虾皮多久优化一次，先把两次优化的间隔定下来

两次优化之间隔多久，取决于数据反馈的速度

把间隔理解成勤快程度是一种常见的错位。它其实是一个物理量，等于从你动手那一刻起，到数据能把这个动作的影响读出来为止，中间需要经过的时间，这段时间有多长，间隔的下限就有多长，短于它，你读到的永远是没读完的东西。

数据反馈要经过两个阶段。第一阶段是系统层面，你的改动先被平台记下来，再被折算进各项统计里，这一阶段的时间相对固定，你自己控制不了；第二阶段是行为层面，用户要慢慢看到这个改动，愿意点的人要一个一个来。

第二阶段的快慢差别很大。曝光这一类的数几乎立刻就有反应，因为它只跟你被展示的位置有关；而成交、复购、评价这一类数要等人真的下单、收货、用上一段才有反应，中间隔着好几个动作。

把这两阶段叠起来看，就会明白为什么同一个店铺里不同类型的改动，该等的长度不一样。改动落在链条前端，等的时间短；落在后端，等的时间长，用一个统一的间隔去管它们，总会有一半是不合适的。

这里有一个常被绕开的事实：你眼里的任何一份数据都是过去时的。在知虾公开的市场数据里，各项数按日更新、更新到前一日为止，这意味着今天下午的改动，最早也要等到明天的数据出来才有影子，再往后才有形状。

所以间隔从来不是我自己想多久就多久的问题。它有一个下限，这个下限由反馈速度决定；在它之上你可以自由一点，但一旦掉到它下面，你做的每一次判断都会踩在没读完的数据上。

店铺的量级也会改变这个速度。同样一个改动，放在每天访客很多的款上，样本很快就攒够了；放在一天只有几十个访客的款上，要攒到能排除偶然所需的样本，往往要多等好几段才能读数。

这就解释了一个常见的困惑：同一个动作，别人说几天就能看出效果，你自己试了却什么也读不出来。差别不在动作本身，而在于两边攒样本的速度不一样，用小店的样本去套大店的节奏，结论一定是错的。

反馈速度还会变。一个款刚起步的时候流量小、样本慢，等到它跑起来，速度会明显加快；反过来一个款走到后期开始掉量，速度又会慢下去，所以间隔这东西不是定一次管一年，它得跟着款的状态走。

一个很实用的量法是从自己的历史里找。翻开你过去几次改动的记录，看曲线大概在哪一段开始不再来回抖，也就是从改动那天到曲线稳住所需要的时间，这个时间就是你自己店里的真实反馈速度。

量的时候要留个心眼，把外部因素扣掉。如果那几段正好压着大促或者节令，曲线会自己动起来，这部分变化不是你改动带来的，混在一起算，你会把自己的反馈速度估得过快或者过慢。

明白反馈速度之后，间隔的定法就顺了：先量出等待长度，再往上留一点宽裕，把它取整到你自己的记账节奏上，比如按你习惯看的段数来记，这样每一轮什么时候该开，看记录就知道，不用临场去猜。

留宽裕是为了容错。真实的数据总比理想里的脏一点，噪声、异常订单、平台临时给的流量都会让曲线多抖几段，间隔要是刚好卡在反馈到位那一刻，你每一轮都在读最难看的那一段，判断很容易偏。

还有一个反过来推的办法：如果你某一轮的结论读得特别顺，改动的影响清清楚楚分得出来，说明那一轮的间隔给够了；如果每次读完都说不清是改动起作用还是本来就在变，那就是间隔短了。

把间隔和反馈速度绑在一起之后，你会发现自己少了很多纠结。过去每次要改之前都得想这一次隔够久了没有，现在只要看一眼上一轮的数据读完了没有，没读完就继续等，读完了才轮到下一轮，节奏几乎是自动的。

收束一下：两次优化之间隔多久不是风格问题，也不是态度问题，它是一个被反馈速度决定的数，量清楚自己店里的反馈速度，间隔就自然浮出来了，不需要跟着任何人的日程走，节奏从数据里长出来才站得住。

