Shopee选品插件给出的数为什么和页面不一样

同一个数在两处不一样是常事

先看一个最容易验证的例子。同一件商品，你昨天在页面上看到评价数是两百多条，今天再看变成两百一十多条。这两个数不一样，但这件事理不清谁错，因为评价一直在增加，两次看到的本来就是不同时间点的状态，差的是时间，不是准确度。

另一个例子更明显。同一个款在两个站点上卖，一个站显示的价格换算过来偏高一些，另一个站偏低一些。这不是有人算错了，而是两个站点各有自己的定价、自己的活动节奏、自己的运费政策，它们本来就是两个不同的数，被放在一起比才显得矛盾。

工具和页面之间对不上，原因往往更靠后一层。页面给你的是这一件此刻的状态，工具给你的是它那边存着的一份资料里的对应项。这两份东西不是同一时刻取的，所以它们之间的差，等于两个时间点之间的自然变化加上口径上的差。

还有一个验证方式很直接，就是同一页刷新两次，看那个数会不会变。多数情况下两次是一样的，因为页面取的是同一个统计结果。而如果你隔几个小时再看，量大的类目上就可能有细微差别。这个试验能让你体会到时间点的影响有多大。

再举一个自己就能做的试验。挑三件不同类目的商品，把它们在页面上的销量、评价数、价格各抄一遍，分别记上时间，然后隔三天再抄一次。三天之后你会看到，有的商品数字一动没动，有的涨了一截，而这个涨幅就是后面所有比对都要考虑的基线。

这个基线很有用，它让你知道在这个类目里，三天的自然变化大概是什么幅度。以后你发现两边差得比这个幅度还小，那很可能只是时间差；差得远超这个幅度，才需要去找口径或者估算的原因。

把这个试验做上两周，你会发现自己面对不一致时的心态变了。以前的第一反应是怀疑数据不准，现在会先问这两个数分别是什么时候取的。这个转变很小，但它把一件没有答案的事变成了一件通常有答案的事。

还有一件事值得提前说，就是不同来源的工具之间互相比对，是差异最大的那一类比对。因为它们各自有自己的更新节奏和折算方式，两层加工叠在一起，差出来的一截里既有时间的部分也有口径的部分，很难拆开。

所以更稳妥的做法是把你常用的那一个来源固定下来，以它为主记录，其他来源只在你怀疑它出了问题的时候拿来做一次交叉检查。到处比对不会让结论变准，只会让你花更多时间在解释差异上。

还有一类不一致不会引发争议，因为它太明显了，就是那些明显异常的数字。一件商品的销量栏忽然跳了很大一截，或者评价数莫名少了一批，这种时候不用去找口径，先看它是不是赶上活动、是不是换过商品页。

与之相反，最容易让人纠结的是那种差一点点的不一致，比如两边差了几十件、指数差了两三个点。这种差异小到不像出错，大到让你觉得不该忽略，于是花很多时间去查。而多数情况下它的来源就是时间差，不值得查。

判断值不值得查有一个简单的标准，就是看这个差会不会影响你的决定。差的那一截如果不足以让你从要做变成不做，那它就不值得花时间；只有当它落在你的判断边界附近时，才值得停下来弄清来源。

还有一点是关于记忆的。人对数的记忆很不可靠，你上周看到的一个数，这周再想起来往往已经变成了一个模糊的印象。所以觉得对不上这件事，有时候只是记忆里的那个数本来就不准，而不是两处真的有差。

要避免这种自我干扰，比较可靠的办法是记。抄下来的数带着日期，回头比对的时候用的是记录而不是记忆，这样讨论的对不上才是真的对不上，才值得花时间查下去。靠记忆比对，多数时候你查的其实是自己记错了。

把这些零散的情况收一下：对不上是常态，差别有大有小，多数小的差别来自时间，大的差别才可能是口径或者估算。你在同一个类目里抄过几次之后，对正常的波动幅度心里就有数了，再看到不一致，第一眼就能分出它属于哪一类，时间也才真的花在该花的地方。

每经过一步都可能换一次口径，最后对不上是常事

差异一般出在哪几个环节

第一个环节是平台自己的记录口径。同一件货在平台上可能有几套不同的计数方式，比如按下单算、按付款算、按发货算、按买家确认收货算。不同的场景下平台会调用不同的那一套，所以两处显示的数不一样，可能只是它们在用两套口径。

