选品过程实际上是一个对未来的销量和利润的预测过程。预测的比较准确，那么选品就相对比较成功，反之就可能是无法达到利润预期甚至亏损。
从这个角度来说，选品炒股比较类似，做好选品需要有一个能预测未来的水晶球。找到这个选品水晶球的最好的方法是依靠经验建立模型，依靠数据完善模型，严格按照模型选品并不断优化模型。
那么，假以时日，你的水晶球就会越来越准确。
选品讲究的是快狠准。如果等着深入研究每一个行业，等着优化利润分析模型，一年半载方才选出一款靠谱的产品，估计产品开发的和老板本尊都可以卷铺盖走人了。或许有人会说了，我花重金买了数据齐全的选品软件，这都不是事儿。然而，选品软件真的能够客观估计每个品类的潜在利润水平吗？
毛利率=（进销差价-物流费用）/进货价
用这种公式计算出来的毛利率，平均水平超过了50%，一般都会达到70%甚至更高。须知，这可是单次营销的毛利率，做零售的讲究的是复利，年化之后，10倍不是事儿，这无疑给人一种，跨境电商是在赚卖白粉钱的错觉。
数据服务商只给出了粗放的毛利率，是受到了数据原材料不足的限制。选品开发人员在使用这种毛利率计算公式选品时，需要避开两个大坑：
公式中的成本估计维度不够
没有考虑未来利润趋势可能发生的变化
为了更加科学评估产品利润率，构造一个对选品更加友好的利润分析模型，科学快速的评估一个产品潜在的利润率，按如下三步走。
第一步，需要有一张健全的跨境电商利润分析表，对其中的收入、成本逐项进行拆分。
第二步，对影响利润的各因素进行逐项分析，找到收入成本因素中的变与不变。
图中列举的利润影响因素中，从选品的角度可以分为三类：
运费、仓租、平台佣金、支付手续费、VAT等确定性高，受品类影响不大。
不确定性高，但是与品类关联不大（人力成本、管理费用等）
具体建模过程中，对于差异不大的或者确定性高的因素直接从价格中扣除即可。
对于人力成本、管理费用等因素，则需要基于公司实际情况或者经验值扣除一定比例。
对于产品品类之间变数比较大的因素进行重点分析，逐项构建基于公开数据或者经验判断的分析估算模型。
选品水平高低，结果好坏主要取决于这类因素的分析建模水平。
销量预测
销量预测需要拆解为市场规模、未来趋势、市场份额估算三项指标。
“爆款”这个词，对多数卖家其实是不适用的。爆款的精准定义到底是什么？培训大师给不了答案。还不如老老实实从平台流量估计、用户需求规模估计、季节性变化趋势等方向入手，研究寻找适合自身的市场。
市场份额估算应该是最难测算的，人与人之间的竞争，变数太多。传统的竞争模型，如波特五力模型，提到了从供应商的议价能力、购买者的议价能力、新进入者的威胁、替代品的威胁、同业竞争者的竞争程度五个方面来分析产业的竞争程度和规模。
退货成本：
退货成本=退货率*退货费用
该公式中，通常情况下会采用如下计算公式：
退货费用=进货成本+运费+佣金+弃置费
这个公式未考虑退货引起的客户满意度降低，平台给予店铺的权重降低，差评的因素。应该把商誉损失加入进去。
退货率=f(价格，是否是服装，是否是电子产品……)
退货率的高低，虽说主要影响因素是进货的质量，运营过程中描述与实物吻合程度，这些因素选品开发人员很难把控。但是，不同品类，不同价格的商品，退货率水平还是有差异的。比如服装色差上身效果会导致服装品类退货率较高，电子产品质量难达到消费者预期水平会造成该类产品退货率较高，价格高的产品退货率普遍高于价格低的产品退货率。在做退货率测算的时候，除了结合自己的经验，还可以把这些因素考虑进去，建立更为科学的退货率测算模型。
ROI：投资回报率
第三步，选品选的不是现在，而是未来。要对未来的利润趋势进行建模。
这里举一个简单的例子。
然而实际上，由于专利壁垒、品牌壁垒的存在，品牌市场集中度高，市场占有率这项在做测算的时候，是需要直接打0分的。
一个科学的利润分析模型完成以后，可得到如下结论。
本文由SellerMotor数据分析师Qeena倾情提供，未经允许，请勿转载！