把选品直觉变成可复核的数据系统
主要观点
小红书虚拟资料选品，不能只看累计销量。文章用“爆品值”和“商品价值”把近期动销、链接新旧、客单价放到同一套筛选框架里，再通过“红薯雷达”持续记录价格、累计已售和销量变化。工具能帮助发现正在加速的商品、减少重复观察，却不能代替对用户需求、产品质量、竞争和交付能力的判断。真正有效的做法，是先监控少量看得懂的商品，再用商品页、店铺、笔记和评论区验证数据。
关键要点
- “爆品值”越小，通常意味着今日销量相对于累计销量更高，链接可能较新；但它无法单独反映收入空间，因此需要结合客单价和绝对销量。
- “商品价值”同时奖励今日销量、近期销量占比和价格，适合回答“先研究哪个”，不适合直接回答“最终能赚多少”。
- 四象限分类揭示了不同跟进策略：近期强且价值高的商品优先核查；近期强但价值低的商品适合观察升级空间；成熟高价值商品更适合拆解模型；两项都弱的商品优先级最低。
- 经验与公式不是二选一。公式负责提高筛选的重复性，经验仍要判断用户是否真实需要、产品能否做得更好，以及机会在执行完成后是否仍然存在。
- 工具设计强调数据口径：处理跨日、零点基线、缺失快照、累计值回退、重复快照和模糊销售额，避免把不完整数据伪装成精确结果。
- 文章给出的实践路径是先选10到20个自己看得懂且有能力交付的商品，连续监控一周，再回到商品页、店铺、笔记和评论区交叉核对。
建议带着这些问题阅读
- 爆品值和商品价值排序后，哪些商品还需要通过用户需求、评价时效和竞争情况淘汰？
- 连续监控一周后，怎样定义“明显加速”，才能避免把偶发销量当成趋势？
- 自己的生产与交付能力，如何成为选品筛选中的可量化证据？