选品时最想知道的一个数字,往往是平台最不愿意给的:这个品到底卖了多少。
有几种间接估算方法,但每一种都有明确的适用边界。用错了会比没有数据更危险——因为你会基于一个错误的精度做决策。
方法一:评论增量法
原理:一定比例的买家会留评。统计一段时间内评论数的增长,除以留评率,得到订单估算。
关键变量是留评率,它受品类、价格、买家习惯、平台催评机制影响,波动范围很大——从百分之几到百分之几十都有可能。
误差:绝对值误差很大,可能差好几倍。
适合:比较。同一个类目里,A 品的评论增速是 B 品的三倍,那 A 的销量大概率显著高于 B。这个结论是可靠的。
不适合:预测「这个品一个月能卖多少」。
方法二:排名反推法
原理:类目排名和销量之间存在相关性。收集一批已知销量的样本,拟合出排名与销量的关系曲线,再用它反推未知商品。
难点:曲线是非线性的,头部差距极大——第 1 名和第 10 名可能差十倍,第 100 名和第 110 名几乎没差别。而且不同类目的曲线完全不同,大促期间还会整体偏移。
误差:头部尚可,长尾极不可靠。
适合:判断一个品处于哪个量级(头部/腰部/长尾)。
方法三:库存变化法
原理:连续监控可售库存数量,减少量近似等于销量。
优点:这是最接近真实的方法——库存减少几乎就是实际出单。
难点:需要连续、高频地记录,单次快照完全没有价值。而且要能识别「补货」事件,否则补一次货会把统计彻底打乱。
误差:如果能连续监控且正确处理补货,误差很小。
适合:对少量重点竞品做长期跟踪。这也是我们做竞品监控看板时主要用的方法。
三个方法怎么配合
现实做法是交叉验证:
- 用排名快速筛选,把一个类目缩小到十几个值得关注的品
- 用评论增速做横向比较,排出优先级
- 对最终关注的三五个品,用库存监控做长期跟踪,拿到接近真实的数字
最重要的一句提醒
把估算值当成相对指标用,别当成绝对数字用。
「A 比 B 好卖」这个结论是可靠的,可以指导选品。 「这个品一个月能卖 3000 件」这个数字是不可靠的,不能用来定备货量。
我们见过最典型的翻车,就是拿一个估算销量直接乘以毛利做备货决策——估算误差三倍,压货就是三倍。