Shopee店群管理工具和跨店数据：一屏看十店怎么看

跨店看数据的需求是从哪来的

需求的第一层来源是切换成本。一家店一个后台，从一家切到另一家要重新登录、重新找准位置、重新想起上一家看到哪了。切到第五家的时候，前面看到的东西已经在脑子里糊成一团。这不是记性问题，是切换这个动作本身在消耗注意力。

第二层来源是比较的本能。看到一家店的点击率是百分之三，很自然会想问那别的店是多少。这个比较的冲动是好的，它说明你在做横向判断，而不只是接待每一家店各自的状况。但比较的前提是这些数字能比。

第三层来源是决策的落点。资源有限，总要在几家店之间做分配，比如这个月的人力多给哪家，下个月的备货往哪家倾斜。这类决策没法只看单店的数据，它需要放在一起看才成立。

有一种很具体的场景。某个店近期数据平缓，单看它自己你会觉得还好，但放在另外几家店旁边一看，才发现它其实已经在往下走了，只是走得慢。这种相对位置的变化只有在横向看的时候才显形。

需求是真需求，这一点要先承认。跨店看数据不是一种管理上的洁癖，它对应着真实的判断动作。真正要解决的问题不是要不要看，而是看的时候怎么确认这些数字说的是同一件事。

判断需求是不是真的，有一个很直接的问法。如果把这些店的数据合成一屏，你会不会因为看到它而做出一个和过去不同的决定。会，说明这个需求有落点；不会，说明你想解决的其实是一种不安，想确认每家店都没出事。

两种动机对应两种设计。为了做决定的，看板要突出差别和趋势，把店与店之间的相对位置摆出来；为了确认没出事的，看板要做的是异常提示，正常的部分越安静越好，不要用一堆平稳的数字占满屏幕。

还有一种动机介于两者之间，就是想知道自己管的这些店加在一起是什么样子。这个动机对应的是总量类的指标，比如整体在售的数量、整体的待办量。这类数字的价值在于帮你预估工作量和资源需求。

分清动机的另一个好处是能判断这个需求该做到什么程度。做决定的看板需要口径严谨，做确认的看板只需要异常准确。把两者的要求混在一起，会出现确认类的看板被要求做得很精密，而真正的判断依据反而没人打磨。

记录方式上可以这么处理。每次想改看板的时候，先写一句这次改是为了什么决定。写不出来就先不改。坚持一段时间之后会发现，绝大多数改看板的冲动，其实来自某一次具体的不安，而不是长期的判断需要。

有一个很具体的例子能说明这个需求的时间性。开店的头一年，人不需要看板，因为每家店他都亲手做过，哪里有变化心里有数。到了店变多、亲手做的比例下降之后，看板的需求才真正冒出来。

这个例子的含义是，看板的需求和熟悉度是反着走的。越熟悉越不需要看板，越不熟悉越离不开看板。所以看板的设计要预设使用者是不熟悉的人，指标需要解释、口径需要标注，不能假定看的人自带背景知识。

还有一层边界条件，就是看板解决不了注意力上限的问题。一屏能放下的数字是有限的，人的一次判断能同时考虑的因素也是有限的。看板把翻页的问题解决了，但决定看哪几个数、忽略哪几个数这件事仍然要人来做。

有一种设计上的取舍值得说清。想要一屏装下更多，就得把每个数字做得更小更简；想要每个数字都看得清，就得减少数量。这个取舍没有标准答案，但有一个判断依据，就是这些数字里有几个是你真的会拿来做决定的。

记录方式上建议留一份看板的版本记录。哪一天加了哪个指标、删了哪个指标、为什么。这份记录的价值在于，过一段时间你能看出自己判断的重心往哪边移了，这种移动往往比单个指标的变化更能说明问题。

最容易出问题的不是取数，是把不同口径的数字摆进同一栏

汇总口径不一致是个大坑

口径不一致的第一个来源是统计窗口。有的店习惯看最近七天，有的店习惯看自然周，还有的店看最近三十天。三个窗口的达标线本来就不一样，把它们放在同一栏里，看到的差别里混着窗口的差别。

第二个来源是统计对象。成交件数里要不要扣掉已退款、要不要扣掉未付款、预售算不算，这些在平台后台里往往有多种口径可选。各店按自己的习惯选了不同的口径，数出来的数就不是同一个东西。

