关联品线洞察 · 营销策略布局

1 年代分析与店铺三大痛点

1.1 后台'年代分析'数据面板

后台哪个板块出现过"年代分析"四个字？绝大部分商家并未关注这一数据维度。本文核心议题——品类的动销怎么去做年代，大部分店铺当前普遍存在三个维度的痛点，需要逐个拆解。

单一品类无爆款时如何破局，先找能卖的链接，再找链接中连带效率最高的产品。整个破局逻辑围绕"年代分析"这一数据维度展开，因此目的是让商家意识到后台存在但被忽略的关键指标，并学会用其驱动选品与动销决策。

1.2 痛点一：单一品类无爆款，零到一增长乏力

单一品类无爆款是第一个核心痛点。当店铺只有单一品类、且品类内没有跑出爆款时，相当于处于零到一的起势阶段，增长曲线本应往上走，但实际却表现得非常乏力。这种乏力感类似于刚开新店时效率值偏低的阶段——有流量但转化拉不动，故整体 GMV 难以快速爬坡。

破局的第一步是先找到能卖的链接。单一链接现阶段难以爆发，但可以先把"能卖"的链接识别出来，让店铺先有销售额，不至于整店都是零蛋。这是所有后续动作（连带扩品、定爆款）的前提条件。由于从 0 到 1 阶段需要先积累成交基础，故建议先识别约 20% 的 SKU（能卖链接），推动整体销售额在 30 天内拉起 30% 以上。

1.3 痛点二：费比均高

第二个痛点是费比均高。费比即推广费用占销售额的比例，当费比居高不下时，意味着每一笔成交都要付出高额的推广成本，利润空间被严重挤压。这与单一品类无爆款形成恶性循环——没有爆款就难以跑出自然流量，只能持续依赖付费推广，从而推高整体费比。

1.4 痛点三：爆款与坑产下滑

第三个痛点是爆款与坑产同步下滑。坑产即坑位产出，指每一个搜索坑位带来的销售额。当原本的爆款开始走下坡路、坑位产出持续下降时，店铺既失去了流量爆发的引擎，又失去了产出效率的保障。三大痛点叠加，就构成了当前大部分店铺最典型的困境画像。由于坑产月降幅超过 15% 时整店 ROI 会同步走低，因此商家必须按月监控这一指标。

1.5 破局第一步：找到能卖的链接把销售额拉起来

面对三大痛点，破局的第一个方向是先找到能卖的链接。现阶段店铺无法快速爆发，单一链接也难以承担全部增长任务，但可以先把"能卖"的链接从众多 SKU 中筛出来，让店铺销售额先跑起来，避免整店数据长期挂零。因此从 0→1 阶段应优先识别 1-2 个能卖链接，预计在 30 天内可将整体销售额拉起 30%-50%。

这一步的意义在于为后续动作打底：只有当店铺有基础销售额之后，才有机会谈连带、谈扩品、谈爆款迭代。因为零销售状态下做连带分析与爆款筛选都没有意义，没有任何成交数据可供分析。

1.6 破局第二步：找到链接中连带效率最高的产品作为主推

第二个方向是在能卖的链接中找到连带效率最高的产品。核心抓手不再是"哪款卖得多"，而是"哪款卖了之后还能带动其他品"。连带效率最高的链接会被优先定为主推款，承担后续扩品与拉新的任务。由于连带效率最高的 1 个品可带动 3-5 个关联品销售，故该品应承担后续扩品与拉新的任务。

以专车专用脚垫类目为例，近一年内该类目下有 67 万消费者在购买脚垫的同时又购买了手刹套。这种"买 A 又买 B"的交叉占比，就是连带效率值。识别出这类高连带产品后，就找到了后续扩品、组品线、定主推款的数据基础。

2 破局方向一：找到能卖的链接与连带最高的品

2.1 从多品类候选到主推品筛选

在汽车后市场品线规划中，通常会面对若干候选品类，如汽车反光贴、专车专用脚垫、车用纸巾盒、车用垃圾袋等。选品的第一步不是立即锁定主推，而是把所有候选品类铺在同一张表格里做横向比较。表格中需列出每个品类的关键数据指标，例如类目下购买人数、浏览人数、客单价、转化率等（这些指标共同决定品类的基础盘），然后再讨论优先选哪个品类作为主推。

讨论过程容易出现一个判断误区：部分运营会直接根据"自己最熟悉"或"利润最高"来选品。但选主推品的首要逻辑是看品类体量，即该类目下购买人数是否足够大。因为只有体量足够大，后期推广才有自然流量与成交基础，从而把销售额从零拉到稳定输出。如果体量过小，即便客单价高、利润率高，推广也会非常吃力，因此在短期内很难起量。

2.2 类目体量是首要筛选条件

类目体量大的判断标准核心看购买人数。购买人数反映该品类在平台上的真实成交规模，是判断一个品类"能不能卖"的第一指标。在数据呈现上，即使浏览人数或点击人数体量一般，只要购买人数体量足够大，该品类依然具备起量潜质。

