Shopee店群管理工具和批量操作：批量到什么程度合适

批量操作为什么让人越用越上瘾

批量让人上瘾的第一层原因，是它把一条的决策成本摊薄成了接近零。做一条的时候，你会认真想这个款成本多少、同类卖什么价、改了会不会影响转化。做成批的时候，同一个动作的心理负担还是一条那么大，却覆盖了几十条，人本能地就给所有条目套了同一个答案。

第二层原因是反馈太快。圈好范围按下执行，几秒钟之后十几家店一起变了样。这种即时生效的感觉很强，会让人把它当成一件无害的工具，忽略了那几秒里发生的是几十次改动，而不是一次改动。

第三层原因是回头太难。批量做完之后，页面上的结果长得一模一样，看不出哪一条原本不该改。人看不到损失，就学不到边界，下一次遇到类似场景还会照同样的范围圈一遍，范围甚至更大。

有一种具体的现象可以对照。某个店做了一次属性格式统一，做完看着很整齐，过了两周才发现有几条商品的属性本来写的是另一个含义，被格式规则顺带改掉了。这几条页面的买家提问量明显掉下去，但当时没有任何提示。

批量动作的诱人之处还在于它可以不断往上叠。今天批量改属性，明天批量调价，后天把两者合成一条规则跑。每叠一层，覆盖的条目更多，人手上要做的事更少，对范围的敏感度也就更低。

判断自己有没有上瘾，可以看一个很具体的信号。过去做一条改动时会先想一下这个款要不要改，现在看到一批就先想范围怎么圈。思考的起点从条目本身挪到了操作范围上，这就是上瘾的开端。

第二个信号是省下的时间去了哪里。批量省下的时间如果被用来多看几组数据、多试一个新类目，说明批量的收益被接住了；如果省下的时间只是让人更早收工，说明批量的收益没有被转化，只是把节奏推快了。

第三个信号是排除项变少了。刚开始用批量的时候，人会认真地把活动中的、刚上架的挑出来。用久之后，排除这一步往往被省掉，理由是上次没出问题。范围一旦宽松，出问题只是时间问题。

有一个可以立刻做的小动作。翻出最近三次批量操作的记录，看看这三次的范围是不是一次比一次大，规则是不是一次比一次粗。如果两个方向都在走，说明你的边界正在被批量推着往外挪，而不是你自己定的。

上瘾这件事不一定都是坏的，它说明批量确实在省事。需要补上的不是少用批量，而是把范围的决定权拿回到自己手上。每次动手之前用几秒钟问一句这次为什么要圈这么多，这个问句本身就能拦住相当一部分过宽的操作。

有一个细节值得记下来。批量操作对注意力的消耗不是线性的，它更像是一个开关。做一条的时候注意力是持续消耗的，做一批的时候只在圈范围那一下集中消耗，之后就是等待。这种开关式的手感让人误以为这件事很轻松。

另一个细节是批量动作之间的相互影响。今天做了一次批量改属性，明天在这个基础上做批量调价，后天的操作其实建立在昨天的结果上。三次动作叠加之后，出问题时很难说清是哪一次造成的，因为中间没有做分隔记录。

有一个边界条件要写清楚。刚开的新店不适合大量使用批量动作，因为它还没有形成自己的数据特征，你不知道哪些条目属于正常、哪些属于异常。等店铺跑出一段时间之后，批量的排除项才有依据。

记录的方法可以很简单。每次批量之前写三行：这次改什么、范围包含哪些店和条目、排除掉了哪些。执行之后补两行：抽查了哪几条、结果如何。五行的记录坚持三个月，你对边界的判断会比自己凭感觉稳得多。

还有一个现象值得留意。批量用久了之后，人会逐渐失去对单条条目的熟悉度。过去手工做的时候，每一条都过手，页面什么样心里有数；现在成批做完，单条是什么样反而不清楚了。这种陌生感在需要逐条判断的时候会体现出来，得留出时间重新熟悉。

批量真正的风险不在执行那一步，在圈范围那一步

批量改价的风险点在哪

批量改价最直接的风险是乘数效应。按同一个比例往下调，成本高的款可能被推进亏损区，成本低的款利润又被留得太薄。数字本身算得没错，错的是这个比例对不同的款含义不一样。

第二个风险点是价格区间的位置。同一个类目里，价格往往落在一个较宽的带里，头部和尾部的差距不小。批量调价之后整批商品在价格带里的位置会一起移动，原本处在中段可能一下挤到最低那一档。

第三个风险点是正在跑活动的款。活动价和日常价是两套体系，批量改价如果没把活动中的条目排除掉，活动结束后回价就会出现偏差。这种偏差往往要等到结算对账时才被发现。回价的时候还要重新核对一遍活动名单，这一步很容易漏掉几家店。

第四个风险点是改完之后的记忆断层。批量改价之后，页面上的价格是新值，没有人记得旧值是多少。等发现某几个款的价格改错了，往往要靠翻后台记录或者凭印象去还原。旧值如果用同一个固定位置存放，还原的时候会省下很多来回找的时间。

有一个具体的边界要盯住。批量改价的范围里，只要混进一个成本结构完全不同的款，这条规则就不再是一条统一规则了。判断标准是这一批里有没有哪一款的成本逻辑和其余的不一样，有就不能一起跑。

要判断价定得合不合理，看的是同类商品的价格分布和供需情况。知虾给的是成本与价格区间的算法，还有关键词对应的需求冷热，它站在定价判断这一层，不参与执行，也不做批量改价。

有一个更细的判断办法。把这一批款按成本分成三档，如果三档之间差得比较明显，那么同一个比例乘下去的效果差别也会很明显。这种时候可以按档分别跑，把一次批量拆成三次小批量，每档一条规则。

另一个办法是设一个价格底线。批量改价之前先定好这个类目里不能跌破的价位，改完之后对照一下有没有条目落到线下。这个动作不需要逐条定价，只需要一个扫描的动作，成本很低但能拦住最严重的那类错。

第三个办法是错开时间。价格改动的影响在数据上是看得到的，如果整批同时改，改前改后的数据会混在一起分不清。分成两批隔几天改，能看清改动本身带来了什么变化，代价是周期拉长。

有一个边界条件要说清。批量改价的风险大小和这个类目的价格弹性直接相关。有的类目买家对价格很敏感，动一点就有反应；有的类目买家更看款式和评价，价格挪一挪影响不大。这个差别要靠自己观察积累。

还有一种情况适合放宽。同一个款的规格变体之间做价格齐平，这时候条目之间的差异很小，成批做基本没有风险。判断标准仍然是条目之间像不像，而不是动作看起来像不像批量动作。

举一个具体的做法。某店在批量调价之前，先把这批款的成本列出来，标出成本高于这批平均值的那几个。这几个不进批量，单独定价，其余按比例一起跑。这一步把一次全量批量换成了小批量加几条逐条。

这种做法带来的另一个好处是提高了定价的敏感度。逐条处理的那几条往往是成本结构比较特殊的，处理它们的时候会顺带想一想这类款以后要不要继续做。批量做的话，这个念头根本不会出现。

还有一个记录上的细节。价格改动之后的头几天，成交量会有波动，这个波动里面混着好几种原因。记录的时候把改动时间和范围写清，过一段时间回看数据才分得清哪些变化是改动带来的，哪些是市场本身的起伏。

定价带的位置也不是一成不变的。同一类目的价格带会随着季节和竞争者的进出移动，上个月处在中段的价位这个月可能已经偏高了。批量改价之前把当前的带扫一遍，比按上次的比例直接跑要靠谱。

一个更细的边界是这个类目里有没有临期或者换季的压力。如果有，整批往下走的幅度要按清货的需要来定，而不是按利润的需要。批量在这里的作用是把这个统一幅度快速铺开，前提是幅度已经想清楚了。

在批量改价之前，先确认这批款所在类目的价格带落在哪一段，动手时会稳得多。知虾看到的是各站点的价格带分布与需求冷热，它站在定价判断这一层，至于这批要不要一起调、调多少，它不参与。

越不涉及单件差异的动作，越经得起成批处理

批量下架的风险点在哪

批量下架的风险不在钱上，在权重上。一个链接被暂停再重新开出来，曝光往往要重新积累一段时间，这段时间的长短和链接本身的积累程度有关，越老的链接恢复越慢。恢复时间的长短，取决于这条链接在暂停之前积累了多少成交和评价。

第二个风险是主力款被误圈。批量下架时圈范围通常按类目或者按状态来，主力款和滞销款很可能在同一个类目里。一次操作把两者的区别抹掉，恢复的时候要先分辨哪些是主力，这个分辨过程本身要花时间。

第三个风险是季节款。有的款只是当期需求下去了，下一个周期还会回来。批量下架之后，回到那个周期要重新把链接开出来，开出来的是一个没有历史积累的新页面。判断一个款是不是季节款，要看它过去几个周期的数据，不能只看当期。

第四个风险是库存联动。下架之后商品不再接受订单，但库里那批货还在。如果下架的时候没有同步调整备货计划，这批货会静静地占着资金，而且不在日常关注的视野里。下架清单和库存台账要对得上，不然过一段时间就说不清哪批货对应哪条链接。

有一种情况需要单独对待。有的平台在暂停商品时会同时影响店铺的动销率指标，店铺整体的活跃度评价可能跟着变。批量下架一旦覆盖了店铺里较大比例的链接，这个影响就不是单条商品层面的事了。

判断一批能不能成批下架，有个很快的方法。先数一数这批里有几条在最近一段时间有过成交。有过成交的条目往往带着权重和评价，这几条要单独拿出来逐条判断，剩下没动销的可以一起处理。

第二个方法是看这批里的类目集中度。如果全都集中在同一两个类目，说明这批的处置理由是一致的，成批做风险可控；如果跨了好几个类目，处置理由往往不同，混在一起处理就会连带误伤。

第三个方法是看季节。处在上升周期的款、正要进入旺季的款，不要放进下架批次里。哪怕是当期数据不好看，也要留一段时间观察，因为它的低谷可能只是季节性造成的。把过去两三个周期的数据拉出来看一眼，季节性起伏的形状通常能看得出来。

还有一种情况需要单独记。下架动作本身可以撤销，但撤销之后链接的积累不会自动回来。所以下架这件事的正确做法是留一份清单，写清哪些条目在什么时候因为什么原因下架，复盘的时候对着清单看。

更稳妥的替代做法是降权而不是下架。把商品的可搜索状态、推荐参与状态调低，比直接把链接暂停要轻，也更容易恢复。哪种更合适取决于平台提供的状态档位，这个要在做之前确认清楚。

有一个可以量化的做法。下架之前先算一算这批条目在店铺总曝光里占多大比例。占比小的可以放心处理，占比大就要分几次下。这个比例不需要算得很准，估一个量级就够指导决策。

还有一个细节是下架的时点。同一个动作放在工作日和放在大促前，影响完全不同。大促前的几天，平台的分发本身就处在特殊状态，这时候大批量下架容易被误读成店铺经营异常。

库存那一层的处理要提前定好。下架之后这批货的处置有几种走向：转投到别的店、等下一个周期再开、直接清货。处置方式定在动手之前，货才不会在中间状态里停着，停着的时间越长，占用的成本越高。

有一个容易被忽略的边界是下架记录和库存记录的对应关系。下架的条目清单如果和库存台账对不上，过一段时间就说不清哪批货对应哪条链接了。两边用同一个编号体系，这个问题就不会出现。

还有一种情况是店铺本身的状态。如果某家店正在申诉或者处在考核期，这家店的下架动作要单独拿出来看，不要和别的店放在同一批里。不同店的状态不一样，统一处理会把本来可控的事搅在一起。

批量下架不该只按销售数据判断。有的款当期数据平，但同类在别的店里还在往上走，这种款值得再留一个周期。知虾看的是竞品监控与选品信号，它站在判断这个款要不要继续做这一层，下不下架仍由你自己决定。

哪些操作适合批量、哪些必须逐条

适合批量的动作有一个共同特征，就是这一批条目之间的差异不影响结果。属性格式统一、描述排版对齐、类目字段补齐，这些都是格式层面的整理，一条怎么做，其余条也该怎么做。

必须逐条的动作也有共同特征，就是这个决策依赖条目自身的信息。定价要看成本，选主图要看这个款的特点，判断还该不该卖要看它的数据表现。这类动作成批做，等于放弃了看单条的依据。

中间还有一类是灰区。比如按同一个比例调价，如果这一批的款都来自同一个供应商、成本结构接近，成批做问题不大；如果来源混杂，就该逐条看。灰区的判断标准是这批条目有多像，而不是动作看起来有多简单。

