Shopee铺货工具铺的是量，经营的是筛选带宽

铺出去多少条不重要，能盯住多少条才重要

这个说法容易被误读成铺得少就是好。它说的不是条数多少，而是条数与能被照看的量之间的匹配。铺三十条并且每条都看过一遍，比铺一百条只看了前十条的差别，不在勤奋程度上，在结果能不能用上。

判断一批铺货有没有价值，可以问一个很实在的问题：这一批里我能说出几条值得继续做、几条应该收掉，并说出理由。说得出来的条数就是这一批真正被消化的量，其余的条数在账面上存在，在经营上没有产生作用。

所以条数这件事有两层意思。一层是铺出去的量，它由工具和手上的候选决定；另一层是被消化的量，它由带宽决定。这两层之间的差额不会自己消失，它变成架上一批没人管的链接，越积越多。

把两层分开看之后，铺多少条就有了新的算法：不是看手上有多少候选，也不是看工具能铺多少，而是先定下这一批能被消化的量，再按这个量决定铺多少。剩下的候选留在下一批，它们的价值不会被浪费。

这个算法带来一个副产品，就是每一批都能留一份能用的结论。攒上几批之后，手上就有了几份关于哪些方向成立、哪些组合不成立的判断记录。这比一堆没人管的链接要有用得多。

有一个可以立刻做的练习。打开已经铺出去的那一批，从第一条开始逐条说出它对不对、要不要留，并写下理由。说到第几条开始说不出理由、只能凭感觉给一个答案，那个位置大概就是自己的带宽边界。

多数人做这个练习时会发现边界来得比预想的早，往往在十几条左右。这个结果不是能力问题，是注意力本身的特征。人一次能同时认真比较的对象很少，条数一多就只能靠单一的印象来判断。

练习之后可以做一次调整。下一批的条数定在这个边界的七成左右，留出一点余量，因为现实里还有别的事情会分走注意力。定在七成的时候，多数批次都能完整走完，不会中途草率收尾。

调整之后最直接的变化是判断的质量。条数少了，每一条都能认真看完，看出来的差别也更细，比如曝光差不多的两条里，哪一条的点击明显更好、哪一条的加购更高，这些差别在草率处理的时候看不见。

这些差别正是下一批的依据。知道哪一类款的点击更好，下一批就多铺这一类；知道哪一档价位加购更多，下一批就把价位往那一档靠。能看清差别，铺货这件事才有了往前走的方向。

有一个边界要说清楚，带宽小并不等于只能小规模经营。带宽指的是同时处理判断的量，它可以通过分批来绕开。一批十五条、一个月跑四批，跟一批六十条一次跑完，处理的总量可以一样，前者每批有结论，后者往往没有。

分批的做法在节奏上要求更高，因为要连续跑几轮，每一轮都要把收口做完再开下一轮。这个要求比一次跑完更累，但累的方式不一样：分批累在需要保持连续，一次跑完累在后面那次大规模处理时的粗糙。

所以带宽小的人更适合走分批这条路，而不是走一次铺足这条路。分批的代价是你要一直在线，好处是每一批都能读完。对刚开始做、还没有判断依据的人来说，能读完比铺得多重要得多。

记录上可以把每批的条数与结论数放在一起看。一批十五条留下三条结论，四批就是十二条结论。十二条具体的判断放在一起，已经能看出一些方向的轮廓，这比一次铺六十条说不清来路要有价值。

这个记录攒到一定量之后会遇到一个节点，就是结论开始重复。同一类判断在不同批次里反复出现，说明这一类已经想清楚了，可以把它从试的阶段挪到放量的阶段，腾出带宽去做别的类目。

前面几处能靠流程压缩，逐条判断这一处压不下来

门店的筛选带宽是怎么被撑爆的

带宽被占满的过程通常很安静，不会有一个明显的爆点。它是从一批里多看几条开始的，多看的这几条让当天的收尾工作往后推了一点，推到第二天，第二天又有新的一批要处理，欠的账就开始累积。

累积到一定程度之后会出现一个可以观察到的现象：看数据的动作还在做，但看的深度在变浅。以前会逐条比对曝光与点击的档位，后来只扫一眼有没有曝光，再后来只看总数。动作没变，内容变了。