反之，如果某品类购买人数体量偏低，即使表面浏览量不错，也意味着实际成交转化存在障碍，故不适合作为初期主推。以汽车反光贴为例，该品类购买人数体量在所有候选品类中最大；但若平台整体购买人数基数有限，这类大体量品类反而会因竞争激烈被排除，所以后续很难拉动连带。

2.3 客单价与连带效率的双重约束

类目体量大只是入选条件之一，还需叠加客单价维度来判断。客单价偏低意味着该品类很难向上拉动高客单价产品，因此连带效率会大打折扣。在低客单价品类里，消费者购买决策呈现低单价、低决策成本特征，这种心智很难复用到高客单价产品上，故会出现"低带高难"的现象。

具体到候选品类分析：汽车反光贴体量大但客单价偏低，做高客单价产品困难，因此被 pass 掉；专车专用脚垫体量大且客单价相对较高，具备往下走的空间；车用纸巾盒市场体量较大，同样是重点候选；车用垃圾袋体量不错，但客单价偏低，做高客单连带能力有限。综合下来，候选从四个缩减到脚垫、纸巾盒、垃圾袋三个，其中纸巾盒与脚垫的客单价相对更优。

2.4 主推品的最终决策：反推连带效率最高的品类

最后选哪个品类作为主推，要把前面章节讲到的"连带效率"反推回来应用。连带效率指买 A 又买 B 的交叉占比（即两个品类之间的购买重合比例），是后续扩品的基础。脚垫、纸巾盒、垃圾袋三个品类中，需挑出连带效率最高的品类作为主推，其余品类作为利润盘上架挂着，靠主推款自然带量，因此无需额外推广。

实战中更倾向于选择"车用纸巾盒"作为主推款。原因有三：第一，纸巾盒客单价居中，既不会太低导致无法带高客单价产品，也不会太高导致转化门槛过高；第二，纸巾盒与摆件、手刹套等品类的交叉比例较高，因此具备良好的扩品空间；第三，纸巾盒作为车内高频使用物品，购买人群与脚垫、垃圾袋存在大量重叠，故自然连带效率高。最终主推款确定后，利润盘只需上架、不做推广，直接由主推款的成交流量带动出单，从而形成主推+纯利润盘的双层布局。

3 选品线的三要素：体量、客单价、关联效率

3.1 选品三要素的判定逻辑

如果主推脚垫，从六个二级类目下看关联比例，会发现比例不算太高。这就意味着每条品线（纸巾套、车用垃圾袋等）都必须单独打成爆款才能卖动，拓品成本极高。核心解决思路是先找"体量大"的品类，再找"客单价居中"且"有关联"的品类，从而避免每条品线都靠硬推爆款。当下阶段打爆款难度极高，能借助现有品类的关联流量顺势带量，才是更高效的做法。

判断顺序是：第一个，类目体量要大（优先看购买人数与浏览人数）；第二个，客单价居中（不能太低，否则拉不动高客单产品）；第三个，必须与现有品类有关联（不然就只能每个品都硬打爆款）。如果所选品线在三级类目或二级类目下都没有关联，其实就等于每个品类都要靠爆款硬撑，而现阶段硬打爆款相当困难，所以体量、客单价、关联三者必须同时满足。

3.2 纸巾盒品线：第一个符合三要素的品类

把每个品类线拆开看，会发现"纸巾盒"是第一个满足三要素的品类：购买人数相当多（体量大），客单价最起码能拉到三四十左右（居中），并且它与跨品类（如脚垫、摆件）之间存在很强的关联效率值，关联比例算是相当高了。一个消费者买了纸巾盒，会同时买脚垫加摆件，摆件的交叉比例达到 13%，这一数字证明纸巾盒与周边品类之间存在真实的购买连带，可以作为主推品线。

3.3 拓第二品线的双向连带要求

选完车用纸巾盒作为第一个主推类目后，拓第二个品类的核心是：必须找到"效率值最高的品线"，而这个效率值不是单方向的——不仅在车用纸巾盒上要有连带效率，第 2 个要拓的链接本身也要有连带效率。也就是选定的两个品类、两个品线都要有连带才可以，单向连带不够。判断逻辑是：第一个拓品类（纸巾盒）有连带，第二个拓品类（候选品线）也要有连带，两个方向都成立才能形成双向流量闭环。

3.4 双向连带最高品线的筛选结论

在所有候选品线中，摆件目前的连带是最高的；同时看手刹套到摆件的连带，比例也很高。这就验证了"纸巾盒→摆件 13% 交叉"与"手刹套→摆件 12% 交叉"两条交叉路径同时成立，符合双向连带的标准，可以进入下一轮拓品线分析。而装饰贴等其他候选品线，因为购买人数不足或与纸巾盒、手刹套的交叉比例不达标，被排除在高效连带品线之外。

