Install
openclaw skills install @nic-yuan/local-community-group-buying-product-selection01 Product Selection
社区团购选品策略全链路技能包。涵盖选品战略、品类分级、各平台选品逻辑对比、定价方法论、选品 SOP 及配套工具。不含供应链执行（见模块四）、仓储物流（见模块五）。
模块一：选品策略
模块边界说明（重要） 本模块聚焦"卖什么"和"怎么定价格"，即选品决策与定价。 供应链开发与管理 → 模块四（供应链与采购） 仓储与物流配送 → 模块五（仓储与物流） 两者独立完整，边界不重叠。
知识库
1.1 社区团购选品核心原则
社区团购的选品不是"卖什么都可以"，而是围绕一个三角：
用户需求
△
/ \
/ \
/ \
供应链优势 ────────── 平台毛利
三者缺一不可：
- 只有用户需求：卖得动但没利润
- 只有供应链优势：有价格但卖不掉
- 只有毛利：两端都不成立，生意不成立
1.2 品类分级体系
社区团购商品分为五个等级，每个等级运营策略不同：
P0：引流款（流量担当）
| 特征 | 说明 |
|---|---|
| 价格 | 低于市场价的 30-50% |
| 需求 | 极高，刚需，高频 |
| 毛利 | 0% 甚至负毛利（贴钱卖） |
| 目的 | 引流、拉新、养成购买习惯 |
| 代表品 | 鸡蛋（每斤低于超市1-2元）、大白菜、土豆 |
| 使用频率 | 每期团购必有，但位置轮换 |
P1：爆款（GMV担当）
| 特征 | 说明 |
|---|---|
| 价格 | 低于市场价 15-25% |
| 需求 | 高，非刚需但转化率高 |
| 毛利 | 15-25% |
| 目的 | 稳定 GMV，提升客单价 |
| 代表品 | 时令水果（榴莲/车厘子/芒果）、应季蔬菜、活鲜 |
| 使用频率 | 每周稳定上，但量有限制 |
P2：利润款（利润担当）
| 特征 | 说明 |
|---|---|
| 价格 | 接近市场价或略低 |
| 需求 | 中等，有特定目标人群 |
| 毛利 | 25-40% |
| 目的 | 平衡整体毛利 |
| 代表品 | 进口食品、有机蔬菜、地方特产、冷冻水产 |
| 使用频率 | 持续上架，作为毛利补充 |
P3：长尾款（品类补充）
| 特征 | 说明 |
|---|---|
| 价格 | 市场价或略高 |
| 需求 | 低，但满足小众人群 |
| 毛利 | 20-35% |
| 目的 | 完善品类宽度，提升客单价 |
| 代表品 | 有机食品、进口调味料、特殊膳食食品 |
| 使用频率 | 定期上，不追求量 |
P4：战略款（护城河）
| 特征 | 说明 |
|---|---|
| 价格 | 自定义 |
| 需求 | 平台独有或独家合作 |
| 毛利 | 不限 |
| 目的 | 建立竞争壁垒 |
| 代表品 | 平台自营品牌、独家联名、产地直采 |
| 使用频率 | 长期固定 |
1.3 各平台选品逻辑对比
美团优选
选品策略：爆品引流 + 标品扩充
核心逻辑：
1. 以生鲜（蔬果/肉禽/水产）为骨架
2. 标品（日用品/食品）补毛利
3. 每期主打 2-3 个爆品，引流 60%+ 流量
爆品规律：
- 时令水果（樱桃/荔枝/葡萄）= GMV 担当
- 节假日（春节/端午/中秋）= 礼盒装冲量
- 夏季（冰淇淋/冷饮）= 高频冲复购
自营占比：约 30%（据美团 2022 年财报及行业估算）
→ 自营品类：米面粮油/调味品/日用品，管控质量稳定性
→ 生鲜以外部供应商为主（降低损耗风险）
→ 2023 年优选 GMV 约 300 亿（收缩期）
多多买菜
选品策略：低价拼团 + 农产品上行
核心逻辑：
1. 农产品为绝对主力（蔬菜/水果/肉类）占 GMV 65%+
2. 强调"便宜"，用规模换利润
3. 拼团机制：2-3 人成团，降低决策门槛
爆品规律：
- 低价引流转：1 分钱秒杀（限量，每日 10:00 场次）
- 整箱/整袋销售：最小 2 斤起，降低物流难度
- 白牌为主：非品牌，只看价格不看品质
自营占比：约 20%（拼多多白牌基因，不强调品牌溢价）
→ 2023 年 GMV 约 1800 亿元（行业第一）
→ 2023 年营收约 320 亿元（GMV→营收转化率 18%）
→ 活跃 SKU 约 900 个（精而不滥，低于行业均值 1200）
淘菜菜
选品策略：阿里生态联动 + 品质升级
核心逻辑：
1. 打"品质"牌，区别于多多买菜的低价低质
2. 接入天猫/盒马供应链，提升商品力
3. 主打"新鲜"，时效和品质优先
爆品规律：
- 盒马同款：品质背书，价格低于盒马 20-30%
- 88VIP 会员专享：会员专属价，提升会员价值
- 直播联动：淘宝直播带团购
自营占比：约 40%（阿里有盒马+大润发供应链，选品质量更高）
→ 2023 年 GMV 约 200 亿（收缩中，已合并入淘宝特价版）
兴盛优选
选品策略：区域深耕 + 本地化供应链
核心逻辑：
1. 主攻湖南/湖北/广东核心省份，不追求全国覆盖
2. 供应商以本地小型工厂/合作社为主，物流成本低
3. 本地特色农产品：湖南辣椒系/湖北热干面/广东腊味
爆品规律：
- 地方特产：当地人强复购，竞品无法复制
- 节日特供：端午节粽子、中秋节月饼（节令性强）
- 农贸市场联动：源头直采，价格优势明显
自营占比：约 65%（自建仓储配送，毛利结构最优）
→ 湖南市场份额一度达 45%（美团 25%/多多 20%）
→ 用户月均购买频次 9-12 次（业内最高）
→ 2023 年后战略收缩，聚焦已有优势区域
1.4 选品禁入清单
以下品类不适合社区团购，不能做：
禁入品类：
1. 活鲜（螃蟹/龙虾/贝类）
→ 损耗极高，配送难度大，死亡责任难界定
2. 进口冷链（冰淇淋/刺身/牛油果）
→ 冷链要求高，损耗超 15%
3. 大件商品（整箱矿泉水/大袋米面）
→ 配送成本高，团长搬运困难
4. 高客单价（奢侈品/电子产品）
→ 用户决策周期长，不适合团购场景
5. 有效期<7天的短保食品
→ 物流周转 1-2 天，留给销售窗口太短
6. 非标品（散装食品/称重食品）
→ 质量难以标准化，投诉率高
7. 法律法规限制品类（烟酒/药品）
→ 合规风险极高
方法论
