仓库滞销一堆 SKU？先分清保留、清仓和下架

教程定位

这篇教程解决什么问题

滞销 SKU 最怕被统一处理。仓库里一堆货卖不动，团队第一反应往往是“全场清仓”“打折出掉”“直播间甩一波”。但从商品运营角度看，滞销不是一个单一问题。它可能是流量没给够，可能是价格带错了，可能是页面没讲清，可能是季节过了，也可能是商品本身已经不值得继续卖。

这篇文章解决一个具体问题：在设计任何折扣、活动、直播、捆绑、换购之前，先用 AI 帮你把滞销 SKU 分成三类：保留、清仓、下架。

保留，不是原地不动，而是说明这个 SKU 仍有经营价值，可以继续观察、补内容、调整陈列、优化详情页或重新配流量。清仓，不是马上乱降价，而是说明它的主要目标从“长期经营”变成“释放库存和现金”，后续可以进入单独的出清动作池。下架，不是情绪化放弃，而是说明它继续售卖会占仓、占页面、占客服精力，甚至拖累评价和品牌信任。

读完以后，你会得到一份“滞销品保留、清仓、下架分层方案”。它不是促销方案，不会直接告诉你满减多少、直播话术怎么说、买一送一怎么搭。它先回答更前置的问题：这个商品还值不值得救？如果要退场，是消化库存后退场，还是立即停止曝光和售卖？如果要保留，保留理由是什么，下一步要补哪类证据？

AI 在这里适合做三件事：第一，整理 SKU 销量、库存天数、毛利、评价摘要和历史促销记录；第二，把滞销原因拆成可判断的信号；第三，输出一张带理由、风险和人工复核点的分层表。AI 不适合替你拍板最终下架，也不适合直接把所有库存变成低价活动。最终判断仍要由商品负责人、老板、仓库和客服一起确认。

使用场景

什么情况下最适合用这一套

你是一个中小电商团队的商品运营，或者就是店铺老板。最近仓库盘点时发现：货架上堆着不少 SKU，有些只剩几十件，有些还压着几百件。财务在问库存资金，仓库在问库位，客服在抱怨有几个商品差评多，投放同事说这些品不值得给流量，老板只说一句：“赶紧清掉。”

问题是，所有滞销品都清掉，可能会误伤还有机会的商品。

比如一家卖家居日用品和小家电配件的店，仓库里有这些 SKU：

如果只按“最近 30 天销量低”排序，第一款、第三款、第四款都会被打进清仓。可它们的命运并不一样。折叠沥水架可能该保留，因为它有毛利、有好评、有场景，只是表达没被打开。旧款滤芯三支装也可能该保留，因为它不是爆款 SKU，而是售后复购 SKU，评价和客诉风险低。夏季冰感坐垫可能该清仓，因为季节窗口正在关闭，库存占用比长期经营更紧急。榨汁杯粉色款则可能要考虑下架，因为问题不是卖不动，而是继续卖会带来更多差评和售后。

这就是本文的核心：滞销不是一个动作，而是一个分诊过程。先分诊，再谈动作。

适合使用这篇方法的场景包括：

不适合把这篇当成促销活动模板。本文不会直接写“七折”“第二件半价”“满 199 减 40”。这些属于后续执行。本文只做第一步：判断 SKU 的命运。

1. 一款“折叠沥水架”，最近 30 天只卖 18 件，但毛利率有 42%，评价里很多人说“租房厨房很实用”，只是页面首屏还在讲材质，没有讲收纳场景。
2. 一款“奶油白收纳箱”，库存 620 件，库存天数超过 180 天，毛利率 18%，过去 3 次促销都只带来短暂销量，差评集中在“颜色和图片不一致”。
3. 一款“旧款滤芯三支装”，库存只剩 47 件，销量也低，但它是老客户复购配件，毛利率 55%，下架会导致售后咨询增加。
4. 一款“夏季冰感坐垫”，库存 390 件，最近 30 天销量掉到 12 件，评价并不差，但季节已经过半，继续等到下月可能更难出。
5. 一款“便携榨汁杯粉色款”，库存 160 件，最近 30 天卖 9 件，毛利率 33%，但差评里反复出现“电池续航短”“杯盖渗水”，客服已经不愿意主动推荐。
6. 店铺或门店有 30 个以上 SKU，需要每周或每月做库存盘点。
7. 团队只有“爆品”和“清仓品”的粗分类，缺少中间判断。
8. 老板希望降库存，但运营担心好商品被误伤。
9. 商品很多来自不同季节、不同批次、不同供应商，单看销量无法判断。
10. 历史做过促销，但没人复盘“是价格问题、流量问题、评价问题，还是商品本身问题”。

材料准备

开始前先把材料和边界备齐

开始前，先把材料整理成一张 SKU 诊断表。你不需要一开始就有很复杂的 BI，只要能把关键字段拉齐，就可以让 AI 帮你做第一轮分类。

至少准备五类输入材料。

第一类是 SKU 销量。建议看最近 7 天、最近 30 天、最近 90 天三个窗口。如果只看 7 天，容易把短期断流误判成滞销；如果只看 90 天，又容易掩盖最近快速下滑。销量字段最好包含：SKU 编号、商品名、规格、最近 7 天销量、最近 30 天销量、最近 90 天销量、近 30 天访客或曝光、转化率。如果没有访客数据，也要注明“缺少流量数据”，不要让 AI 假装知道。

第二类是库存和库存天数。至少包含当前库存件数、在途库存、近 30 天日均销量、库存天数。库存天数可以粗算：当前库存 / 近 30 天日均销量。如果近 30 天销量为 0，就单独标记为“无法按销量计算，需人工判断”。库存天数不是越长越该下架，关键要结合毛利、评价、季节和复购属性。

第三类是毛利。至少包含销售价、成本价、毛利率、是否有最低成交价约束。毛利率高但销量低的 SKU，不一定清仓；可能值得修页面、换入口、做组合。毛利率低且库存高的 SKU，也不一定马上下架；如果评价好、能带动关联购买，可能适合清仓退场。AI 要看的是综合信号，而不是单字段打分。

第四类是评价摘要和售后信号。不要只给平均分。最好整理好评关键词、差评关键词、退款原因、客服高频问题、质量问题占比。比如“尺码偏小”“颜色偏差”“安装麻烦”“容易漏水”“包装破损”“买错型号”。评价能告诉你：这是卖点没讲清，还是商品体验真的有坑。

第五类是历史促销记录。至少包含过去 90 天或 180 天内该 SKU 参加过什么动作、促销期间销量、促销后销量、是否带来差评或售后、是否有复购。历史促销不是为了让 AI 继续设计折扣，而是用来判断：这个 SKU 是否已经被价格验证过。如果连续三次促销都没有有效消化，问题可能不只是价格。

建议你先建一张这样的字段表：

| 字段 | 含义 | 为什么重要 | | --- | --- | --- | | sku_id | SKU 编号 | 避免商品名相似导致混淆 | | product_name | 商品名 | 让人能读懂分类结果 | | spec | 规格或颜色尺码 | 同款不同规格可能命运不同 | | category | 类目 | 不同类目的库存天数阈值不同 | | sales_7d | 最近 7 天销量 | 判断近期趋势 | | sales_30d | 最近 30 天销量 | 判断当前动销能力 | | sales_90d | 最近 90 天销量 | 判断中期表现 | | inventory_units | 当前可售库存 | 判断仓储和资金压力 | | inventory_days | 库存天数 | 衡量消化速度 | | gross_margin_rate | 毛利率 | 判断是否值得投入经营动作 | | rating_score | 平均评分 | 识别口碑风险 | | review_summary | 评价摘要 | 判断滞销原因 | | refund_reason_summary | 退款原因摘要 | 识别质量和预期偏差 | | promo_history | 历史促销记录 | 判断是否已被促销验证 | | seasonality | 季节属性 | 判断时间窗口 | | role_in_store | 商品角色 | 引流、利润、配件、形象款、尾货 |

在给 AI 之前，要先写清楚你的业务边界。比如：

这几条边界的作用，是把 AI 从“促销策划”拉回“商品分诊”。你要的不是一堆热闹动作，而是一张能让团队坐下来讨论的分层表。

1. 不允许 AI 自己决定最终下架，只能输出建议。
2. 不允许 AI 直接生成具体折扣、满减、赠品方案。
3. 毛利率低于 15% 的 SKU，除非有明确引流或复购价值，否则不能建议保留。
4. 评分低于 4.2 且差评集中在质量问题的 SKU，必须进入人工复核。
5. 季节性商品如果库存天数超过剩余销售窗口，要优先考虑清仓或下架。

实操流程

按这套步骤把工作跑起来

第一步，先定义“滞销”的观察口径。

不要只说“卖得少”。你可以按类目定一个临时观察口径，例如：最近 30 天销量低于类目中位数 30%，且库存天数超过 90 天；或者最近 30 天销量低于 10 件，且库存金额超过 5000 元。门店商品也可以按“连续 4 周未达到最低动销件数”来定义。

这个口径不是为了把商品一刀切，而是为了确定哪些 SKU 需要进入诊断池。AI 可以帮你根据现有数据筛出“疑似滞销”，但你要提醒它：筛选不等于结论。

第二步，让 AI 把每个 SKU 的信号拆开。

一个 SKU 至少要拆成四组信号。

销售信号：销量是长期低，还是最近突然低？是否有流量？转化率是否比同类低？如果有访客但没转化，可能是页面、价格或评价问题；如果几乎没有访客，可能是陈列和流量分配问题。

库存信号：库存绝对数量高不高？库存天数是否超过类目可接受范围？是否占用仓库关键库位？是否快过季、快过保质期、快变旧款？库存少但销量低的配件 SKU，不一定需要清仓；库存多且季节窗口短的商品，就要更紧急。

利润信号：毛利率是否足够支撑继续运营？是否有组合销售价值？是否有供应商退换货或调价空间？毛利高但销量弱的商品，可能值得救；毛利低又没有战略价值的商品，长期保留的意义就小。

口碑信号：评分和评价摘要说明了什么？差评是可解释的问题，比如“尺寸没看清”，还是商品硬伤，比如“漏水”“掉色”“续航虚标”？如果差评集中在质量和预期落差，下架优先级会提高。

第三步，给三类命运写判断标准。

保留类 SKU 通常满足以下条件中的多项：毛利率健康，评价不差，差评问题可通过页面说明或客服预期管理缓解；库存天数虽然偏长，但库存金额可控；商品有复购、配件、关联销售或门店陈列价值；历史促销不是完全无效，而是说明缺少场景、入口或表达。

清仓类 SKU 通常满足以下条件中的多项：库存天数高，剩余销售窗口有限，毛利空间不大，历史促销能带动销量但促销后自然销量弱；评价没有严重质量雷点，但商品不适合长期经营；供应商后续不再补货，或者规格颜色已经不是主推方向。清仓的意思是“有序退出”，不是立刻写活动方案。

下架类 SKU 通常满足以下条件中的多项：差评集中在质量、虚标、体验硬伤；退款和售后明显高于同类；历史促销也无法带动有效销售；库存少但继续挂着会占搜索、占客服解释；商品已过季、过时、过保质期风险或与品牌方向不一致。下架不等于丢弃库存，后续还可能走内部处理、供应商协商或线下低曝光消化，但官网和店铺主销售入口不应继续推。

第四步，让 AI 输出“建议分类 + 理由 + 人工复核点”。

不要只让 AI 输出“保留、清仓、下架”三个词。每个 SKU 至少要有 6 列：

| 输出列 | 要求 | | --- | --- | | 建议分类 | 保留、清仓、下架、需人工确认 | | 关键理由 | 不超过 3 条，必须引用输入指标 | | 主要风险 | 说明继续卖或处理不当的风险 | | 下一步动作方向 | 只写方向，不写具体折扣方案 | | 人工复核点 | 哪些数据需要负责人确认 | | 优先级 | 高、中、低，说明处理顺序 |

例如，一个 SKU 可以这样写：“建议清仓。理由：库存 620 件，库存天数 186 天；毛利率 18%，不适合长期投入内容改版；过去 3 次促销都有短期销量但促销后回落。风险：若继续占用主推位，会挤压新品曝光。下一步方向：进入出清池，停止补货，保留评价风险监控。人工复核：确认颜色偏差差评是否来自旧批次。”

第五步，把“需人工确认”单独拉出来。

AI 不应该为了表格整齐，把每个 SKU 都硬分成三类。有些 SKU 需要人工确认，比如：数据缺失、评价样本太少、成本不准、库存包含不可售、季节判断不明确、该 SKU 是重要配件但销量天然低。

你可以要求 AI 单独输出一张“无法直接判断清单”。这张表很重要，因为它能防止团队拿 AI 的结论做过度执行。尤其是配件、赠品、试销新品、门店展示款、售后替换件，都可能在销量表里看起来很差，但不能简单清仓或下架。

第六步，召开一次短会确认分层，不要在会上一边吵一边改数字。

建议会议只讨论三件事：分类是否合理，人工复核点谁负责，下一轮数据什么时候回来。不要在这次会上直接讨论具体促销玩法。因为一旦进入“打几折”“上哪个直播间”“送什么赠品”，就会把“商品命运判断”打散。

你可以把会议结果写成四类输出：

第七步，给每个分类设置复盘时间。

保留类 SKU 不应该无限期保留。你可以设置 14 天或 30 天复盘，观察销量、转化率、评价和库存天数是否改善。清仓类 SKU 要设置库存消化进度，但本文不展开清仓动作。下架类 SKU 要确认页面、店铺入口、客服话术和库存处理是否同步。

最终目标不是一次性把所有滞销品消灭，而是建立一个节奏：每周看新增滞销，每月看库存结构，每次处理都留下判断理由。

1. 保留清单：说明保留原因和观察周期。
2. 清仓清单：说明退出方向、库存压力和停止补货要求。
3. 下架清单：说明下架原因、风险和后续处理责任人。
4. 待确认清单：说明缺什么数据、谁补、何时再判断。

输入示例

可以直接参考的输入材料

下面是一组脱敏样例。它不是完整 BI，而是一个中小店铺可以整理给 AI 的 SKU 诊断材料。实际使用时，把商品名、成本和评价做脱敏处理，不要放真实客户信息。

补充业务边界：

如果你的数据还缺少访客、转化率或库存金额，可以在材料里说明“暂缺”。不要为了让 AI 输出好看，自己随便补数字。

sku_id,product_name,spec,category,sales_7d,sales_30d,sales_90d,inventory_units,inventory_days,gross_margin_rate,rating_score,review_summary,refund_reason_summary,promo_history,seasonality,role_in_store
SKU-DRAIN-01,折叠沥水架,白色,厨房收纳,6,18,72,210,350,42%,4.7,"好评集中在租房厨房省空间；差评说图片没看出折叠后尺寸","退款多为买错尺寸","618 做过 9 折，销量从日均 0.4 到 1.2，结束后回落",常年款,利润款
SKU-BOX-02,奶油白收纳箱,中号,家居收纳,4,22,96,620,845,18%,4.1,"好评说容量大；差评集中在颜色偏黄、箱盖松","退款多为颜色与图片不一致","过去 90 天 3 次参加清仓位，促销期销量提升，结束后几乎归零",常年款,尾货
SKU-FILTER-OLD,旧款滤芯三支装,适配 2024 旧机型,小家电配件,3,11,39,47,128,55%,4.8,"老客户评价稳定，买家多为复购","退款少，主要是买错型号","无大促，只在客服推荐时售出",常年配件,售后复购
SKU-ICE-04,夏季冰感坐垫,灰色,季节家居,2,12,83,390,975,24%,4.5,"好评说夏天坐着凉；差评说厚度一般","退款多为不适合椅子尺寸","5 月新品活动销量较好，6 月后明显下降",夏季款,季节款
SKU-JUICE-PK,便携榨汁杯,粉色,小家电,1,9,41,160,533,33%,3.9,"差评集中在续航短、杯盖偶尔渗水","退款原因含质量问题和不符合预期","两次直播低价曝光后售后明显增加",常年款,风险品
SKU-LAMP-USB,USB 小夜灯,暖光,居家小电器,0,5,34,86,516,12%,4.6,"评价少但没有明显差评","退款少","买赠活动中作为赠品表现稳定，单卖弱",常年款,赠品/搭配款
SKU-BAG-BROWN,通勤帆布包,棕色,服饰配件,7,25,140,95,114,38%,4.4,"好评说容量合适；差评说棕色比图片深","退款原因多为颜色预期偏差","主图换色后销量下降，未做价格促销",常年款,形象款