有一个反直觉的分法可以借用。动作越机械越适合批量，越接近取舍越不适合。把手上所有日常动作按这个维度排一排，会发现真正能完全交给批量的其实不到一半，剩下的一半都带着单件的判断。

还有一个容易被忽略的维度是影响期长短。改格式的影响是当下的，改完就结束了；改价和改状态的影响会跟着订单一直往后走。影响期越长的动作，越应该往逐条那一侧放。影响期长的动作，做完之后要盯着的时间也长，这部分看护成本要算进去。

最后一条维度是可逆性。状态改错了改回来就行，价格改错了要逐条查旧值，主图换错了很可能原图已经不在手上。可逆性越低，越应该在动手之前多花时间逐条确认。把每个动作按可逆性排一排，位置靠后的那些就该配更严格的检查步骤。

有一个具体的例子能说明这条分法的价值。同一批二十条商品，要做的有两件事：把描述里的字体和间距统一，把价格按成本重算一遍。第一件可以整批做，第二件必须逐条来，因为每一条的成本不一样。

把这两件事合在一起做是常见的错误。人看到的是这一批二十条都要动，于是把它们当成一个任务，用一次操作跑完。结果格式确实统一了，价格也一起动了，动的方式却和成本没关系。

正确的拆法是先做能批量的那部分，再做必须逐条的那部分。格式统一跑完之后，价格逐条算，算的时候心里已经清楚格式是齐的，注意力可以全部放在成本上。拆开做的总时间往往比混着做更短。

还有一个更高一层的做法，就是把能批量的部分沉淀成规则。描述排版这类整理一次之后可以反复用，以后新上架的条目直接套上，不必再单独做一次批量操作。规则越厚，日常要做的批量动作反而越少。

逐条那部分的效率也有办法提高。把定价要看的几项信息整理成一张表，逐条做的时候对着表填，不需要来回切换页面。这一层准备做好之后，逐条做的速度可以接近批量，但判断仍然是一条一条过的。

判断分法的口诀可以背下来。这一条怎么做，取决于这一条自己的信息，就逐条；取决于这一批共同的规则，就批量。每一次动手之前问这一句，分错的概率会低很多。分不清的时候往逐条那一侧靠，多花的那点时间通常比出错之后补救要便宜。

这里有一个常被忽视的细节，就是同一个动作在不同店铺类型下的归类会变。格式统一在主力店里可以放心批量，因为它承载的成交多、容错空间小、格式本身不涉及经营判断；同样的动作放在测试店，反而可以更随意，因为测试店本来就允许试错。

逐条那部分也有省力的办法。把判断需要的依据做成对照表，做的时候不看页面只看表，速度会明显上去。表里放的是成本和当前价位这类硬信息，不放心的地方再回到页面确认。表里的信息按动作类型分开准备，定价用一张，选图用另一张，不要全混在一张上。

灰区的判定可以借用一个具体问答。问自己这批条目里，如果按同一条规则改，有几条我会觉得不对。数字是零就批量，数字是一到三条就加排除项再批量，数字再多就说明这批本身不该一起处理。

还有一个维度是操作频次。同一个动作一个月才做一次，逐条做也没什么；天天要做的动作，哪怕有一点风险也值得想办法批量。频次高的动作，省下的时间是每天都在攒的。频次和风险一起看，才判得出这个动作值不值得为它单独设计一套批量规则。

记录方式上有个实用做法，给每个日常动作标一个记号，标出它是批量还是逐条。这份标记积累下来就是一套自己的操作规范，新来的人照着看就能上手，不用每件事都问一遍。这份标记不需要很细，两个词就够，但要坚持标，标到一半停下它就失去作用了。

最后一条判断依据是数据能不能反推。批量做完之后如果结果不理想，你能不能通过数据看出是哪一条出了问题。看不出，说明这个动作的数据反馈太粗，不适合批量做，因为它没法自我纠正。

批量动手前的检查清单

第一项是把这次要改什么写成一句话。写不出来说明规则还没定清，规则没定清就说明这次改的其实是好几件事，应该拆开做。一句话能写清，才有条件往下走。一句话写不清通常是因为里面混了两件事，比如既想调价又想换类目，拆成两次更稳。

