Shopee第三方数据的可信度怎么判

第三方数据是怎么来的

这一类数的产生方式基本可以概括成一步：拿公开页面上能看到的东西，反推出页面上没有直接给出的量。有人打开大量商品页，把价格、评价数、已售数、上架时间这几项抓出来，再用一套规则折算出这一类大致卖了多少。

折算这个词是整个链条的关键，也是所有误差的来源。公开页面上没有真实销量这一项，能看到的只有评价数和那个累积的已售数，两者都不是真实的分段销量。要从它们推出真实的分段销量，中间一定要加入一整套关于买家行为的假设。

这套假设通常包含几件事：有多少人买了不说话、累积数里退货占多少、这一批样本能不能代表整个类目。这几件事在现实中都会变，而折算规则是固定的，规则越固定，环境一变误差就越大，而它自己不会察觉。

推算完之后，还有一个把它写出来的环节。同一个中间结果，可以写成一个整数，也可以写成一个带零头的数。带零头的写法看上去更精确，但那个精度来自计算过程，不来自观察。能算到个位，不等于能看准到个位。

最后一个环节是你拿走它。你看到的是一个已经收口的结论，前面的选样本、定规则、写精度都发生在你看不见的地方。判断这类数的可信度，只能从它本身的形状和它和你已知事实的关系入手。

「第三方」这三个字底下其实站着好几种东西。有做工具的服务商，有做内容的自媒体，有免费查询的网页，也有嵌在别家软件里的一小块面板。这几种的更新节奏、覆盖范围和愿意说明的程度各不相同，把它们统称成第三方，等于把不同出身的东西混在了一个名字底下。

所以第一次拿到一个来源时，先分清它是哪一类。工具类的通常会写清覆盖哪些站点、多久动一次；内容号给出的往往是从某个页面截下来的一个片段；免费查询页多半只给一个大致的档。这三类的用法从第一步就不一样，混着用会出问题。

反推这件事本身也要花成本。要反推得比较稳，就得把页面看得足够多，看得足够多就必须借助自动化的手段去翻，而翻得越快，越容易漏掉那些不按标准格式呈现的页面。速度与准确在这里是一对矛盾，提供方必须选一个位置站。

它自己也有时间坐标，而且比你想的靠后。公开页面上的数据先要积累到能用的量，才能被翻一遍、算一遍、写成一个数。这个链条走完通常需要一天以上，所以你手上那个「最近的」估算值，代表的其实是更早的一个时间点。

有一个规律值得记住：越往细分处走，误差越大。整个大类目上个月大致什么量级，这种大面上的数样本足够厚，反而相对稳；某个国家站的某个子类目、某几个价格区间交叉出来的那一块，样本薄得可能只剩几条商品撑着。

反推链条上第一个真正决定成败的动作，是决定看什么。有人只看搜索结果的前几页，有人按销量排序往下翻，有人随机抽商品页。这三种取样方式推出来的数会明显不同，而多数估算值不会告诉你它用的是哪一种。

第二个动作是把页面上的字段对应成计算用的项。价格读哪一个、促销价算不算、已售数是件数还是笔数，这几处对应关系只要有一处不同，后面整条计算的基座就偏了。这些对应关系属于内部实现，外面看不到。

第三个动作是判断样本够不够。翻到几百条和翻到几十条，用同一套规则算出来的结果，稳定性完全不同。样本薄的时候，少数几条极端值就能把整体拉走，而来源方未必会为了一个子类目去补样本。

第四个动作是处理异常。页面上的秒杀价、赠品标注、预售条款，这些都会干扰反推。是把它们剔掉、还是照算，两种做法给出的结果差得不小，而处理方式同样属于不公开的内部选择。

把这四个动作看清楚之后，你会得到一个很实用的结论：一个估算值的可信度不取决于它看起来多专业，而取决于这四个动作里每一个离你的使用场景有多近。离得最近的那个动作，往往才是误差真正的入口。

还有一个很实际的观察：同一个数在不同来源之间往往对不上。同一类目、同一段时间，两家给出来的量级可能差着一截。这不一定是其中一家错了，更常见的是两家的取样范围和折算假设不同。看到这种差，先别问谁对，先问两边说的是不是同一件事。

判断来源值不值得长期用，有一个成本很低的做法：把它和自己反复能核实的东西放在一起跑三个月。三个月里它有没有一次给出明显相反的方向、有没有一次把量级差出几个档，这几件事比任何说明都说明问题。跑满三个月再决定要不要继续，比一开始就下判断稳。