1. 本轮只做滞销 SKU 分层，不输出具体折扣、满减、直播排期或投放计划。
2. 毛利率低于 15% 且没有明确引流、赠品或售后价值的 SKU，默认不建议长期保留。
3. 评分低于 4.2 且差评集中在质量问题的 SKU，必须标记高风险，不能直接建议加大曝光。
4. 季节款如果库存天数明显超过剩余销售窗口，要优先考虑清仓或停止补货。
5. 配件、赠品、售后替换件不能只看销量，需要看它在店铺里的角色。
6. 最终分类由商品负责人确认，AI 只提供初步建议和复核清单。

提示词

可复制使用的提示词

把下面这段提示词复制给 AI，再粘贴你的 SKU 表和业务边界。为了避免 AI 直接跳到促销方案，提示词要反复强调：只做分层，不做活动设计。

这段提示词的关键是把 AI 的角色限制在“诊断助手”，而不是“促销策划”。如果 AI 输出了折扣、排期、直播间脚本，你可以让它重做，并提醒它“本文阶段只判断商品命运”。

你是电商商品运营分析助手。请只基于我提供的 SKU 销量、库存天数、毛利、评价摘要和历史促销记录，帮我做一版“滞销 SKU 分层诊断”。

任务目标：
把疑似滞销 SKU 分成四类：保留、清仓、下架、需人工确认。这里的“清仓”只代表库存退出方向，不要输出具体折扣、满减、赠品、直播或投放方案。

重要边界：
1. 不要把销量低直接等同于下架。
2. 不要把库存高直接等同于清仓。
3. 不要生成促销活动方案，不要建议具体价格或折扣。
4. 不要编造缺失数据。缺少访客、转化率、成本、评价样本时，请标记为“需补充”。
5. 评分低、退款高、差评集中在质量问题的 SKU，要优先提示风险。
6. 配件、赠品、售后替换件、形象款需要结合商品角色判断，不能只看销量。
7. 最终分类必须保留人工复核点。

请按以下步骤输出：

第一部分：口径确认
- 说明你会如何理解销量、库存天数、毛利、评价、历史促销和商品角色。
- 列出本次判断中缺失或不确定的数据。

第二部分：SKU 分层表
请用表格输出以下列：
- sku_id
- 商品名
- 建议分类：保留/清仓/下架/需人工确认
- 优先级：高/中/低
- 关键理由：必须引用具体指标，例如库存天数、毛利率、评分、评价摘要、历史促销表现
- 主要风险
- 下一步动作方向：只写方向，不写具体折扣方案
- 人工复核点

第三部分：分类汇总
- 保留类：共同特征和观察周期
- 清仓类：共同特征和退出原因
- 下架类：共同特征和风险原因
- 需人工确认类：缺什么数据，谁应该补

第四部分：容易误判的 SKU
请指出哪些 SKU 不能只靠销量判断，并说明原因。

第五部分：老板可读版结论
用 8 到 12 句话，写一段给老板看的摘要。语气务实，不制造焦虑，不承诺具体销量提升。

下面是我的 SKU 数据和业务边界：
[在这里粘贴 SKU 表和补充说明]

