Shopee竞品销量换算利润：能赚多少先算一遍

从销量到营收的第一步

第一步要解决的是营收口径。同样一个销量数字，乘上售价里的哪一个价，得到的结果完全不同。用标价算出来的营收最乐观，用活动价算出来的最接近实际，用到手均价算出来的最贴近财务报表。先定用哪个口径，再谈后面的减法。

售价本身也不是一个固定值。同一款商品在不同时期会有不同的活动价，买家实际支付的价格是分布在一个区间里的。把这段时间的成交价取一个加权平均，得到的均价才是这个销量数字真正对应的单价，用它做乘法的基数更可靠。

还有一个容易被忽略的点是销量的时间跨度。如果销量是累计口径，那对应的价格也应该用长期均价；如果销量是近期口径，价格就要用近期的实际成交价。两个数字的时间跨度不一致，乘出来的营收是一个没有实际意义的数。

营收算出来之后要立刻标注它是毛营收而不是收入。毛利还要等成本减完才能出来，净利更要等所有费用都摊完。这一步标注的意义在于避免后面的人把毛营收当成最终结果，也提醒自己这只是这条推算链的起点。

最后一点是营收只回答规模问题，不回答赚不赚钱。一条链接的营收看起来很大，成本项一减可能所剩无几；另一条营收平平，成本控制得好反而更赚。看到营收的时候要提醒自己这只是第一层，别在第一步就下结论。

动手的第一步是把这条销量数字的来源写清楚。它是前台显示的已售件数，还是你自己估出来的，估的时候用了什么信号。来源不同，可靠程度就不同，这一步决定了后面整条推算链的基础牢不牢，省略了它，后面算得再细也站不住。

第二步是确定单价的口径。先看这个类目的商品在一段时间里的成交价大致落在什么区间，取一个中间偏保守的值作为基准单价。用最高价会高估营收，用最低价又过于悲观，取中位数附近比较平衡，也更容易解释。

第三步是把两者相乘，并把结果写成区间。销量取一个保守值和一个乐观值，单价同样取两端，组合出营收的下端和上端。写区间的习惯从第一步就要养成，每次给结果都带两端，后面整条链的结论自然也会有区间。

第四步是标注币种。不同市场的营收币种不同，做跨市场比较之前要先统一。这一步看起来只是记账的技术问题，实际影响很大，币种没对齐就直接比较，得出来的规模关系完全是错的。

第五步是留一个备注，写明这次营收估算用的是哪一天的销量数字、哪一段时间的价格样本。备注写清之后，下一次有人拿这份结果去对比新数据时，就知道两次的基准是不是一致，不会把口径差异当成真实变化。

举一个具体的例子。某类目里一条链接显示卖了很大一个量级，如果简单用标价乘上去，得到的营收非常大。但查一下这条链接的活动记录，它大部分时间在打折，实际成交价只有标价的七成左右，乘出来的营收立刻缩水了不少，这才是更接近现实的数。

另一个例子是销量口径混用。有人拿累计销量配上近期的价格，算出来的营收比真实值高出一大截，因为累计销量是几年攒的，价格是当下的。这两个数字根本不在同一个时间坐标上，相乘得到的只是一个没有意义的数。

边界条件是刚上架不久的新链接。它的销量小，但增长快，用一个时点的销量乘价格得到的是瞬时值，不能代表它未来一段时间的营收能力。对新链接做营收估算时，更适合按增长速度给出一个区间，而不是只看当下。

另一个边界是多规格链接。不同规格的价格差得远，用最低价或者最高价当单价都会失真。做法是把各规格的价格按销量权重大致加权，得到一个平均单价，再拿去乘总销量。加权平均比取极值更接近真实结构。

最后一个细节是促销价的处理。大促期间的价格和平时差很多，如果把促销期的销量和平时的价格混在一起算，营收会被高估。做估算的时候要么把促销期单独拎出来算，要么整段都用实际成交均价，保持一致。

从销量到利润是一层层往下减的过程，每减一层都要留下假设

要减掉的成本项

采购成本是最大的一项，也是最需要估准的一项。估算的办法是找同规格、同材质的同类商品，看市场上的采购价大致落在什么区间，再结合这款商品的规格数量做一个调整。不要用自己现有的成本直接套，因为对手的采购规模和渠道可能完全不同。