3.5 淘汰反例：体量大但客单价偏低的反光贴

在筛选过程中，反光贴虽然类目体量很大，但因为是偏低客单价的产品，无法满足"客单价居中"这一要素，所以被 pass 掉。淘汰依据是：如果主推品线客单价过低，后续想靠这条线带动高客单价产品（如脚垫、摆件）会非常吃力，连带效率也无法转化为实际的客单价提升。纸巾盒、脚垫、垃圾袋三条品线则因为同时满足体量、客单价、关联三要素，进入下一轮拓品线讨论。

4 拓品线逻辑：主推+纯利润盘的双层布局

4.1 主推品与利润盘的双层布局原则

主推品与利润盘的双层布局，核心是把推广资源集中到一个核心品类上，再让该品类自然带动若干关联品类。在摆件这个类目中，可以拓但不主推，只需上架不需推广，因为主推的车用纸巾盒会连带给摆件带量，使其在整个摆件品线都有连带效率。

主推品的选择决定了整个品线布局的方向。一旦主推款确定，与其有关联效率的品类就可以设置为纯利润盘——只需要上架挂着，不需要任何推广投入，依靠主推款的自然连带完成销售。这种方式的核心优势是用最少的推广成本撬动最大的关联销售，典型的"一拖多"结构。

双层布局的判断依据非常直接：从年代分析数据看，纸巾盒带动摆件有13%的交叉比例，手刹套带动摆件有12%的交叉比例，这两个数据都很直观。当一个品类的关联交叉比例达到10%以上时，完全可以作为利润盘来布局，因为连带带来的自然成交已经足够支撑其作为利润款的角色。

4.2 双品类布局的连带效率要求

选择两个品类作为品线组合时，必须确保双方都有连带效率，单向连带的组合不具备双层布局的基础。核心品线第一选择是车载纸巾盒，因为手刹套既有摆件的连带，又有反光贴的连带；而摆件和反光贴这两个类目都属于纯利润盘，只需要上架就能通过主推款的连带自然卖出。

这种"主推+利润盘"的双层结构让推广资源只集中在一个品类上，但收益却分布在多个品线中。手刹套作为第二核心品线，既能给摆件带量，又能给反光贴带量，是整个品线布局中的关键节点。布局的关键在于找到品线和品线之间的连带关系，而不是盲目拓品。

双品类选择的核心判断标准是：品类A能否带动品类B，品类B能否也带动品类A，以及这个双向连带背后的主推款是谁。

分析现有品线的布局，包括现阶段店铺具体是怎么做的，都可以从品类与品类的交集比例中分析出来。交集比例越高，布局价值越大；交集越低，即使有连带也是弱关联，不建议作为核心布局。

4.3 利润盘品线的实操设置

摆件和反光贴两个品线作为纯利润盘的具体设置：只需要上架，不做推广，不做主推拉新，不打投产比，只等主推款车载纸巾盒和核心品线手刹套的自然连带带量。这两个品线在店内的角色类似于"挂件"——挂在那里就能卖，不需要额外的运营成本。

利润盘品线的本质是用主推款的连带效率替代主动推广的成本。当主推款的车载纸巾盒卖出一定量时，会有相当比例的消费者顺手购买摆件或反光贴，这种连带销售是消费者主动行为，转化率天然高，不需要额外的推广费比支撑。因此利润盘的设置逻辑是"零推广+高连带"，与主推款的"高推广+高转化"形成互补。

具体到操作层面，利润盘品线只需要完成上架动作，后续的动作都可以省略。这与传统"每个品线都要做推广"的思路完全相反，优势在于：第一，节省推广费用，把这些费用集中到主推款上；第二，避免内部流量竞争，利润盘不抢主推款的自然搜索权重；第三，品线结构清晰，便于后续的爆款迭代和AB分层管理。

4.4 年代分析的类目行为人群交集原理

年代分析的核心是通过达摩盘分析类目与类目之间的人群交集，识别强关联品类。类目行为人群指的是在该类目下近期有过行为的人群，具体包括浏览、点击、收藏加购、成交四类行为数据。这四类行为强度不同，但都能反映消费者对该类目的关注度。

实操第一步是优先选一个类目作为分析起点，建议从现有主营类目入手。第二步是在达摩盘中调取该类目近30天的浏览数据，拉出浏览人数的体量（通常以万人为单位）。第三步是用同样的方法调取其他待分析类目的浏览数据，第四步是制作交叉表格，把每个类目的浏览人数两两对比，得出交叉比例。

以太阳眼镜类目为例，达摩盘数据显示该类目近30天浏览人数约100多万，体量足够大，适合作为分析起点。建议按浏览次数拉取近30天数据，因为按购买人数做交叉可能导致体量过小，无法得到有效结论。浏览人数的体量是分析的前提条件——如果某个类目体量太小，即使交叉比例高，实际能带来的连带销量也有限。