第三个来源是时区。站点分布在不同国家的时候，一天的起点不一样。同一时刻导出各店的数据，A 店的这一天可能已经结束，B 店的这一天才过了一半。这种差异在日维度上特别明显。

第四个来源是成本口径。利润类指标最容易被这一条影响。有的店把运费算进成本，有的店只算货款，有的把广告费分摊进去，有的没有。这三种算法出来的利润率差距可能很大，放在一起比基本没有意义。

第五个来源更隐蔽，是各店在统计时间点上的业务状态不同。有的店正在做活动，有的店刚调完价，有的店新上一批款。这些状态会让数据在短期内偏离常态，横比的时候看到的差别其实是状态差别。

口径这件事有一个反直觉的地方，就是各店刚开业的时候口径往往是统一的，因为都是同一个人按同一套做法设的。反而是做久了之后，各店在调整中慢慢长出了各自的习惯，口径才开始分岔。

分岔的第一种典型情形是换人。某家店换了一个运营，他习惯用另一种统计窗口或者另一种成本算法，改完之后这家店的数字就和别家不一样了。这种分岔不会有人提醒你，它只是安静地发生了。

第二种情形是平台的调整。平台改了一次后台的字段或者默认口径，各店因为操作时间不同，受到影响的时间点也不一样。有一段时间里，各店的数字处在不同的定义下，混在一起看就是一团乱。

第三种情形是店本身的业务变化。有的店加了预售，有的店开始做组合装，有的店接了新的物流方式。这些变化会让某些指标的含义发生改变，而这种改变往往不被当成一次口径变更来记录。

有一份东西能把这类问题压住，就是一份指标说明。每一项指标写清定义、统计窗口、统计对象、特殊情况怎么处理。这份说明不需要长，十来项就够，它的作用是让分岔在发生的时候能被看见。

知虾看到的是各站点层面的类目结构与商品数据，它和各店内部的经营口径不是一回事。用它看行情的时候，要知道它给的是站点视角的参照，不能直接当成自己几家店的对比依据。

举一个具体的例子。某店群的四家店都报自己的转化率，其中两家的分母用的是进店人数，另外两家的分母用的是商品曝光。数字摆在一起，后两家看起来明显低，于是被判定为表现不好，资源被削减了。

过了一段时间才发现，后两家的实际转化并不差，只是分母的定义不同。这个错误带来的损失不只是那段时间少给的资源，还有对这两家店定位的误判，以及随之调整的人员安排。修正花了比发现更长的时间。

这个例子里的关键在于，错误的数字看起来和正确的数字一样整齐。没有小数点的异常，没有缺格，没有任何提示。人看到的是一栏老实的数据，判断就顺着做下去了。所以发现口径问题时，先怀疑定义，再怀疑经营。

防止这类问题的办法是在取数这一层下功夫。把指标定义写进取数的规则里，由同一套规则生成所有店的数字，而不是让各店各自导出后在表格里拼。规则统一之后，口径的差异会在生成阶段就被抹平。

还有一层是变更管理。指标的算法一旦修改，要当成一次正式变更记录下来，注明从哪一天起生效。这样当你看历史数据的时候，知道哪一段用的是旧算法，不会把两种算法的结果当成一条连续的曲线。

记录方式上，指标说明要和看板放在一起，不要单独存到别的地方。看板旁边能直接查到定义，才不会出现看的人凭印象理解口径这种情况。说明过期了要同步更新，不要让它变成一份没人维护的旧文档。

越靠近过程的指标越能横比，越靠近结果的越要先统一口径

各店定位不同不能直接横比

定位不同首先体现在目标上。主力店追求的是稳定的成交和利润，测试店追求的是尽快跑出结论，辅助店追求的可能是补全某个类目或者消化某批库存。三个目标不同，衡量它们好不好的标准本来就不该一样。

第二个差别是阶段。新店处在积累期，成交和评价都少，各项指标天然偏低；跑了两年的店处在稳定期，指标波动小。把积累期的店和稳定期的店放在一栏里比高低，比出来的东西没有可用价值。