第二项是圈范围。范围要同时说清楚是哪几家店、哪几个类目、哪几个状态。范围一旦含糊，混进来的条目就会多，而混进来的那些恰恰是最容易出问题的，因为它们本来就不符合这条规则。

第三项是排除项。正在跑活动的、库存只剩少量的、刚上架还没跑出数据的、有未处理售后纠纷的，这几类条目通常要单独列出来不进这批。排除项最好在圈范围的时候就减掉，不要等到执行之后再找。

第四项是试跑。试跑挑几条有代表性的条目，跑完逐条核对落地结果，重点看价格、状态、必填字段这几样。试跑的意义不是验证工具能不能跑通，是验证这条规则在真实条目上套出来是不是你想要的样子。

第五项是留回滚的路。回滚的办法要在动手之前想好，而不是出了事才想。原值有没有记下来、原图有没有备份、改动前的状态能不能查到，这三样决定了出事之后是花十分钟还是花一天。

这五项的顺序不能调。先定规则再圈范围，先圈范围再定排除，先排除再试跑，试跑通过再想回滚。任何一项倒着来，后面几项都会失去意义，因为前面的假设已经不稳了。顺序对了，每一步的前提出错时都会在前面被拦住，不会一路带到执行那一步。

检查清单里有一项最容易形式化，就是排除项。写排除项的时候要具体到可执行的程度，「正在做活动」这种写法太粗，应该写成「在活动名单里且活动未结束」。写不到可执行的程度，执行的时候就会凭感觉放过去。

试跑那几条怎么挑，也有讲究。挑的这一小批要在关键维度上覆盖到整批的范围，比如价格从低到高各挑一条，库存多的少的各挑一条。只挑一条最顺的跑通，等于没有试跑。试跑之后不要只看有没有报错，要看跑出来的样子是不是你本来想改成的样子。

回滚的办法要在清单上写清具体路径。原值从哪个页面能查、原图存在哪个目录、状态在哪个记录里还能看到，这些要写下来而不是记在脑子里。出事的时候人往往紧张，指着记忆容易出错。

清单本身要短。超过十项执行起来就会有人跳步，最后几项经常被忽略。五项左右的长度最容易坚持。如果发现要核的东西越来越多，说明这个动作该拆开了，而不是清单该加长。长度定下来之后就不要随情况增加，要加就先删掉一项，这是一种很有效的约束。

清单还有一层用法是留痕。每次执行之前把这份清单填一遍存下来，过一段时间回看，能看出哪几项经常被跳过。经常被跳过的那几项，要么是没必要，要么是难执行，两种情况都值得重新设计。

有一个关于清单的实际问题，就是它该放在哪里。放在文件夹里往往没人看，放在执行动作的那台机器上、动手前一定会经过的位置，才真的会被用上。位置比内容更决定清单有没有用。

清单里的规则要写成判断题而不是填空题。判断题只要求回答是或否，速度很快，也不容易卡住。填空题会让人停下来想，想着想着就跳过去了。把要核的每一项都改写成能回答是否的形式。

还有一个关于试跑范围的细节。试跑挑的条目最好包含一条你最不放心的，看看它在规则下会变成什么样。如果连最不放心的那条都没问题，整批的风险就不高；如果它出了问题，正好提前暴露。

检查清单还有一个隐藏的作用，就是它会慢慢筛出哪些动作其实不值得批量。一个动作每次都要核七八项、排除好几类条目，说明它的规则太复杂，批量省下的时间大部分被检查吃回去了。

记录方法上建议留一列，记下每次检查都花了多久。连续记上十几批之后会看到，检查耗时和批量范围大致是正相关的。这条关系能帮你算清楚一个范围到底值不值得圈那么大。如果检查耗时涨到和批量耗时差不多，这个范围就圈得不太划算了，应该往下调。

批量出错时，能当场拦住的那一格基本是空的

批量出错的回滚代价

回滚代价的第一部分是发现时间。批量出错之后，发现自己错了有多快，直接决定了牵连的条目有多少。改动之后马上抽查的，可能只牵连试跑那几条；过了几天才发现的，订单已经产生了。

第二部分是定位成本。结果长得一样的时候，你要先找出哪些条目被影响了。如果动手之前记了范围和规则，这一步是照着清单对；如果没记，这一步就是逐条翻页面看，条目越多翻得越久。