4.5 交叉分析表格的搭建方法

交叉分析表格的具体搭建步骤：

• 第一步，在达摩盘中选择目标类目，调取近30天的浏览数据；
• 第二步，把所有待分析类目的浏览人数填入表格的第一列；
• 第三步，两两对比，得出每个类目对之间的交叉比例；
• 第四步，按交叉比例从高到低排序，识别强关联类目组合。

表格的核心字段包括：类目名称、近30天浏览人数、与类目A的交叉比例、与类目B的交叉比例等。填入数据时，可以用太阳眼镜类目作为示例，先把太阳眼镜这个品类的浏览人数数据填入，再依次填入其他待分析品类的数据，最后得出两两交叉的比例数字。

类目A	类目B	A浏览人数	B浏览人数	交叉比例
车载纸巾盒	摆件	100万+	待填	13%
手刹套	摆件	待填	待填	12%
手刹套	反光贴	待填	待填	待填

这个表格的核心价值在于把抽象的"关联销售"转化为可量化、可对比的数字。表格搭建完成后，哪两个品类的连带效率高、哪个品类适合做主推、哪个品类适合做利润盘，一目了然。

4.6 主推款确定后的品线落地策略

主推款确定后的落地动作分三步：

• 第一步，把核心品类作为主推款集中投放推广资源，目标是把销售额拉起来并积累基础销量；
• 第二步，把与主推款有强交叉的品类（交叉比例≥10%）设置为利润盘，只上架不推广；
• 第三步，持续监控各品类的连带数据，当某个利润盘品类的销量起来后，可以考虑升级为第二主推款。

落地过程中需要特别注意品线之间的搭配逻辑。摆件和反光贴两个品线的处理逻辑相同——都是通过主推款自然带量，不需要任何主动推广。手刹套作为第二核心品线的处理逻辑不同——它本身有连带摆件和反光贴的能力，因此可以分配少量推广资源，让其自身也能成为带量节点，实现"主推→手刹套→摆件/反光贴"的两级连带结构。

这种落地策略的优势在于：首先，主推款的推广资源不会浪费在弱关联品类上；其次，利润盘品线因为不消耗推广资源，毛利率天然高于主推款；最后，品线结构清晰后，后续的爆款迭代和AB分层都有明确的数据依据——主推款看直接成交数据，利润盘看间接成交数据。这种分层运营的思路是整个拓品线逻辑的最终落点。

5 年代分析实操：达摩盘拉数据与表格法

5.1 拉数据前提：选对人群标签与时间窗口

年代分析的核心是从达摩盘后台把"类目行为人群"标签拉出来做交叉对比，这一步决定了后续表格法的数据质量。操作上有两个硬约束：

• 第一，人群标签必须选"类目行为人群"下挂的浏览、点击、收藏加购、成交四类行为数据，而不能选错其他维度的标签；
• 第二，时间窗口优先选近 30 天浏览数据，而不是购买人数，原因是太阳眼镜这类小众类目的购买人数体量过小，直接用成交做交叉会因分母不足导致比例失真。原始面板上拉到的"近 30 天在太阳眼镜类目下有过行为的人"目前体量在 1000 多万到 1700 多万之间，这一规模做交叉分析完全够用，不会因为分母太小而失去参考价值。

拉完数据后建议直接下载后台表格，自己再做一份横向对比的交叉分析表，把多个候选类目放到同一张表里按交叉比例排序。这一步是后续识别强关联、弱关联的基础动作，操作本身并不复杂，关键是保证多类目放在同一时间窗口、同一行为标签下对比，否则比例之间没有可比性。

5.2 太阳眼镜案例：类目筛选与交叉运算词设置

为了把流程讲透，这里以"太阳眼镜"为锚定类目做一次完整的交叉演示。

• 第一步是补全候选类目：太阳眼镜的老板需要再补几个想做关联分析的类目进来，实操中补入了近视眼镜、墨镜、光学眼镜、骑行眼镜、眼镜盒、眼镜布、眼镜袋等若干候选。
• 第二步是设置交叉运算词，这一步必须选"交集"运算，千万不能选并集或者差集，否则拉出来的数据就不是"同时看过两个类目"的人群，关联结论会直接失真。

近视眼镜这一项一度被打错字为"近视镜"，后台录入时改成"近视眼镜"才规范。墨镜、近视眼镜、光学眼镜、骑行眼镜、眼镜盒、眼镜布、眼镜袋这一组类目全部录入完毕后，就可以让后台跑近 30 天的关联比例结果。

5.3 交叉结果解读：6.62% 与 35% 的强关联分水岭

跑出来的近 30 天关联比例数据非常具有代表性，可以作为表格法的标准范本来讲。买太阳眼镜的人同时又看近视眼镜的比例只有 6.62%，这个数字偏低，意味着太阳眼镜和近视眼镜之间的人群交叉并不强，不适合作为连带主推方向；但买太阳眼镜的人又看光学眼镜的比例达到 35%，这已经算是相当高的关联比例，可以判定为强关联品类。