1.5 选品决策流程（标准 SOP）
选品决策七步法：
Step 1：需求验证
→ 这个品用户真的需要吗？（调研数据/历史销售数据）
→ 需求频率：高频（月购）？中频（季购）？低频（年购）？
Step 2：供应链可行性评估
→ 能不能稳定供货？（供应商产能/物流时效）
→ 最低起订量是多少？（MOQ 影响毛利）
Step 3：毛利测算
→ 用定价公式计算：毛利率是否 > 20%？
→ 如果 < 20%，是否有其他品类补贴？
Step 4：竞品分析
→ 各大平台这个品卖什么价格？
→ 我们的价格有没有竞争力？
Step 5：风险评估
→ 这个品有没有质量/安全风险？
→ 损耗率预估是多少？
Step 6：试销验证
→ 先小批量上架（50-100件）
→ 观察 3-7 天的销售数据和投诉率
→ 数据达标再进入正式选品池
Step 7：正式上架
→ 录入商品信息
→ 制定促销计划
→ 安排供应商备货
1.6 供应商与商品黑名单管理（选品风控）
供应商与商品黑名单是选品安全的重要防线，属于选品风控，不属于供应商开发（供应商开发详见模块四）：
触发黑名单的条件（任一即入）：
供应商层面：
├── 资质造假：营业执照/许可证伪造
├── 质量事故：同一商品 3 次抽检不合格
├── 欺诈行为：缺斤少两、以次充好、货不对板
├── 商业行贿：向运营人员行贿
└── 卷款跑路：收取预付款后失联
商品层面：
├── 食品安全：商品检出禁用添加剂/农药残留超标
├── 法律合规：销售国家明令禁止的食品
├── 虚假宣传：标注与实际不符（如有机认证造假）
└── 侵权行为：销售假冒注册商标商品
黑名单处理流程：
Step 1：证据留存（3天内完成）
→ 截图/检测报告/实物照片
→ 供应商签字确认（如联系得上）
Step 2：立即下架
→ 平台所有在售商品全部下架
→ 通知已购买用户（必要时启动退款）
Step 3：全平台公示
→ 内部通报，禁止再次合作
→ 情节严重者上报行业协会
Step 4：法律追责（如涉及欺诈）
→ 报案或发起民事诉讼
→ 金额 > 3000 元即构成诈骗罪（刑法266条）
永久黑名单标准（不可解除）：
├── 食品安全事故主责（造成人身伤害）
├── 违法犯罪行为（假证/行贿/侵权）
└── 卷款跑路
1.7 定价策略方法论
社区团购定价公式：
成本价
售价 = ────────────────
(1 - 平台抽佣率 - 团长佣金率 - 物流费率 - 损耗率 - 运营费率)
目标毛利率 = 1 - 各项成本占比之和 ≥ 20%
---
参数说明：
成本价：供应商报价
平台抽佣率：平台收取的佣金（通常 10-18%）
团长佣金率：给团长的佣金（通常 10-15%）
物流费率：配送成本占售价比例（通常 5-10%）
损耗率：预估损耗占售价比例（通常 2-8%）
运营费率：营销/人力/技术等（通常 3-5%）
---
数值算例（以鸡蛋为例）：
假设条件：
成本价：¥12.0/斤（供应商报价）
市场价：¥18.0/斤（超市同款）
平台抽佣率：12%
团长佣金率：10%
物流费率：7%
损耗率：6%（禽蛋类）
运营费率：3%
代入公式：
合理售价 = ¥12.0 / (1 - 0.12 - 0.10 - 0.07 - 0.06 - 0.03)
= ¥12.0 / 0.62
= ¥19.35
毛利率验算：
毛利率 = (¥19.35 - ¥12.0) / ¥19.35 = 38.0% ✅
若定价 ¥18.0（竞争定价，跟市场价持平）：
毛利率 = (¥18.0 - ¥12.0) / ¥18.0 = 33.3% ✅
但各项费率之和 = 0.12+0.10+0.07+0.06+0.03 = 0.38
成本覆盖 = ¥12.0 + ¥18.0×0.38 = ¥12.0 + ¥6.84 = ¥18.84
¥18.0 < ¥18.84 → 亏损！竞争定价需要供应商额外补贴
若定价 ¥15.0（激进引流）：
各项费率 = ¥15.0 × 0.38 = ¥5.70
成本覆盖 = ¥12.0 + ¥5.70 = ¥17.70
¥15.0 < ¥17.70 → 每斤亏损 ¥2.70（平台需补贴）
行业定价参考区间（2023年数据）：
┌────────────────────────────────────────────────────────────────────────────┐
│ 品类 成本价 市场价 合理售价区间 毛利率参考 损耗率参考 │
│ ───────────────────────────────────────────────────────────────── │
│ 鸡蛋 ¥5-12/斤 ¥8-18/斤 成本价×1.5-2.0 30-45% 5-8% │
│ 大白菜 ¥0.5/斤 ¥2-3/斤 ¥1.5-2.5 25-40% 8-15% │
│ 猪五花肉 ¥15-20/斤 ¥25-35/斤 成本价×1.6-2.0 28-38% 3-6% │
│ 苹果 ¥3-6/斤 ¥6-12/斤 成本价×1.8-2.2 30-45% 6-10% │
│ 进口车厘子 ¥25-35/斤 ¥60-90/斤 成本价×2.0-2.5 40-55% 10-18% │
└────────────────────────────────────────────────────────────────────────────┘
---
实际定价策略（三种）：
策略 A：竞争定价（引流品）
→ 跟竞品比，我更便宜
→ 定价 = 市场价 × (70-85%)
→ 适用：鸡蛋、蔬菜、大米等刚需品
→ 注意：必须有供应商补贴才能执行，否则亏损
策略 B：价值定价（利润品）
→ 我的品质更好/更独家，值得更贵
→ 定价 = 市场价 × (95-110%)
→ 适用：有机食品、进口商品、地方特产
策略 C：撇脂定价（新品/稀缺品）
→ 趁着稀缺赶紧赚
→ 定价 = 成本价 × 2.5-3.0
→ 适用：首发新品、限量款、节假日礼盒
工具集
工具归属说明 供应商评分卡（Tool 2 原位置）→ 划归模块四（供应链与采购） 本模块仅保留直接服务选品决策的工具
Tool 1: SKU 利润测算器
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
