未来出海电商不是强数字和算法化，也不是强运营驱动，是AI+人的合理调配，而不是人+AI；数据和算法前置压缩筛选信息，提升信息密度，让人能够更好地决策。最终构建优质供应链的品牌化+快速反馈的零售机制。
2.商品视角
如果流量是面子，那商品就是里子，内外兼修才是正道。中国制造业全品类，高品质，高效率，大规模，低成本的制造能力，为电商出海提供了海量的商品源泉，并且单论中国货的竞争力，是很难有对手的；但出海电商这条赛道上头部的竞争也积聚了大量的中国选手，供应链盘子的优势是大家共享的，好货的来源上也不是秘密，如何胜出需要一套自己的方法论。对一切互联网生意最终都是长在流量上的，如何利用这些流量，如何全链路地优化选品及分发，如何sourcing货品、供应商，如何做利益绑定都非常关键。
2.1选品节奏
零售的本质还是货，选品的把握和供应链的整合是根本。如何基于品类战略，借助消费者购物行为的大数据分析选择和上架恰当的商品，正逐步成为零售商的核心竞争力之一。选品本质是对用户需要什么东西，有很强的洞察力；洞察消费者需求、可以是货找人，也可以人找货，循环往复。近几年比较热的数据抓取技术是一个突破口，国内外购物平台的产品数据(销量、评分、价格等)，垂类代表站点、社区、时尚潮流、趋势类网站的趋势数据(各类元素趋势、搜索词排名、热搜等)等；当然非常重要并且大家都会关注的内部数据也是一个点，关键技术是如何做到站内外结合。前者往往以品类为切入口，每个品类选取Top商品作为池子，结合广告，进行测品，用货筛出一批买单的用户；而后者更多是从用户行为已发生的关联数据来选品，从已有的候选供应商中捞取(候选供应商还是可以通过数据抓取的手段获得)，偏向于人找货。
通过站内外的数据分析及建模，让算法帮你总结出流行的外观、主流的价格段、旺盛需求的品类等；洞察用户需求，优化供应链以提升整个链条的效率。其中的第一个境界是如何找到爆款需求，第二个境界是如何发现未来爆款且竞争小的需求，第三个境界是引领趋势，最后一个也是最重要的境界是如何指导企业的行动。
当你有了一批商品后，你需要为这批商品排座次，能否在越少流量测试中快速测出优质商品至关重要，最理想是没测试前就能抓出最优质的商品。这背后是一套直观的数据化思路，就是用数据度量商品的外观(图像颜值)、在友商的表现、站内品类竞争情况(价格竞争力)、用户需求情况等。当各个维度，商品都表现优秀的时候，就应该优先被送入测试阶段，当很多商品在不同维度各有千秋时，通过数据建模，利用算法实现更加精准化的度量非常关键。当然这里的度量同样需要考虑产品质量、评分、退换货、交易期的时效等偏履约数据。
现在很多公司在做的往往是爆款跟卖，真正趋势发现及快速布局能力没有特别强的。但是在强竞争下，谁能在需求爆发前捕捉到是非常有竞争力的，找上升趋势且竞争少的商品或品类而非爆款，因为爆款跟卖模式竞争壁垒太过于低下。通过大数据挖掘来辅助预测时尚趋势，并提升品类运营系统以更快响应客户需求。在具备了稳定的产品质量和独特的品牌风 格后，自己拥有更强的推出畅销款的能力，使得多数上架产品都得到良好、均衡的销售表现。原来商品运营选品主要依靠专家知识主观判断，在各个社交平台、对标品牌官网以及各类相关内容、社区网站寻找、收集数据。这种工作方式效率低下，压中爆款又低。因此，如何快速、准确地帮助运营同学缩小搜索范围是关键。晚点团队报道：“SheIn 爆款率在 50%、滞销率在 10% 左右。压中爆款后，通过后续加订单，单件成本就能大幅降低。”