锚定类目	交叉类目	近 30 天关联比例	关联强度判定
太阳眼镜	近视眼镜	6.62%	弱关联
太阳眼镜	光学眼镜	35%	强关联

从这组数据可以提炼出表格法的核心判读规则：

• 第一，体量本身只是基础门槛，1700 多万的太阳眼镜行为人群体量完全 OK，真正决定品类能不能做连带的是交叉比例；
• 第二，6.62% 和 35% 之间差了 5 倍以上，这意味着同样是"眼镜"大类下的细分，光学眼镜比近视眼镜更适合作为太阳眼镜的连带扩品方向；
• 第三，核心结论是——必须先找到品类和品类之间强关联的那一组，再去定主推和连带，而不是看到体量够就盲目扩品。

5.4 表格法落地动作：删冗余数据与下单扩品方向

拿到交叉比例之后的下一步动作是清理表格与下单结论。实操中先把后台默认带出来的不需要的数据删掉，只保留自己关心的几列核心指标，避免列太多反而看不清重点。判读顺序上，先看锚定类目（太阳眼镜）的行为人群体量是否够大，1700 多万这个数字确认没问题之后，再按交叉比例从高到低对所有候选类目排序。

排序结果出来后，光学眼镜以 35% 的关联比例排第一，可以直接进入下一步的连带扩品候选池；近视眼镜 6.62% 的比例则可以直接淘汰，不进入主推和利润盘的备选名单。这一步的输出物是一张精简版的交叉对比表，后续无论是定主推款还是拆利润盘，都基于这张表的比例排序来决策，不再依赖经验拍脑袋。

5.5 核心结论：先找强关联品类再定主推

整套达摩盘拉数据 + 表格法的动作链可以归纳为四步：

• 第一步选对"类目行为人群"标签和时间窗口（近 30 天浏览）；
• 第二步补齐候选类目并设置"交集"运算词；
• 第三步跑出近 30 天关联比例并按比例从高到低排序；
• 第四步以强关联品类作为后续定主推款和利润盘扩品方向的依据。

这一方法论的关键不是工具本身有多复杂，而是判读逻辑——必须先找到品类与品类之间强关联的那一组比例，再围绕强关联品类去搭主推和连带结构。太阳眼镜案例里 6.62% 与 35% 的对比已经证明：体量大不等于能连带，只有交叉比例足够高的品类才值得投入资源做关联销售布局，这也是年代分析在选品阶段最核心的输出。

6 找爆款：引导支付转化率与引导UV价值双高

6.1 年代效果入口与两个核心指标

商品后台的"分析"模块下，"效果"二级菜单中设有"年代效果"页面，其中"引导支付转化率"和"引导UV价值"是判断一个链接能否成为主推爆款的两个核心数据指标。两个指标需同时点开查看，缺一则无法形成完整的引导效率判断。

引导支付转化率 = 引导支付人数 ÷ 引导商品访客数，本质衡量的是"看了这个商品没买，却买了店内其他商品"的间接成交能力。

引导UV价值 = 引导支付金额 ÷ 引导访客数，衡量的是通过这一个商品，平均每个访客能为整店带来的金额贡献。

只看自身转化率会误判爆款，因为自身转化高但没有引导效率的款大概率是亏本款；只看引导UV价值则无法确认间接成交的转化强度。所以两个指标必须配合使用，才能形成完整的爆款筛选依据。

6.2 引导支付转化率的真实含义：间接成交

引导支付转化率的统计逻辑不是"看了这个品就买这个品"，而是消费者点击了这个商品后没有购买该商品，转而购买了店铺内的其他商品，这种情况才被计入引导支付转化率。通过主推款把流量引导给店铺内其他款，这种行为也称为连带效率。

以"屏"类目演示数据为例：100 个访客进入屏的商品详情后，实际直接购买该屏的转化率约为 2.56%，绝大部分访客看了屏却没买屏，转而购买店铺内的其他款。这部分间接成交的比例即引导支付转化率，是衡量主推款"带客能力"的关键指标。

直接成交衡量商品自身的销售能力，间接成交衡量商品作为流量入口的辐射能力，因此二者共同决定一个商品是利润款还是爆款。理解这一区分，是后续做主推款放量决策的基础。

6.3 引导UV价值：单个访客对整店的贡献

引导UV价值的数据口径是引导支付金额除以引导访客数，其大小反映单个访客通过该商品为整店带来的金额贡献。当引导UV价值达到 29 以上时，可判定该单品的引导效率较高。

引导UV价值高的本质是消费者从该商品进入店铺后，在店内其他商品上产生了较多购买金额，使得平均到每个访客头上的贡献值升高。该指标衡量的不是单 SKU 的盈利能力，而是单 SKU 作为流量入口的整店贡献能力。

因此单引导UV价值高但引导支付转化率低，意味着流量进来了但转化漏斗有损失；单引导支付转化率高但引导UV价值低，意味着转化的都是低价品，整店贡献有限。两个指标必须联合解读，才能定位真正的双高品。