第二个环节是页面的展示取舍。页面上给买家看的数是经过整理的，它会四舍五入、会按档位显示、会把某些状态下的订单排除在外。工具读到的正是这个整理过的数，所以它继承了这个取舍，再往上做的任何计算都建立在取舍过的数上。

第三个环节是工具自己那一层的加工。工具拿到的是一堆公开字段，为了让它们能横向比较，往往要做一次折算，比如把不同站点的价格换到同一个基准，或者把一段时间的量摊成日均。这一步折算的口径如果和你的理解不同，摆出来的数就会和你想的不一样。

第四个环节是时间。平台的数据按自己的节奏更新，工具那边也有自己的更新节奏，两个节奏不同步。你在这一个时刻看到的两份资料，可能一份是今天的，另一份是前两天存下的，中间这几天的变化就全算成差异了。

把这四个环节连起来看，会发现一个数从原始记录到你眼前，中间至少换过两三次口径。任何一次口径转换都会带来一点偏差，偏差不会互相抵消，只会叠加。所以两边完全一致反而是小概率，对不上才是常态。

这个认识很实用，因为它把找谁错了这个问题换成了另一个问法：这两个数各自是在什么口径下算出来的。问法一换，你要做的事情就从互相比较变成了各自查清来源，而后一件事是有答案的，前一件事没有。

还有第五个环节，就是数据在传递过程中被摘取的那一部分。工具为了摆在你眼前，通常只取几个关键字段，不会把整页搬过来。它摘取的时候按自己的判断挑重点，你关心的那一项可能刚好没被摘到，于是你看到的是一个不那么完整的片段。

这个环节带来的困惑是另一种：不是两个数不一样，而是你要的那个数根本不在。这时候更实在的做法是回到页面上自己找一遍，因为页面上一定有你关心的那个字段，而工具摆出来的只是一部分。

第六个环节是换算。不同站点的货币、不同类目的计量单位、不同的时间范围，为了让它们能放在一起看，工具需要做一层换算。汇率用哪一天的、单位按谁的、时间范围怎么对齐，这些选择每一个都会带来一点偏差。

换算这件事有一个特点，就是它一旦定下来就固定了，所以它带来的偏差是稳定的。这意味着它不会让你某次判断特别离谱，而是让你的所有判断系统性地偏向一边。这种偏差比随机的偏差更值得注意，因为它不会被平均掉。

把这六个环节排一遍，你会发现从前到后，数离原始记录越来越远，加工的次数越来越多。每多一道加工，你在这上面失去的不只是精度，还有对口径的把控。这也是为什么更靠近源头的数更值得依赖。

实践上有一个很省事的对策，就是给每个数标一个层级。第一层是页面上直接看到的，第二层是工具按自己资料库给的，第三层是工具估算出来的。三层分开记，绝不在同一个判断里混着用，这样你至少知道自己是在用什么层级的信息做决定。

这个分层还有一个附带的好处，就是让沟通变清楚。你和别人讨论一个款的时候，先说这个数是从哪一层来的，后面的分歧往往在一开始就能避免掉，因为大家手里的东西本来就不是同一个层级。

再说一个容易忽略的环节，就是人对页面字段的读法。同一行字，有人读成这件货一共卖了两百件，有人读成这件货最近卖了两百件。理解上的差异也是差异的一个来源，而它跟工具、跟平台都没有关系，只跟读的人有关。

要减少这一类的误解，能做的就是把读法显式地写出来。你记一个数的时候顺手写下它代表什么，比如写上一共还是近三十天，这一个动作就能挡住后面很多无谓的争论，尤其是当这份记录要给别人的时候。

最后要说的是，这六个环节里你能控制的不多。平台的口径你改不了，页面的展示取舍你也改不了，工具的折算方式你更不知道。你能控制的只有两头：取数的时间点固定下来，以及把每个数的含义写清楚。

把能控制的两头抓住，剩下的差异就从一团乱麻变成了一件可以预期的事。你知道它大概会有多少、出在哪几处、什么时候可以忽略，遇到的时候不会再停下来纠结，这就已经够用了。判断这件事要的是往前走，不是把每一处对不上的地方都解释干净。

所以面对差异，合适的姿势不是消灭它，而是把它归到上面这几个环节里去。归进去之后，它就不再是一个让人不安的疑点，而是一个你早就知道会出现的正常现象，甚至能在看到它的第一眼就说出它出在哪一步。