第三部分是恢复成本。恢复的难度和动作类型直接相关。状态类的改动恢复最快，把状态设回去就行；价格类的要找到原值，主图类的往往原图已经不在手上，只有重新做一张。动手之前先确认原值和原图在不在手上，这一条决定了恢复是十分钟还是一整天。

第四部分是已经发生的影响。批量改价之后卖出去的订单、批量下架期间错过的曝光、批量换图之后掉下去的点击，这些已经发生的部分没法回滚，只能记进这次的损失里。把这几类损失记在同一个位置，积累几次之后能看出哪类动作最容易留下这种尾巴。

还有一个不常被算进去的部分是信心成本。批量出过一次错之后，人会在一段时间里对所有批量动作都变得谨慎，连本来安全的格式整理也不敢跑。这种收得过紧的状态也会拖慢日常事务。

把这几部分合起来估，能得出一个很实用的判断。如果一次批量出错的最坏损失明显大于这批动作省下的时间，那这个动作就该拆小，或者干脆改成逐条。这个比较不需要很精确，量级对得上就够了。

有一个降低回滚代价的具体办法，就是动手前把原值导出一份。价格、状态、刊登时间这些字段，在改动之前完整导出一次，存在一个固定的位置。这一步花的时间通常不到十分钟，但它把回滚从找旧值变成了查表格。

第二个办法是分阶段放开。范围比较大的时候，先放开三分之一，观察一段时间再放剩下的。中途发现问题，受影响的是那三分之一而不是全部。分几段放开取决于这批条目能容忍多长的执行周期。

第三个办法是给关键字段设监控。改动之后的一两天里，盯着这几个字段的变化，比如价格低于某个值、状态异常、库存告警。有异常立刻看，比等到每周复盘时才发现要早得多。监控的阈值不要设得太紧，太紧会天天报警，报警多了人就不看了，阈值宁松勿紧。

还有一个容易被忽略的边界，就是出错之后的重启成本。批量出错之后人容易变得保守，接下来的动作都改成逐条，日常事务的节奏被打乱一段时间。这部分成本不在账面上，但它确实存在。

把回滚成本算完之后要有一个判断。如果这个动作最坏情况下的损失，明显大于它每月省下的时间价值，就说明这个动作不该批量做，或者范围要收得很小。这个判断按量级比较就够，不需要算得很细。

有一个具体的例子。某店做了一次批量改价，范围圈了四家店的三十多条。执行之后第二天才发现有两家店的价格体系本来不一样，这两家的价格全部偏低。发现的时候已经有订单出去了，这批订单的利润比预期薄了一截。

这家店的补救分了三步。先把这两家店的价格改回原来的档位，然后统计已经出去的订单，确认偏差的量级，最后把这次的范围和规则写进记录，标明这两家店以后不参与统一调价。整个过程花的时间比当初批量那几分钟多得多。

这个例子里的关键在于，出错的成本不在操作上，在发现和补救上。操作花了几秒，补救花了两天，中间还夹着已经发生的订单损失。批量省下的时间是真的，出事之后要还回去的时间也是真的。

还有一个边界是补救时的顺序。钱相关的先处理，比如价格和库存；状态相关的其次，比如在售和暂停；格式相关的最后。这个顺序的道理是先止住持续失血的，再处理不再变化的。

记录方式上，出过错的动作要单独标出来。这份标记不只是备忘，它会直接影响边界划在哪。出过错的动作用起来要比没出过错的更保守，这是从实际代价里换来的判断。隔一段时间回看这份标记，如果某个动作再没出过错，可以把它的边界慢慢放回来。

把这些加起来看，能看出回滚代价和批量范围是强相关的。范围小的时候，回滚最多花掉几十分钟；范围大的时候，回滚会占掉一整天，还要加上期间产生的订单影响。想控制回滚代价，最直接的办法就是控制范围。

先试跑一小批，出错时牵连的条目少得多

批量的边界划在哪里

划边界的第一条线按动作类型。纯格式类的动作可以放到最宽，价格和状态类的中等，主图和关键属性最窄。这条线定下来之后，日常大部分动作都有位置，不用每次重新讨论。这条线的作用是给后续几次讨论定一个起点，不用每次都从零开始想。

第二条线按店铺。主力店的批量范围要收得更紧，因为它承载的成交和权重更高，出错的代价更大。测试店和辅助店可以放宽一些，出错影响的范围本来就小。店铺的类型也要定期重看，一家测试店做成主力店之后，它的批量范围就该跟着收紧。