这五段的总长度就是你这一轮该等的时间，等不满就再动一手，等于把两段叠在了一起。

优化间隔太密和太疏，分别会打乱什么

间隔太密最直接的后果是两轮的观察期叠在一起。你的第一轮改动还没读完，第二轮已经落下去了，两段曲线混在一整条里，谁也分不清哪一段是哪一次的功劳，这一轮的信息基本就白费了。

叠在一起的观察期还会带来一个更麻烦的副作用：你会把第二轮的改动当成第一轮的结论，比如第一轮改的其实没用，但因为第二轮改对了方向，读到的是好结果，于是你把经验记反了。

太密还有一种常见的形态是同一处反复微调。今天调一点、明天再调一点，每次都觉得只是小动作，但累积起来就是一个一直没被读完的过程，数据永远停在抖动的状态里，从来没有稳下来过。

样本也会被太密的间隔切碎。本来要攒够足够的行为次数才能排除偶然，你却每隔一段就重置一次观察起点，结果每一段里的样本都不够，读出来的结论全部是噪声的形状，看着有变化，其实什么也没说明。

太密还会消耗掉你自己的注意力。连续多轮的改动要连续多轮地盯着，而你手上的精力是有限的，跟到第三轮的时候，前两轮的记录多半已经没人回头看了，把结论都丢了。，这也是很多人越改越迷茫的原因之一。

反过来看间隔太疏，问题不是读不出来而是读得太晚。等你把上一轮读完，市场里的那一段窗口可能已经过去了，该抢的位置被别人占了，该改的地方拖久了，成本也跟着涨上去。，慢出来的这一拍往往要用好几轮才补得回来。

太疏还有一个隐形的代价，就是让外部的变量有了插进来的空间。间隔拉得太长，中间会发生很多事情，节令换了、平台给了新入口、竞品做了动作，等你回头读数时，你已经分不清自己那一改动还有没有残留影响。

这两种错的形状不一样。太密的表现是数据一直乱、结论一直含糊；太疏的表现是数据很好看、但你已经慢了一拍，应对的时候要根据自己偏哪一侧去调，而不是笼统地把优化做得更多或者更少。

从概率上看，偏密的店比偏疏的多得多。原因很简单，动手是有成就感的，等待是难熬的，手一空下来就想找点事做，于是间隔被一轮轮地压短，压到数据完全读不出东西还在继续压。

偏疏的店往往出现在款式少、盯得少的阶段，尤其是刚开始做的时候，一个月想起来才动一次，两次之间隔着太多事情，每次动手都是重新开始判断，前面攒下的线索全断掉了。，等你想接着上一轮的线索往下看时，中间那段已经无从对照。

一个可以自己用的折中是让上一轮的结论先落地再开下一轮。所谓落地不是等到完美答案，而是等到你能说出这一轮大概起了什么作用，方向对不对，有这个判断之后再动手，比按固定日子动手稳得多。

要检查自己偏哪一侧，有个很直的办法，把最近几次改动的记录翻出来，看每一轮之后你有没有写下一个明确的判断。如果大多数轮次都没有留下判断，那多半是太密了；如果每次都留了判断但判断总是迟到，那是太疏。

两侧的调整方向也不一样。偏密要往外拉，拉的办法不是硬忍着不改，而是把等待阶段该做的事补上，比如趁等待时把下一轮要看的数理清楚、把记录补齐；偏疏要往里收，收的办法是给自己设一个提示点。

还有一个区域特别容易两头都出问题，就是大促前后。这段时间外部变量最多，间隔太密会把噪声读成反馈，间隔太疏又会错过促销带来的结构性变化，所以这一段的间隔通常要单独拿出来定一档。

也有人会问，是不是只要不改就能避免太密。这也不对，长期不动会让店铺的状态和实际需求脱节，该读的数一直没读，等你终于翻开记录时，能对比的东西已经太少，判断的依据也跟着薄了。

把话收在这一点上：间隔的两种错都不是态度问题，而是节奏和反馈速度没对上。对上之后你会发现，该等的时候等得住、该动的时候动得起来，两件事其实是一件事。，两边其实共用同一把尺子，只是量的方向不同。

越往后越难读，等的长度天然越长；把这一列摆在前面，间隔该往哪一档放心里就有数了。

定优化间隔之前，要先看数据反馈的延迟有多长

延迟这个词听起来抽象，落到操作上其实很具体，它就是你的动作从做出去，到能在数上被看见，中间空着的那一段时间。这段时间量不准，间隔就只能靠感觉拍，拍出来的数字往往偏短。

延迟可以拆成两截来量。第一截是数据进系统的延迟，也就是你的改动被折算进各项统计之前，需要经过多少个数据更新周期；第二截是行为延迟，也就是用户从看到你的改动到真的做出反应，平均要经过多久。

第一截相对好量，因为它跟平台的更新节奏有关，而且这个节奏是稳定的，你只要连续几天记下同一个数什么时候变、变了对应的是哪一天的动作，几轮之后就能摸出这个节拍。，这个节拍摸出来之后，很多判断就不用再靠猜了。

第二截就麻烦一些，它跟你的类目和客单价都有关系。低价快消的东西，用户看到就想买，行为延迟短；客单价高的东西，用户要比价、要考虑，从接触到下单中间隔得久，行为延迟自然长。

把这两截加起来，得到的就是你自己的最小间隔。为什么叫最小，因为在这一段时间之内，你无论看多少次数，看到的都是没有读完的过程，多看的那些次数并不能带来更多信息。，多看的那几眼只是把同一段过程又看了一遍。

量延迟有个前提，你手上得有记录。很多人之所以量不出来，不是因为延迟不存在，而是因为过去每一次改动都没记下时间点，等到想回头量的时候，只剩一个模糊的印象。，所以真正的第一步不是算，而是先把记录建起来。

记录的颗粒度不用太细，能到段就行。写下这一段动了什么、动在哪一天或者哪一段，再隔几段回来标一下这个数什么时候稳住的，两三条这样的记录就足够你估出一个可用的延迟区间。

量的时候还要防一个坑，别把季节和大促的起伏算进延迟里。判断的办法是拿不同步的款做对照，没动的款在那几段也一起涨或者一起跌，那说明这一段的变化属于外部环境，不属于你的延迟。

延迟不是一个数字而是一个区间，这一点很重要。同一类的改动，在流量大的款上延迟短，在流量小的款上延迟长，所以在你自己的记录里出现两个不一样的时长是正常的，取一个偏保守的值当间隔用就行。

不同环节的延迟差别有时候会大到让人意外。落在曝光和点击上的改动，通常很快就有反应；落在成交和复购上的改动，往往要等到老客回头才会显现，这两类混在一起用同一个间隔，前端太慢、后端太快。

延迟还会随着店铺阶段变化。起步期的款流量小，同样的样本要攒更久；款跑起来之后，延迟会自己缩短，所以每隔一段时间重新量一次是必要的，尤其是在做出过明显的增长之后。

不要拿别人的延迟当自己的用。类目不同、客单价不同、市场不同，延迟都可能差出一大截，把别人的数字直接搬过来，最可能的结果是你的间隔刚好落在自己反馈的半路上，每一轮都读个半截。

算清楚延迟之后，间隔的摆法就有了约束。间隔至少要盖过一个完整的延迟区间，在这个基础上再留出一点余量用来扛噪声，两段加起来才是你这一档的真实长度。，两段都算进去，间隔才不会踩在半截上。

还有一个细节值得留意，延迟是从改动那一刻算起的，所以一轮里面并进的改动落点越散，这一轮的等待就越难统一。落点都在同一个环节上的改动，延迟基本一致，读起来最省事。

如果一次等的时间明显比延迟长很多，你要反思的不是延迟，而是这一轮的观察有没有被打断，比如中间又动了别的地方、或者遇上了一次外部的大波动，这样等再久也读不出干净的结果。

归结成一句：间隔的长度是从延迟推出来的，出来的，量延迟是定间隔之前必须做的一步功课，功课做完了，间隔就不是拍出来的，而是算出来的，算出来的东西你才敢照着走。，算出来的东西你才敢照着走，也才走得下去。