越是隔着估算和口径的比对，不一致越常见

口径不一样怎么造成的

口径这个词听起来抽象，其实很具体。同样说这件货卖了多少，一个口径数的是订单笔数，另一个口径数的是发出的件数。买家用一个订单买了三件，第一种口径记一，第二种口径记三。差就在这个地方，不是谁抄错了。

还有一种口径差别出在统计范围上。有些数只统计已经完成的订单，有些把刚下单还没发的也算进去，还有些会把后续退掉的订单仍然留着。你拿一个已完成的数和一个包含未完成的数比，得出的差就是那批在途订单的量。

价格上的口径差别更常见。同一个商品会同时有标价、活动价、券后价、组合装折算价这几个数，不同场合用的是不同的那一个。你说这个便宜，用的可能是券后价；他说这个不便宜，用的可能是标价。两边都没错，只是口径不同。

再看时间口径。说这件货最近卖得好，最近可能指的是七天、三十天、还是自然月。这三个范围算出来的数差别很大，尤其在一个刚起来的款上。一个数说它在涨，另一个数说它已经平了，两个都可能是对的。

口径不同还会出现在类目上。同一件货可能同时挂在两个类目下，一个系统按主类目统计，另一个按挂在的所有类目统计，算出来的类目均值就不同。你要拿类目均值去判断某个价位算不算高，得先弄清用的是哪一套归类。

对付口径差别只有一个办法，就是把口径写出来。你在名单上记一个数的时候，把它属于哪个口径一起写下来：这是券后价、这是三十天的量、这是主类目下的均值。写下来之后，后面的比较就只会在同口径之间发生，不会再把两个不同的东西放在一起比。

口径差别还可能出在主体上。同样说这个类目的平均价位，一个口径算的是所有在售商品，另一个算的是有实际成交的商品。前者会把大量挂上去没卖动的货算进去，平均价会被拉低；后者反映的是真正在走货的那一部分，平均价会高一截。

这两个数各有各的用处。想知道这个类目整体的报价水平，用第一种；想知道买家实际接受的价位在哪，用第二种。拿第一种的数去判断自己的定价有没有竞争力，容易给自己一个偏松的印象，因为跟你抢生意的往往是第二种里的那些。

还有一种口径差别出在地域上。同一个平台的同一个站点，不同地区的买家看到的运费、看到的活动、看到的展示位置都可能不一样，所以从不同地区取来的数本身就带着地区差。这种差异在跨地区协作的团队里最容易引起误会。

另外一类是商品的归并口径。同一个款有多个变体，有的系统把它算作一个商品，有的按变体分开算。算作一个的时候，它的销量是几个变体加总的；分开算的时候，每个变体的量都不大。你拿这两种数去比，会得出完全不同的热闹程度。

这类差别在判断一个款够不够热的时候特别要紧。一个款按加总算看着不错，按变体分开看每个都很冷，两种读法给出的结论完全不同。想知道真相，往往要看评价里提到规格的那几条，看是哪个规格被反复提到。

再看一类和费用有关的口径。有的数里含运费，有的不含；有的按平台补贴之后算，有的按买家实付算。这几种口径在页面上都会出现，只是出现在不同的位置。你跨位置去比较，就会觉得对不上，而实际上它们本来就是四个不同的东西。

处理这一类差异最有效的办法是把口径当成数的一部分。不写口径的数等于不完整的数，因为它没法被比较。养成这个习惯之后，你在名单上看到的每一项都带着自己的定义，别人接手也看得懂。

还有一点容易被忘掉，就是口径会随时间改变。平台调整一次统计规则、换一次展示方式，同一个位置上的数的含义就可能变了。所以隔了一段时间再去比较同一个位置的数，最好先确认这期间口径有没有动过。

这件事上有一个实际的观察点，就是看页面的展示形式有没有变过。如果销量原来显示一个具体的数，现在显示成一个档位，那就说明展示口径改了，前后的数不能直接连起来当一条线看。

把口径的事说这么多，核心只有一句：对不上的时候，先问这两个数各自数的是什么。这个问题通常有答案，而且答案通常不在谁更准上面，而在定义上。找到定义，差异就解释清楚了。

还有一层是同一个口径在不同人嘴里的叫法可能不同。有人把三十天的量叫近期销量，有人把七天的量也叫近期销量。沟通的时候说的是同一个词，手上拿的是两个范围，讨论了半天才发现是这个问题。