6.4 双高才是真爆款：单高大概率亏本

现阶段电商对爆款的考核标准与早期不同：早期只要求商品自身转化率高即可，现阶段则要求"自身转化高 + 引导效率高"双指标达标，二者缺一的款基本都属于亏本款。

引导支付转化率与引导UV价值同时处于高位时，该品才能被定义为真正的爆款。这类爆款的价值在于：既能通过自身销售贡献利润，又能通过连带效应为店内其他款输送流量，从而摊薄整店的获客成本。

若仅追求自身转化高而忽视引导效率，常见结果是广告费花得多但店内只有这一款在卖，其他款全部零蛋，店铺整体 ROI 偏低。故双高爆款的本质是用一款商品撬动整店的销售网络，而非单点突破。

6.5 找到双高品后的下一步动作：优先做主推款去放量

在年代效果页面按两个指标排序后，可以直接看到目前效率最高的具体商品链接。优先识别出引导支付转化率与引导UV价值同时双高的品，将其定位为主推款。

主推款确定后，下一步操作是放量推广，可以通过全站推等方式扩大流量入口，无需做过高的付费投放，因为该品自身的引导效率值已经较强，能自然带动整店销售。

放量同时需要配套 AB 分层策略：直接成交能力强的款定位为利润款/AB款，只打投产比做日常动销，不做大规模拉新；间接成交能力强的款才适合无限放量拉新，承担为整店引流的任务。

7 爆款定位后的AB分层与日常动销策略

7.1 AB分层定义：直接成交与间接成交的区分

爆款确定之后，必须对每一个核心主推款做一次成交结构拆分，看后台的两个核心指标——引导支付转化率与直接支付转化率——谁大谁小，从而决定这个款在整盘货品里的角色定位。如果直接成交大于间接成交，那这个款就应该被定义为利润盘（也叫 AB 款）；如果引导支付大于直接成交，那这个款才是真正可以拿来无限放量拉新的款。

判断时必须两个指标都看，不能只看其中一个，因为任何一个品的后台都会同时显示这两个数据，不能凭感觉拍脑袋。

对利润盘的款，日常动销的核心不是再继续砸钱拉新，而是去打投产比（投入产出比），搞日常动销，把 ROI 拉到健康区间即可。除非这个款在拉新的情况下依然能赚到钱，那就可以无限放量；但在绝大多数情况下，直接成交占比高的款更适合做利润盘，而不是放量盘。这就是 AB 分层的最底层定义。

7.2 放量盘 vs 利润盘的日常动销策略

放量盘与利润盘的日常动销逻辑完全不同，不能混在一起做。

• 利润盘的款每天的任务就是把投产比稳住，把动销跑顺，不需要再追加推广预算去拉新。因为这一类款的自然成交结构已经决定它的天花板是在老客复购与自然搜索上，再去硬拉新流量只会把投产比拉亏。
• 放量盘的款则反过来，它的引导成交占比高，说明这个款具备极强的拉新效率，那日常就该无限放量，把流量往这个款上灌，让它去撬动整店的销售额。

这套双层布局的好处是，利润盘不用推广预算也能靠主推款自然带量，放量盘用最少的预算撬动最大的拉新效率。两张网一张管赚钱一张管增长，缺一不可。这也是为什么在前面确定品线时一定要选两个有双向连带效率的品类，而不是单向连带。双向连带才能让利润盘和放量盘同时跑得起来。

7.3 爆款优化的第一刀：免费搜索点击率诊断

爆款选出来之后，下一步就是做优化与策略点布局。第一刀必须先看这个爆款的免费搜索点击率对比同行是高还是低，这一个指标决定后面所有的优化方向。进入货品里面的传电洞察，找到目前这个款的 ID，把设置打开，里面就能看到每个推广渠道的点击率数据，其中免费搜索点击率是一个必看项。

如果目前这个爆款的免费搜索点击率对比同行的平均值是偏高的，那这一项可以算作达标，后面就不需要再去死磕主图。但如果对比同行是偏低的，那就必须进入下一步，看这个爆款目前主要在哪个渠道做付费推广——是人群推广还是关键词推广，因为渠道不同会直接影响自然点击率的表现。

所以看数据时要记住，现场内容更丰富不代表点击率一定高，最终还是要看后台的实测数字。

7.4 爆款优化的第二刀：收藏加购率诊断

免费搜索点击率看完之后，第二刀要看的是收藏加购率对比同行是高还是低。

这一刀比点击率更关键，因为它直接反映进店流量有没有被接住。如果点击率达标但收藏加购率对比同行偏低，那就出现一个很尴尬的局面：人是拉进来了，不管是付费还是免费，最起码人已经进店了，但这部分人并没有产生收藏加购行为。说明整个进店流量的转化效率没有同行高。

出现这种点击率 OK 但收藏加购偏低的情况时，必须往人群方向去反思。今天已经把流量拉进来了，但是这部分人并没有收藏加购，所以这里面有个很大的问题就是人群有没有问题——进店的流量和这个爆款背后的人群画像是不是不匹配。如果不匹配，接下来就必须去达摩盘做单品洞察对比人群画像，排除人群问题之后再继续往下走优化。