平台费用这一项相对好估，按类目对应的费率乘上营收就能得到一个大致范围。这里要留意的是费率会因活动期而变，大促期间的附加费用往往比平时高。用历史活动期的实际费用率做参照，比用平时的费率更贴近真实情况。

物流成本要按商品的重量段和常见目的地来估。跨境电商里物流占售价的比例不小，而且不同目的地的差异很大。做法是取几个主要目的地分别估，再按各目的地的销量占比加权，得到一个整体的物流成本比例。

退货和售后这块最容易被忽略，也最容易低估。除了退款金额本身，退货产生的来回运费、商品的损耗、处理的人工都要算进去。这几项加起来往往比只算退款金额高出不少，只用退款率去估算会明显偏乐观。

还有一类是隐性成本，包括包材、赠品、样品损耗、库存积压的占资成本。这些项目单独看都不大，但加起来的比例有时会超过百分之十。做估算的时候宁可把它们列出来估一个保守值，也不要直接忽略。

动手的第一步是把成本项列成一张清单，只要跟这一单有关的都先写上，宁多勿少。列的时候按发生顺序排：采购、包装、物流、平台、推广、售后、结算。顺序本身能帮你检查有没有漏项，比随手罗列更容易发现缺口。

第二步是给每一项估一个占售价的比例，而不是估一个绝对金额。比例的写法让不同价位的商品可以相互对照，也避免了币种和规模带来的干扰。同一项在不同价位上的比例是变化的，估的时候分价位段各给一个比例。

第三步是标出每一项的确定程度。采购价、平台费率这类相对确定的标一个记号，广告费、退货率这类波动大的标另一个记号。标记之后，后面做区间估算的时候就知道该在哪几项上取两端值。

第四步是把各项比例加起来，看总和占售价的比例是多少。如果加起来超过了售价，那这个价位在假设下本身就是亏的，不用再往下算了。这个总数也是一个很好的自检，它能立刻告诉你这个方向在算术上成不成立。

第五步是把这张成本清单存档，作为以后所有估算的模板。每做一个新方向，直接在这张清单上改各项的比例就行，不用从头再列一遍。清单越用越细，几次之后就会变成一套贴合自己情况的成本模型。

有一个很常见的漏项案例。某卖家算利润的时候把采购、物流、平台费、广告都算了，唯独没算包材。他的商品客单价不高，包材占比看似很小，但一年下来这笔钱并不少，等发现的时候才知道利润被高估了好几个点。

另一个案例是退货处理费的漏算。他算退货只算了退款金额，没有算退货产生的来回运费。实际上一单退货的物流成本可能比商品本身的毛利还高，把这块补进去之后，原本看起来还不错的方向变得非常勉强。

还有一个边界是新类目。进入不熟悉的类目时，各项成本都只能靠外部参照来估，误差比较大。这时候更稳妥的做法是把每一项都取偏保守的值，算出来的结果如果还成立，那这个方向的确定性就比较高。

边界条件还包括规模效应。采购成本、物流成本都会随规模下降，用小批量的成本去估算大批量的场景会高估成本。反过来，如果用大货的成本去估小批量试水的场景又会低估成本，估算的规模要和实际计划匹配。

最后一个细节是把成本清单里的每一项都标上数据来源。是查来的、问来的还是自己估的，标清楚。有了来源标注，别人看这份清单的时候知道哪些项扎实、哪些项虚，就不会把整份估算的可靠程度看得一样高。

成本里采购占大头，但真正容易被漏算的是广告和退货这两项

竞价广告费的估算

广告费之所以要单独拿出来讲，是因为它的波动幅度远超其他成本项。同一款商品在冷启动期和新品稳定期，广告占营收的比例能差出好几倍。用一个固定的比例去套所有阶段，算出来的结果往往偏离实际。

估算广告费的一个思路是按点击成本乘点击数。单次点击成本可以从自己投放的数据里取经验值，点击数按预估的曝光和点击率去推。这个方法的前提是你对这个类目的点击成本有基本的了解，完全不熟悉的类目误差会比较大。

另一个思路是按营收比例倒推。先确定一个自己可以接受的广告投入产出比水平，再用营收除以这个水平，得到广告花费的合理上限。这个方法的好处是它天然把广告费控制在可承受的范围内，不会算出一个离谱的数。

估算时最容易犯的错是把所有订单都摊上广告费。实际上广告带来的订单只是订单的一部分，自然流量带来的订单不该分摊广告成本。弄清楚广告订单占全部订单的比例，再把这个比例考虑进去，算出来的费用才贴近实际。