再往后，人的注意力会转向更容易得到反馈的地方。提交一批新货是有即时反馈的，心里踏实；逐条判断旧链接是没有即时反馈的，越看越烦。于是时间自然流向了提交这一头，收口那一头被搁下来。

这时候会出现一个很典型的错觉：觉得自己很忙，铺了很多，但说不出这批货里哪几条值得做。忙的感觉是真实的，产出的结论却是空的。造成这个状态的机制不复杂，就是带宽被条数占满了。

要打断这个过程，办法不是更努力地看，而是先把条数降下来，让带宽重新有余量。余量出来之后，逐条判断才做得动，判断做得动才有结论，有了结论下一步才有方向。这个顺序不能颠倒。

举一个具体的例子。一家店一次铺了五十条，铺完当天很轻松。三天后开始看数据，前二十条看得还比较细，从二十几条开始只扫曝光，最后十几条直接跳过，打算第二天再看。第二天又有新的候选要整理。

一周之后，那最后十几条还是没有认真看过。这时候店里又铺了第二批，条数差不多。两批的量叠在一起，看数据这件事已经变成一项沉重的任务，从原来的半小时变成两个小时，于是更不愿意开始。

这个例子的关键在于，第一次跳过的那十几条并没有被真正处理掉，它们只是从待办里消失了。消失不等于解决，它们还挂在架上，还在占用库存、还在产生需要回应的买家咨询，成本继续在发生。

要解开这个局面，可以从那十几条开始，一条条补齐判断，不要一边补一边铺新的。补完之后再开新的一批，而且新批的条数要降下来。这一步在操作上很简单，难的是在补存量的时候忍住不铺新的。

忍住不铺的直接成本是这段时间没有新链接上架。这个成本相对较小，因为新链接本身也要等一段时间才有反应。用它换回来的是存量被理清，带宽恢复余量，后面的批次才能真正跑出结论。

有一个边界情况要注意，就是带宽被占满的时候，店铺的日常客服工作也会一起被挤压。买家咨询、售后处理这些事占用的是同一份注意力，它们不会因为你在忙铺货就自动减少，反而会随着链接变多而增加。

这个叠加效应让撑爆的过程更快。链接多了，咨询就多了；咨询多了，留给判断的时间就少了；判断少了，该砍的链接没砍掉，链接又更多了。这是一个会自我加速的循环，越到后面越难拉回来。

要打断这个循环，比较有效的切入点是先停一轮铺货，把存量处理到能管得过来的量，同时把咨询这一头的处理方式固定下来，比如每天固定两个时段集中回复，不要让它们随时打断判断。

固定时段这个做法看着简单，作用却不小。它把零碎打断变成了一段完整的时间，判断这件事最怕的就是被打断，一次打断之后重新进入状态要花几分钟，一天被打断十几次，大半个上午就没了。

带宽管理说到底就是时间的管理。去掉那些随时插入的打断，把注意力聚成几段完整的时间，能同时处理的条数自然就上来了。这件事不需要工具，需要的是对自己一天怎么过的观察。

越是需要用判断的地方，越随条数一起涨

铺货工具把带宽压力往后推

工具本身不产生带宽压力，它产生的是条数。条数一多，压力就跟着来了，只是它没有出现在提交那一刻，而是在提交之后的一段时间里慢慢显出来，所以不容易被归因到铺货这件事上。

这个时间差的长度通常在几周的量级。铺完当天一切顺利，一周之后开始看数据，两三周之后发现要判断的东西堆了不少，一个月之后才意识到这些链接一直没处理。这时候回头看，源头是一个月前的那一批。

认识到这个时间差之后，安排批次的方式可以改一下。既然压力是延后出现的，那就不要把几批货的收口工作都留到同一个时间段。铺的时候顺便给后面留出收口的时间，别把日程填满。

一个具体做法是每一批都配一段固定的收口时间，长度按条数算，比如每十条留半天。铺的时候就把这段时间在日程上标出来，标上去之后就不容易被别的事情占掉。占掉了也要补回来。