第三个差别是类目。不同类目的点击率、转化率、客单价本来就在不同区间。卖饰品的和卖家居的放在一起比转化率，得出的结论会是饰品不行或者家居很好，而两个结论都不成立。

第四个差别是价格带。同一类目里做低价的和做中高价的，客单价与转化率的关系不一样。低价款的转化率往往更高、客单价更低，这是模式决定的，不是经营水平的差别。同一个类目里的两个价位档，本身就不该用同一个标准去衡量。

有一种处理办法是把不可比的部分标出来。看板上照常展示这些数字，但在旁边加一个标记，说明这几家店的定位不同，数字之间不做比较。标记的成本很低，却能拦住一大批误判。

定位这件事最容易出问题的地方，是它往往没有被写下来。店主心里清楚哪家是主力、哪家是测试，但运营接手之后不一定知道。不知道定位的人去做横向比较，比出来的结论会和定位相反。

所以横比之前要先有一份定位说明。哪几家是主力、哪几家在测试、哪几家是为了补类目或者消化库存。这份说明不用很正式，但它决定了后面哪些数字能比、哪些数字只能自己和自己比。

有了定位之后，比较的方式也要跟着调。主力店和自己过去的表现比，看趋势是往上还是往下；测试店和同批的其他测试店比，看哪个方向更有苗头；辅助店看它有没有完成它被赋予的任务。

还有一种情形是定位刚刚变过。某家测试店跑出了结果，准备升成主力，这中间有一段时间它的定位是模糊的。这段时间里对它的判断要格外谨慎，因为它的资源投入和承担的期望正在变，数据会跟着动。

定位变了，历史数据也要重新理解。一家测试店在测试期投入很少，那时候的数据不能拿来当主力期的基线。做比较的时候把这段历史单独标出来，不然会得出一个它一直很差的错误印象。

记录方式上，建议把定位写进那份说明里并且注明生效时间。哪一天起这家店按主力店的标准来衡量，写清楚。这样回看历史数据的时候，能分清哪一段是在哪个定位下产生的。定位变更的那一天要留痕，它决定了前后两段数据能不能连起来看。

举一个具体的情形。同一批商品分别放在主力店和测试店里跑，测试店的数据明显差。如果直接横比，结论是测试店表现不好；如果把定位考虑进去，结论可能是这个款不适合主力店，测试店已经完成了它的任务。

同样的数据，两种读法得出两个方向相反的结论。前者会导致削减测试店的资源，后者会导致调整主力店的选品。这两种动作的后果差别很大，而做出哪一种动作，取决于你有没有先看定位。

这个情形还带出另一个细节。测试店的数据要按批次而不是按店铺整体来看。同一个测试店跑了五批，每批测的东西不同，把它们混在一起做店铺层面的比较，等于把五个实验的结果平均了。

所以横比这件事有三个层次要分。店铺整体之间比，要看定位是否相同；批次之间比，要看条件是否一致；单品之间比，要看类目和价位是否相当。三个层次混在一起用，得出的结论会互相矛盾。

有一个操作上的办法可以固定这种分层。看板上给每一栏数据加一个比较范围的标记，标明这一栏是和谁比、在什么条件下比。标记会让横比的边界显形，看不到边界的地方就不会被拿去比。

边界条件也要说清。定位相同只是一个必要条件，两家的阶段还得接近。一家刚过积累期，一家已经稳定两年，即使定位一样，某些指标的天然水位也不同，比的时候要把阶段差记进去。

跨店该看的是哪几个指标

第一个值得放上去的是流量类的指标。各店在同样时间窗口内的曝光和进店情况，这类指标受定位影响较小，主要反映页面被看到的机会，横向比较能看出哪家的入口出了问题。这类指标还有一个好处，就是各店之间的差距通常不会太大，一旦有一家明显偏出去，一眼睛就能看到。

第二个是转化类的指标。进店之后的下单比例，这类指标能反映页面、价格、评价这几样东西的综合效果。它同样受类目影响，所以最好在同一类目的店之间比，跨类目比要加注说明。

第三个是异常类的信号。评分的变化、差评的出现、违规提示、库存告警，这几样东西不需要比较，只需要出现在同一屏上，确保你不会漏掉任何一家的异常。这四类信号要设成主动提示，而不是等人去看，因为它们的价值在于及时。

第四个是待办的量和龄。每家店有多少待处理的事项，最老的那一件事挂了多久。这个指标比成交额更能反映日常管理的健康度，因为它直接对应着你明天要做的动作。待办的最老龄一旦超过一个阈值，就要单独拎出来看看为什么一直没动。

