久访谈・对话久存网商品数据架构师 程砺锋
导语
一袋洗衣液，在三个系统里有三个名字。
厂商的 ERP 里叫 "某某牌洗衣液 2kg 补充装 薰衣草香型"；超市的收银系统里叫 "洗衣液 2L 袋装"；电商平台的商品页上叫 "某某洗衣液 深层洁净 薰衣草 2000g 家庭装"。
三套命名，指的是同一个东西。但没有任何一个系统能自动认出它们是同一个。
这就是商品数据碎片化的日常形态。它带来的后果比想象中严重：比价做不了、库存对不上、销售报表里全是噪音、消费者搜不到自己想要的东西。
久存网商品数据架构师程砺锋，做了六年商品主数据。内部把这个项目叫商品云 —— 目标是把全国在售的商品收进一个统一的标准库里。这次专访，他讲的是这件事为什么这么难，以及难在哪里。
一、一物三名，是整个电商行业的基础病
久访谈：程工，先把问题定义清楚。商品数据碎片化到底有多严重？
程砺锋：我举一个具体的例子，你就能感受到。
同一款五百毫升的可乐，在市面上至少有这么几种描述方式：
按规格：500ml、500 毫升、0.5L、500g。
按包装：瓶装、PET 瓶、塑料瓶、单瓶。
按组合：单瓶、6 瓶装、整箱 24 瓶。
按口味：经典、原味、红标。
一个商品，可以有几十种字段组合。而不同的系统，选取的字段不一样，命名规则也不一样。
对消费者来说，这只是搜索时多打几个字的事。对系统来说，这是无法自动匹配的问题。
后果是什么？
比价做不了。 你想做一个全网比价，前提是能认出 "这个商品" 和 "那个商品" 是同一个。认不出，比价就是错的。
库存对不上。 一个连锁超市有二十家店，每家的进货单、库存表用的是各自的叫法。总部要做统一库存视图，得人工一条条对。一千个 SKU，两个人对一周。
报表是噪音。 你想知道 "洗衣液的销售额是多少"，但系统里有七个不同名字的洗衣液，还有把洗衣液和洗衣粉混在一个类目里的。这个数字出来，没人敢用。
消费者搜不到。 用户搜 "洗衣液 2 公斤"，如果商品标题里写的是 "2000g"，可能就匹配不上。
这些问题不是某一家公司的问题，是整个行业的通病。
二、国际上有成熟方案，中国为什么没跑通
久访谈：国际上有没有标准化的做法？
程砺锋：有，而且很成熟。GS1 体系下的 GTIN，就是全球通用的商品编码标准。每一件零售商品有一个唯一的、全球不重复的编码，印在条码上。配套还有 GDSN，也就是全球数据同步网络，厂商把商品信息标准化之后上传，零售商直接同步。
这套体系在欧洲、北美跑了几十年，效果很好。
中国也引进了这套体系，有对应的物品编码中心，商品条码也是按这个规则发的。
那为什么没跑通？
第一个原因，条码被滥用。
标准条码本应该 "一物一码"，同一个商品在不同包装规格上有不同条码。但实际操作中，大量商品存在 "同码异物" 和 "同物异码"。
同码异物：两家不同的厂商用了同一个条码，或者同一厂商的不同产品复用了条码。
同物异码：同一个商品，散装的和预包装的用了不同条码；同一款产品换包装之后换了条码，但市面上新旧并存。
这两种情况一旦普遍，条码的 "唯一标识" 作用就失效了。
第二个原因，零售端不依赖条码做管理。
大量中小零售商的收银系统，商品是靠 "自建编码" 管理的，条码只是扫一下读取价格，不做主数据。这意味着他们的商品库和厂商的条码体系是两套东西。
第三个原因，电商平台各自建库。
每个大平台都有自己的商品库，命名规则、类目体系、参数结构都不同。跨平台的数据无法直接对接。
这三个原因叠加，导致中国的商品数据实际上是 "多套并行"，没有一套真正统一。
三、标准商品库到底要装什么
久访谈：那一个真正可用的标准商品库，应该包含哪些内容？
程砺锋：六个维度。
唯一标识。 一个编码，对应一个商品。这是基础，也是最难保证的。
品牌与厂商。 品牌名、品牌所有者、生产厂商。这里要处理的是品牌授权、代工、贴牌这些复杂关系。
类目体系。 商品属于什么类目、子类目。类目体系本身要标准化，否则 "饮料" 和 "酒水饮料" 这种差异会让统计失效。