8 爆款优化：人群、详情页流转与平均停留时长

8.1 单品人群洞察：先排除人群问题

在达摩盘后台每个单品都有一个"单品人群洞察"模块，可拉长周期查看该单品当前拉到的消费人群是否存在明显偏差。操作路径是先看商详浏览人群，再对比人群推广计划中的点击人群画像，通过两层数据交叉判断人群是否精准。

案例数据：某店铺单品商详浏览人群与人群推广点击人群画像对比后，人群本身没有太大问题，唯一的小瑕疵是"五岁以上年龄段占比略微偏高一点点"。这说明人群标签已经基本打准，不需要在人群层面做大调整。因此人群没问题的情况下，下一步就要反思到底是什么问题导致转化不达预期，这时就要进入详情页流转分析。

8.2 详情页流转分析：逐级漏斗定位流失

单品后台"详情分析"模块可以呈现一个消费者在该链接下的完整行为路径，且支持拉取近三十天数据、把周期拉长观察。分析时要看每一级入口的互动人数与下一级流转人数，例如先看近三十天有多少人互动（案例中为六百多人），再看点了主图视频的有多少人（案例中为 560 人），再追踪这 560 人下一步又点了什么。

案例流转路径：560 人看完主图视频后，多数人直接跳转到 SQ，跳转到 SQ 后又紧接着去看评价。故这家店铺的核心问题就定位到 SQ 这一层——必须把 SQ 的营销卖点凸显出来，从而让消费者看完主图视频后愿意继续往下滑。SQ 优化方向是在 SQ 顶部加营销卖点、资质认证等内容，证明产品品质过硬。

此外消费者不想往下滑通常有两个原因：

• 一是主图视频没有亮点，缺乏感同身受的点，所以消费者直接流失；
• 二是前端入口价与详情页实际售价差距过大，消费者看到价格后跳出。

8.3 评价流转率与 SQ 优化方向

评价的流转率是衡量 SQ 优化效果的关键指标。案例数据：当前 84 人看 SQ，有 75 人流转到评价，流转率已经达到 90% 左右。这意味着只要把 SQ 的浏览人数从 84 拉升到 180 或 280、380，评价的绝对流转人数会同步增加，从而形成逐层放大的漏斗效应。

更关键的是，只要一个人能看到 SQ 和评价，这个人最终购买的概率是很高的。所以核心思路就是尽可能让消费者在链接里多待一会儿，让流转层级一层一层往下走：SQ 加营销卖点 → SQ 流转率上升 → 评价流转率上升 → 详情流转率上升。

爆款的平均停留时长是衡量消费者在页面观看深度的核心指标，目标值是 15 到 20 秒，停留时长越长越好。因为不同类目、不同店铺的内幕不一样，故不能照搬其他店铺的指标。

8.4 平均停留时长：爆款迭代的核心指标

平均停留时长的本质是消费者在整个页面观看的总时长，优化逻辑是把 SQ 浏览人数、评价流转人数、详情浏览人数逐层放大。每一层级的优化都会带动下一层级的人数增加，最终带动平均停留时长提升，进而提升转化率。

因此今天的一个核心链路是：先找品线 → 找到品线关联 → 找到品线下的爆款 → 找到迭代效率高的爆款 → 做爆款的优化。爆款要不停地做迭代，迭代的标准是跟自己比。

单品流转优化的逻辑是一层一层往下的：他们家是从主图视频到 SQ 的流转低，所以先优化主图视频；如果是 SQ 到评价的流转低，那就优化 SQ。每一层优化都要看上一层到下一层的流转比例，流转比例低才回头优化上一层。

主图视频的流转比例参考价值有限，因为 WiFi 环境下主图视频默认自动播放，所以从互动人数到主图视频的流转率天然就很高。但主图视频流转到评价、SQ、详情的流转率每一家都很低，这才是真正需要优化的环节。

8.5 详情页优化实操要点

现在大多数消费者买东西时基本不会看详情页，这是一个客观现实。所以详情页的优化必须做到"让消费者在短时间内被说服"，主图视频要在几秒内抓住注意力，SQ 要在第一屏就给出营销卖点和资质证明，评价要呈现真实可信的买家反馈。

SQ 是消费者从主图视频跳转后的第一个深度阅读区域，这一层的营销卖点决定了消费者是否继续往下看评价和详情。SQ 顶部位置最关键，要放最核心的卖点、最有说服力的资质认证、最直观的营销话术。

因此详情页的优化是一个系统性工作：主图视频抓眼球 → SQ 给卖点 → 评价给信任 → 详情给细节。每一层都有自己的任务，流转率是衡量每一层任务是否完成的标尺。

9 答疑收尾与下期预告

9.1 流转比例高应优先放量而非优化

流转比例高时核心动作是放量，而不是回头优化下一层级。当主图视频→SQ→评价→详情的逐级漏斗中上一层级流转比例已经达到较高水平，说明流量从主图视频到 SQ 的筛选效率已经被验证有效，此时继续优化 SQ 没有增量空间，所以应该直接进入放量阶段，让更多流量进入这套已经被验证有效的承接链路。