所以跨人沟通的时候，把范围一并说出来能省很多事。说三十天的量比说近期的量只多几个字，但它能让对话从一开始就落在同一个基础上，不至于绕了一大圈才发现两边说的不是一件事。

知虾站在这一层，它给的那些数也是按站点和类目整理过的，属于公开资料那一层，口径和你手上其他来源不会天然一致。页面上没有的那些它同样没有。所以拿它和别处的数放在一起比之前，先确认两边数的是不是同一件事，这比急着比大小要有用得多。

把口径当回事之后，你用这些工具的方式也会变。不再把某一边给的一个数直接当成答案，而是先看它这一栏数的是什么，再决定要不要和别处的数放在一起。知虾给的是页面这一层公开的那部分参照，和自己账上那份记录本来就不同口径，弄混了才是真的对不上。

时间点不一样怎么造成的

时间点造成的差异有两个方向，一个是数据本身在走，另一个是取数的时刻不同。第一个方向容易理解：今天出的货不该出现在昨天的数上，两边差一批是正常的，差多少取决于这件货的动销速度。

第二个方向更隐蔽，就是更新节奏不同步。平台侧的数据有自己的刷新时刻，工具侧的资料也有自己的整理周期。如果你在平台刚刷新之后看页面、在工具还没更新之前看工具，两边差的就不只是一天的量，可能是一个完整周期。

有一个很实用的判断办法，就是看这件货动得快不快。动得快的款，两个时间点之间差别的量本来就大，时间差造成的误差也大；动得慢的款，十天半个月的差也看不出来。所以对快销品，时间口径尤其要写清楚。

还有一个方向是周期性的。大促前后的数据会明显偏离平时，活动期一个月的量可能抵得上平时几个月。如果你拿活动期记下的一个数和活动结束之后记的一个数相比，得出的结论往往是错的，因为它比的是两种不同的状态。

所以处理时间差的办法不是追求同步，而是把时间标签贴牢。你在名单上抄下任何一个数，旁边都写上这是哪一天看到的、这段时间有没有活动。这两个信息加起来，后面的比较才有意义，也不会把变化误读成不一致。

时间标签还有一个附带的好处，就是它会自然形成一条线。同一件货你隔两周抄一次，抄上五六次，这条线就画出来了。走势这件事页面上永远给不了，它只存在于你自己按固定间隔取的那几个点之间。

除了时间标签，还有一个实用的小办法，就是给你关心的那几个数设一个固定的抄录日期。比如每周一早上，把名单上那十几条的关键字段抄一遍。日子固定，前后两次之间隔的天数就是固定的，时间差这一项就被控制成了常量。

控制成常量这件事很关键。如果时间差每次都不一样，你永远分不清一个变化是数据在走还是取数间隔不同造成的。而把它固定下来之后，剩下的变化就可以归到数据本身，或者归到口径上，两者可以分开处理。

还有一类时间差来自时区。同一个平台的用户分布在多个地方，数据的统计日界按哪个时区切，会影响跨日那一段的归属。你在本地时间的早上取数，平台那边的日界可能刚刚过去不久，也可能还有几个小时才到，这个差别会体现在跨日的数上。

时区造成的差异通常在量大的类目上更明显，因为跨日那一小段时间里的成交本身就多。对于量小的类目，这一项往往看不出来。知道这一条之后，你在量大的类目上做对比就会更有耐心一些。

还有一个时间上的坑是活动边界。活动开始和结束的那一天，数据会有一个台阶式的变化。如果你两次取数刚好跨过这条边界，看到的就是一个跳变，而这个跳变跟商品的真实表现没有关系，只跟活动的起止有关。

避免这个坑的办法很简单，就是把活动日历放在手边。取数的时候看一眼这段时间有没有活动，有的话在记录里标一下。标了之后，后面的对比自然会绕开这些点，或者至少知道要单独解释它们。

再有就是更新节奏本身的问题。有些数据的更新是按批次的，不是连续变化的，所以你会看到它长期不动然后忽然跳一下。遇到这种情况不要急着判断它出错了，先看看它上一次更新是什么时候。

批次更新的存在意味着，两个时间点之间的差不一定反映这段时间的变化量。它可能只是刚好有一次更新落在中间。这会让短期的对比失真，而对长期的对比影响不大，所以这类数据更适合拉开间隔来看。