还有一个细节是广告费的结算时点和销售的时点错开。今天花的钱可能对应几天后的成交，做月度估算的时候这个错位影响不大，做单日分析的时候就会很明显。估算广告费的时候把时间粒度放宽一点，结果会更稳。

动手的第一步是确定这条商品处在什么阶段。冷启动期、稳定期、衰退期的广告占比完全不同，用错了阶段的参数，估出来的费用会差很远。看对手链接上架多久、评价数量多少，能大致判断它处在哪个阶段。

第二步是把广告订单和自然订单的比例估出来。这个比例可以从自己类似商品的投放数据里找参照，也可以在竞品评价的时间分布上找线索。有了这个比例，广告费就能只摊到该摊的那部分订单上，避免全体订单一起背。

第三步是取一个可接受的投入产出比水平，用营收除以它，得到广告费用的上限。这个上限是约束条件，真正的广告花费不该超过这条线。用上限去卡，比直接猜一个具体金额更容易把握，也更不容易高估。

第四步是把广告费放进成本清单里，看它对总成本比例的影响。如果广告费的加入让总成本比例一下子跳高很多，说明这一项是决定性的，后面的判断要围绕它来做；如果影响不大，就按普通项处理。

第五步是留出投放效率可以优化的空间。估算的时候按当前的效率水平来，但要意识到效率提升之后广告费会下降。这个下降空间是利润改善的一个来源，也是判断这个方向有没有做下去价值的一个依据。

有一个值得一提的案例。某卖家按自己当前的效率去估竞品方向的广告费，结果发现怎么算都不划算。后来他意识到竞品的投放效率比自己高不少，按调整后的效率重算，这个方向其实是有空间的。用对手的实际情况估，比用自己的水平估更贴近真实。

另一个案例是把自然单也算进广告成本。他一开始把全部的订单都分摊了广告费，算出来的广告占比高得吓人。把手上的数据按广告订单和自然订单分开之后，广告费只摊到广告带来的那部分，占比立刻回到了合理水平。

还有一个边界是新品期。新品冷启动阶段广告占比普遍偏高，这是为了打开销量必须付的代价。评估一个方向值不值得做的时候，不能只看新品期的高广告占比，要把它拉到稳定期之后的水平再看。

边界条件还包括类目竞争强度。竞争激烈的类目点击成本高，同样的曝光要花更多钱。判断广告费的时候要参考这个类目整体的推广成本水平，而不是套用一个通用数字，否则估出来的差距会很大。

最后一个细节是广告费的季节性。大促前后投放集中，点击成本往往被抬高，这段时间的广告费会明显高于平时。做年度估算的时候把这段特殊时期标出来，避免把旺季的高成本当成全年常态。

退货率带来的折扣

退货率对利润的影响是双重的。一方面，退掉的订单要把已经算进去的营收扣回来；另一方面，处理退货还要付出运费和人工成本。只扣营收不算处理成本，等于只看到了一半的影响，利润会被高估。

估退货率要用同类目的经验值。不同类目的退货率差别很大，服装因为尺码问题退货偏高，标品因为参数明确退货相对低。用自己类目的实际情况去估，比套用一个通用比例更接近现实，也更能反映这条链接的真实处境。

还有一个细节是退货的结算方式。有的订单退货后款项要原路退回，有的会用平台余额或者券的形式返还。这两种方式对现金流的影响不同，如果是做现金流测算，要把这个差别考虑进去，不能只用退款率一刀切。

退货里有一部分是可以二次销售的，这部分商品的损耗只是包装和物流，不是全部货值。估算的时候可以把可二次销售的比例标出来，这部分损失单独算，剩下的才算真正的货值损失，这样估出来的数字更细也更准。

从利润角度倒过来看，降低退货率本身就是一笔收益。如果把退货率压下来几个点，省下来的就是实打实的利润，而且这部分利润不需要增加销量就能拿到。做估算的时候把这个变量也留着，看它对结果的影响有多大。

动手的第一步是查自己类目的退货经验值。没有内部数据的，可以从同行的评价里找线索，翻一翻退换货相关的评价占比，能得到一个大致的感觉。有了这个基准值，后面的估算才有一个起点。

第二步是把退货的影响拆成两块。一块是退回的营收，另一块是处理的成本。前者的算法是营收乘以退货率，后者的算法是每单处理成本乘以退货单数。两块分开算，比笼统地打一个折扣更清楚问题出在哪。

