方法审核队列

Darts开源项目贡献了统一的fit、predict接口、训练与验证切分、historical forecasts、backtest、多序列建模、外生变量、模型组合及概率分位数输出。迁移到淘宝和拼多多时，可将订单、退款后净销量、价格、促销、广告和节假日作为序列及协变量，但预测结果必须与库存、交期和经营规则结合，不能直接等同于补货指令。

核心做法：统一淘宝和拼多多SKU编码、日期粒度及退款口径，生成日级净销量序列。

来源介绍Sponsored Products、Sponsored Brands、Display ads、Brand Stores等不同广告形态，并强调投放前准备和组合使用覆盖消费者旅程；可迁移为淘宝直通车/万相台、拼多多搜索/场景推广的预算分层启动法。

核心做法：投放前检查商品准备度：主图、标题、价格、评价、库存、售后承诺和详情页是否达标。

Shopify Demand Forecasting Methods文章介绍用定量和定性数据预测需求，避免缺货并支持库存、人员和营销决策。迁移到淘宝、拼多多时，可用店铺销量、平台活动日历、广告计划和搜索趋势替代Shopify站内数据。

核心做法：收集近90至180天SKU日销量、价格、活动、广告花费、库存和退款数据。

来源文章围绕库存管理、库存优化、避免错误、提升供应链效率展开；可迁移的经营步骤包括库存追踪、补货计划、库存错误预防、工具化管理和供应链效率优化。迁移到淘宝/拼多多时，应结合平台销售节奏、活动日历、仓配时效和US目标市场的跨境补货周期做分层。

核心做法：按近90天GMV、销量、毛利贡献把SKU分为A/B/C层，再按销量波动和供货周期标注稳定/波动/风险。

Shopify退货管理文章强调退货流程会影响利润、客户体验和运营效率，并需要系统化处理客户沟通、退回商品、换货、补货和再销售。可迁移到淘宝/拼多多的是退货流程标准化、退货原因分类、逆向物流处理和将退货反馈用于页面/质检改进；平台内具体工具不可直接照搬。

核心做法：建立退货原因编码：尺寸/规格不符、材质预期不符、破损、异味、功能缺陷、误购、物流延迟、描述不符。

Shopify电商分析文章强调用数据理解客户、营销ROI、转化、分析类型和工具挑战。可迁移到淘宝/拼多多的是经营指标分层、营销效果归因、客户行为分析和数据质量意识；不能直接迁移的是Shopify后台字段和独立站归因口径。

核心做法：建立店铺指标树：GMV=访客数×转化率×客单价，并补充退款率、复购率、广告费率。

该仓库提供Analytics→Operations→Marketing→Strategy的链式电商任务架构，并包含日报、库存、订单、报告快照等结构化输入输出示例；可迁移为淘宝/拼多多店铺的每日经营诊断与行动清单生成流程，但平台服务和指标字段需自行适配。

核心做法：每日拉取淘宝/拼多多店铺核心数据：访客、成交、转化率、客单价、退款、库存、广告消耗、活动参与状态。

Shopify库存管理文章系统解释库存管理如何运作及工具选择，强调库存追踪、避免缺货和过量库存、库存成本、需求预测和库存管理系统。来源贡献了可执行经营步骤：库存记录、库存水平监控、补货流程、成本控制和工具化管理。

核心做法：按SKU整理当前库存、在途库存、可售库存、预留库存和滞销库存。

来源列出 9 种产品验证策略，包括 make some sales、competitive analysis、research existing demand、feedback survey、crowdfunding、social media interest、pre-launch landing page、in-person customer meeting 和 智能辅助 validation；这些可拆成从低成本信号到付费信号的验证阶梯。

核心做法：选择已通过初筛的候选方向，不直接选择具体商品。

Jungle Scout的产品研究框架强调在采购前验证需求、竞争和盈利能力，并通过价格、销量、评论、排名、商品页质量和成本估算筛掉低质量机会。

核心做法：用类目或关键词生成候选niche，而不是直接锁定单品。

Amazon Product Opportunity Explorer是面向卖家的官方工具，用于查看客户搜索与购买行为、细分市场趋势、热门搜索词、商品表现和客户评论信号，适合从需求缺口角度建立机会池。

核心做法：选择美国Amazon marketplace作为研究范围，按类目或关键词进入细分niche。

来源提供按Region、Industry、Campaign Objective筛选高表现广告，并用逐秒、逐帧图定位成功互动时刻的方法。迁移时可将高表现样片拆成镜头结构和文案假设，用于淘宝、拼多多短视频、主图视频或广告素材测试；TikTok的互动峰值不能被视为目标平台转化证据。

核心做法：在来源库中限定美国地区、相近行业和一致广告目标，收集至少10条有授权展示的高表现样片

来源将库存规划拆为需求预测、供应商评估、补货计划、库存跟踪、仓库优化和持续调整，并介绍EOQ通过订购成本与持有成本交点确定批量。迁移到淘宝、拼多多商家时，重点使用年度需求、单次下单成本、单位年持有成本、供应商MOQ和资金上限形成批量决策，而不依赖Shopify功能。

核心做法：按SKU清洗至少一个完整销售周期的数据，剔除缺货日、异常大促和一次性团购影响

来源将供应链可视性定义为利益相关方共享商品、物料和信息的实时状态，并明确其价值包括减少延误与瓶颈、降低缺货和持有成本、支持召回及监管合规；同时指出数据孤岛、准确性和隐私安全是主要限制。迁移至淘宝、拼多多时，可将采购单、质检批次、物流节点、仓库库存和平台可售量合并为统一事件流。

核心做法：为每个SKU、采购单、生产批次和物流批次建立唯一关联键

TikTok官方Keyword Planner提供美国等市场的关键词发现、搜索量、竞争度、规模及表现预测。可迁移部分是先评估需求容量与竞争，再形成小预算关键词计划；淘宝、拼多多不能直接使用TikTok预测值，必须通过各自站内搜索、点击和成交数据复验。

核心做法：以商品用途、使用场景、痛点、适用年龄和材质生成英文种子词

开源项目把产品研究拆成需求、竞争、利润潜力和进入障碍四类分析，并提供可供任务调用的结构化Skill。迁移时以美国公开需求和趋势数据作为来源参考，将Amazon销量、BSR和ASIN字段替换为淘宝、拼多多的搜索热度、有效商品数、销量分布、评价增速、广告位密度及价格带；仓库本身不提供淘宝、拼多多实时数据。

核心做法：定义美国使用场景、目标人群、价格带、尺寸重量和风险类目，生成标准化候选词簇

Shopify卖家教育文章系统说明退货管理流程、退货政策、逆向物流、退款处理、库存处置及退货数据分析。可迁移步骤包括建立清晰政策、标准化原因、设置退货授权、检查返仓商品和分析退货率；淘宝、拼多多的消费者保障时限、仅退款机制及争议规则必须以各平台当前政策为准。

核心做法：定义互斥且可操作的退货原因码，至少区分描述不符、质量缺陷、运输损坏、错发漏发、主观不需要和疑似滥用。

来源给出了概念测试、原型与可用性测试、质量耐久测试、包装测试、价格测试以及软启动流程；可执行指标包括购买意向、创新性、价值感、相关性和独特性，并建议用量表收集反馈。迁移到淘宝、拼多多时，可将焦点组或居家试用结果与收藏、加购、支付、退款及差评原因联合判断。

核心做法：建立候选SKU卡片，记录目标美国用户、使用场景、核心痛点、预计售价、到岸成本、法规类别和竞品替代关系。

来源说明Top Ads可按地区、行业和广告目标筛选高绩效素材，并可查看表现数据及逐秒、逐帧互动曲线以识别最成功的互动时刻。迁移时保留“筛选—峰值定位—结构编码—生成变体—本平台复验”步骤，但TikTok互动不等于淘宝、拼多多点击或购买，任何模式都必须用目标平台数据重新验证。

核心做法：限定美国地区、相近行业、转化或商品访问目标及近期时间窗口

来源解释订单履约从接单、库存管理、拣选包装、运输到退货处理的完整流程及自营、第三方履约选择。可迁移步骤是分解履约节点、设定服务时限、跟踪库存准确性和配送表现；淘宝、拼多多面向美国市场时需额外纳入跨境清关、当地承运商和平台承诺时效。

核心做法：按平台、仓库、目的地区域、运输方式和商品属性定义承诺送达规则

来源介绍Search Query Performance、Top Search Terms等品牌分析能力，贡献了按搜索词观察查询表现、点击和购买行为的分析思路。迁移时用淘宝生意参谋搜索词、拼多多搜索热度或推广关键词数据替代Amazon字段，并把点击率、支付转化率、竞争商品数和店内供给覆盖率用于候选分级。

核心做法：从淘宝、拼多多导出近30天和近90天搜索词、曝光、点击、支付及关联SKU数据，并按US目标消费者使用场景统一同义词。

开源技能将商品研究拆为市场与类目定义、需求检查、竞争分析、利润测算、风险排除和候选评分等可执行环节，并强调搜索量、竞争强度、价格、评价、费用与季节性等指标。迁移时以美国趋势和公开市场数据生成需求假设，再用淘宝生意参谋、直通车或拼多多商家后台的关键词、点击、成交和竞品数据完成平台内验证。

核心做法：定义美国目标人群、使用场景、价格带、母婴优先级及禁入类目，形成结构化研究任务。

Shopify 文章给出 ABC 库存分析的核心逻辑：按各商品对总收入的贡献排序，并对 A、B、C 组实施差异化管理。迁移到淘宝、拼多多时应将单纯销售额升级为退款后贡献利润，并加入缺货损失、保质期、交期和母婴安全资料状态。

核心做法：汇总淘宝、拼多多最近 90 至 180 天 SKU 销量、实收、退款、成本、广告费和库存数据。