把这些拼起来，时间差的处理其实归结为三件事：知道数据多久更新一次，知道活动什么时候来，取数的时候把日子固定。这三件事做齐之后，时间这一项基本就不再是干扰源，剩下的差异可以集中到口径和估算那两处去处理。

还有一件事是关于历史的。如果某个数你今天才开始记，那你就没有历史，任何关于走势的判断都只能等到有第二个点之后才能做。所以这份记录的价值不在于它当时多准，而在于它累积得越早越好。

最实际的一条建议就是今天就开始记。不用记很多，挑你判断里最常用的那几个数，每周固定抄一次。三个月之后，你手上这份记录的价值会超过任何一个现成的工具给的数，因为它是按你的口径、你的节奏攒起来的。

记的时候不要追求把所有的字段都抄下来。抄三五个核心字段就够，多了反而坚持不住，第三周就开始跳着抄了。少而稳定比全而断续要有用得多，这一点在记录这件事上尤其明显，因为记录的价值全在连续性上。

估算方法不一样怎么造成的

估算这件事的起点，是页面上给的那个数不够用。你手上只有一个累计销量，想知道最近一个月的情况，只能用它的变化速度去推。这一步推法各家不一样，有的看评价增速，有的看销量栏的增量，有的把两者混起来加权。

推法不同，结论就会不同。评价增速快而销量栏变化不大，用评价去推的会得出这个款正在起量的结论，用销量栏去推的会得出它最近平稳的结论。两边都不是编的，只是各自用了一部分信号，而这两部分信号本来就不完全同步。

还有一个差别在于对异常值的处理。某个款因为参加了一次活动突然放量，用简单外推的方法会把这个放大量当成常态，往未来推得很高；用平滑处理的方法会把它当噪声压掉，推出来的走势平缓得多。两种处理各有各的道理。

算法上的差别同样不可忽视。同一个量级的数据，用不同的平滑参数、不同的观察窗口，得出的估算值可以差出不小的一截。这些参数多数不公开，你也不可能从外面看出它用的是哪一套，所以两个工具的结果对不上，属于一定会出现的情形。

面对估算值，有一个态度上的调整很关键：把它当成方向，不要当成数值。它告诉你这个款最近大概在往上走还是在往下掉，不告诉你它上个月具体卖了多少。你要的是方向的话，两个工具给出的方向往往是一致的，即使数值差得远。

还有一点要说清楚，估算这件事本身不是缺陷。页面上的公开字段就是不够用，想让人有个参照，除了估没有别的路。问题出在把估出来的数当成实数用，用它去做定价或者定量的决定，那就会把估算的误差一路放大到结果上。

估算里还有一个常被忽略的差异来源，就是输入数据的完整度不同。一个工具手上有一千个同类的历史数据，另一个只有一百个，两者做出的估算稳定性不一样。样本越大，估算通常越稳，但这一层信息你看不到。

这一条也说明为什么同一个算法在不同类目上的表现可能差很多。大类目样本多，估出来比较稳；冷门类目样本少，估出来的数波动就大。所以同一个工具在不同类目上的估算，可信程度本身就是不一样的。

再看一个角度，就是估算的目标不一样。有的估算想回答这个款最近卖了多少，有的想回答这个款还能卖多久。这是两个不同的问题，用的推法也不同。你把两个针对不同问题的估算放在一起比，得到的差没有意义。

要避免这种误比，办法是先问清这个数在回答什么问题。是一个历史量的估计，还是一个未来趋势的推测。这两者的数值可能很接近，但含义完全不同，用错了地方就会把判断带偏。

所以对估算值比较稳的用法是看它的相对位置。同一个工具在同一批商品上给出的估算值，彼此之间的高低关系通常比绝对值可靠得多。你要在五条候选里排序，用它的排序比用它的数值要稳。

这个用法还有一个好处，就是它不需要你知道绝对值。排序这个东西在你做初筛的时候本来就够用，你要找的是最像的那几条，不是每一条的精确量。而且排序比数值稳，哪怕两边的绝对值都偏，谁高谁低的次序往往还是对的。

还有一个补充的角度，就是把估算值和硬字段对照着看。估算说这个款在起量，评价数的增长也确实快，两个信号一致，这个判断就比较实；估算说在起量，评价数却一动不动，那就该多留一个心。