指标的数量要克制。三到五个足够覆盖日常判断，再多就会出现看了记不住的情况。每加一个指标之前先问一句，它对应的动作是什么。答不上来就先不放，等想清楚了再加。撤掉一个旧指标再加一个新指标，比直接加上去要好，总数不会越堆越多。

定指标的时候还要考虑一件事，就是这个指标的变化能不能解释。如果一个指标动了但你说不清为什么动，它放在看板上只会制造焦虑，不会带来动作。能解释的指标才值得长期盯。

选指标还有一个维度很少被提起，就是这个指标的波动有多大。波动大的指标不适合做跨店比较，因为店与店之间的差别很容易被它自身的起伏盖住。看起来的差别可能只是噪声。判断办法是看这个指标连续几期的正常浮动有多大，浮动越小的越适合拿来横比。

波动小的指标更适合横比。比如库存周转天数、平均发货时长这类，它们在同一种业务模式下通常稳定在一个区间里，一旦某家店明显偏出去，基本上就说明那家店出了问题。这类指标适合做阈值型的判断，也就是设一条线，过线才反应。

指标还分领先和后置。先行指标比如进店量、加购情况，它们变化得早；后置指标比如成交额、利润，变化得晚。跨店看板最好同时放一两个先行指标，这样能看到趋势正在形成，而不是等结果出来才知道。

有一种组合方式比较实用，就是把同类的指标两两配对。流量配转化、转化配客单、客单配利润。配对之后，某一对里一个动另一个没动，就能定位到是链条上的哪一段出了问题。配对之后每对只放两个数字，看板的一栏里就能读完一条因果的起点和终点。

指标名还要统一。同一个东西在不同店里叫法不同的时候，横比之前要先统一名称，不然很容易把两个不同含义的数字当成同一个指标放在一栏里。名称统一这件事听起来很小，实际出错的频率不低。

有一个具体的做法值得一提，就是给每个指标设一个合理的波动范围。定下来之后，落在范围内的数字不需要反应，落到范围外的才要看。这个做法把日常看数据的注意力省下来，用在真正有信号的地方。

范围不是拍出来的，是记录出来的。连续记上一段时间，看这个指标在正常经营下最多能浮动到哪里。记录够了，范围自然就出来了，不需要推断，也不需要参考别人的经验值。范围出来之后还要定期校正，业务模式变了，原来的范围就不适用了。

还有一种情况是范围本身要变。旺季和淡季的波动区间不一样，做活动和不做活动也不一样。这时候要么按状态分开设范围，要么只在同一状态下做比较。混着比，范围就失去了筛选的作用。

指标数量上还有一个提醒。跨店看板最容易膨胀的地方是每出现一次疑问就加一个指标，加到最后没人能一眼看完。加指标之前先看看现有的哪一个指标已经覆盖了这个问题，多数时候是覆盖了的，只是没被看对。

有一个很实用的减法办法。每隔一个季度把看板上的指标过一遍，问它上一次触发动作是什么时候。想不起来，就说明这个指标长期没有产生过动作，可以撤下来。撤下来之后再想加，就要重新回答同一个问题。

数据看板要按角色分开做

店主那一块看的是走向和资源。哪几家店的趋势在变、哪些店值得多投入、整体的结构和阶段是不是符合预期。这一块不需要细到单条链接，细了反而干扰判断，因为单条的波动本来就大。

运营那一块看的是过程和待办。自己负责这几家店的过程指标、待处理的订单和售后、需要调整的页面。这一块要细，细到能直接对应今天上午要做的几件事。这一块的更新要快，最好能当天反映，慢一天就会影响当天的动作安排。

客服和仓配那一块看的是明细和异常。订单状态、退款申请、库存与发货的对应关系。这一块的特点是量大事急，重点是让异常浮在最上面，而不是让人在一堆正常记录里找异常。这一块的界面要能一屏看完待处理项，翻页找异常本身就是在耽误时间。

三块看板之间要有对应关系。店主看到某家店趋势往下，能顺着看下去找到是运营那一块哪个过程指标先动的；运营看到某个指标异常，能顺着看到是客服或者仓配那一块哪件事没处理。

