企业问题诊断指南
新品表现落后竞品，先别急着换选品模型
公平比较商品、曝光、价格、渠道与库存，用历史回放和小范围测试验证选品建议。
最近 3–5 个月上新的商品明显落后竞品，怎样判断是选品、定价、曝光还是供应问题？
直接回答
先定义“新品”“表现”和“竞品”并建立公平可比组。商品卖得差可能来自选品，也可能是上架时间、曝光位置、价格带、库存可售、内容质量或渠道组合不同。先把商品潜力与执行条件分开，再用历史回放或小范围陈列测试验证新的选品与分配规则。
01 / DIAGNOSIS
怎么一步步查清
- 固定比较对象
按品类、价格带、上架周数、渠道和目标人群匹配自有商品与竞品。
- 重算真实表现
同时看曝光、点击、加购、转化、退货、毛利、缺货和生命周期，避免只看销量。
- 分离商品与流量
估计在相近曝光、价格和库存条件下，商品本身的表现差距。
- 解释差距
连接属性、图片、评价、促销、门店陈列和供应信息，形成可验证原因。
- 验证新组合
回放候选选品、价格带与渠道分配，再对小批商品做受控测试。
02 / EVIDENCE
最少需要哪些资料
先申请能验证当前假设的最小范围，并保留字段定义、时间范围和来源。
- 商品主数据、上架时间和属性
- 曝光、点击、加购、订单、退货与毛利
- 价格、促销、渠道和位置
- 库存可售、缺货与补货记录
- 竞品公开商品、价格、评价和可售状态
03 / VALIDATION
怎样做一个可信的验证
选一个品类和完整新品周期，先复现当前选品逻辑，再建立匹配后的竞品差距。生成少量可解释的候选组合，由采购和运营盲审；历史回放检查收益、库存和覆盖度，最后用有限 SKU 或门店测试。通过条件应提前写明，且不能只用离线推荐准确率。
04 / WATCH OUT
常见误判
- 用竞品畅销榜直接拼凑自己的选品
- 把曝光不足误判为商品不受欢迎
- 忽略缺货、退货和毛利
- 训练数据包含测试期之后的信息
- 一次性替换大量商品，无法判断原因
05 / FAQ
常见问题
没有竞品销量也能对标吗？
可以使用公开可观察信号，如排名、评价增量、价格、可售与曝光位置，但要明确它们是代理指标。
AI 选品的 PoC 必须开发应用吗？
不需要。可复现重算、候选清单和历史回放就能先验证核心判断；通过后再决定是否产品化。
新品牌缺少历史数据怎么办？
用商品属性、相似品、公开市场信号和专家约束建立冷启动基线，并从小批测试积累自己的证据。
SOURCES
官方与原始资料
外部来源用于方法和口径核对；具体结论仍应以客户授权数据验证。