第三步是标出可二次销售的比例。退回的商品如果能重新上架销售，损失的就只是包装和物流，不是全部货值。这个比例高的话，退货的实际损失比按货值全损算出来的小很多，估算结果会明显不同。

第四步是把退货成本放进整条链里看它的位置。如果退货成本占比不大，就不用在这上面花太多精力；如果占比不小，说明这个类目的退货是利润的主要杀手之一，选品的时候就要把这条链的退货情况当作重点考察。

第五步是把退货率当成一个可以观察和改善的变量。每次核算之后，把这个类目实际做到的退货率记下来，和当初的假设对比。假设和实际差得多的时候，不仅要调整估算，还要回头看看能不能把退货率压下来。

有一个具体的算法例子。营收是一万，退货率按一成算，退回的营收是一千。同时每单退货的处理成本按一个固定值算，假设有一百单退货，这一块又加了几百。两项加总，退货对利润的实际影响远超只算退款金额时的估计。

另一个例子是可二次销售的判断。退回的商品里如果有六成可以重新上架，那这部分损失只算重新包装和物流的钱，货值本身不减。把这一层拆开之后，退货成本从原来估的一个大数缩到了合理的范围。

还有一个边界是不同类目的退货结构差异。服装类目退货率高的原因通常是尺码，退回来的货大多数还能再卖；电子类目退货率低但退回来的货往往有功能性损伤，很难二次销售。同样是退货，两类目的的净损失差得很远。

边界条件还包括平台规则的变化。有的平台会调整退货的运费承担方式，这会直接改变退货成本的构成。判断的时候按当前规则算，同时留意规则有没有变动，规则一变，原来的估算就要跟着更新。

最后一个细节是把退货数据按原因分类。尺码不符、质量不满、物流损坏、买家后悔，这几类原因的占比不同，能改善的空间也不同。分过类之后，就能看出哪一类是可以通过改主图、改描述或者换物流来压下去的。

汇率与结算的影响

汇率影响的是最后一步，但它影响的方式和前面几项都不一样。前面的成本是往下减，汇率是在减完之后对剩下的那部分再打一次折。同一笔生意在两个不同的结算时点换汇，最终到手的人民币可能差出一截。

估算时的做法是固定用一个汇率口径，把整条推算链跑完，得到基准结果。然后再改动汇率做一次敏感性测算，看汇率变动一定幅度时最终利润会跟着变多少。知道这个敏感度，比试图预测汇率走势更实际。

结算周期也是一个容易漏掉的因素。从成交到实际到账之间通常有一段账期，这段时间里资金是被占着的。如果做的是资金效率的测算，要把这段占用时间折算成成本加进去，否则算出来的利润没有反映资金的实际回报。

结算费用里还包含一些固定和浮动的小项，比如提现手续费、跨境通道费。这些项目单独看金额不大，但如果销量规模大，加起来就不是小数。做估算的时候把它们合并成一个比例加上去，比逐项精算更高效。

还有一个边界是多市场经营的情况。同一个商品在不同市场的定价和汇率都不同，最终利润也会有差异。判断某个方向值不值得做的时候，最好按市场分别算一遍，而不是用几个市场的平均数来代表整体。

动手的第一步是选定结算用的币种和汇率口径。用哪个时点的汇率要说清楚，是成交日的还是结算日的。这两个时点之间的汇率波动就是风险敞口，口径越明确，后面的敏感性测算才越有意义。

第二步是把整条推算链的结果按选定汇率换算一次。换算之后得到的才是可以和自己成本对比的金额，因为成本通常是以本币计的。不换算就直接对比，等于拿两种货币的数字相减，结果没有意义。

第三步是做一次敏感性测算。假设汇率上下变动一定的幅度，看最终利润会跟着变动多少。这个测算不用很精确，能给一个大致的关系就够，它的目的是让你知道汇率这一项的风险有多大。

第四步是把账期的资金占用折成一个成本加进去。账期越长，同样一笔钱能被反复使用的次数越少，实际收益就被摊薄。做法是把占用的天数折算成一个比例，加到总成本里去，做资金效率测算时尤其需要这一步。

第五步是把结算费用合并成一个比例。提现手续费、跨境通道费这些小项，逐项精算费时又不准确，合并成一个经验比例更实用。合并的时候取偏保守的值，避免低估这类零散成本。

有一个实际的例子。同样的销售规模，在汇率走弱的那段时间结算，到手的本币比汇率平稳的时候少了一截。这不是经营出了问题，而是汇率造成的。做利润估算的时候如果完全忽略这一层，结论会明显偏乐观。