这个安排的价值在于它把延后的压力提前了。压力提前安排出来，它就不会在几周之后集中爆发成一次草率的批量处理。安排这件事本身花的成本很小，省下来的是一次重做的代价。

有一个用时间记账的办法能看清这个推迟效应。铺完一批之后，在这一天记下「已铺条数」，然后在之后两周里每处理一条就在同一条记录上记一次。两周之后看这条记录，铺出去的日子和处理完的日子会相差很远。

这个相差的天数就是带宽压力的延迟时间。延迟时间越长，说明积压越严重，压力被推得越远。看这个数字比看「还有多少条没处理」更有用，因为它反映的是趋势，而积压量只反映当下的状态。

记录几批之后可以定一个自己的容忍值，比如延迟不超过一周。超过这个值，说明这几批铺得太密，该把下一批的条数放慢一点。这个判断有明确的依据撑着，不是凭感觉决定要不要慢下来。

这个记录还有一个附带价值，它能把铺货节奏与处理节奏放在同一个轴上比较。铺出去的线往上走，处理掉的线跟不上，两条线之间的缺口就是压力。缺口一直扩大，就是一个明确的调整信号。

看到缺口之后，调整的方向不是提高处理速度，而是减少铺入的量。处理速度能提的空间有限，一天里能挤出来的完整时间就那么多；铺入量却是自己完全能控制的。控制住能控制的那一头，缺口才会慢慢收窄。

有一个边界是批次之间的间隔。带宽压力往后推，推的距离跟批次间隔直接相关。一周铺一批，压力会集中在周末那两天出现；一天铺一批，压力就是每天都有一小份，永远积不起来，也永远不会清零。

从不积累的角度看，每天铺一批、每天处理完一批，其实比一周铺一大批更稳。它的好处是每次处理量小、注意力够用、判断做得细。坏处是你要每天都花时间在这件事上，不能攒。

这个选择跟自己的时间结构有关。时间比较整块的人适合一周一批，用一段完整时间处理完；时间比较零碎的人适合每天一小批，每次处理一小份。两种都行，怕的是选了跟自己时间结构相反的节奏。

选好之后要遵守几批。中途换节奏会让前面的记录失去可比性，也会让手上的批次数量突然变化。比如本来每天五条，突然改成一周五十条，那这一周的处理量会明显超载，判断会跟着变草率。

所以节奏这件事不是效率问题，是匹配问题。匹配上自己的时间结构，铺货这件事就能长期跑下去；匹配不上，跑几周就会因为处理不完而堆积，然后不得不用一次草率的大清理来收场。

带宽不足时人会怎么错误决策

第一种错是只看一个指标。带宽紧的时候，人会本能地挑一个最容易读的数作为判断依据，通常是曝光。曝光好就留下，曝光差就砍掉。点击、加购、转化这些更容易说明问题的数都没有进来看。

第二种错是按顺序砍而不是按标准砍。判断一旦变得吃力，人多半会从头开始看，看到某个位置停下，把后面的都搁置。这样一来，被处理的是排在前面的，跟它们本身值不值得留没有关系。

第三种错是把决定往后拖。心里知道该砍但不确定，就先留着，想着过一阵再说。拖到下一批货来了，旧的决定还没做，新的决定又要做，于是两批一起草率处理，前面的批次等于白铺。

第四种错是把砍的动作当成失败。有人觉得铺出去又砍掉等于白费了功夫，于是舍不得砍。这个想法让该收的收不回来，架上的存量越滚越大，带宽被进一步占满，形成一个越滚越紧的局面。

四种错有一个共同的根，都是在带宽不够的时候为了让这件事能进行下去而做的简化。简化本身可以理解，问题是简化之后得到的结论不可靠，拿去指导下一批就会连续出错，越走越偏。

举一个只看曝光的例子。同批里两条商品，一条曝光很高但点击很差，另一条曝光一般但点击不错。只看曝光的话，第一条会被留下，第二条会被砍掉。实际上第二条的问题只是曝光还没跑起来。

再举一个按顺序处理的例子。一批四十条，前十五条看得很细，判断也靠谱，后二十五条因为累了就都给了保留的结论。这一批的结论读出来就是「大部分值得留」，这个结论对下一批毫无帮助，因为它不是真的。