最后要说的是估算的时效。估算基于一定长度的历史，历史越旧，对当下的说明力越弱。所以一个几天前做的估算和一个今天做的估算，即使方法完全一样，结论也可能不同，这不是它不稳定，是输入变了。

所以看到估算值的时候顺手看一眼它是哪一天做的，这件事很重要。尤其在动得快的类目上，隔了一周的估算可能已经完全过期，用它做判断等于拿旧地图找新路。养成看日期的习惯，只多花一秒钟，能挡掉一类很难察觉的错。

把这些合起来，估算这一块的对策就是三条：只当方向不当数值，优先看排序不看绝对值，每次都对照硬字段和更新时间。这三条做到之后，估算值的用处就发挥出来了，你也知道它给的那部分东西该放在判断的哪一层。

销量那一行三种原因都占，价格那一行主要出在时间上

怎么处理这种不一致

第一个动作是不要急着修正。看到两个数不一样，最省事的做法是取中间值或者取自己觉得合理的那个，这一步看起来解决了问题，实际是把两个口径的信息一起搅浑了。更实在的做法是先把两个数分别记下，搞清各自的口径。

第二个动作是建立一份自己的口径说明。这份说明不用长，几条就够：我记的销量是三十天口径还是累计口径、价格记的是券后还是标价、类目均值取的是主类目还是全部。写在便签上贴在显眼处，以后每记一个数都照着填。

第三个动作是固定取数的时刻。如果你每天早上九点看一次，就一直保持在每天早上九点。这个习惯不解决口径差，但它把时间差这一项控制住了，剩下的差异来源就少了一样，排查起来会容易很多。

第四个动作是拿一个已知的量去校验。你自己店里出过的单是已知的，用你的实际出单去对工具给出的这一类数，能看出它在你的类目上偏向哪一边。校一次管很久，因为偏差通常是稳定的，不会今天偏一边明天偏另一边。

第五个动作是给不一致定一个可接受的幅度。在这个幅度之内的一律当作正常，不做处理；超过这个幅度的才停下来看。这个幅度的来源就是前面那个试验：在这个类目里，三天的自然变化大概是多少。

定下幅度之后，你会发现绝大部分不一致根本进不了处理名单。之前让你纠结的那些差一点点的情况，现在看一眼就知道在正常范围里，不用再花时间。真正需要处理的是那种差得离谱的，而这类通常有明确的原因。

第六个动作是把发现的不一致写下来。写下来不是为了存档，而是为了看出规律。记上十几条之后，你多半会发现它们集中在某一个来源上，比如总是工具那边的数偏高，或者总是在活动之后对不上。

看出规律之后处理就简单了。如果是某个来源系统性偏高，你在心里给它减一档就行，不需要每次都去查；如果是活动期间必定对不上，那就规定活动期不用这个数做对比，等平静下来再说。

第七个动作是定期回头把口径说明更新一次。平台调整、工具改版、你自己的用法变化，都会让原来的说明过时。每隔一段时间翻出来看一遍，改掉已经不对的地方，这份说明才能一直有用，否则它会安静地变成一份错的参照。

还有一条经验是不要把处理不一致这件事变成一项日常工作。它是一项维护动作，出现的时候处理一下就行，不需要每天花时间去核对所有数。把精力花在这上面，反而没有时间做真正的判断。

这条经验背后的道理是，不一致的成本不在差异本身，而在你为它花的注意力。差异一直都在，但如果每次都被它拉走注意力，你实际上是在为一件不产生结论的事情反复付费。这笔注意力如果省下来，能多看几条商品。

再说一个具体的做法。给自己定一条规矩，同一个数只在一个地方看。你从哪个来源看销量，就一直从那里看，除非它出了明显的问题。这样做的结果是你的记录天然同口径，后面自己和自己比不会打架。

这条规矩和前面说的交叉检查并不冲突。交叉检查是在你怀疑的时候做一次，日常记录仍然用一个来源。两者的分工很清楚，一个负责日常记录的连续性，一个负责偶尔的核对，用混了反而两边都做不好。

还有一件事值得安排，就是把你常用的那几个数在页面上对应的是什么位置记下来。页面改版之后位置会变，记下来可以让你在改版之后快速找回同一项，不至于因为找不到数而换了一个口径的替代项。

这类小动作加起来，构成了一套应付不一致的日常做法。它不复杂，但需要一开始就把口径说明和取数节奏定下来。定下来之后，每天的动作就只是照着填，几乎不再需要临场思考，遇到不一致也知道该翻哪一条。

把这一节收一下：处理不一致的原则是不修正、先分层、标口径、定幅度、记来源。这五条做到，你就从一个被差异牵着走的人，变成了一个知道差异从哪来、哪一处该管哪一处可以放过的人，手上的数也就从一团乱变成了分层清楚的一份材料。

把每个数的口径先记下来，后面吵起来的次数会明显少

该以哪个为准

这个问题的答案取决于你要用它做什么。如果要做的是一个需要精确数值的决定，比如按销量估算备货量，那么页面上的公开数和工具的估算数都不该作为直接依据，因为它们都隔了几层。

如果要做的是一个方向性的判断，比如这个款最近是不是在起量、这个价位在这个类目里算不算高，那么两个数里任何一个都能用，甚至它们对不上这件事本身就能说明问题：两边差得远，说明这个信号的稳定性不够，判断要留厚一点的余量。

还有一条原则很实用，就是以更靠近原始记录的那一个为准。页面上的数比工具的估算更靠近源头，你自己实际出过的单又比页面更靠近源头。顺着这条链往上游走，越上游的数越硬，这是选谁为准的一个基本次序。

还有一个维度是按时间远近。越是接近当下的数，越能反映现在的状态；越是隔了几天的数，越可能与现在有出入。所以在两个来源之间做选择的时候，除了看谁更靠近源头，也可以看谁更新得更近。

这两条标准有时会打架。一个更靠近源头但更新得慢，另一个隔了几层加工但更新得快。遇到这种情况，取决于你要用它做什么：要看现在的状态，选更新近的；要看这个数本身代表什么，选靠近源头的。

还有一个维度是稳定性。同一个来源的数，如果你连续观察了几个月，它给出的方向和你的实际感受一直吻合，那它对你来说就是可靠的。可靠这件事是建立在你自己的观察上的，不是靠比较两个工具得出的。

所以严格来说，该以哪个为准这个问题，最终答案是你自己定一个主来源，并且一直用它。这个来源可能是页面，可能是某个工具，也可能就是你自己的账本。定下来之后，其他来源只在需要核对的时候用。

定主来源这件事有一个前提，就是你得知道它在什么情况下不可靠。任何来源都有它的边界，页面看不到成本和成交，工具给的是估算和快照。知道边界在哪里，你才知道哪一类问题该去找另一个来源。

把这个思路落到实际，就是一份很短的清单：日常记录用哪一个来源、哪几类问题必须回到页面看、哪几类问题必须回到自己的账本算。这张清单写下来贴在桌上，以后基本不用再纠结该信哪个数。

还有一点是关于别人的数。你和同行交流的时候，对方给的那些数多半也有各自的口径，直接拿来和自己的一起排会乱。更实在的做法是把对方的数当成一个方向性的说法来听，具体数值不要混进自己的记录。

最后一条建议是接受不完美。你想要的是一套完全对齐、处处一致的数据，这件事在这个位置上做不到，因为对齐需要的信息不在你手上。接受这一点之后，你就能把注意力从追求一致转向把判断做扎实。

扎实的判断不要求每个数都精确，它要求的是你知道每个数的分量。哪个数可以拿来定范围，哪个数只用来提示方向，哪个数只能等你自己补上。这三类分清楚，判断的底子就稳了。

回到开头那个问题：同一个数在两处不一样，该信哪一个。现在可以给一个更完整的回答：先看两边各自数的是什么、什么时候取的，把这个搞清之后，多数情况下你会发现根本不需要选，因为它们回答的是不同的问题。

只有在两边回答的确实是同一个问题时，才需要真正选一次。这时候按贴近源头、更新更近、观察更久这三条排一下序，多数情况下答案会自然浮出来。三条指向同一个来源的时候，就不用再纠结了。

剩下的那部分差异，就是这份材料本身的余量。它提醒你手上的数不是一个精确值，判断的时候该留多少余地，这个提示本身也是有价值的，它让你不至于把一份大概的资料当成精确的账。

它给的资料是按站点与类目整理好的那一份，是前一日的口径，不是实时数。所以拿它做基准就要接受这一天的时差；要把整个站点的类目结构与价格带拉出来看，那是盘面那一层的事，和站在单条商品页上看到的东西不是一回事。

常见问题（FAQ）