SKU利润测算工具
输入：供应商报价 + 各环节费率
输出：毛利率 + 建议售价 + 盈亏平衡分析
"""
def calculate_sku_profit(
cost_price: float,
platform_commission: float = 0.12, # 平台抽佣率
leader_commission: float = 0.12, # 团长佣金率
logistics_rate: float = 0.08, # 物流费率
loss_rate: float = 0.05, # 损耗率
operation_rate: float = 0.03, # 运营费率
target_gross_margin: float = 0.20 # 目标毛利率
):
"""
计算SKU利润
Args:
cost_price: 供应商成本价（元）
platform_commission: 平台抽佣率（默认12%）
leader_commission: 团长佣金率（默认12%）
logistics_rate: 物流费率（默认8%）
loss_rate: 损耗率（默认5%）
operation_rate: 运营费率（默认3%）
target_gross_margin: 目标毛利率（默认20%）
Returns:
dict: 包含售价、毛利率、各环节成本等
"""
total_cost_rate = (
platform_commission
+ leader_commission
+ logistics_rate
+ loss_rate
+ operation_rate
)
min_selling_price = cost_price / (1 - total_cost_rate - target_gross_margin)
recommended_price_a = min_selling_price # 目标毛利定价
recommended_price_b = cost_price / (1 - total_cost_rate) # 盈亏平衡定价
gross_margin_a = (recommended_price_a - cost_price) / recommended_price_a
gross_margin_b = (recommended_price_b - cost_price) / recommended_price_b
cost_breakdown = {
"平台佣金": recommended_price_a * platform_commission,
"团长佣金": recommended_price_a * leader_commission,
"物流成本": recommended_price_a * logistics_rate,
"损耗成本": recommended_price_a * loss_rate,
"运营成本": recommended_price_a * operation_rate,
"商品成本": cost_price,
}
return {
"成本价": round(cost_price, 2),
"最低售价（盈亏平衡）": round(recommended_price_b, 2),
"建议售价（目标毛利20%）": round(recommended_price_a, 2),
"盈亏平衡毛利率": round(gross_margin_b * 100, 1),
"建议毛利率": round(gross_margin_a * 100, 1),
"成本拆解（元）": {k: round(v, 2) for k, v in cost_breakdown.items()},
"定价是否可行": gross_margin_a >= target_gross_margin,
}
def compare_platform_pricing(
cost_price: float,
platform: str,
market_price: float = None
):
"""
各平台定价对比
Args:
cost_price: 成本价
platform: 平台名称
market_price: 市场价（可选）
Returns:
dict: 各平台定价建议
"""
platform_configs = {
"美团优选": {
"platform_commission": 0.12,
"leader_commission": 0.12,
"logistics_rate": 0.08,
"loss_rate": 0.06,
"operation_rate": 0.03,
},
"多多买菜": {
"platform_commission": 0.10,
"leader_commission": 0.10,
"logistics_rate": 0.07,
"loss_rate": 0.05,
"operation_rate": 0.02,
},
"淘菜菜": {
"platform_commission": 0.15,
"leader_commission": 0.12,
"logistics_rate": 0.09,
"loss_rate": 0.04,
"operation_rate": 0.04,
},
"兴盛优选": {
"platform_commission": 0.14,
"leader_commission": 0.12,
"logistics_rate": 0.06,
"loss_rate": 0.05,
"operation_rate": 0.03,
},
}
if platform not in platform_configs:
return {"error": f"未知平台: {platform}"}
cfg = platform_configs[platform]
result = calculate_sku_profit(
cost_price=cost_price,
**cfg
)
if market_price:
result["市场竞争价"] = market_price
result["相对市场价"] = f"+{(result['建议售价（目标毛利20%）']/market_price - 1)*100:.1f}%"