误差不是在最后一步产生的，它从挑样本那一步就开始了

估算和实测差在哪个环节

第一个差别在样本的挑选上。反推必须先决定看哪些商品，而怎么挑直接影响结果。挑的是销量靠前的那些，推算出来的类目规模会偏高；挑的是随手翻到的，样本可能偏向某一类做法。这个选择通常由规则决定，你看不见。

第二个差别在行为假设上。折算必须假定在一个月里，买家留下的评价占实际成交的比例大致稳定。这个比例在品类之间、季节之间都会变，在同一个品类里也可能因为一次活动而变。假设一偏，推出的量整体系数地偏。

第三个差别在时间对齐上。公开页面上那个累积数是从上线那天算起的，而实测的分段量只属于某一段时间。要拿它推出分段量，必须估计这段时间里新增了多少，这个估计越依赖上架时间的准确度，越在没有标清上架时间的商品上失真。

第四个差别在退货和改单上。累积的已售数不会因为退货而减回去，实测的分段量则是净下来的。这两者之间的差在退货比例高的品类里大得足以改变结论，而折算规则里这一项通常用一个统一的系数带过。

把这几个环节合起来看，估算和实测的差不是随机的，它有方向。大部分情况下估算偏高的可能性更大，因为公开页面上容易看到的是卖得动的那些，而沉默的大多数没有留下能被抓到的痕迹。

第五个差别在计价单位上。一笔订单里可能有好几件，页面上累积的那个数很可能按成交笔数走，而你想知道的是件数。同样一千笔，装一件和装三件差了三倍，这个差别在单价低的品类里尤其容易被忽略。

第六个差别在活动期的分离上。大促那几天页面上的数字会跳得很快，而这几天过后，反推出来的月度数字里分不出哪一部分来自活动、哪一部分来自日常。想知道平时卖多少，就必须把活动那段单独拿出来估，而规则通常不提供这个拆分。

第七个差别在样本的时效上。样本是上个月翻的，规则是去年定的，用它们去描述这个月，中间隔着两层时间。行业本身在变的时候，这两层时间差叠起来，误差可能比样本数量带来的误差还大。

有几个环节可以自己动手核一遍。找一个你熟悉的款，把第三方的估算、页面上能看到的评价增量、你大概知道的实际走势摆在一起。三者的相对位置比那个数字本身更有信息量，看几轮之后你对这个来源的误差幅度就有个大致的手感了。

把这些环节串起来看，会发现误差不是随机撒下来的，它有偏向也有层次。偏在样本挑选上的一层是整体抬高，偏在计价单位上的一层是整体压低，两层叠起来互相抵一部分，抵不掉的那部分才落到你最后看到的那个数上。

第八个差别在类目的归属上。同一条商品在 A 站归到美妆，在 B 站归到个人护理；同一个来源在不同时期也可能改了归类。归类一动，两边的类目汇总数都跟着动，而你看到的只是两个数各自变了一点。

第九个差别在你自己的范围上。你关心的是自己能做的那一部分，比如某个价格带、某种材质、某个尺码区间。第三方给的是整个类目，两边范围不一样，拿类目数当成自己的天花板来推算，结论会系统性偏乐观。

这九个差别里有几个是你改得了的。范围、时间、计价单位这三项，只要你把问题写清楚、把范围圈出来，就能从估算里绕开一部分偏差。样本挑选、折算规则、行为假设这几项你改不了，只能靠留余量。

把改得了的和改不了的分开，是一个很省事的习惯。改得了的当作事前的准备，改不了的当作事后的缓冲。两类都用上，误差能压到一个你大致知道边界的位置，这就已经很够用了。

差在哪个环节这件事本身有个方向：越是接近原始页面事实的环节，误差越小；越是靠计算推出来的环节，误差越大。所以判断一个数好不好用，可以问一句它离页面上的那个原始现象隔了几步。

有一个场景能把这几层差别一次碰全。周二下午你打算改一条商品的价，先去看第三方给这个子类目的量级，看到的是一个偏高的数，于是判断这一类还有空间、价格可以往上抬一点。而这个偏高的数背后，可能只是那几周的样本多抽了几条走得动的商品。

要把这个场景里的误判挡掉，动作其实很简单：改价之前不只看估算，还把同价格带上近两周新上架的商品数、以及你自己近两周的实际出单一起摆出来。三样东西同时看的时候，估算那一点偏差就不再是一个人说了算。

越靠近方向的指标越经得起误差，越靠近具体金额的越经不起

哪些指标的误差天然更大

第一类是具体金额。这一类目上个月卖了多少钱、这一款大约做了多少营业额，这类指标要经过销量乘以单价两次折算，两次的误差会相乘。越是把钱算到具体数字上的指标，越经不起反推。

第二类是增速倍数。某个词最近涨了三倍这种说法，分子和分母都是估算值，两个带误差的数相除，误差的占比可能比原来的差还大。倍数这种表达看起来很干脆，实际是这类指标里最不稳的一种。

第三类是带零头的精确值。三千二百一十七件这样的数，读起来比三千件可信，实际上它只是把计算过程里的一个中间结果照搬下来。看到这种精度要先减分，再问它凭什么能分得这么细。

反过来，误差影响最小的是方向类指标。这一类需求是在往上还是往下、这个词的热度有没有动静，这类判断的容错空间大，即使数值偏了三成，方向往往还是对的，因为误差在不同时间点上会原样保留。

第四类是新品和小众类的具体体量。这两者的样本最薄，一个刚上架两周，一个整个类目可能就几十条商品。样本薄的时候，反推规则里那些关于买家行为的假设会变得更关键，而假设越关键，结果就越依赖假设本身对不对。

第五类是站点之间的横向对比。不同覆盖密度的站点放在一起比，误差幅度不一样大，比出来的高低可能根本就是误差的高低。想比两个站点，先确认这两边在同一个来源里的样本厚薄是不是接近，不接近就别直接比数字。

还有一类指标第三方基本给不出来，就是波动幅度。你需要知道的不只是平均下来多少，还有这个平均值周围散得多开。散得开意味着这个数只能看趋势，散得窄意味着它可以更当真，而这项信息很少出现在估算值旁边。

误差大的指标不是不能用，是要换一种用法。把具体数换成排序用，把数值换成区间用，把两个不同来源的数换成一个来源里的相对位置用。这几种换法的共同点是都绕开了精度，只保留了方向，而方向恰好是误差最难改变的东西。

判断一个指标属于哪一类，有一个很快的办法：看它经过了几次折算。从页面事实到估算值，每多一次乘法或者除法，误差就多一次被放大的机会。数一数中间隔了几步，你就大致知道该给它多少信任。

还需要单独说一类：以「趋势向上」这种写法出现的指标。它看起来和方向类是一回事，实际上背后是把两个时期的数比了一下。两个时期各自的误差会被这个比较放大，而同向的季节性会让它显得比实际更确定。

把这几类合起来排一排，大致的顺序是：纯方向类和结构类最稳，量级类次之，具体条目的体量再往下，具体金额和增速倍数最末。这个顺序不用记精确的位次，记住两头就够——方向能用，金额要慎。

有一种做法能把误差大的指标救回来一部分，就是不看单期的数，看几期的相对位置。某个款连续三期都排在前十，比它某一期排第一更有意义，因为连续出现这件事本身抵消了单期误差的随机部分。

误差大的指标还有一个特征，就是它特别容易被当成卖点。一个精确到个位数的金额、一个看起来很猛的倍数，这两类写法最能打动人，也最经不起追问。看到这种写法，把它翻译回量级和方向，再决定要不要用。

最后要提一句的是，你判断误差大小的能力本身也会进步。连续几个月拿估算和自己的实际出单对一遍，你会慢慢摸出这个来源在你这个类目上偏多少。这个手感是别人给不了的，只能自己攒。

有一个常见的误判值得单说。第三方给的这一类需求在涨，很多人会自动把它读成这一类值得进。这两句话之间隔着好几步：需求在涨可能是需求方变多，也可能是供给方变少；可能是整个类目在涨，也可能只是某个价格带在涨。方向是对的，结论是自己加上去的。

所以拿到方向类指标之后，还有一件必须做的事，就是把它和供给侧的迹象放在一起看。需求在涨且上架的商品数没怎么变，这一块确实还有空间；需求在涨但同一价格带里的商品数翻了一倍，涨的那部分很可能已经被抢掉了。同一句涨，两种走法完全不同。

看第三方数据先看什么

第一件要看的是这个指标问的是方向还是数量。同样一份估算，用来判断这一类在往上走还是在往下走，和用来算这一类上个月卖了多少钱，对精度的要求完全不同。先分清这一点，一半的问题就不用问了。

第二件要看的是它的样本范围写没写清。有没有说明这个数是按什么范围统计出来的、包含多少条对象、时间跨度多长。写清楚了，你可以判断它和你的问题对不对得上；什么都没写，就默认它给的是一个平均情况，不要往具体某一款上套。

第三件要看的是它和历史的一致性。同一个指标，几个月前给的值和现在给的相比，是不是在一个合理的范围内变化。如果它跳得很厉害，而底下的事实并没有大变，说明这套折算对前提很敏感，你也就不该把它当基准。

第四件要看的是它和你能核实的数对不对得上。你手上有一条自己记过的真实动销情况，或者页面上几条商品的评价数，这两样加在一起可以给估算圈一个大致范围。落在范围里的可以用，偏得很远的先放一边。

这四件都是看它本身，不需要你去判断提供方是谁。判断可信度不需要知道是谁做的，只需要看这个数问的是哪一类问题、范围说清了没有、和历史一致不一致、和你已知的对不对得上。

这四件里最容易被跳过的是第二件。范围写没写清，看的时候容易被当成格式问题，其实它决定了这个数能不能被用在你手上的具体问题上。范围不清的数只能当背景看，不能当依据。

第五件要看的是它给的是快照还是区间。给一个数，代表提供方认为这一个数就够了；给一个区间，代表它自己也知道精度有限。后者看起来不如前者干脆，实际上它多告诉你一项信息，就是那个误差可能有多大。

第六件要看的是它在你的问题里占多重的分量。同一个估算，如果只是用来说明背景，精度差几成无所谓；如果是拿来当一个决定的唯一依据，差几成就是能不能做的问题。看数之前先给自己这个问题定个位，比看完再纠结省事。

有一个容易被精度感带偏的地方，是各种看起来专业的写法。小数点后两位、一个精确的百分比、一个向上的箭头，这些形式本身不携带任何额外信息，它们只是排版方式。对形式保持一点警惕，能挡掉很大一部分误判。

顺序上还有一个小建议：先把问题写在纸上，再去翻数。写的时候用日常话，比如这个方向还值不值得再投一批。写完再看手上的数能不能回答它，回答不了就换一个数看。先有问题的顺序，能挡掉拿数去找问题这种常见的走法。

这六件合起来其实只是一件事：在把一个数拿进判断之前，先花几分钟确认它是什么。这几分钟的成本几乎为零，而它能挡掉的是后面几周基于一个错前提做的所有动作，这笔账怎么算都划得来。

有一个很具体的检查点，是同一个指标换一个口径之后还成不成立。比如这个类目在往上走这句话，把范围缩到某个价格带、把时间换成上个月，如果方向还是同一个，说明这条判断比较结实；一换就变，说明它只是某个特定口径下的现象。

再一个检查点是它会不会自己打架。同一个来源里，需求在涨这个说法和同类商品数量在涨这个现象，很多时候是同时成立的，但含义不一样。前者说的是买的人多，后者说的是卖的人多，两者混在一句话里就会得出错的印象。

如果这个数是你打算长期用的，建议给它建一个很小的档案。记下第一次拿到它的时间、当时的数值、来源的类型、你打算拿它做什么。几个月后回看这几行，你会比任何人更清楚它在你这儿靠不靠得住。

这几件事做下来，你会发现看第三方数据其实是一个把问题变清楚的过程，而不是一个把数字变准确的过程。数不会因为你看得仔细就变准，但你会因为看得仔细而知道该把它用在哪儿。

把顺序再顺一遍：先问方向还是数量，再看范围写没写清，再看和历史的一致性，再和能核的数对一对，再看它给的是快照还是区间，最后看它在你这个问题里占多重。六步走完大概几分钟，比事后返工便宜太多。

看的时候还有一个顺序上的讲究：先看这个数能不能被拆开，再看它能不能被对上。能被拆开的数说明提供方自己就知道它由哪几块构成，这种数通常更稳；不能拆、只能整体接受的数，你连它偏在哪一块都不知道，能用的地方就少了一半。

举个例子说明这个差别。某个类目上月三千件这个数，如果能拆成前五大占了四成、其余几百条分剩下的六成，你就能判断这一类是头部集中还是普遍在走；如果只能拿到一个三千件的总数，那它除了说明这一类有量，别的什么都说不了。