优化间隔固定之后，几处改动可以并进同一轮

间隔定下来之后，马上会碰到一个安排上的问题：这一轮的等待时间不短，如果每次都只放一件事，效率低得让人难受；可要是把不相干的事随手塞进同一轮，读出来的结果又是一团乱。

能不能并进同一轮，看的是三条：落点是不是同一个环节、反馈速度是不是相近、两件事之间会不会互相干扰。三条都够，并在一起是省时间；缺了任何一条，并在一起就是给自己制造一次读不懂的结论。

先说落点。落在同一个环节上的改动，比如都在标题和卖点这一层，它们的反馈速度天然接近，等的长度也一致，放在一轮里既能一次读完，也不至于让某一件事的部分被另一次盖住。

反馈速度差得太远的不能并。一件很快就有反应的改动，和一件要等很久才见形状的改动放在一起，结果是你为了等后者，把前者多关了好几段，或者为了看前者，把后者在不该下结论的时候下了结论。

再说干扰。有几对改动天生会互相遮挡，最典型的是价格和主图同时动，两者都在影响用户要不要点进来、要不要买，叠在一轮里读出来的好结果，你不知道该记在价格上还是记在图上，下一次照着重来一遍也是盲的。

判断干扰有个简单的办法，问自己这两个动作是不是会落到同一批用户、同一个决策瞬间上。如果用户在同一个位置上同时看到这两个变化，那它们的干扰就强，不适合并进同一轮等。

相对安全的是互不接触的改动，比如前端的一个动作和售后信息里的一个动作，它们被看到的场景和时间都不一样，放在同一轮里等，读数的时候还能各看各的曲线，互不打扰。，这种安排在大促前的那一段时间尤其有用。

还有一种可以并的情形是同方向的补充。比如同一个卖点在标题里说得更清楚、在属性里也补全了，这两件事其实是同一件事的两面，反馈也走同一条路，放在一轮里读，只会让信号更强，不会把信号搅乱。

并把改动并进同一轮，还有一个前提是知不知道自己动了什么。一轮里放的事越多，你越需要一份写清楚的记录，写清楚这一轮动了哪一类、落在哪一处，否则过了几段回头看，连自己都记不全。

反过来说，只要记录写清了，一轮里并几件互不干扰的事并不难读。真正难读的从来不是数量，而是那些互相遮挡的搭配，所以挑选的时候重点应该放在搭配上，而不是在故一件两件上纠结。

有一类改动建议始终单独放一轮，就是你对它心里没底的那一类。心里没底说明你还不知道它会不会起作用，这时候把它和别的事并在一起，等于用两个未知去解一个未知，读出来的结论只会更模糊。

间隔偏长的时候，并进同一轮的收益更大，因为你一次等待能换回几件事的结论；间隔偏短的时候，并进同一轮反而更危险，等待本来就紧张，再叠上干扰，几乎一定读不清。，所以并进同一轮这件事也要看间隔是长是短。

还有一个安排上的技巧是错开落点。这一轮把动作都放在前端，下一轮再放到价格这一层，每一轮的落点集中，轮与轮之间的间隔又不用改变，长期看下来读得最清楚，记录也更容易整理。

并进同一轮之后，读数的顺序也要定。先看这一轮所有改动共同影响的那条主曲线有没有整体移动，再分头看各自对应的那一项，这样先有个总的判断，再落到具体的归因上，比一上来就分头看要稳。

如果发现这一轮并进去的事读出来几乎全是干扰，那不必自责，把它当成一次试验记录下来就好，下一次碰同类搭配的时候直接拆开，这类经验比读一次顺利的轮次更值钱，因为它告诉了你边界在哪。

说到底，并进同一轮的判据是搭配，不是数量。判据是搭配，不是数量。搭配对了，一轮里多放几件事也能读得很清楚；搭配错了，一轮里只有一件事也可能读不明白。，判据挑对了，再多的事也能一件一件读明白。