result["价格竞争力"] = "强" if result['建议售价（目标毛利20%）'] < market_price * 0.9 else "中" if result['建议售价（目标毛利20%）'] < market_price else "弱"
return result
def run():
"""
交互式运行
"""
print("=" * 50)
print("SKU利润测算工具")
print("=" * 50)
try:
cost = float(input("请输入成本价（元）："))
except ValueError:
print("成本价输入错误")
return
print("\n选择平台：1-美团优选 2-多多买菜 3-淘菜菜 4-兴盛优选")
platform_map = {"1": "美团优选", "2": "多多买菜", "3": "淘菜菜", "4": "兴盛优选"}
p_choice = input("请输入选项（默认美团优选）：").strip() or "1"
platform = platform_map.get(p_choice, "美团优选")
result = compare_platform_pricing(cost, platform)
print(f"\n【{platform}】定价分析：")
print(f" 成本价：{result['成本价']} 元")
print(f" 盈亏平衡售价：{result['最低售价（盈亏平衡）']} 元（毛利率 {result['盈亏平衡毛利率']}%）")
print(f" 建议售价（20%毛利）：{result['建议售价（目标毛利20%）']} 元（毛利率 {result['建议毛利率']}%）")
if "市场竞争价" in result:
print(f" 市场价：{result['市场竞争价']} 元")
print(f" 相对市场价：{result['相对市场价']}")
print(f" 价格竞争力：{result['价格竞争力']}")
print("\n成本拆解（元）：")
for k, v in result["成本拆解（元）"].items():
print(f" {k}：{v}")
print(f"\n定价是否可行：{'✅ 是' if result['定价是否可行'] else '❌ 否（毛利低于20%）'}")
if __name__ == "__main__":
run()
Tool 2: 选品竞品对比器
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
选品竞品对比工具
输入：自己想上的品 + 各平台当前售价
输出：竞争力分析 + 建议定价
"""
def compare_product_competitiveness(
product_name: str,
cost_price: float,
my_platform: str,
competitor_prices: dict,
market_price: float = None,
target_margin: float = 0.20
):
"""
竞品对比分析
Args:
product_name: 商品名称
cost_price: 成本价
my_platform: 己方平台
competitor_prices: 竞品价格 dict，如 {"美团优选": 12.9, "多多买菜": 11.9}
market_price: 超市/菜市场市场价（可选）
target_margin: 目标毛利率
Returns:
dict: 竞争力分析报告
"""
import statistics
all_prices = list(competitor_prices.values())
if market_price:
all_prices.append(market_price)
avg_price = statistics.mean(all_prices)
min_price = min(all_prices)
max_price = max(all_prices)
# 计算己方各平台定价
platform_configs = {
"美团优选": {"platform": 0.12, "leader": 0.12, "logistics": 0.08, "loss": 0.06, "op": 0.03},
"多多买菜": {"platform": 0.10, "leader": 0.10, "logistics": 0.07, "loss": 0.05, "op": 0.02},
"淘菜菜": {"platform": 0.15, "leader": 0.12, "logistics": 0.09, "loss": 0.04, "op": 0.04},
"兴盛优选": {"platform": 0.14, "leader": 0.12, "logistics": 0.06, "loss": 0.05, "op": 0.03},
}
cfg = platform_configs.get(my_platform, platform_configs["美团优选"])
total_cost_rate = sum(cfg.values())
suggested_price = cost_price / (1 - total_cost_rate - target_margin)
breakeven_price = cost_price / (1 - total_cost_rate)
# 竞争力判断
price_vs_avg = (suggested_price / avg_price - 1) * 100
price_vs_min = (suggested_price / min_price - 1) * 100
if price_vs_avg < -10:
competitiveness = "🟢 极强（显著低于平均）"
recommendation = "低价引流款，可快速起量"
elif price_vs_avg < 0:
competitiveness = "🟢 较强（低于平均）"
recommendation = "有竞争力的定价，可以上"