可信度不够时怎么用

第一个用法是只看排序不看数值。这一类里哪几个方向更热、哪几个价格带被挤得更紧，这些相对关系受数值误差的影响小得多。用排序来缩小要看的范围，比用具体数量来判断值不值得做要稳。

第二个用法是当门槛用不当目标用。估算说这一类大致在一个什么量级，可以拿它当一条线，低于这条线的先不碰。当门槛用的时候，误差偏一点通常不会改变结论；当目标用的时候，偏一点就直接偏到动作上。

第三个用法是把不确定写出来。看这个数之后得出的判断，把其中哪一块是估算、误差可能有多大一起写下来。写出来的好处是过一段时间回看时，你知道当初哪个环节最可能出问题，也就能把责任落到具体的环节上。

第四个用法是只信它和另一个来源重合的部分。同一个方向，第三方给的数和你的观察、和页面上的现象都指同一个方向，这一部分可以放心用。只有一个来源说的事，先放着，等到有第二个来源印证再动。

这四个用法的共同点是都不要求这个数变准，只要求你不把它用在它撑不住的地方。可信度不够的数不是不能用，是不能被当成精确值用。位置摆对了，它对判断仍然有贡献；位置摆错了，它会变成一个看着精确的隐患，责任人还找不到。

第五个用法是当起点不当终点。它的价值在于帮你把要看的范围从一大堆缩到几小块，缩完之后你还是得回到能核实的地方去挑具体对象。用一个粗数缩小范围，再用细的观察定具体款，这个前后顺序用起来最顺。

第六个用法是只在两个来源重合的那一块上做决定。第三方说是往上，你自己的观察也说是往上，重合的这一段可以拿来用；只有一个来源说的事，先记下来放着。这个做法的好处是把不确定的部分自动圈出去了。

第七个用法是拿它给自己定一条继续看还是停下来的线。这类需求低于某个量级就先不投入，这条线可以由估算来定，因为定线的时候误差偏一点不改变结论。用估算定线比用估算定目标安全得多。

有一个心理上的坎要过。这类数因为看着专业，很容易被赋予一种它不该有的权威，让人在它和实际观察冲突的时候倾向于信它。要过这个坎，办法是每次冲突都记一笔，记到第三次你就会发现它错的时候并不少。

这几个用法都不要求估算变准。它们的共同思路是给这个数指派一个它能站得住的岗位，然后只在这个岗位上用它。位置摆对了，一个精度有限的数依然能帮上大忙；位置摆错了，再准的数也救不了判断。

还有一条实操上的建议，是给它设一个具体的过期时间。一个估算值拿到手之后，写清它在什么条件下就作废，比如站点改了政策、类目改了归属、季节换了，或者它自己已经隔了两个月。有这条线，用的时候就不会一直用下去。

跟别人共用这些数的时候，把它的出身一并说出来。一句这个数是估算的、大概看个方向，比直接给出一个数字要负责任得多。听的人知道它的位置，就不会在你没想到的地方把它当成精确值继续往下算。

如果某一项判断你只能靠估算来支撑，那就把它标成待验证。标出来不代表不能用，只代表下一步要多做一件事，就是找一条能核实的现象去验证它。待验证的清单不用长，几项足够，每验证掉一项，判断就结实一分。

还有一种情况下可以放宽一点：当你要做的是一个可逆的小动作。换一张主图、改一次标题、试一个新价格带，这些动作做错了代价很小，用估算来做方向性的指引完全够。判断能不能放宽，看的是动作错了好不好收回。

把这些用法排一下优先顺序，最稳的是只看排序，其次当门槛，再次是当起点，最松的是用在可逆的小动作上。手上的估算越粗，就越往前面几档靠，这个顺序本身就是一条简单的操作规则。

有一个判断该不该用它的具体场景：你手上这个估算数要用在一个要花三个月才能看出结果的投入上。三个月才见结果，意味着中间拿不到及时的反馈来纠正，一开始的方向偏一点，三个月后才发现就晚了。这种投入里，估算只能进参考，不能进依据。

反过来说，如果一件事三天就能从出单上看出来行不行，那用估算来做方向指引完全没问题。三天里出单没起来，直接停掉，损失是几天的精力。判断用不用估算，很多时候不看这个数准不准，看的是你用错了之后能多快知道。

