAQ）