品类机会评分引擎 — 市场空间×竞争强度×可操作性的选品决策矩阵
Skill-Product-Category-Opportunity-Scoring · 04-供应链
causalexperimentforecastingoptimizationrecommendationfraud_detectionpricing供应链与补货推荐与搜索定价与利润风控与合规WF-A 智能补货WF-D 选品扫描WF-F 动态定价WF-H 复购增长WF-K 全域风险防御
年化 ROI30万
实现难度⭐⭐⭐☆☆
业务视角
适用角色供应链负责人 · 采购负责人 · CEO / 运营 VP
适用平台Amazon FBA · 海外仓 · 多国仓位（美/欧/日）
什么情况下用库存周转率低，资金压在海外仓出不来；SKU 断货紧急空运，物流成本吃掉毛利；多仓库存分布不均
成功是什么样的库存周转天数从 90 天降到 60 天，断货率 <3%，海外仓综合成本降低 15-25%
业务痛点
1. 解决的问题
选品团队面临"新品选择靠感觉导致30%失败率"——三维评分(市场×竞争×可操作性)将新品失败率从30%降至15%，防止错误选品损失约90万元/年
2. 核心算法逻辑
品类机会评分 将选品从"凭感觉"转化为数据驱动的"可量化决策"。三个核心维度：
3. 业务应用场景
未自动抽取；请查看原始 Skill 卡片。
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
- ROI预估：数据驱动选品减少新品失败率从30%→15%；每次新品投入约¥30万，选品精准化每年防止2-3次错误决策，节省约60-90万元
- 实施难度：⭐⭐⭐☆☆（数据来源：Amazon/Shopify分析工具+第三方选品工具）
- 优先级评分：⭐⭐⭐⭐⭐（选品是所有供应链工作的起点，选错品=所有后续工作白费）
7. 代码模板
代码块数量：1 · 路径：未检测到
"""
品类机会评分引擎
功能：多维度评分 / GO/NO-GO决策 / 风险因子识别 / 选品优先级排序
"""
import numpy as np
from dataclasses import dataclass, field
import warnings
warnings.filterwarnings('ignore')
@dataclass
class CategoryData:
category_name: str
monthly_gmv_usd: float
yoy_growth_pct: float
search_volume_monthly: int
top3_market_share_pct: float # 头部3家的市场份额
avg_rating_gap: float # 头部评分 vs 尾部评分差距
price_war_intensity: float # 0-1 价格战激烈度
supply_chain_complexity: float # 0-1 供应链复杂度
certification_barriers: float # 0-1 认证壁垒
capital_requirement_usd: float # 启动资金需求
def score_market_size(cat: CategoryData) -> float:
"""市场规模评分（0-1）"""
gmv_score = min(1.0, cat.monthly_gmv_usd / 5_000_000)
growth_score = min(1.0, max(0, cat.yoy_growth_pct) / 50.0)
search_score = min(1.0, cat.search_volume_monthly / 1_000_000)
return 0.5 * gmv_score + 0.3 * growth_score + 0.2 * search_score
def score_competition(cat: CategoryData) -> float:
"""竞争强度（0-1，越低越好进入）"""
concentration = cat.top3_market_share_pct / 100.0
rating_gap = min(1.0, cat.avg_rating_gap / 1.5)
price_war = cat.price_war_intensity
return 0.5 * concentration + 0.3 * price_war + 0.2 * rating_gap
def score_operability(cat: CategoryData) -> float:
"""可操作性（0=难操作，1=容易操作）"""
supply_ok = 1.0 - cat.supply_chain_complexity
cert_ok = 1.0 - cat.certification_barriers
capital_ok = 1.0 - min(1.0, cat.capital_requirement_usd / 500_000)
return 0.4 * supply_ok + 0.3 * cert_ok + 0.3 * capital_ok
def compute_opportunity_score(cat: CategoryData) -> dict:
market = score_market_size(cat)
competition = score_competition(cat)
operability = score_operability(cat)
score = (0.35 * market + 0.30 * (1 - competition) + 0.35 * operability) * 100
# GO/NOGO
if score >= 65:
rec = "GO"
elif score >= 45:
rec = "WATCH"8. 论文来源
- 2309.11823
- 2402.08234