还有一个拖的例子。某条商品的价位明显不合适，看的时候犹豫了一下就放下了。过了一个月再想起来，这条已经在架上挂了一个月，期间有过一些咨询和订单，退换也发生了，处理起来比当时改价位麻烦得多。

这三个例子有一个共同点，就是错误判断都没有在当时产生明显的不适。它们是安静的，不会立刻带来损失，所以容易被放过。等到问题显现出来，往往已经过去一段时间，那时处理的成本高出一大截。

防止这类安静错误的一个办法，是给每个决定都加一个简短的依据，比如「保留，因为点击明显好于同批平均」。写依据这个动作只要几秒钟，但它会逼着人真的看一眼数据，而不是凭印象给一个答案。

有一个边界条件会让带宽问题变得更隐蔽，就是当店铺的类目比较单一时。类目单一，判断标准相对统一，看过几条之后就有了感觉，后面的判断可以套用前面的印象。这时候带宽看起来是被撑大了。

但这种被撑大的带宽是不牢靠的。它建立在一个前提上，就是这一批商品之间的差别不大。一旦批内出现了跟平时不太一样的款，用前面的印象去套就会出错，而这种错在草率处理的时候不会被察觉。

所以类目单一的时候要格外留意批内的异常款。处理的时候可以先扫一遍，把明显跟平时不一样的挑出来单独看，剩下的按标准快速过。这样既不浪费带宽，也不会让异常款混在一堆相似款里被漏掉。

记录上可以标一栏「是否有异常款」，标上之后处理时会自然多一分注意。几批之后回看，会发现自己在这类批次上判断出错的比例确实偏高。看到这个数据，下一次遇到同类批次就会更留心。

这类细节看起来小，累积起来却能决定一批的结论准不准。带宽不足时的判断本来就脆，任何一个会引入偏差的因素都值得单独标出来，让它在处理的时候被多看一眼，少错一条就多一份依据。

先量自己的带宽再定铺货量

量带宽有一个直接的办法，从已经铺出去的那一批里取一段来测。取二十条，逐条看数据并写下留或砍的结论，把每一段花的时间记下来，同时记下有几次强烈地想跳过、随便写一个结论算了。

二十条走完之后，把花的总时间除以条数，得到一个平均的单条判断时间。再看那些想跳过的位置在哪几条上，如果集中在后半段，说明当时的注意力已经开始下滑，实际有效带宽大概在二十条之前。

再用同样的方法测一次三十条的量。两次一比，能看出自己的有效带宽大致落在哪个区间。这个数不需要很精确，能区分出十的量级和二十的量级就够了，因为它要用来定铺货的条数。

测的时候有一个细节要注意，就是环境要跟平时接近。如果特意挑了个安静的下午去测，测出来的带宽会比日常高出一截，拿它去定条数会导致平时跟不上。按平时的状态测，数据才有用。

有了这个数之后，铺货的条数上限就定了。它跟工具的产能无关，跟候选有多少条也无关。这个上限是把自己的注意力当成一项真实的资源来对待，先确认资源有多少，再决定用它做多少事。

有一个更贴近实际的测法，不单独安排测试，而是在日常的一批里顺手测。挑一批刚铺完、还没处理的货，处理的时候记下实际用了多久、处理到第几条开始走神，测完把这两个数记在批次记录里。

顺手测的好处是不占额外时间，也不需要特意准备环境。坏处是数据受当天状态影响比较大，一次测出来的数可能偏高或偏低。所以要多测几批，取一个中间值，不要拿单次的结果当准数。

测了几批之后通常会看到一个规律，就是带宽跟被处理的内容关系很大。判断标准明确的批次，同样时间能处理的条数明显更多；标准模糊、每条都要现想的批次，能处理的条数少一大截。

这个规律指向一个改进方向：把判断标准做清楚，能直接提高带宽。做法是把上一批处理时反复纠结的那几件事总结成几条判断口径，下一批照着口径看，纠结就少了，条数也就能多处理一些。

所以量带宽和提带宽是同一件事的两面。量出来是为了给条数定一个上限，提上去是为了把这个上限放宽一点。两件事都做，铺货的规模会稳稳地往上走，而不是靠某一次冲动加量然后被压得草率处理。

有一个边界是带宽会变。刚开始做的时候，同类的东西看得少，每一条都要想很久，带宽比较小。做过一段时间之后，同类的判断有了参照，看一条的速度会明显变快，带宽跟着变大。

带宽变大之后不要立刻把条数加到新的上限。稳妥的做法是先提一点点，跑几批看处理是不是还完整，再决定要不要继续提。加得太快的话，遇到一个新类目或者旺季，处理不过来又会掉回去。

还有反向的情况，带宽会因为疲劳或者分心而变小。这一段时间处理的事情比较多、状态不太好，同样条数上的判断质量会明显下降。这时候应该主动把条数降下来，而不是硬撑着把整批过完。

所以带宽的测量不是一次性的，隔一段时间要重新测一次，尤其是在换了类目、换了站点、或者店里的事情多起来之后。重新测的成本很低，用的就是日常那几批的记录，顺手就能算出来。

记住带宽是一个会上下浮动的数，不是一块固定的能力，用起来就更有弹性了。状态好的时候可以多做一点，状态差的时候主动收一点，长期看总量并不会减少，反而因为少出错而更稳。

掉得最厉害的恰好是决定这批有没有结论的那几件

把筛选做在铺之前

筛选做在铺之前的意思是，铺出去之前先按一套标准把候选过一遍，把明显不该铺的先去掉。这一步做得好，后面需要逐条判断的量会小很多，带宽的压力从源头上就被降下来了一块。

标准可以很简单，只要三条能落地就够用。第一条是这个款有没有对应的需求信号，第二条是价位能不能落在能被接受的区间里，第三条是这条的素材能不能按现有条件做出来。三条里有一条明显不行，就先不进这一批。

这套标准的价值在于它把判断的时机提前了。提前判断的时候，面前是一份候选名单，还没有产生任何动作成本，去掉一条就是划掉一行。等到铺出去之后再判断，去掉一条意味着要下架、要处理库存、要重走流程。

标准定好之后要写下来，每一批都用同一套。写下来有两个作用：一是每次不用重新想，节省带宽；二是几批之后能对照，看这个标准拦下来的比例是否合理，有没有拦得太松或太紧。

这一层判断需要一些外部信号支撑，比如这个款对应的搜索需求在什么档位、同类在什么价位。知虾看到的是多站点的类目结构与关键词的搜索指数，站在这一层，给的是这条标准的参照，不代做决定。

有一个能说明效果的对比。两批一样的候选，每批二十条。第一批直接铺出去，铺完再筛，二十条全部进入收口流程。第二批先用三条标准过一遍，筛掉六条，只铺十四条，剩下的六条不进这一批。

两批的收口工作量差了三成。更重要的差别在第二批的十四条上，因为这十四条是筛过一遍的，事后被砍掉的比例会明显低一些，也就是说留下来的比例更高，这一批的结论也更清楚。

筛掉的六条不算浪费。它们只是候选，本来也没花掉什么成本，只是暂时不进这一批。其中有些可能在下一批标准放宽的时候再进来，有些可能被证明本来就不需要，两种情况都不吃亏。

这个对比里有一个值得注意的地方，就是筛选的标准不需要很复杂。三条能落地的标准就够用，标准太复杂反而执行不下去，每一批都要重新讨论一遍，那不如简化到能一次过的程度。

标准简化之后还有一个好处，就是可以把它交给别人执行。同一套标准，店里的其他人也可以照着过一遍候选，把明显不合格的先去掉，带宽的占用又少了一块，这部分省下来的注意力可以用在真正的判断上。

有一个边界要防的是标准僵化。标准定得越清楚越好执行，但它也可能把一些本来有机会的款挡在外面。尤其是那些不完全符合现有标准、但确实有新意的款，硬按标准去筛容易漏掉。

处理办法是给标准留一个例外通道。每一批可以允许一到两条不符合标准但自己觉得值得试的款进来，单独标记、单独看结果。这样标准的主体不被破坏，同时又不会完全扼杀新的可能性。