判断越靠近金额，对可信度的要求越高

怎么和自有的数交叉验证

第一个可用的自有的数是你自己按出单记下来的量。同一段时间里，把这几个款的真实出单和第三方给的估算摆在一起，看比例大致落在什么范围。这个比例不用精确，只要它能给你一个数量级的直觉就够了。

第二个可用的数是页面上能看到的评价增量。你可以相隔一段时间看同一批商品的评价数变化，这个变化和估算给出的走势是不是同向。同向说明估算的方向可信，反向就得先查是哪一边出了问题。

第三个可用的数是价格和位置的变化。某个价格带上的商品如果明显在变多，说明这一档被看好，这和估算给出的热度走势可以互相印证。价格和上架这一类现象是自己就能观察的，不需要依赖估算。

交叉验证里最有价值的是不一致的地方。两边指的方向不一样的时候，先别急着挑一个相信，去看它们为什么不同。答案常常是其中一边的口径和你理解的不是一回事，找到这一层，你对这个指标的理解就深了一步。

验证的频率不用很高。换季的时候、准备上一个新类目的时候、打算在某个方向上投比较大的力气之前，各做一次就够。平时按用法把它摆在对的位置上，比频繁核对更省事，因为核对本身也会消耗你用来做实事的精力。

第四个可用的数来自售后和咨询。哪几款被问得多、问的是什么问题、退货集中在哪几款，这些是你自己的一手信息，和销量高低往往同向。手上有一个款被反复问到，基本可以印证它确实在走量。

验证之前最好先把时间上限定下来。这类核对很容易越做越细，最后变成一场没有结论的追查。定一个具体的上限，比如一次不超过半天、只看三个指标，到点就停，先写下当下的判断，剩下的留到下一轮再说。

验证的结果建议记成一张很小的表。左边写指标名，中间写第三方给的大致范围，右边写你自己看到的量和差多少。这张表不需要精致，它的用处是几个月后你再拿到同一个来源的数时，能一眼看出这一批和历史比是偏了还是稳。

有一个跟直觉不太一样的点：交叉验证的目的不是给这个来源打分，而是找出你的判断里最薄的那一块。哪一项两边差得最多，那一项就是你现在最不该拿来当依据的。找薄处比打分有用，因为打分不改变任何事，找薄处会改变你的动作。

验证的频率可以跟判断的份量挂钩。只是随手看一眼的事，不用核；要动一笔钱、要压一批货之前，花半天核一遍。把核对的成本和决定的份量对起来，这件麻烦事才不会变成每天都要做的负担。

第五个可用的数是同类商品的排位变化。把同一个搜索词下你关注的那几款按位置记下来，隔一段时间再记一次，位置的整体移动方向和你手上的估算可以对一对。排位是你自己就能观察的事实，不依赖任何第三方。

第六个可用的数是你自己的动销节奏。哪一周出单集中、哪一天容易空档、哪批货压了多少天，这些和估算给出的月度走势一对比，能帮你想清楚估算里的量究竟对应什么样的实际节奏。节奏对不上，说明这个数描述的不是你这一块。

核对的时候有一个很容易犯的错，是把总量当成同一件事来比。你手上的量是你自己那几条，估算说的整个类目，两者差几倍是正常的。要比的是两者的变化方向，以及变化的幅度大致是不是同一个量级。

如果核了几轮都对不上，那本身就是很有价值的结论。它说明这个来源和你这个类目之间存在某种结构性的差别，可能覆盖密度不够，可能它把那几个大卖家算重了。知道这一层之后，你就会用它来参考别的类目，而不是自己这一块。

知虾看到的是站点、类目、商品这几级的公开数，它把这是哪个站点、哪一天这一层标清楚，你的自有的数则落在自己那几个款上，两边本来就是两个层级，对的正是方向而不是数字。交叉验证这件事最省力的做法是把它接在一个你已经要做的动作后面。每个月做总结的时候顺手对一遍，不用另外找时间。接在已有动作后面的习惯活得久，单独安排的习惯多半撑不过第三次。

有一个容易被忽略的可用信息是价格。你自己那几个款卖什么价、同期同类的挂价区间大致在哪，这两项放在一起就能大致判断出你在这个类目里站在什么位置。位置这一项受估算误差的影响很小，因为它看的是相对关系。

再一个可用的信息是上架的时间分布。你自己什么时候上的、同期这个价格带上别人什么时候上的，这两条时间线的重叠程度能说明这一块挤不挤。上架密集的那几周说明很多人在往这里挤，这个信号不依赖任何第三方来源。