角色分开做还有一个附带好处，就是每个人看的范围变窄了，看得更透。过去一块板子给所有人看，每个人都在上面找自己要的那部分，找的过程本身就在消耗注意力。注意力省下来之后，同一块看板能承载的判断密度反而比原来高。

看板的内容也要定期回看。人的职责会变，店的阶段会变，过去放的指标可能已经不再是重点。每隔一个季度把三块看板重新过一遍，删掉不再对应动作的，加上新出现需要的。回看的时候把每块看板的使用频率也过一遍，没人看的那块要么改形式，要么并到别处。

角色分开做会遇到一个现实问题，就是有的团队只有一两个人，一个人身兼店主和运营两个角色。这时候不需要做两块看板，但两个视角的心智要分开，看走向的时候不要被过程指标的波动带走。

还有一个问题是权限。看板分层之后，能看到什么和能改什么要区分开。有的人需要看到全部但不需要改，有的人需要改某一层但看不到全局。权限设计得粗，看板分层就失去了大部分意义。

第三块看板里的明细数据要控制粒度。客服和仓配需要的是待处理的事，不是全部的历史记录。把全部记录铺上去，异常会被淹没在正常里。常见的做法是默认只显示需要动作的部分，其余收起来按需展开。

三块看板的时间维度也要分。店主那一块按周按月看比较合适，日维度的波动对他没有意义；运营那一块要看到日甚至更细；客服和仓配的关注点往往是当下的几小时。三块板子的时间轴一样，就会有人被过快的节奏干扰，有人被过慢的节奏耽误。

看板之外还要有一个汇总的动作。每周固定一次，把三块看板上的关键信息合成一句话，比如这周主要问题是某家店的转化掉了。这句话是给所有人看的，它让三块分开的看板重新连成一个整体。

记录方式上，可以把每次汇总的那句话存下来。存上几个月之后回看，能看出这个店群反复出现的是哪几类问题。这类信息比任何单周的数据都更有指导意义，因为它反映的是结构性的东西。

举一个具体的例子。某店群一开始做了一块大看板给所有人用，内容很全。用了两个月之后发现，店主嫌太细不看，运营嫌太杂挑着看，客服和仓配说跟自己没关系。三个人对同一块板的评价是三个方向。

改法是把内容按动作重新分组。店主那一块只留整体趋势和资源相关的七八个数字，运营那一块只留自己负责店的过程指标和待办，客服与仓配那一块只留待处理的单据和异常提示。三块板子加起来内容比原来少。

改完之后有一个明显的变化，就是每个人打开看板的时间变短了。原来要在一堆数字里找自己那一部分，现在打开就是自己的内容。看板的总内容减少，每个人得到的信息反而更集中。

这个例子里有一点值得留意。分角色不是简单地按数据分类，而是按动作分类。同一条数据对两个角色可能都重要，但它在两个角色那里的用法不同，就该在不同的位置上用不同的形式呈现。

还有一层是角色的边界会不会随时间移动。人的职责会变，某个角色可能开始承担原来不属于他的判断。看板的分组要跟着变，不然会出现某个人靠着一块不完整的板子做判断，缺的那块正好是他的新职责。

记录方式上，把每次看板分组的调整和当时的职责变化记在一起。这样过一段时间回看，能看出这个店群的分工是怎么演变的，而分工会一直影响看板该怎么分。分组调过几次之后会稳下来，稳定的标志是没有人再提要看别人的那一块。

同一块看板给所有人看，结果往往是所有人都不看

看板的时效与更新问题

时效的第一层问题是数据从哪来。平台后台导出的数据有时间滞后，进销存系统里的库存是即时变动的，两边的时点不一样。把这两种数据放在同一屏上，必须标明各自的时间点。标明时点这件事看起来是小事，它却能避免很多关于数据不准的争论。

第二层问题是进销存系统里的库存和平台上的可售数量经常不等。原因是中间有未同步的订单、有在途的补货、有还没上架的货。看板上放哪个数，取决于这个数要支持什么动作。做仓库动作的时候看物理量，做页面动作的时候看可售量，两个数不要混用。

