Số Liệu Thực Từ 50.000 Lượt Lọc Sản Phẩm 1688

Trước khi mở Scout cho người dùng bên ngoài, chúng tôi đã dùng nó cho hoạt động của chính mình trong nhiều tháng. Tính đến tháng 5, tổng số lượt lọc sản phẩm đã vượt 50.000.

Đây không phải là số liệu để khoe. Đây là dữ liệu làm việc — và nó cho thấy một số điều mà chúng tôi không ngờ tới.

Tỷ lệ pass thực tế thấp hơn nhiều so với kỳ vọng

Khi mới bắt đầu lọc batch từ 1688, chúng tôi kỳ vọng khoảng 20–30% sản phẩm sẽ qua vòng lọc đầu. Thực tế: trung bình 8–12%.

Điều đó không có nghĩa là 1688 kém. Nó có nghĩa là quy trình lọc kỹ lưỡng hơn chúng tôi nghĩ — và việc xử lý 500 sản phẩm để ra được 45–60 ứng viên đáng test là chuyện bình thường, không phải thất bại.

Nếu bạn đang lọc batch và tỷ lệ pass của bạn cao hơn 25%, nhiều khả năng bộ lọc của bạn đang quá lỏng.

Số lượng nhà bán là tín hiệu đáng tin hơn số đánh giá

Trên 1688, rating và số đánh giá của sản phẩm không phản ánh chính xác mức độ cạnh tranh thực tế khi bán ở thị trường Việt Nam.

Tín hiệu chúng tôi thấy có tương quan tốt hơn: số lượng nhà bán đang list cùng sản phẩm đó (hoặc sản phẩm tương tự) trên Shopee và TikTok Shop. Sản phẩm có 5 nhà bán trên Shopee với 200 đơn/tháng mỗi người thường có margin tốt hơn sản phẩm có 1 nhà bán với 1.000 đơn/tháng — vì người sau đó đang nắm giữ thị trường và sẽ đánh giá xuống ngay khi có đối thủ.

Chúng tôi đã thêm trường này vào quy trình annotation sau khi nhận ra điều đó.

Sản phẩm "chết" có chu kỳ

Khoảng 15% sản phẩm chúng tôi đánh fail trong batch đầu tiên xuất hiện lại trong batch 3–4 tháng sau — thường từ nhà cung cấp khác, đôi khi với cải tiến thiết kế nhỏ.

Lý do này khiến tính năng lịch sử quyết định trong Scout quan trọng hơn chúng tôi nghĩ lúc ban đầu. Không phải để tránh nhìn lại — mà để biết tại sao mình đã bỏ qua lần trước, và liệu lý do đó còn đúng không.

Batch tối ưu không phải là batch lớn nhất

Chúng tôi đã thử nhiều kích thước batch khác nhau: 100, 300, 500, 800 sản phẩm. Kết quả nhất quán: batch 200–350 sản phẩm cho chất lượng quyết định tốt nhất.

Với batch lớn hơn 500, chúng tôi nhận thấy tỷ lệ "maybe" tăng lên — không phải vì sản phẩm thực sự ở ngưỡng ranh giới, mà vì quyết định mệt dần vào cuối batch. Những sản phẩm đáng là "pass" hoặc "fail" rõ ràng bắt đầu bị xếp vào "maybe" khi não đã chạy 4 tiếng.

Hai batch 250 sản phẩm trong hai buổi sáng cho kết quả tốt hơn một batch 500 trong một ngày dài.

Những gì chúng tôi đang làm với những dữ liệu này

Một phần của quá trình xây Scout là tự làm chuột thử nghiệm — dùng công cụ của chính mình và ghi chép lại những điểm đau.

Kết quả là một số tính năng xuất phát trực tiếp từ những gì dữ liệu cho thấy: phân nhóm batch tự động, cảnh báo khi batch quá lớn, và bộ lọc nhanh để loại sản phẩm theo nhóm thay vì từng cái một.

Nếu bạn đang xây quy trình lọc hàng từ 1688 và muốn thử Scout, yêu cầu access tại đây hoặc viết về thinh@ordinex.io.