另一个例子是账期的影响。某卖家没有考虑账期占用的资金，按单笔利润算是赚的，但从整体的资金效率看，这笔钱被占用的时间让他少做了不少别的生意。把资金占用折进去之后，这个方向的吸引力就下降了不少。

还有一个边界是币种选择权。有些平台允许卖家在一定范围内选择结算币种，不同选择的汇率风险和手续费不同。做估算的时候要把自己实际会用的那一种口径固定下来，不要几个币种混着算。

边界条件还包括小额费用的累积。提现手续费单笔看几乎可以忽略，但如果提现频繁、笔数多，累积起来是一笔不小的钱。估算的时候按提现频率把这个成本折算进去，比完全忽略更接近实际。

最后一个细节是汇率数据的一致性。同一份估算里要统一使用一个来源的汇率，不能这一项用一个来源那一项用另一个。来源不一致会让各项之间的比例关系失真，后面做敏感性测算时也找不出问题在哪。

同样的成本比例，压在低价商品上会更重，高价商品相对更轻

算出区间的意义

之所以算区间而不是算一个数，是因为整条推算链上每一步都带着假设。销量本身是估的，成本是参照同类目推的，退货率是按经验套的。这么多假设叠在一起，最后只报一个精确数字，传递的确定性远远超过了实际所有的。

区间的画法是把每个不确定项分别取乐观和保守两个值，组合出上端和下端。不要求组合出所有情况，抓住影响最大的两三项就够了。这两三项的取值决定了区间的宽度，其余项对结果的影响可以忽略。

区间最有用的时候是它的下端。上端的结果告诉你这件事做好了能到哪一步，下端的结果告诉你万一各项都往不利方向走会是什么局面。决策的时候以下端为基准，如果下端的结果还能接受，这件事的风险就在可控范围内。

区间还有一个作用是暴露认知的薄弱处。如果算出来的区间宽得离谱，上下端差了好几倍，说明你对这个类目的几个关键成本项完全没有把握。这时候正确的做法不是硬选一个中间值，而是先去把这几项搞清楚再算。

最后要意识到区间的精度和决策的粒度要匹配。要不要做这个方向的决策，用宽一点的区间就足够判断；要不要把某个规格做多深的决策，就需要更窄的区间。区间宽窄本身也是信息，它告诉你当前的信息够不够支持你想做的决定。

动手的第一步是挑出不确定性最大的两三项。通常就是销量估值的偏差、广告费的比例、退货率的取值这几项。把它们挑出来，后面的区间只需要围绕这几项来搭，其余项用固定值处理，工作量会小很多。

第二步是给这几项各定一个乐观值和一个保守值。定值的时候不要拍脑袋，要从能找到的依据里推出来。销量估值的偏差范围可以参考前后两次取数的差异，广告费可以参考自己不同时期的实际比例。

第三步是把这些值组合出下端和上端。组合的时候不需要穷举所有搭配，取最有利的一组当上端、最不利的一组当下端就够。这两端之间就是这个方向的合理预期范围，比任何单一数字都更有参考价值。

第四步是把下端当成决策依据。下端还能成立的方向才值得推进，下端已经是负的方向要么放弃，要么先把拉低下端的那一项搞清楚再重算。用下端做判断，等于在估算阶段就给自己留了安全垫。

第五步是把这个区间记下来，并在后面用实际结果校准。做了一段时间之后，把实际发生的成本和当初的假设比一遍，看哪一项偏得最多。这个校准会让下一次的区间收得更准，几次之后这套方法就贴合自己的实际情况了。

有一个很说明问题的案例。某卖家算一个方向，用乐观假设算出利润不错，用保守假设算出几乎不赚。他没有急着下判断，而是先去把拉低保守结果的那一项查清楚，发现是广告费估得过于悲观。修正之后，这个方向的区间收窄到了可以决策的程度。

反过来的案例是区间始终很宽。有卖家反复算一个方向，上下端差了好几倍，怎么都收不窄。后来发现原因是他对手上的类目完全不了解，几个关键成本项都是猜的。这种情况下正确的动作不是继续算，而是先去把类目摸清楚。