elif price_vs_avg < 10:
competitiveness = "🟡 中等（接近平均）"
recommendation = "需要差异化支撑（品质/服务），否则难销"
elif price_vs_avg < 20:
competitiveness = "🟠 较弱（高于平均）"
recommendation = "不适合做爆品，建议做长尾/利润款"
else:
competitiveness = "🔴 极弱（显著高于平均）"
recommendation = "定价过高，除非独家/品质极强，否则不建议上"
return {
"商品名称": product_name,
"成本价": cost_price,
"己方平台": my_platform,
"统计基准": {
"竞品数量": len(competitor_prices),
"最低价": min_price,
"最高价": max_price,
"平均价": round(avg_price, 2),
"市场价（超市）": market_price,
},
"己方定价": {
"建议售价（毛利20%）": round(suggested_price, 2),
"盈亏平衡售价": round(breakeven_price, 2),
"目标毛利率": f"{target_margin*100:.0f}%",
},
"竞争力分析": {
"相对平均价": f"{'+' if price_vs_avg > 0 else ''}{price_vs_avg:.1f}%",
"相对最低价": f"{'+' if price_vs_min > 0 else ''}{price_vs_min:.1f}%",
"竞争力评估": competitiveness,
"建议策略": recommendation,
},
"竞品明细": competitor_prices,
}
def run():
print("=" * 60)
print("选品竞品对比工具")
print("=" * 60)
product = input("商品名称：").strip()
try:
cost = float(input("成本价（元）："))
except ValueError:
print("成本价输入错误")
return
print("\n竞品价格输入（输入完成后直接回车）：")
competitors = {}
while True:
p = input(" 平台名称（直接回车结束）：").strip()
if not p:
break
try:
price = float(input(f" {p} 售价（元）："))
competitors[p] = price
except ValueError:
print(" 价格输入错误")
platform_map = {"1": "美团优选", "2": "多多买菜", "3": "淘菜菜", "4": "兴盛优选"}
my_p = input("\n己方平台（1-美团 2-多多 3-淘菜 4-兴盛，默认1）：").strip() or "1"
my_platform = platform_map.get(my_p, "美团优选")
market_input = input("市场价（超市价，可直接回车跳过）：").strip()
market_price = float(market_input) if market_input else None
result = compare_product_competitiveness(
product, cost, my_platform, competitors, market_price
)
print(f"\n{'='*60}")
print(f"【{result['商品名称']}】竞品对比报告")
print(f"{'='*60}")
print(f"\n统计基准：")
print(f" 竞品数量：{result['统计基准']['竞品数量']}")
print(f" 最低价：{result['统计基准']['最低价']} 元")
print(f" 最高价：{result['统计基准']['最高价']} 元")
print(f" 平均价：{result['统计基准']['平均价']} 元")
if result['统计基准']['市场价（超市）']:
print(f" 超市价：{result['统计基准']['市场价（超市）']} 元")
print(f"\n己方定价（{result['己方平台']}）：")
print(f" 建议售价（毛利20%）：{result['己方定价']['建议售价（毛利20%）']} 元")
print(f" 盈亏平衡售价：{result['己方定价']['盈亏平衡售价']} 元")
print(f"\n竞争力分析：")
print(f" 相对平均价：{result['竞争力分析']['相对平均价']}")
print(f" 相对最低价：{result['竞争力分析']['相对最低价']}")
print(f" 竞争力：{result['竞争力分析']['竞争力评估']}")
print(f" 建议策略：{result['竞争力分析']['建议策略']}")
print(f"\n竞品明细：")
for p, price in result['竞品明细'].items():
print(f" {p}：{price} 元")
if __name__ == "__main__":
run()
Tool 3: 品类适配度评估器
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
品类适配度评估器
输入：品类特征数据
输出：适配度评分 + 品类定级(P0-P4) + 上架建议
"""
def assess_category_fit(
category: str,
is_staple: bool, # 是否刚需品
purchase_frequency: str, # 高频/中频/低频
avg_order_value: float, # 该品类平均客单价
loss_rate: float, # 预估损耗率(0-1)