优化的间隔是从数据反馈周期推出来的，不是日程表

日程表式的做法有一个很吸引人的地方，它省事。周一动一动、周四再看一眼，节奏感很强，看上去也很自律，但它的依据是人的时间安排，不是数据的时间安排，两者对不上的时候，数据一定吃亏。

从反馈周期推出来的间隔长得不一样。它先回答一个问题，上一轮动手的影响读完了没有，读完了才轮到下一轮。这个逻辑不依赖今天是周几，只依赖数据走到哪一步，所以它的长度是浮动的。

浮动听起来不踏实，其实比固定的日子更可靠，因为它给的是下限而不是上限。你能确定的是不会在没读完的时候动手，剩下的时间里你愿意多看几次都可以，主动权还在你手上。，主动权在自己手上，这一点用起来差别很大。

日程表最大的问题是它和反馈速度没关系。流量大的款反馈快，按日程走可能刚好；流量小的款反馈慢，按同样日程走就会一直踩在半截上，读到的结论全是没读完的中间状态。，同一个日程放在两种款上，效果自然天差地别。

还有一个常见的越界是把看数的频率当成动手的频率。看数这件事天天做都没问题，它只是把数据读进眼里；动手这件事必须按间隔来，两者混在一起，就会出现看了两天就手痒的情况。

要把这两件事分开，有个很实用的原则：看的动作可以密，动的动作要有出口。所谓出口就是那一轮的结论，只有上一轮的结论写出来了，下一轮才有打开的门。，门开着才动手，门没开就继续等，规则很简单。

间隔的下限由延迟决定，上限则由观察窗口决定。窗口不能拉得太长，因为你自己的款、类目和市场都在变，隔得太久，你读出来的结论对应的是一个已经不存在的环境。，环境变了，你之前读出来的结论也就跟着作废了。

两头的约束加起来，就得到了一个可用的区间。间隔落在区间里都算合理，落在下方会读不懂，落在上方会读过期，真正要防的其实主要是下方，因为过期这件事你迟早会察觉，挤得太密却很难自己发现。

有一种缩短间隔的冲动来自看见别人在动。同行上了一个新东西、平台上出了一个新玩法，你就想跟着动一轮，可这些事并不会让你的反馈变快，你的反馈速度还是原来那个速度，动手只会多一次读不懂。

把间隔定下来之后，护住它的方式还是记录。把每一轮动了什么、什么时候动的、什么时候读完的写下来，几轮之后你就能看出自己的真实节奏，也能看出哪一次是因为手痒提前开的门。

检验这个间隔准不准，有个简单的标准：你的结论是不是能在下一轮开始之前就写出来。能写出来，说明间隔给够了；要是每次都在赶着写、或者干脆没写，那就是间隔被压短了。，读得顺的轮次说明节奏对上了，读不顺就说明还得调。

知虾的类目分析展开的方式是按市场分开排，同一个市场的各项数按日前一日更新，数据到得整齐，但到的始终是昨天的那个版本；这个事实本身就在提醒你，间隔不可能比数据到得还快，把间隔排得比数据的节拍更密，没有任何意义。

间隔也不是完全不能分段。平时一档、大促一档、淡季一档，这样的分档是合理的，因为在这三种情形下，你的反馈速度和噪声水平本来就不一样，用同一档去管，总有一种情形是错配的。

分档之后要记得一件事，档与档之间怎么切换也得有个依据，不能凭感觉。比较稳的做法是看噪声有没有退回去，噪声回到平时的水平，再切回平时那一档，而不是按日子硬切。，切换的依据仍然是数据，不是日子翻了页。

也有人担心这种安排太灵活，团队里不好执行。其实恰恰相反，只要有记录，谁都看得出上一轮读完没有，规则是客观的，比每周一开例会凭印象决定要清楚得多。，规则客观，执行起来反而比凭印象更省力。

结尾停在这里：间隔该由反馈周期推出来。日程表只适合当你别忘了看数的提醒，把提醒当成动手的依据，就是这一节想拦住的错，拦住了，后面的判断才有站的地方。，拦住了这道错，后面每一轮的判断才站得住。