核心的几个要点，第一是发现变化: 品类的边界在向外扩张，今天长尾，明天未必长尾；从更快的角度讲，大数据/人工智能并不是去用更多的数据说话、而是发现更新、变化波动明显超出通常模式的商品或者品类或者商品特征（比如颜色、价格变化等）；第二是噪音: 由于商品销售过程中存在众多噪音和同义，因此，要尽可能的对商品信息进行归一，这也是市场上众多通用选品软件的弊端，只是数据大，而聚类和归一做的不好。第三是警惕衰退: 尽可能早发现潜在爆品，还要找到爆品开始衰退的数据模式。在发现响应信号时，开始进行供应链的优化。
那如何评价选品的成功与否呢？那就与同样是运营选的商品进行比较，是否你的数据化手段可以有更高的爆款率、更好的评价、更好的回访留存。真正商品驱动的模式，可能第一单确实会亏钱，但是价值在那，长期留存就会上去，用户就会平台有更深的认可与信任。
2.2商品的生命周期与新品测试节奏
选品其实是一个不断试错和试对的过程。选品的好坏和运营的成功与否，只是一个概率问题。如果选品思路正确，成功的概率就大一点，选品思路错误，失败的几率就大一点。如何提高呢？对商品进行绩效考核，末尾淘汰。而且每个商品都有生命周期与高价值区，如何挖掘高价值区，如何进行商品补位，其实非常重要，这中间需要多做挖掘与分析。
选品是第一步，后续是测试-->大规模生产或备货-->持续给量等环节，没有一家企业能够在选品环节就做到爆款率100%，比如服装领域Shein的爆款率在50%(晚点报道)，已经领先很多公司了，但是还是有一半的商品没有打爆，这时候快速地识别出非爆款，从流量池中剔除或降权异常关键，因为节省下来的流量就是钱。高效率测试商品就是快速做商品新老迭代，在商品的生命周期内拿到最高的ROI。其中跑出M个能出N单的商品(头部商品)的流量花费就是测品阶段最关键的指标。
2.3备货
测品打造爆款过程中，一定会遇到的问题就是如何让非爆款尽量少备货、爆款多备货，让用户下单之后能够快速完成履约；因为履约效率也是一个非常影响体验的点，通过测试可以发现履约时效越快，用户的拒收、退货、评分、复购等都会正向，这也代表了更好的用户体验。当然如何最小化库存，提升周转率也是一个大问题，其中的财务模型里面需要考虑到库存带来的仓储费用、滞销风险等因素，也需要考虑国内仓、海外仓备货带来的用户履约时效、用户体验的提升。通过技术手段让备货效率更高，更准、更早，从一次备货几十件到一次精确到个位数的备货。这中间需要考核的是在维持一定高周转率的情况下，原价售出商品的比例。
库存不足时，补货和采购所浪费的时间会对用户体验和平台收益带来负向影响；但是如果库存过多，又会使营业风险和资金需求增加。因此如何精准地预测库存非常必要，但想要准确预测库存并不是一件容易的事情。这时人工智能和深度学习算法可以在订单周转预测中派上用场了，它们可以识别订单周转的关键因素，通过模型计算出这些因素对周转和库存的影响。此外，学习系统的优势在于它可以随着时间的推移不断学习而变得更加智能，这就使库存的预测变得更加准确。
大部分情况下消费者需求长尾、分散，这时候订单碎片化，给供应链端也就带来了更大的压力；新品的生命周期急剧缩短，导致预测、库存控制和生产弹性都面临巨大挑战，这时候的需求预测及敏捷响应就非常重要，也是平台完成高效差异化的一个点。
2.4商品定价