is_standardized: bool, # 是否标准化商品
shelf_life_days: int, # 保质期天数
has_supply_advantage: bool, # 是否有供应链优势
competitor_density: str, # 竞品密度：高/中/低
weights: dict = None, # 可选：自定义权重，如 {"刚需性": 25, "频次": 20, ...}
):
"""
评估品类是否适合社区团购
Args:
category: 品类名称
is_staple: 是否为刚需品（米面粮油/蔬菜/鸡蛋等）
purchase_frequency: 高频/中频/低频
avg_order_value: 该品类平均客单价（元）
loss_rate: 预估损耗率（0.05 = 5%）
is_standardized: 商品是否标准化（规格统一/易验货）
shelf_life_days: 保质期天数
has_supply_advantage: 是否有供应链优势（源头直采/独家等）
competitor_density: 竞品密度（高=多家平台在卖/中/低=少有人卖）
weights: 可选，自定义各维度权重（默认值如下）
刚需性=25, 频次=20, 标准化=15, 损耗率=15, 供应链优势=15, 竞品密度=10
Returns:
dict: 适配度评分 + 定级建议
"""
# 默认权重（总分100）
w = weights or {
"刚需性": 25,
"频次": 20,
"标准化": 15,
"损耗率": 15,
"供应链优势": 15,
"竞品密度": 10,
}
score = 0
reasons = []
# 刚需性（权重内自定义，这里用0/满分二值）
if is_staple:
score += w["刚需性"]
reasons.append("✅ 刚需品，用户需求稳定")
else:
score += int(w["刚需性"] * 0.3)
reasons.append("⚠️ 非刚需品，用户购买决策成本高")
# 购买频次（最高20分）
freq_map = {"高频": 20, "中频": 12, "低频": 5}
freq_score = freq_map.get(purchase_frequency, 8)
score += freq_score
reasons.append(f"{purchase_frequency}购买（+{freq_score}分）")
# 标准化程度（最高15分）
if is_standardized:
score += 15
reasons.append("✅ 标准化商品，质量易管控，投诉率低")
else:
score += 3
reasons.append("❌ 非标品，质量难标准化，投诉风险高")
# 损耗率（最高15分，越低越好）
if loss_rate < 0.03:
score += 15
reasons.append(f"✅ 损耗率低（{loss_rate*100:.0f}%），成本可控")
elif loss_rate < 0.08:
score += 10
reasons.append(f"🟡 损耗率中等（{loss_rate*100:.0f}%），需重点管控")
elif loss_rate < 0.15:
score += 3
reasons.append(f"⚠️ 损耗率高（{loss_rate*100:.0f}%），建议试销")
else:
score += 0
reasons.append(f"❌ 损耗率极高（{loss_rate*100:.0f}%），不适合上")
# 供应链优势（最高15分）
if has_supply_advantage:
score += 15
reasons.append("✅ 有供应链优势（源头直采/独家），成本可压低")
else:
score += 5
reasons.append("⚠️ 无明显供应链优势，成本竞争力弱")
# 竞品密度（最高10分，低密度=蓝海）
if competitor_density == "低":
score += 10
reasons.append("✅ 竞品密度低，差异化空间大")
elif competitor_density == "中":
score += 6
reasons.append("🟡 竞品密度中等，需差异化竞争")
else:
score += 2
reasons.append("❌ 竞品密度高，价格战激烈，利润薄")
# 定级建议
if score >= 80:
grade = "P1（爆款）"
suggestion = "✅ 强烈建议上架，可作为主推爆品"
elif score >= 65:
grade = "P2（利润款）"
suggestion = "✅ 可以上架，作为毛利补充品类"
elif score >= 50:
grade = "P3（长尾款）"
suggestion = "🟡 谨慎上架，需控制库存量"
elif score >= 35:
grade = "P4（观察款）"
suggestion = "⚠️ 建议试销（50-100件），数据达标再正式上架"
else:
grade = "禁入"
suggestion = "❌ 不建议上架，风险大于收益"
return {
"品类": category,
"适配度评分": f"{score}/100",
"定级建议": grade,
"上架建议": suggestion,
"加分项": [r for r in reasons if "✅" in r],
"扣分项": [r for r in reasons if "❌" in r],
"中性项": [r for r in reasons if "🟡" in r],
}
def run():
print("=" * 55)
print("品类适配度评估器")
print("=" * 55)
category = input("品类名称：").strip() or "土豆"
is_staple = input("是否刚需品（y/N，如大米/鸡蛋）：").strip().lower() == 'y'
freq = input("购买频次（高/中/低）：").strip() or "高频"