还有一个边界是区间随时间收窄。刚开始做估算的时候区间往往很宽，随着经营经验积累、手上数据变多，同样一项的偏差范围会变小，整个区间也跟着收窄。区间宽窄的变化，本身就是自己对这个类目熟悉程度的一个刻度。

边界条件还包括假设的更新。市场环境变了，原来成立的假设可能不再成立，区间要重新画。判断假设是否失效，靠的是那些观察指标。指标一偏，就该重算，而不是继续用一份过期的估算做决策。

最后一个细节是区间的沟通。把估算结果给别人的时候，务必把区间和假设一起说，不要只报一个中间值。只报数字的做法会让听的人以为这是一个确定的结论，后面的决策就容易建立在一个被误读的基础上。

成本项列得越全，算出来的区间越窄，做决策就越不用反复

结论怎么用在决策上

第一个用法是筛方向。把几个候选方向都按同样的方法算一遍，看哪些方向在保守假设下仍然有正的空间，哪些无论怎么算都不成立。这一步不需要精确，能把明显不行的剔掉就已经产生价值了，它帮你省掉了后面的试错成本。

第二个用法是定优先级。几个方向都成立的时候，比的是它们的上端和中端的水平。上端高的说明做成了回报更大，中端稳的说明过程更可控。结合自己的风险偏好，选一个上端不太低、中端也稳的方向。

第三个用法是反推关键动作。如果算出来利润主要受采购成本影响，那接下来的重点就是找更便宜的货源；如果主要受广告费影响，重点就是优化投放效率。算利润不只是一个判断题，它还告诉你该把力气花在哪。

第四个用法是设观察指标。做完决策之后，把当初假设的几项当作观察指标，定期看实际值和假设值的差距。如果实际采购成本比假设高出一截，那当初算出来的区间就要跟着调整，后面的判断也要重新做一遍。

第五个用法是留出容错。任何估算都会有偏差，做决策的时候不要把结果用得太满。留出一部分安全空间，万一某一项比预期差，整体还不至于翻车。算得再细也不如留一手，这一点在利润偏薄的方向上尤其重要。

动手的第一步是把所有候选方向放在同一张表里对比。用统一的成本清单、统一的口径、统一的假设水平，让各方向的结果可以横向比。口径不统一的对比没有意义，比出来的差异可能全部来自假设的不同。

第二步是按保守结果排序，把保守结果靠前的排在前面。排序之后，优先投入资源的方向就清楚了。排在后面但上端很高的方向先放着，等前面几个方向跑出结果、资源有富余了再考虑。

第三步是从结果里反推下一步的重点动作。哪一项成本对结果影响最大，接下来就重点攻那一项。这个反推动作让利润测算和实际的经营动作连了起来，不再只是一份放在那里的报表。

第四步是给每个方向定两三个观察指标。指标要选那些能反映关键假设是否成立的，比如采购价、退货率、广告占比。定期看这些指标，一旦偏离假设，就重新算一次，让结论始终跟得上实际情况。

第五步是复盘时把预测和实际并排放。看哪一项估得准、哪一项差得远，差的这一项是自己没考虑到，还是市场确实变了。这个复盘动作是整套方法能持续改进的关键，少了它，下一次还会犯同样的错。

有一个实践中的做法是把利润估算和选品流程绑在一起。每次考虑一个新方向，都先按统一模板算一遍，算完再决定要不要进入深入调研。这个动作把利润测算变成了选品的前置环节，而不是事后才发现不赚钱才回头算。

另一个做法是给每个方向设一个止损线。估算的时候就知道这个方向在什么情况下应该放弃，比如实际退货率超过某个水平就停。有了这条线，执行过程中就不容易被沉没成本牵着走，该停的时候能停下来。

还有一个边界是季节点位的判断。有些方向在旺季算出来很可观，淡季一算就完全不成立。做决策的时候要问清楚，这个结果是按旺季口径算的还是全年的。只按旺季算出来的结论，不能用来支撑全年的投入。

边界条件还包括自身能力的匹配。算出来赚钱的方向，未必是自己做得成的方向。供应链、资金、团队能力这些条件决定了能不能把估算出来的利润真正做出来。测算给的是可能性，能力决定的是可行性，两者要一起看。

最后一个细节是把每次决策和事后的实际结果做一次对照。哪个方向判断准了，哪个偏了，偏在哪一项假设上，都记下来。这些记录积累起来就是一套属于自己的判断经验，比任何通用方法都更贴合自己的实际情况。

常见问题（FAQ）