在大部分原有模式下的平台，商家价格往往需要结合经验及重量体积等运输难度来制定，然而在日趋激烈的市场竞争环境中，商品价格也需要随着市场需求的变动和环境变化做出及时调整。而这种长期持续的价格调整，也是一项很大的挑战，如何根据用户需求快速调整定价，在某个成本和财务模型下，兼顾库存、周转率模型进行快速响应是数据和算法擅长的，持续评估市场动态以解决商品定价问题。当然这中间不是完全的自动化、系统化，而是还是引入AI+人的概念，AI赋能人力，提升信息密度和决策效率。
2.5商品溢价-品牌竞争力
跨境电商领域，近2年品牌被提及地越来越多，那何为品牌？品牌是在产品同质化的情况下给予不一样的认知和价值。其价值在于：品牌的认知可以帮助商家降低流量与获客成本；产品本身的质量，品质，以及由此给消费者带来的利益、品质、服务价值，才是品牌的根本和基础，同时促进客户持续购买与口碑传播的价值认同；品牌的认同也意味着信任，从而缩短消费者购买决策流程，提升转化率和重复购买率。
未来跨境品牌趋势是必然的，现在畅销被抢购的日本产品，往前看30-40年，其实在美国当时也被看成低质产品的代名词。而国内产品制造业，在最近十年发展变化非常大，产业升级非常快，其实慢慢到了类似日本的状态，在可预见的未来几年，从外贸出口到品牌出口是必然趋势。而品牌也避免了与同行残酷而激烈竞争中的价格竞争，完善品牌才能提升溢价。品牌的一些重要要素包括：质量/品质（及其声誉），消费者利益（价值），差异化（区别）。现阶段中国品牌的切入点，在功能价值（实用价值）、情感价值（精神价值）中更多倾向于前者。实用性+合理的价格是中国产品的杀手锏！低成本，提供高品质的产品，这是中国制造的最大的优势！
比如以Anker为代表的产品品牌，Shein为代表的品类品牌，以Shopee为代表的渠道品牌，分别代表了对于商品的介入程度、控制力强弱、溢价的区分；越深的介入也代表了越窄的商品、品类面，越强的产品研发能力和品牌营销能力。渠道品牌往往是阶段性机会，在相对空白的新兴市场快速进入，做丰富度和性别比为大多数，需要关键在效率和资本注入。当然最终想要形成品牌影响力，落点还是产品，是因为它的产品强，他是因为产品强才慢慢形成了品牌，而不是因为品牌强，然后产品才在市场上打开，这是一个逻辑先后的问题。这三类品牌模式背后，和供应商的合作模式也有巨大差异，是采买、采销、包生产线还是自建或共建也比较关键，背后是对货形态和生产流程(比如服装里面的刺绣、印刷、水洗等复杂工艺)效率的掌控力，需要和供应商之间建立一种互相信赖、依赖的合作模式。产品、品类、渠道品牌都需要自己做扎实，渠道品牌需要通过平台强管控，让用户建立强认知。
商品维度可以做得很重，也可以做得很轻；比较轻的模式其实很多跨境电商都开始涉及，特别是有类自营模式的平台，比如拍照、集包换包装等等，提供的是帮助用户完成商品精选与连接匹配的能力，不涉及生产。而相对更重的模式是开始介入设计和生产环境，这个方向探索者大多数都在很长一个阶段内集中于少数几个垂类，且SKU也相对较少，背后在初期切哪个品类也很关键，需要兼顾，客单、用户购物频度、标品/非标、增长、竞争情况等。比如服饰品类，在出海商品中占比15%左右，年增长在50%以上，且相对高频、非标；Shein一直以来都在深耕服饰品类，去年才开始探索周边品类，不过服饰品类仍是强把控的核心，而对于周边品类则跟很多公司有很多合作。
商品视角下，商品的成长体系一定是持续、循环的，持续的选品、测品、出爆款可以持续地反哺产品定位和品类规划。
作者：姚凯飞，出海方向创业者。前 Club Factory 推荐&风控算法负责人，前阿里推荐算法工程师，多年电商及视频推荐经验，硕士毕业于上海交通大学，目前在出海方向创业。
","content_hash":"70731dad