try:
aov = float(input("平均客单价（元）：").strip() or "15")
except ValueError:
aov = 15.0
try:
loss = float(input("预估损耗率（0.05=5%）：").strip() or "0.03")
except ValueError:
loss = 0.03
is_std = input("是否标准化商品（y/N）：").strip().lower() == 'y'
try:
shelf = int(input("保质期（天）：").strip() or "30")
except ValueError:
shelf = 30
has_adv = input("是否有供应链优势（y/N）：").strip().lower() == 'y'
comp = input("竞品密度（高/中/低）：").strip() or "高"
result = assess_category_fit(
category, is_staple, freq, aov, loss, is_std, shelf, has_adv, comp
)
print(f"\n{'='*55}")
print(f"品类适配度评估：{result['品类']}")
print(f"{'='*55}")
print(f"\n适配度评分：{result['适配度评分']}")
print(f"定级建议：{result['定级建议']}")
print(f"上架建议：{result['上架建议']}")
if result['加分项']:
print(f"\n加分项：")
for r in result['加分项']:
print(f" {r}")
if result['中性项']:
print(f"\n中性项：")
for r in result['中性项']:
print(f" {r}")
if result['扣分项']:
print(f"\n扣分项：")
for r in result['扣分项']:
print(f" {r}")
if __name__ == "__main__":
run()
案例库
案例1：橙心优选败局复盘（选品失控）
背景：滴滴 2020 年 8 月上线橙心优选，2023 年 3 月关停，历时 31 个月
选品问题：
1. 无差异化：SKU 扩张至 3000+（行业均值 800-1200），单品采购量分散，供应链议价能力极弱
2. 低价依赖：平台补贴 30-50%，用户没有平台忠诚度（补贴停即流失）
3. 供应链失控：生鲜损耗率高达 18-22%（行业均值 6-8%），每单损耗成本 2.5-3.5 元
关键数据推导：
高峰期日均 GMV ≈ 1.5 亿元
每单平均客单价 ≈ 35 元
日均订单量 ≈ 428 万单
每单补贴额 ≈ 3-5 元（含物流/营销/损耗）
日均亏损 ≈ 1284-2140 万元
月均亏损 ≈ 3.9-6.4 亿元
31 个月累计亏损 ≈ 120-200 亿元
各品类亏损占比：
生鲜（蔬菜/水果/肉）：亏损 55%（损耗率 18-22% 是主因）
标品（饮料/零食）：亏损 20%（竞争平台价格战）
日用品：亏损 15%（物流成本高于毛利）
其他：亏损 10%
橙心 vs 多多买菜同期对比：
┌─────────────────────────────────────────────────┐
│ 指标 橙心优选 多多买菜 │
│ ───────────────────────────────────── │
│ 日均 GMV 1.5亿 5亿+ │
│ SKU 数量 3000+ 800-900 │
│ 单品采购量 分散 集中（议价力强） │
│ 生鲜损耗率 18-22% 6.5-8% │
│ 单均亏损 3-5元 <0.5元 │
│ 31个月累计亏损 120-200亿 约50亿（可控） │
└─────────────────────────────────────────────────┘
失败根源分析（选品视角）：
① SKU 无边界：什么都想卖 → 没有核心品类 → 无法形成供应链壁垒
② 生鲜占比过高且管理失控：生鲜占 GMV 40%，但损耗率 18%+ → 每卖 100 元亏 18 元
③ 标品价格战：可口可乐/农夫山泉等标品，多多买菜价更低，橙心无法竞争
核心教训：
→ 不是所有品类都适合社区团购，生鲜占比 > 50% 必须严控损耗
→ SKU 数量不是优势，爆品精准度 + 单品采购量才是竞争力
→ 损耗率 > 12% 的平台，财务模型必然崩溃（不可逆）
→ 选品边界 = 供应链边界 = 成本边界，三位一体
案例1b：有机菠菜损耗率超标降耗方案
背景：某平台新上架有机菠菜，上架第1个月损耗率 12%（标准 ≤ 8%）
问题诊断：
→ 损耗来源拆解：
- 在途损耗（干线运输）：3%（包装不当）
- 仓储损耗（冷库存储）：2%（温湿度控制问题）
- 到团损耗（团长提货）：4%（分拣不及时）
- 用户拒收损耗：3%（叶菜不易保存）
可执行降损耗方案：
方案A：分批采购（源头控制）
→ 原来：一次性采购5天库存
→ 改为：每日配送，降低单次采购量
→ 预期效果：降低 40% 存储损耗 → 损耗率从 12% 降至 9%
→ 成本变化：物流成本增加 10%，但损耗减少节省更多
方案B：包装优化（标准化处理）
→ 原来：散装泡沫箱，无孔
→ 改为：带孔透气包装盒，单层摆放
→ 预期效果：降低 30% 运输损耗 → 损耗率从 12% 降至 10%
→ 成本变化：包装成本增加 ¥0.3/份，可接受
方案C：物流链路优化（缩短周转时间）
→ 原来：中心仓→网格仓→团长（平均周转 36小时）
→ 改为：中心仓→团长直发（部分区域试点）
→ 预期效果：降低 35% 物流损耗 → 损耗率从 12% 降至 8.5%
→ 成本变化：物流成本增加 5%，但客诉率降低
方案D：设定改善期限（管理机制）
→ 第1周：每日监控损耗数据，找出主因
→ 第2-4周：优先执行成本最低的改善（包装优化）
→ 第2个月：评估效果，决定是否扩大试点
→ 第3个月：若损耗率降至 ≤ 8%，正式推广全链路
综合执行计划（4周改善周期）：
Week 1：诊断分析，确定主因，制定改善计划