第三条线按条目数量。数量越多，混进异常条目的概率越高，所以大范围的动作要配上更严格的排除项和更长的试跑。这条线的位置会随着店铺数量变化，需要定期回看。范围大到一个程度之后，试跑那几条的代表性会下降，这时候要拆成几批分别试。

第四条线按可逆性。可逆的动作可以大胆一点，不可逆的动作宁可按逐条算。判定的问题很简单，就是出事之后我能不能把原来的样子还回去，还回去要花多久。可逆性还要看有没有留底，原值导出过、原图留着，动作的可逆性就比没留底高一档。

这四条线不是四套独立的规则，它们要合在一起看。同一个动作在主力店和测试店的边界不同，条目多和条目少时也不同。真正要固定下来的是判断的维度，具体的位置可以随情况移动。

边界定下来之后还要写下来，不然它只存在于某个人的经验里。写下来的形式可以很轻，一张表或者一页纸，把动作类型、店铺范围、条目数量、可逆性四栏列上，日常照着看就行。

边界划出来之后会遇到一个执行层面的问题，就是不同的人划的位置不一样。同一个动作，有人觉得可以批量，有人坚持逐条。这种分歧要靠记录来收敛，把每次批量的结果记下来，位置该往哪边挪就有依据了。

收敛的过程通常要几轮。第一轮按经验划，第二轮按记录调整，第三轮基本稳定。稳定的标志是日常大部分动作都不需要重新讨论该怎么办，照着上次的做法走就行。收敛得快不快，主要看记录记得细不细，记得细的话两三轮就能稳定下来。

边界还要定期回看。店铺的数量在变，平台的规则在变，各店之间的相似程度也在变。过去能一起跑的动作，可能因为新增了一家定位很不同的店就变得不能跑了。回看的频率跟着店铺变化的速度走。

有一个具体的信号说明边界该收紧了，就是同一类动作连续出现过两次以上的抽查问题。抽查有问题说明规则在真实条目上套得不够准，这时候要么加排除项，要么把范围缩小。收紧的方式有两种，加排除项和缩范围，先试加排除项，它比缩范围更不伤效率。

反过来，边界也可以放宽。连续很长一段时间批量都没出问题，说明这批条目之间的相似程度够高，范围可以往外挪一点。放宽之后要重新做一次试跑，不要直接跳到全量。放宽的幅度一次不要太大，挪一小格观察一段时间，比一次放开要安全得多。

边界这件事最终要落到一个能交接的东西上。人换了、店加了，判断的尺度还在，靠的就是这份写下来的边界。它不需要很正式，但需要写清楚每个动作的位置和理由，这样下一个人不用重新摸一遍。

有一个具体的做法可以把边界用起来。把日常动作按四栏列成一张表，每一栏标上这一栏的边界值，比如动作类型这一栏标明价格类必须试跑、状态类必须排除有成交的。这张表贴在动手前会看到的地方。

这张表第一次做的时候会显得很繁琐，因为要把每个动作都想一遍。但它是一次性的工作，做完之后日常大部分操作都能直接查表，不用每次重新想。真正需要临时讨论的只剩下少数新出现的动作。

边界还有一个作用是让不同人的判断能对齐。店里如果不止一个人做这些日常事务，没有这张表的时候，两个人的尺度会慢慢分岔，一个人越来越宽，一个人越来越紧。有了表，分歧变成对表里某一条的讨论，讨论完就统一了。

回看的时候要注意一种情况，就是店铺结构变了但边界没跟着变。新加了一家定位很不一样的店，过去适用范围很广的批量动作在这家店上就不适用了。这种变化往往不在日常视野里，需要在下一次回看时专门过一遍。

记录的方式可以把边界变更也写上。哪一天因为什么原因把某个动作的边界收紧了，写在表的下方。积累一段时间之后，这份变更记录本身就说明了这个店群里哪些地方最容易出问题。

最后要说清一点，边界的作用是让批量的收益稳定地留下来，而不是限制批量。没有边界的批量，用几次就会出一次事，出事之后人会本能地收缩，把本来安全的动作也停了。有边界的批量可以长期用，收益是持续累积的。

常见问题（FAQ）