第三层问题是结算类数据的滞后更长。平台的结算周期和退款周期都会让成交的实际收益延后反映，所以利润类的看板不可能和订单看板同步，硬要同步只会看到一直在变的假数字。

更新频率的设定要从动作倒推。每天要做的动作对应日更新，每周复盘的对应周更新，每月的对应月更新。所有东西都做成实时更新，除了让人反复刷新，不会带来更多动作。实在拿不准的时候宁可慢一点，慢的数据不会误导人，假实时的数据会。

有一个很具体的做法。看板上每个指标旁边标一个时间戳，写清这个数字截止到什么时候。这一栏很小，但它能拦住大量把不同时点的数字放在一起比较的错误。时间戳的统一格式也要定下来，格式不一的时候人读起来会下意识跳过。

还有一层是数据的来源层级。知虾看到的是各站点的类目结构与商品数据，更新节奏是当日看到前一日的。它站在行情判断这一层，不参与店铺内部的经营看板，两者是两套东西，不要混在一起理解。

时效还有一个常被忽略的层面，就是数据的稳定期。有些指标当天看和隔两天看差别很大，因为当天的数据还在往系统里补。用不稳定的数字做比较，结论会随查看时间变化。稳定期要靠积累观察得出，不要照搬别人的经验值，各店的基础数据补录节奏不一样。

处理办法是给每个指标定一个稳定期。曝光类可能第二天就稳了，订单类要等到结算周期走完，退款类要等到退款窗口关闭。稳定期定了之后，跨店比较都在同一个稳定度下做。稳定期一到就可以放心比较，没到就只做记录不做判断。

还有一个问题是数据的缺失。某家店某一天的数据没导出来，这一格是空的。空值在横比的时候很危险，有的看板会按零处理，那这家店当天看起来就像是停摆了。空值应该显示为空，不要自动填零。

更新频率和人的查看习惯也要配合。如果看板每天凌晨更新，而人在上午看，那看到的就是前一天的数，这个预期要在看板上写清楚。不然会有人以为看的是当天的，判断跟着偏。如果发现有人频繁在数据没稳的时候看，说明看板的位置或者说明还不够醒目。

有一种做法是把数据的时点标在每一块区域上，而不是整块看板只标一个时间。因为不同来源的数据时点不同，标一个统一时间会掩盖这种差异，反而制造出精确的错觉。大块数据和小块数据分开标，读的人就能知道哪一处是快照，哪一处是累计。

看板用久之后还要做一次时点审查。把所有数据来源的更新时间列出来，看看有没有哪一处的时点和它的动作需求不匹配。不匹配的地方要么换数据来源，要么改动作的节奏。审查的结果要落到配置上，只记在心里下一次还是会照旧看。

举一个具体的例子。某店群把订单数据和库存数据放在同一屏上，两个数据的更新时点差了几个小时。结果经常出现某一格显示有货但订单已经卖超了，看的人以为是库存出了问题，查了半天发现是时点差。

处理办法是在看板上把这两块分开，并且各自标上时间。订单那一块标截止时间，库存那一块标抓取时间。两块不再被当成同一个时刻的快照，误判就消失了。分屏之后两块各自的时间戳就成了各自的前提，读的人不会再把它们叠在一起。

这个例子里还有一个延伸的问题，就是哪些数据需要放在同一屏上。如果两组数据的时点天然就差得远，把它们放在一起只会持续制造误判，不如分屏看。同屏的价值在于能同时比较，比较不了的时候，同屏就是负担。

另一个细节是科技手段对时效的改变。有些数据源可以做到准实时，有些受制于平台侧的更新节奏只能做到日级。这两种数据混在一个看板上，时效就会被最慢的那个决定，快的部分就白白快了。

边界条件上还要考虑人的接受度。数据更新太快，看的人会被频繁的变化带着走，一天里反复改判断。给指标设一个观察窗口，在这个窗口内的变化先不当成信号，这能挡掉相当一部分无效的反复。

记录方式上，把每次因为时点问题产生的误判记下来。攒上五六次之后，能看出哪两类数据放在一起最容易出问题，看板的结构该往哪个方向调也就清楚了。反复出问题的组合可以从同屏改成关联查看，点一下再跳转，比并排摆着更稳。

口径统一这件事的收益，体现在结论不再互相打架上

看完之后要落到什么动作

落动作的第一种形态是调资源。某家店的趋势明显好于预期，可以给它多分一些备货额度或者人力；某家店连续几期往下，要安排一次专门的排查。这类动作的周期是月或者季度。资源调整的幅度最好分小步走，一次调太多会让数据的变化失去可解释性。

