我们预备在Q2启动今年新一轮的选品和开发。

已经从产品库挑了十几个品，然后开始做一些早期的准备工作。这里面肯定是一开始就要淘汰几个，然后准备过程中再淘汰几个，算完账后再淘汰，甚至有可能都到了临要上架的时候，还有可能要砍掉几个SKU的。

因为不管前面准备得如何充分，都不可能100%的准备到位，然后一启动就爆。

我们当然会从历史数据，然后几个主流平台里先去薅一些同等价位区间的竞品的周期，价格，销量和他们表面对外的广告以及客户群体的主要画像。先筛一批数据出来。然后按照我们自己制定的N个标准再来筛选，把那些过期的，虚假的，障眼法的都除掉。

如果放在2年前，想达到这样的目的，是需要处理相当体量的数据的，并且从数据中，归纳出一个结论也是一个庞大复杂，且容易因为时间过长而失效的工作的，幸好，现在有工具，AI可以把这个时间缩短很多很多倍。

把这些素材，数据投喂给它，让他帮我整理出产品的匹配度，建立几个模型。在同一周期，同样的是使用场景下，我们的产品，是不是能够有额外的销售机会，然后内容的连续性要如何安排，我们需要预备多少的资源等等。睡一觉，不同侧重的模型就出来了。当然不可能100%照搬，但根据我们自己的经验，再调整一些参数，多少还是可以给出几个品的测试方向的。

之后，就可找一些个达人来做小范围测试了。发给他们，然后通过对测评，反馈，数据，互动，分析不同角度下，各类产品在同一时期，同一价格区间内的反馈来做一次实战的筛选。例如价格这里，如果客户不接受我们的心理预期价格。或者他们对这一类产品的认知价格太低。那这个品就可以直接放弃了。不然，需求量和价格不匹配，卖10000个也就赚个三瓜两枣，那也没什么搞头。

同一条产品线，每个品都需要找5-10个直接竞品，甚至需要两两绑定后再去做交叉的对比。抓取互动，用户群接受度这些，才能有一个真正待选的名单。这些都是很需要时间的。特别是测试，春季的数据和夏季的数据往往都会有很大的偏差。很多产品虽然的确是一年四季都有复购，但频率还是有区别的。如果刚好不幸卡在频率低的时候上架，那会是一件多么倒霉的事情。所以，这事，宁愿慢点，也不能急。

很有可能，做完了这些工作后，如果时机，或者外部环境有变化，这一套计划就又存在了电脑里，成为了又一个“种子”。而不会立刻安排资源来做具体的产品。  

毕竟，同样的产品在顺风和逆风中的表现，多少还是不同的，如果等一等，能够遇到顺风的时候，例如在其他的产品跑得起飞的时候可以带着一起跑跑，那效果，自然更不同。我们和达人合作那里买来的流量，最忌讳的就是一次性用完。得是一波一波的起伏叠加，才是一个理想的状态。那么，至少从一开始，就要把节奏这里安排好。

当然，我们主观这里想得再多，再好，也不可能做到100%的成功。真正启动的时候，总会有各种各样的问题，例如平台的流量算法更新，GM这里的投放，达人的转化，那就更需要把后备的计划多做几项，在还没真正花钱的时候多做一些准备计划，总比开始亏钱再去临时抱佛脚来得划算一些吧。

测试的周期越来越长，然后成本也比之前越来越高，带来的结果就是一个新品启动的门槛也越来越高。这样的决策不是简简单单就能确定下来的。宁愿不动，也不能乱动。就算前面的准备做得再好，真正启动的时候，前面几波运营中的连续失败都是很有可能的，扛住，顶住，大方向不变，但多换几条路，还是能有机会登顶的。

文章来源：MiyueMedia