三条都够才适合放进同一轮等，缺一条就分开等，否则这一轮读完也说不清是谁起的作用。

大促期间的优化间隔要不要调，怎么调

大促期间要不要动间隔，答案要动，但方向可能和直觉相反。这个阶段数据里的噪声明显放大，你看到的起伏里有一大半是活动本身带来的，真正属于你改动的部分被压得很小，所以间隔应该往长的方向挪。

为什么噪声会放大，因为大促这段时间里变量同时在动。平台在给流量、竞品在调位置、用户在被活动牵着走，任何一条曲线都不再只反映你那一处改动，把它当成自己的结果读，一定会读偏。

有一个很容易犯的错误是大促期间加密观察。想法是这波机会不能错过，要多看多调；可实际上这段时间读出来的信息最脏，调得越勤，叠进来的干扰越多，等活动结束你手上连一份能用的记录都没有。

大促这一段可以按噪声水平切成几截，准备段、爆发段、收尾段各有各的噪声水平。段、爆发段、收尾段各有各的噪声水平。准备段的数还可以读，因为变化主要是你的准备带来的；爆发段主要参考整体走势，不急着归因到某一处改动上。

到收尾段要特别小心一件事，就是回落。活动一结束，几乎所有的数都会往下走，这是正常的，不是你的改动出了问题，把这段回落当成触发信号去动手，等于对着一个大概率会发生的回落做反应。

所以大促这一段该做的事其实很少，主要就是保住动作的稳定，让已经跑起来的东西不要被打断，把想试的新东西留在活动结束后再放，这样你至少还能拿到一份相对干净的对照。，稳住这一段，本身就已经是很值当的动作了。

活动结束之后也不要马上回到平时的间隔。噪声退下去需要一段时间，比较稳的做法是等几段，看看曲线是不是回到了大促之前的水位和波动幅度，确认之后再切回平时那一档。，水位和波动幅度都对上之后再回来，判断才不会偏。

大促期间并进同一轮的门槛也要往上抬。平时能并的搭配，在这段时间里都可能因为外部波动而被搅在一起，这一段的策略是宁可少放几件，也要保住每一件都能读出来，宁可慢一点，也不要读成一团。

大促还有一个特殊之处，它会把不同市场的时间错开。九个市场各有各的节庆和大促，同一个改动在不同市场的反馈窗口可能不一样，按一个统一的间隔去管所有市场，多半有一半是不合的。

如果你的店里同时在跑几个市场，比较合理的做法是让每个市场按自己的节拍走，哪个市场的噪声退下去了，哪个市场就先恢复平时的间隔，不必等所有市场一起走。，各市场各走各的，反而比统一口径更贴合实际。

大促前的那一段时间也是机会。这一段的数据相对干净，而且离活动还有余量，适合把你早就想动、但一直没敢动的地方放进去，等于是用一个相对可控的窗口去换取一次能读清的结果。

还有一种情况是活动本身很短，只有一两天。这种短促的活动对间隔的影响很小，你甚至不需要为它单独设一档，只要在爆发那一段里别急着下结论就行，活动过去自然回到原来的节奏。

总的来说，大促期间间隔往上挪的幅度取决于两点，一是这一次活动带来的流量放大了多少，二是这一段时间里有多少个变量同时在做动作，两个都大的时候，挪得就多一些，反之少一些。

挪的时候还有一个约束不要忘，间隔可以长，但不能长到让整个节奏停摆。如果一段活动期里你什么都没动、也什么都没读，活动结束之后你就失去了对照，只能从头再攒起。，动得太少和动得太密一样，都会让这一段失去参照。

判断挪得对不对，还是看同一件事：活动结束后你能不能把自己那一轮的效果读出来。能读出来说明挪得刚好；读不出来说明挤得太密，连活动期的动作都和活动本身混在一起了。，这个标准比任何外部的评价都直接。

最后一句：大促期间的间隔要往长调，调的依据是噪声水平而不是心情，噪声多大就往后让多远，噪声退了就回来，整个过程仍然是数据在带节奏，而不是日历在带节奏。，带节奏的始终是数据，这一点从头到尾没有变。