第二种形态是改页面。某个店的进店量正常但转化明显低于同类，方向就在页面、价格、评价这几处。这类动作的周期是周，需要在看板上留出对应的过程指标来定位到底卡在哪一步。

第三种形态是处理异常。评分下滑、差评集中出现、库存告警，这类动作的周期是天，甚至更短。它们不需要比较，只需要出现在看板上并被标记成待处理。这类动作最忌讳积压，当天的异常拖到下周处理，代价往往要翻几倍。

第四种形态是调整看板本身。看了一段时间发现某个指标从来没对应过任何动作，就把它撤下来；发现某个判断反复做却缺一个指标支撑，就补上去。看板是活的，会随判断的需要变化。

落动作这件事要有一个记录。每次看完数据写下一个判断和一到三件要做的事，下次看之前先回头看这几件事做了没有。坚持记一段时间，你能看出自己的判断准不准，这比看板本身更有价值。

还有一个环节容易被跳过，就是做完动作之后的回看。改动做完之后数据有没有按预期变化，如果没变说明当初的判断需要修正。这一环不在看板上，但在整个看数据这件事里，它是最关键的一环。

落动作这件事最容易失败的地方，是动作没有落到人。看板上的结论如果只是「某家店的转化偏低」，它不会自己变成一件事。要写成「某家店这周把主图换一版，下周三回看」，有人在什么时候做什么。

第二个失败的地方是动作太多。一次看完列出七八件事，实际上能推进的往往只有两三件。列出更多不会让事情变得更快，只会让每一件都推不完，下周又叠上新的七八件。列之前先按影响排序，排在后面的那几件如果这周没做，也不该影响对整体的判断。

第三个失败的地方是没有回看。动作做完之后数据有没有按预期变化，这件事如果不看，判断的准确度就没法提高。回看不需要很正式，下一次看数据之前先花两分钟看上一次的那几件事就行了。

有一个细节值得注意，就是动作和指标之间要有可追溯的关系。某个动作是为了改善哪个指标，写下来。这样当指标没动的时候，你能判断是这个动作没做到位，还是这个动作和这个指标之间本来就没有关系。

还有一类动作是减法。看数据的时候发现某个类目整体在往下走，动作可能就是砍掉几条表现最差的链接，或者干脆把这个类目收掉。这类动作在看板上不会自动浮现，需要看数据的人主动去想。

记录方式上，把动作和结论放在同一份记录里。这一周看到了什么、决定做什么、下周结果如何，三栏就够。这份记录积累三个月，能看出自己的判断在往哪个方向变准或者变偏。记录要保持同一个格式，格式一变，前后几个月就接不上了。

举一个具体的例子。某店群每周看一次跨店数据，看了一个季度之后回看记录，发现每周列的待办事项里，超过一半在下一周原封不动地又出现了一次，只是换了个说法。真正被推完的只有少数几类。

这家店做了两处调整。第一处是每次只列三件事，按影响大小排序，做不完就不加新的。第二处是每件事必须写清是谁在什么时候做，写不出来就说明这件事还没想清楚，先不列。两处调整都指向同一件事，就是让待办列表本身可执行，而不是让列表更好看。

调整之后的变化是待办列表短了，但完成的比例高了。更重要的变化是看数据这件事本身变轻松了，因为每次看完都知道接下来要做什么，而不是看着一堆问题无从下手。列表变短之后，看数据这件事从一项负担变成了一件顺手做的事，这个转变很关键。

这个例子里还有一层信息，就是那些反复出现却始终没被推完的事，往往不是执行不力，而是这件事本身不该由这个团队来做。比如某类结构调整需要店主决策，运营列进自己的待办里推不动是正常的。

所以待办列表还要有一个分流。哪些是执行层能做完的，哪些需要上一层决策，分开列。需要决策的那些要往上递，不能一直留在执行层反复出现。这一步能把相当一部分积压清掉。

记录方式上，把没推完的事项单独标出来并写原因。积累一段时间之后，原因会集中到少数几类上，那几类就是这家店群管理上真正的瓶颈所在。原因归类之后，能往上递的问题一次递清，剩下的就是执行层自己能收口的。

常见问题（FAQ）