例外通道的数量要控制住。一到两条的意思是一批里最多进来这么多，如果每一批都进五六条例外款，那标准就形同虚设了。筛选这一步等于没做，带宽的压力原样回到身上，标准也就白定了。

例外款的结果要单独记，不要混在标准款的结论里。攒上几批之后回看这些例外款的表现，能看出自己的直觉准不准，也能看出标准是不是该放宽一点。这个对照会让标准越来越合身。

这一层判断依赖对需求的了解程度。哪些方向有信号、哪些价位带更集中，知虾看到的是各站点的类目结构与关键词信号，站在定标准之前那一步。标准具体怎么定仍然由自己拿主意，它给的是参照。

条数翻倍，每条的判断时间掉得比一半更快

带宽和铺货量的匹配关系

匹配关系可以用一个简单的算式来记：一批铺出去的条数，不要超过自己带宽的数。超过的部分不会被自动处理，它只是躺在架上，等到下一批铺进来的时候，新旧一起被草率处理。

这个算式在带宽比较小的时候显得很受约束，一次只能铺十几条。这个约束感是真实的，但它对应的是真实的处理能力。承认这个数，铺出去的每一批都会留下结论；不承认，铺出去的每一批都留下存量。

带宽可以通过一些办法提升一点。把判断的依据做成一张对照表，看的时候照着比，能省下不少犹豫的时间。把看数据的时间固定下来，避免被打断，也能提升单位时间里的处理量。

这些办法能提的幅度有限，通常是几成而不是几倍。所以提升带宽的意义在于让匹配关系更宽松一点，而不是让条数可以放开。想清楚这一点，就不会把希望放在提带宽上而忽略了定条数这一步。

匹配关系稳定下来之后，铺货这件事的节奏会变得可预期：一批铺多少、什么时候看结果、什么时候开下一批，都有数。可预期的节奏比一次铺很大的量更有价值，因为它是可以持续下去的。

有一个能说明匹配关系的现象。带宽是十五条的店，一次铺五十条，结果往往是前十五条处理得比较认真，后面三十五条被放到一次草率处理里。这样看，那五十条里真正被当作在经营的只有前十五条。

如果改成铺十五条，看起来量小了很多，但这十五条全都在经营。两三个月之后比较两种做法，铺十五条的那条路留下了十几条能说清依据的结论，铺五十条的那条路留下的是一批说不清来路的存量。

这个比较说明匹配的意义不在当下这一批，而在累积。每一批都留一点结论，几批之后就有了判断的依据；每一批都留一堆存量，几批之后除了库存什么都没多出来。累积的差别是这两种做法真正的分水岭。

所以匹配关系稳定下来之后，铺货这件事就变成了一条平缓向上的线。每批的条数不大但稳定，收口都能跟上，结论也在一点点累积。这条线看起来慢，好在它是可以一直走下去的。

与之相对的是另一种走法：量堆得很高，收口一直跟不上，最后不得不做一次大规模的清理，把攒下来的一起处理掉。这种清理的结果通常很粗，里面难免会砍掉一些其实还能做的条。

有一个边界是不必用同一套条数对付所有类目。每个类目的单条判断难度不一样，卖点集中、属性简单的类目，同样时间能看更多条；结构复杂、每条都要想的类目，能看的条数少很多。

所以条数上限应该按类目分别定，而不是给全店一个统一的数。定的时候参照两个东西：这一类过去的单条处理时间，以及这一类判断时犹豫的次数。犹豫多说明标准不清楚，条数就要定得保守一些。

分开定之后，全店的铺货总量不是一个数，而是几个数加起来。这样看起来麻烦，好处是每一类的条数都跟它的实际处理成本匹配，不会出现某一类铺得太多处理不过来、另一类铺得太少浪费产能。

记录上把每一类的条数与处理时间分别记，几批之后每个类目合理的条数就自然浮现出来了。这个数是从自己的记录里长出来的，比照搬别人的经验值要准得多，执行起来也更容易照着做。

维护这张按类目分的条数表，半年调一次基本够用。类目会变、需求会变，但变化是渐进的，不需要频繁调整。表稳定下来之后，铺货这件事的日常决策就变得很轻，看一眼表就知道这批铺多少。

常见问题（FAQ）