Week 2：执行包装优化 + 分批采购试点
Week 3：评估效果，调整策略
Week 4：固化最优方案，推广至全链路
验收标准：
→ 损耗率 ≤ 8%：继续正常运营
→ 损耗率 8-10%：限流销售，控制库存
→ 损耗率 > 10%：暂停上架，待问题解决后再上
注意事项：
→ 降损耗不能牺牲品质（不能减少保鲜措施）
→ 团长培训同样重要（到团后2小时内必须完成分拣）
→ 损耗率数据必须每日追踪，及时发现异常
案例2：多多买菜成功选品策略
成功点：聚焦农产品，差异化竞争，财务模型健康
具体做法：
1. 以蔬菜/水果/肉类为主，占 GMV 65%+
2. 源头直采：云南蔬菜（通海/元谋）、山东大蒜（金乡）、四川丑柑（蒲江）
3. 整箱/整袋销售：最小销售单元 2-5 斤，降低物流难度
4. 爆品逻辑：每期只主推 1 个单品，全部流量集中打爆
5. SKU 严控：活跃 SKU 始终控制在 800-1000 个，不追求数量
关键数据（2023年）：
GMV：约 1800 亿元（行业第一，超第二名美团 3 倍）
营收：约 320 亿元（GMV→营收 转化率 18%）
净利润：接近盈亏平衡（2023年 впервые 实现微利）
生鲜品类毛利率：27-32%（业内最高）
综合损耗率：6.5-7.5%（行业最优，比橙心低 11-15pp）
活跃 SKU：约 900 个（精而不滥，周转率 12-15 次/月）
选品结构占比（多多买菜 SKU 构成）：
蔬菜/水果/肉禽（生鲜）：SKU 占比 45%，GMV 占比 65%，毛利 27-32%
乳品/低温食品：SKU 占比 15%，GMV 占比 15%，毛利 15-20%
标品（饮料/零食/日用）：SKU 占比 30%，GMV 占比 15%，毛利 18-22%
进口/有机/有机：SKU 占比 10%，GMV 占比 5%，毛利 35-45%
单品采购量优势（核心竞争壁垒）：
土豆：日采购 500 吨 → 采购成本比中小平台低 18%
大蒜：日采购 200 吨 → 采购成本比中小平台低 22%
鸡蛋：日采购 300 万枚 → 采购成本比中小平台低 15%
用户结构：
70 后+80 后用户占比 65%（价格敏感，追求实用性）
重点区域：山东/河南/四川/广东（农业大省+人口大省）
用户月均购买频次：5-7 次（高于行业均值 3-5 次）
可复用经验：
→ SKU 数量不是护城河，单品采购量才是（500 吨/天的土豆谁也打不过）
→ 爆品集中打法（1 期 1 爆品，所有流量打一个品） > 全面铺货
→ 源头直采是降本提质的关键，损耗率每降 1% = 年省数亿元
→ 选品边界决定了供应链边界，进而决定成本边界，三位一体
案例3：兴盛优选地方特产选品
成功点：地方化选品，建立区域护城河，用户粘性极高
具体做法：
1. 湖南区域：主打辣椒系（剁椒鱼头/辣椒酱）、腊肉系
2. 湖北区域：主打热干面/周黑鸭/武昌鱼
3. 广东区域：主打腊味/早茶点心/潮汕牛肉丸
4. 供应商本地化：区域小型工厂/合作社，本地人管本地事
差异化价值：
用户感受："这就是我家门口的东西，又便宜又方便"
竞品无法复制：美团/多多无法每个区域都本地化供应链
关键数据：
湖南市场份额：一度达 45%（碾压美团 25%/多多 20%）
区域毛利率：28-32%（高于行业平均 20%）
用户月均购买频次：9-12 次（业内最高，多多买菜为 5-7 次）
次月留存率：78%（行业最高，美团/多多约 55-65%）
自营占比：约 65%（最高，高毛利结构）
失败教训（2023年收缩）：
扩张过快：湖南以外省份供应链不成熟，损耗率飙升
核心结论：区域密度 > 全国覆盖，先做透再做大
案例4：某平台"进口水果"选品失败教训
背景：2022年某平台为提升客单价，引入进口水果品类
选品决策：
→ 选品经理认为进口车厘子/蓝莓/牛油果有消费升级需求
→ 定价：市场价 8-9 折，目标客群：高学历/高收入用户
→ 供应商：找到进口水果贸易商，有完整资质
初期数据（看起来很好）：
→ 上架第1周：日均订单 800 单，客单价 ¥85（高于均值 35元）
→ 用户反馈：进口水果品质好，复购意愿强
→ 毛利率：约 18%（扣除损耗前）
问题浮现（第2-3周）：
1. 冷链要求高：
→ 进口水果需要全程冷链 2-6℃
→ 到团后团长冷柜条件参差不齐（部分团长无冷柜）
→ 用户提货延迟或未及时冷藏：果品腐败投诉激增
2. 损耗率飙升：
→ 预期损耗：3-5%
→ 实际损耗：12-18%（到团后腐败为主因）
→ 每单亏损：损耗 ¥12/单 × 800单/天 = 每天亏损近万元
3. 客诉率暴涨：
→ 进口水果相关投诉：日均 35 起（占总投诉 40%）
→ 用户差评扩散：社交媒体出现"进口水果不新鲜"的帖子
最终处置（第4周）：
→ 全面下架进口水果
→ 供应商货款纠纷：部分货物已到港，违约损失约 ¥30 万
→ 直接损失：累计亏损 + 赔偿 + 违约 ≈ ¥180 万
核心教训：
→ 社区团购的冷链条件（团长端）无法支撑高标准进口水果
→ 损耗率测算必须包含"到团后"损耗，不能只算干线运输
→ 选品不能只看"毛利率"，要看"履约毛利率"（扣除全链路损耗）
→ 进口水果适合盒马/叮咚等有专业冷链的平台，不适合社区团购
附录：选品检查清单
新品上架前检查清单：
□ 1. 需求验证：有没有用户主动搜索/询问过这个品？
□ 2. 供应链确认：供应商是否已签署合同，货能不能准时到？
□ 3. 资质审核：食品经营许可证/检测报告是否齐全？
□ 4. 毛利测算：毛利率是否 ≥ 20%？（用 SKU 利润测算器验证）
□ 5. 竞品对比：我们的售价是否有竞争力？（用竞品对比器验证）
□ 6. 风险评估：有没有质量安全风险/合规风险？
□ 7. 损耗预估：生鲜损耗率是否在可控范围内？
□ 8. 试销计划：是否安排了 50-100 件试销？
□ 9. 退换货预案：如果出现滞销，供应商是否接受退换？
□ 10. 营销资源：这个品有没有营销费用支持？
以上全部 ✅ 才能正式上架
任何 ❌ 都需要先解决才能上架
- Downloads
- Security audit
- Pass
- Last updated
- 1mo ago
- Current version
- v1.0.0
- License
- MIT-0