输出样例

AI 应该输出到什么程度

下面是一段 AI 可能输出的样例。你可以把它当成结构参考，不要把其中结论直接套到自己的店铺。真实判断要基于你的数据、成本、供应链和店铺策略。

【口径确认】

本次按“销量、库存、毛利、评价、历史促销、商品角色”六组信号判断滞销 SKU。销量低只是进入诊断池的原因，不直接决定下架。库存天数高说明资金和库位压力，但如果 SKU 是配件、赠品或高毛利长尾商品，需要结合角色判断。历史促销用于判断该 SKU 是否已经被价格刺激验证过，不用于生成下一轮促销方案。

当前缺失数据包括：各 SKU 近 30 天访客和转化率、库存金额、供应商是否支持退换货、部分 SKU 的批次信息。因此以下结论应作为初筛，不能直接执行。

| sku_id | 商品名 | 建议分类 | 优先级 | 关键理由 | 主要风险 | 下一步动作方向 | 人工复核点 | | --- | --- | --- | --- | --- | --- | --- | --- | | SKU-DRAIN-01 | 折叠沥水架 | 保留 | 中 | 近 30 天销量 18 件偏低，但毛利率 42%，评分 4.7；好评集中在租房厨房省空间；历史 9 折后销量有提升 | 如果继续不讲场景，会被误判为普通收纳件 | 保留 30 天观察，补充“折叠后尺寸”和租房厨房场景说明，复查转化 | 需确认是否有访客数据，尺寸差评是否可通过页面说明减少 | | SKU-BOX-02 | 奶油白收纳箱 | 清仓 | 高 | 库存 620 件，库存天数 845 天；毛利率 18%；过去 90 天 3 次清仓位后自然销量归零；差评集中颜色偏差 | 继续做常规商品会占仓，占页面位置，还可能增加颜色预期投诉 | 进入库存退出池，停止补货，保留颜色偏差风险提示 | 需确认颜色偏差是否只来自旧批次，库存是否可拆到线下渠道 | | SKU-FILTER-OLD | 旧款滤芯三支装 | 保留 | 低 | 近 30 天销量 11 件不高，但毛利率 55%，评分 4.8；商品角色是售后复购配件；退款少 | 若直接下架，会增加老客户售后咨询和替代型号解释成本 | 保留低曝光入口，明确适配旧机型，不作为主推商品 | 需确认旧机型仍有多少存量用户，库存是否足够售后周期 | | SKU-ICE-04 | 夏季冰感坐垫 | 清仓 | 高 | 库存 390 件，库存天数 975 天；季节款且销售窗口收窄；毛利率 24%，5 月后销量明显下降 | 如果拖到季末，库存消化难度继续上升 | 标记为季节性退出，停止补货，优先处理库存压力 | 需确认剩余旺季时间和线下门店是否仍有自然需求 | | SKU-JUICE-PK | 便携榨汁杯粉色款 | 下架 | 高 | 评分 3.9，低于风险线；差评集中续航短和杯盖渗水；两次直播低价曝光后售后增加；近 30 天仅 9 件 | 继续曝光可能放大差评和售后，影响同系列信任 | 暂停主销售入口和主动推荐，交由商品负责人判断库存处理 | 需确认质量问题是否批次性，是否有召回、换货或供应商责任 | | SKU-LAMP-USB | USB 小夜灯 | 需人工确认 | 中 | 近 30 天销量 5 件、毛利率 12%，单卖价值弱；但商品角色是赠品/搭配款，评价无明显差评 | 如果按毛利和销量直接下架，可能影响赠品组合和客单价策略 | 补充赠品使用数据后再判断，不按单卖销量直接处理 | 需确认它在买赠中的转化贡献和库存成本 | | SKU-BAG-BROWN | 通勤帆布包棕色款 | 保留 | 中 | 近 30 天销量 25 件，库存天数 114 天；毛利率 38%；评分 4.4；问题集中在颜色预期偏差，非质量硬伤 | 继续沿用旧图会导致颜色预期差评 | 保留，但修正图片和颜色说明，观察 14 到 30 天 | 需确认新图是否能降低退款，棕色是否仍是形象款 |

【分类汇总】

保留类包括折叠沥水架、旧款滤芯三支装、通勤帆布包棕色款。共同点是：毛利或商品角色仍有价值，评价没有出现严重质量风险，滞销原因可能来自页面表达、入口、规格说明或自然长尾需求。保留不代表继续放任，而是设置观察周期和改进方向。