只有在流转比例低的时候才需要回头优化上一层级。如果主图视频到 SQ 的流转比例本身就低，意味着大量用户在第一层就流失，此时再去优化 SQ 没有意义，因为根本没有足够多的用户能流转到 SQ 这层。优化顺序必须自上而下：先看主图视频的承接效率，再看 SQ 的承接效率，最后看评价和详情页的承接效率。

特殊情况是流转比例高但用户依然不买。如果流转比例高、点击量大但转化率依然上不去，那就不是流转问题，而是人群问题或产品力问题，需要回到达摩盘做单品洞察，对比进店人群与成交人群画像是否一致，排除人群不匹配导致的转化困难。正常情况下流转比例高就放量，很难出现流转高还不转化的情况。

9.2 主图视频流转率的参考价值有限

主图视频在 WiFi 环境下默认自动播放，用户的注意力是被动接受的，并不能真实反映用户主动选择的意愿。这就导致主图视频的流转率天然偏高，与主动点击主图或详情页相比，自动播放的视频在用户主观决策权重上更弱。

因此，主图视频的流转率只能作为参考指标，不能作为核心决策依据。真正能反映用户主动意愿的指标是 SQ 点击率和评价查看率，这两项需要用户主动操作才能完成，能够过滤掉 WiFi 自动播放带来的虚假高流转。

10 总结与行动建议

10.0 核心概念定义

• 关联品线：
  指店铺中具有交叉购买行为的多条品类线，核心识别指标是"买 A 又买 B"的交叉占比（即连带效率）。本课所称关联品线，特指主推品线与利润盘品线之间通过连带效率形成的结构性互补关系。
• 年代分析：
  商家后台对"类目行为人群"做交叉对比的数据面板，覆盖浏览、点击、收藏加购、成交四类行为，可用于识别类目之间的强关联与弱关联。
• 主推款 vs 利润盘款：
  主推款承担引流与转化任务，需投入推广资源；利润盘款承担利润补充任务，仅需上架挂着、靠主推款自然带量，无需额外推广。
• 引导支付转化率：
  后台"年代效果"模块的核心指标，指"看了没买本店这款、却买了店内其他款"的用户占比，数值越高说明该款的引导能力越强。
• 引导 UV 价值：
  单个访客为整店带来的金额，反映该款对全店的贡献效率，与引导支付转化率"双高"才是真爆款。

10.1 全文要点回顾

• 痛点诊断：
  店铺普遍存在人群不精准、流量承接差、缺爆款带动等核心痛点，制约转化效率。
• 选品破局：
  选品需聚焦"能卖+高连带"，通过达摩盘数据筛选出体量与转化率兼具的潜力链接。
• 三要素模型：
  体量决定天花板、客单价决定利润空间、关联效率决定连带能力，三者缺一不可。
• 双层布局：
  主推品承担引流与转化，纯利润盘品承担利润补充，形成结构性互补的产品矩阵。
• 年代分析法：
  通过达摩盘拉取历史数据，结合表格法拆解品类增长曲线，识别品类生命周期阶段。
• 爆款识别：
  以"引导支付转化率+引导UV价值"双高为筛选标准，精准锁定高潜力爆款。
• 爆款优化：
  通过人群精准化、详情页流转效率、平均停留时长三大杠杆，放大爆款承接能力。

10.2 可执行行动清单

阶段	关键动作	量化指标
阶段1（0-30天）	用达摩盘拉取全店数据，按体量×客单价×关联效率三维度建表筛选潜力品类，完成选品诊断	完成≥20个品类的数据建表，筛选出Top5潜力品类
阶段2（30-90天）	落地主推+纯利润盘双层布局，锁定"引导支付转化率+引导UV价值"双高链接进行重点打造	主推品占比40%、利润盘占60%，双高爆款≥3个
阶段3（90-180天）	优化爆款人群标签、详情页流转路径与停留时长，迭代数据看板，形成可复制的选品与爆款方法论	平均停留时长提升≥30%、爆款GMV占比≥35%

10.3 决策流程图

1. 因为店铺存在人群、流量、爆款三大痛点，所以首要任务是通过达摩盘数据完成选品诊断。
2. 因为选品需兼顾体量、客单价、关联效率三要素，所以必须建立三维评估表格而非单一维度判断。
3. 因为单品难以同时承担流量与利润，所以需要搭建"主推+纯利润盘"的双层产品矩阵。
4. 因为爆款识别有明确数据标准，所以以"引导支付转化率+引导UV价值"双高作为筛选门槛。
5. 因为爆款需持续优化承接效率，所以围绕人群、详情页流转、停留时长三个杠杆进行迭代放量。