大促期间这条线整段抬高，说明同样的改动在这里更难读，间隔只能往长的方向挪，不能往短的压。

这一篇只谈优化两次之间隔多久

本篇的边界画得很窄，只回答两次优化之间该隔多久。间该隔多久。为什么它值得单独写一篇，因为这个长度几乎决定了你后面所有判断能不能成立，间隔不对，读什么都读不出来。，间隔错了，后面所有的读数都会跟着打折。

至于起算点怎么认，本篇不碰。什么时候算一轮的开始、从哪一天开始计这一段，属于时点那一类的问题，和间隔是两个层次，混在一起讲，很容易把节奏的问题讲成起点的问题。，把两件事混起来，节奏的问题就会被讲成起点的问题。

也没有给一轮里该动多少处的建议。一轮装多少件事，取决于它们之间会不会互相干扰，那是另一层的判断，和间隔的长度不是一回事，两者的依据也可能完全不同。，找错了依据，间隔定得再精确也用不上。

读完这一段，你手上会多三样东西。一套量自己反馈延迟的办法、三条判断能不能并进同一轮的判据、以及大促期间往哪个方向调间隔的依据，三样都能直接用到你下一轮的动作上。

同样，本篇也没有给出任何具体的天数，隔几段算合适。这是有意留白的，因为反馈速度取决于你店铺的量级、类目和客单价，任何人给的数字搬到你的店里都不一定合身。，从自己的记录里长出来的数字，才一定合身。

若全篇只能留下一句话，请留下这句：间隔的下限由反馈速度决定，任何时候都不要把间隔排得比反馈还密，这一条守住了，你的每一次读数至少都是完整的。，这一条守住，你的每一轮读数至少都是完整的。

你可以翻出最近一轮，从动手那天到你能写出结论那天，中间间隔了多久，这个时长和你当时以为需要的时长比一比，多数人会发现真实需要的比想象的长。，把这两个时间点都记下来，你的估法会越来越准。

如果手上还没有任何记录，也不必等，从这一轮起把动作的时间和读数的时间都记下来，三轮之后你就有了一条自己的反馈速度线，比参考任何外部说法都准。，先有记录，才谈得上估算，这个顺序不能反。

全篇反复用到的判断次序是先问读完没有，完没有，再问该不该动。顺序不要颠倒，先问该不该动会把你带回凭感觉的老路，先问读完没有，你的动作就自然落在数据之后。，顺着这个顺序往下走，动作自然会落在数据之后。

容易混起来的还有一处，间隔指的是两次动手之间的距离，不是指你多久看一次数。看数可以天天看、随时看，动手才需要按间隔来，这两件事分开了，你的日常节奏会轻松很多。，两件事分开之后，日常的节奏感会看得清楚很多。

如果你的店铺有很多款在跑，建议先按款把间隔分开看，不要用一个大间隔去管所有款。流量大的款反馈快，可以走得勤一些；流量小的款反馈慢，硬按同一个间隔走只会读出一堆半截结论。

要留意的是，间隔不是定一次就永远有效的东西。它跟着你的款、你的市场和平台的数据节奏一起变，所以每隔一段回头重新量一次是正常动作，量出来的数字和上次不一样也不用惊讶。

相邻的问法还留下一串，比如一轮里放几件事更合适、做完之后结论怎么接到下一轮，以及该从哪个数开始算这一轮，这些都是各自独立的问题，需要在各自的篇幅里回答，放在同一段里只会互相冲淡。

本篇举到的例子只为说明判断方式，方式，不构成任何建议值，你的店和例子里的店不一样，照着一个数字搬过去，很可能是把自己带进一次读不清的循环，稳的做法是从自己的记录里长出来。

最后收一下：两次优化之间的间隔该由数据反馈的速度倒推，太密会把结论搅乱，太疏会把机会放走，大促期间这一档要往长里挪。把这几件事做对，你这个节奏就稳了，后面怎么动都读得清楚。

常见问题（FAQ）