清仓类包括奶油白收纳箱、夏季冰感坐垫。共同点是：库存压力明显，历史促销说明有短期消化可能，但不适合作为长期经营 SKU。清仓在这里代表“退出方向”，不是具体折扣方案。

下架类包括便携榨汁杯粉色款。它的核心问题不是低销量，而是评分低、质量类差评集中、低价曝光后售后增加。继续售卖可能造成更高的客服和口碑成本。

需人工确认类包括 USB 小夜灯。它单卖数据弱，但作为赠品/搭配款可能有其他价值。需要补充组合订单、赠品使用和库存成本数据。

【老板可读版结论】

本轮不是把所有卖不动的 SKU 一起清仓，而是先把商品命运分清。建议优先处理两个高库存退出品：奶油白收纳箱和夏季冰感坐垫，它们库存天数长，长期经营价值有限。便携榨汁杯粉色款需要按风险品处理，重点不是降价，而是避免继续放大质量差评和售后。折叠沥水架、旧款滤芯三支装和通勤帆布包棕色款不建议直接清掉，它们分别还有毛利、售后复购或形象款价值。USB 小夜灯需要补数据后再定，不能只看单卖销量。下一步建议先由商品负责人确认质量和批次问题，再按保留、清仓、下架三张清单分开推进。

人工验收

人要怎么检查和改到可用

AI 输出后，最重要的不是马上执行，而是做人工检查。滞销 SKU 往往牵涉库存、现金流、供应商、售后、页面、客服和老板偏好，任何单一数据都可能误导。

第一，检查基础数据是否准。库存里是否包含残次品、样品、不可售品、门店占用库存？销量是否剔除了测试单、赠品单和内部调拨？成本价是否是最新批次成本？如果库存和成本不准，分层结果会偏。

第二，检查商品角色是否被 AI 理解。旧款配件、售后替换件、赠品、门店展示款、形象款、组合搭配款，都不能只用普通商品逻辑判断。一个配件 SKU 最近 30 天只卖 5 件，看似滞销，但它可能承担老客户维护；一个赠品单卖毛利低，看似该下架，但它可能提升组合转化。

第三，检查评价摘要是否够具体。AI 如果只看到“评价一般”，很难判断是页面预期问题还是质量问题。你要把差评归因写清楚：颜色偏差、尺寸误解、安装困难、质量缺陷、物流破损、售后服务、买错型号。这些归因会直接影响保留、清仓、下架的判断。

第四，检查历史促销的解释。促销期间销量上升，不等于商品值得保留；促销期间销量没上升，也不一定说明商品没救。要看促销前是否有足够曝光、促销价是否真的有吸引力、页面是否同步解释、库存是否断码、客服是否推荐。AI 可以提示问题，但不能替你复盘全部上下文。

第五，检查“下架”是否过重。下架是经营入口的处理，不一定等于报废库存。下架前要确认是否有供应商退换、线下低曝光消化、内部员工购、售后替换、组合消化等路径。本文不展开这些路径，但人工检查时要避免把“下架建议”理解成“立刻清空所有库存”。

第六，检查“保留”是否过宽。有些团队怕承认选品失败，会把很多 SKU 都放进保留。保留必须带观察周期和改善动作方向。比如 30 天后，如果访客增加但转化仍低，或者页面修正后差评仍集中，就要重新进入清仓或下架判断。

建议你在 AI 输出表后面加三列人工修改栏：

| 人工修改栏 | 填写方式 | | --- | --- | | 负责人最终分类 | 商品负责人填：保留/清仓/下架/待确认 | | 修改原因 | 说明为什么不同意或调整 AI 建议 | | 复盘日期 | 写下次看数据的日期 |

这样做的好处是，下一次复盘不会只记得“当时 AI 说过什么”，而是能看到团队为什么做这个判断。

失败反例

这些失败反例要提前避开

反例 1：把销量低直接等同于下架。

一个店铺看到旧款滤芯三支装最近 30 天只卖 11 件，就让运营把它下架。结果两周后，老客户陆续来问旧机型还能不能买滤芯，客服只能逐个解释替代型号。这个 SKU 本来不是爆款，而是售后复购件。它销量低，但毛利高、评价稳、退款少、对老客户体验有意义。正确做法不是下架，而是保留低曝光入口，明确适配型号，并定期复盘库存。