把它摆在方向的位置上，误差就不再一直往判断里渗

哪些场景干脆不用它

第一类是算利润。利润要知道自己的成本，而成本这一项第三方的数里根本没有，它连你的进货价都不知道。拿估算的销量配上自己估的成本去算利润，等于在一堆假设上再叠一层假设，结果没有参考价值。

第二类是定具体金额。这一款这个月投多少、这个价定多少，这类决定要落到一个具体的数上，而估算的误差幅度大于这类决定能承受的范围。定金额的时候宁愿用自己手上的真实数据，哪怕少一些。

第三类是判断别人家里的事。某一家店这月走了多少、它下一批什么时候上、它的库存还剩多少，这些不在公开页面上，估算能做的是从外部痕迹反推，推出来的东西不适合用来做针对某个具体对手的判断。

第四类是需要精确到单条的商品。估算的样本可能是几百条，用它去判断某一条具体商品的表现，等于拿整体平均去代一个个体。这一条刚好不在平均的位置上，判断就会错得很远。

这四类的共同点是它们都要求一个精确到能直接落到动作上的数。第三方这一类数的定位是给方向和范围，用它去做这些事，是把它放在了一个它从来没有打算负责的位置上，出了偏差也没法回头去找它。

第五类是要不要开一个新站点这类跨度很大的决定。这类决定里，估算能提供的只是一个很粗的量级，而真正决定成败的是物流、清关、当地支付习惯、竞争密度这些估算根本不涉及的东西。用估算来支撑这类决定，等于用一把量衣尺去量地。

第六类是要对外说明的场合。你要向合作方、向团队、向投资人解释一个判断，用了一个说不清来路的估算，对方一问它从哪来，整段说明的可信度就跟着受影响。这类场合宁愿给一个范围更窄但来路清的数。

用不了估算的地方通常还有别的替代。前台页面上的价格分布、同类商品的上架密度、评价数的变化，这些都是公开可见、自己就能核的。把这些观察整理成几条相对关系，虽然不如一个数字好看，但它能被解释、被复核。

这些场景也不是永远不能用。等你自己按出单记的手账攒够一段时间，能对估算的误差幅度有个稳定的手感，那时再用它当背景就安全得多。先用起来，再把用不了的地方标出来，比一开始就全面否定它更实在。

把这四类场景和前面那些用法放在一起，会发现界线其实很清楚：要求落到一个具体数上的事不用它，只用来说方向、定范围、缩候选的事可以用它。这条线一画，用与不用就不再是看心情，而是看这件事要的是什么。

还有一类容易被忽略的场景，是有明确替代的地方。某个类目的价格带分布、某几个款的上架时间、某个词的搜索热度，这些在公开页面和专门的工具里就能看到，不需要经过一层推算。在有直接观测的地方用推算，是自找误差。

判断一件事是不是该用估算，有一个很快的尺子：这件事如果我判断错了，需要多久才能发现。要几周才能发现的事，用估算的风险最小；当天就能从出单上看出端倪的事，用估算也没什么损失。最怕的就是那种错了要几个月才知道的事。

这条线还可以按金额大小来划。一笔支出很小、改起来也容易，用估算定个方向没问题；支出大到会影响现金流的，估算只能进参考栏，不能进依据栏。把估算请出依据栏，是这个用法里最关键的一步。

值得说明的是，不用它并不等于这批数据白看了。你从估算里得到的信息，很多时候已经变成了对范围的直觉，这个直觉会跟你在后面看具体款的时候一起起作用。它的价值不在于被引用，而在于被你消化。

把这四类场景和前面的用法摆在一起，你会得到一个很清晰的分工表：方向归估算，范围归估算，候选清单可以归估算；金额、利润、单条、对手、对外说明，这几栏里估算进不去。分工表画好，用与不用就不再靠感觉。

有一个很常见但容易被放过的场景，就是拿它去支撑一个已经想做的决定。你已经决定做这件事，又去找一个数来支持它，这时你挑数的标准会不自觉地变成哪个数更支持我。这个场景里估算给的从来不是依据，只是心理上的许可。

要挡住这件事，办法是在看数之前先把判断和理由写下来，看数之后只回答一个问题：这个数有没有让我改变原来的判断。没有改变，说明它只是被用来确认；改变了，才说明它真的参与了判断。这两者的区别比数本身重要。

常见问题（FAQ）