反例 2：把库存高直接等同于保留机会。

有个收纳箱库存 620 件，老板觉得“货这么多，更要想办法卖”，于是继续占着首页推荐位。可是数据已经显示：库存天数超过 800 天，毛利率只有 18%，过去 3 次清仓位都只是短期卖一点，活动结束后自然销量几乎归零，差评还集中在颜色偏差。继续把它当常规商品经营，只会挤压新品和高毛利品的展示。正确做法是把它放入清仓退出，而不是继续假装它还有主推价值。

反例 3：让 AI 直接写折扣方案。

团队把滞销表给 AI 后，提示词写的是“帮我做清仓方案”。AI 很快输出了“第二件半价、满减、直播专场、组合套装、会员券”等建议。看起来很热闹，但没有回答关键问题：哪些 SKU 值得救，哪些不该继续卖，哪些低价曝光会带来售后风险。最后团队把便携榨汁杯粉色款也推进直播低价，销量没起多少，差评和退货反而增加。正确做法是先让 AI 做分层诊断，把风险品和质量问题品单独拎出来，避免用促销放大问题。

反例 4：忽略历史促销后的自然销量。

有些 SKU 在大促期间看起来卖得动，于是被判断为“还能救”。但如果促销期日销从 1 件涨到 8 件，活动结束后又回到 0 到 1 件，而且毛利被压得很低，就说明它可能只是被价格短暂拉动，并没有恢复自然动销。历史促销记录不能只看促销期间卖了多少，还要看促销后是否留住需求、评价是否变差、库存消化是否有效。

反例 5：评价只看平均分，不看差评内容。

某个 SKU 平均分 4.4，看起来不算差。AI 如果只看评分，可能建议保留。但差评摘要里反复出现“漏水”“续航虚标”“盖子松”，这类问题会影响继续售卖的风险。另一个 SKU 评分 4.3，但差评主要是“颜色比图片深”，这种问题可能通过图片和说明修正。平均分只是入口，评价内容才决定风险性质。

这些反例的共同点是：团队急着做动作，却没有先判断商品命运。滞销处理最容易出错的，不是不会促销，而是把不同类型的问题塞进同一个促销篮子里。

主题边界

它和相邻主题的区别

这个主题和“详情页优化”相邻，但不相同。详情页优化关注的是一个仍然值得经营的商品，如何把参数、场景、证据和顾客问题讲清楚。本文关注的是更前置的问题：这个 SKU 还值不值得进入详情页优化？如果它已经是质量风险品，继续优化页面反而可能放大售后。

这个主题和“新品卖点梳理”相邻，但不相同。新品卖点梳理是在商品刚上架前，把供应商资料、试用反馈和经营边界整理成卖点核对稿。本文处理的是已经进入仓库和销售周期后的商品，要看真实销量、库存天数、毛利、评价和历史促销结果。

这个主题和“订单数据清洗”相邻，但不相同。订单清洗解决的是数据能不能被正确统计，比如合并单、退款单、测试单、字段口径。本文默认你已经有一张可用的 SKU 经营表，重点是基于这些字段做经营判断。

这个主题和“清仓活动策划”也相邻，但边界最需要讲清楚。清仓活动策划会讨论折扣、渠道、节奏、组合、页面、客服和库存目标。本文不做这些。本文只输出“保留、清仓、下架”的分层方案。只有先知道哪些 SKU 进入清仓类，后面才值得单独设计清仓动作。

如果你要把这篇方法放进团队流程，可以把它设为每月库存会的第一步：先由运营用 AI 生成初筛表，再由商品负责人确认分类，然后清仓类才进入活动设计，下架类进入风险处理，保留类进入内容和陈列优化。这样，团队讨论会从“怎么打折”变成“每个商品为什么还值得占用我们的资源”。