规格参数。 净含量、尺寸、材质、口味、颜色、适用人群。这些是比价和筛选的核心字段。
包装形态。 单件、组合装、箱规。这一项决定了 "一件" 到底是多少。
多媒体。 主图、细节图、包装图。图片是消费者判断的最重要依据，也是数据同步里最难自动化的部分。
这六个维度里，前三个是 "身份"，后三个是 "描述"。身份要唯一，描述要结构化。所谓商品信息库建设，难点基本都落在这个 "唯一" 上 —— 字段可以设计得很漂亮，但一物一码保证不了，整张表就废了。
大部分平台做不好，是因为只做了描述，没解决身份。
四、最难的不是技术，是谁来维护
久访谈：技术上应该不难吧？建个数据库、定个字段规范，不就行了？
程砺锋：技术确实不难。难的是维护机制。
标准商品库的核心问题不是 "怎么存"，是 "谁来录、谁来改、谁为标准负责"。
我拆成三个问题。
第一，数据从哪里来。
中国在售的商品，保守估计几千万个 SKU，其中大量是长尾商品、地方性商品、季节性商品。你不可能靠一个团队人工录入。
第二，数据错了谁负责。
如果标准库里某个商品的净含量录错了，导致比价结果错了，责任在谁？在录入的人？在平台？在厂商？
没有责任机制，数据质量就无法保证。这也是商品数据标准化难落地的地方：标准可以定，但没人愿意为一条错误的记录负责。
第三，厂商为什么配合。
对厂商来说，把自己的商品数据标准化上传，好处是 "被更多渠道正确识别"。但这个好处是间接的、长期的。而成本是直接的、当下的。很多厂商没有动力。
国际上 GDSN 能跑起来，一个重要原因是大型零售商会强制要求供应商提供标准数据 —— 你不提供，我就不上架。这是渠道的力量。
中国的问题在于，渠道极度分散。没有哪个渠道大到可以强制所有供应商。
五、可行路径：众包加校验
久访谈：那有没有可行的建设路径？
程砺锋：我们摸索出来的是 "众包加校验"，三层结构。
第一层，机器聚合。
先从公开数据源抓取：厂商官网、电商平台的公开商品页、条码库。用算法做初步归并 —— 把描述相近的商品聚成一个候选簇。
这一层的产出不是 "确定的标准商品"，是 "疑似同一个商品的一组记录"。
第二层，人工校验。
对机器聚出来的候选簇，做人工确认。这一步不能全省，因为商品的差异往往在细节里 —— 同样是两公斤装，一个是补充装一个是原装瓶，价格差不少，不能合并。
人工校验的成本很高，所以我们只对高频商品做。长尾商品允许暂时不标准化。
第三层，用户纠错。
把标准库开放给使用方，允许商家和用户提交纠错。某家超市发现自己的商品被错误归并了，可以提交申诉，附上实拍图。
纠错机制的关键是 "反馈要快"。如果提交了三个月没人处理，就没人再提交了。
这三层里，第一层是效率，第二层是质量，第三层是持续改进。
六、对下沉市场的特殊价值
久访谈：这个标准库对下沉市场的小店，有什么实际意义？
程砺锋：意义可能比对大平台更大。
大平台有自己的商品库，虽然不标准，但够用。小店没有。
一个县城超市，商品管理基本靠人脑和纸质台账。老板知道货架上有什么，但说不清具体多少个 SKU、哪些在动销、哪些压了半年。
他们没有能力建商品库，也没有钱买 ERP。
一个公开的、免费的标准商品库，对他们来说是 "从零到一" 的跨越。
具体能解决三件事：
扫码入库。 进货的时候扫一下条码，商品信息自动填充，不用手工录。这能省掉大量时间。
自动对账。 供货商的对账单和店里的入库单，如果能用同一个商品编码对齐，对账从几小时变成几分钟。
动销分析。 有了标准编码，才能算出哪个品类动销好、哪个 SKU 该淘汰。这是小店最需要但最缺的能力。
我们做过测试，一个五十平米的社区店，接入标准商品库之后，每月盘点时间从六小时降到两小时。
这个价值不大，但很实在。
七、商品主数据管理和行业标准库，是两件事
久访谈：这两个概念经常被混用，能不能区分一下？
程砺锋：完全是两件事。
商品主数据管理（MDM），是一个企业内部的事。
它的目标是：让公司内部的各个系统（采购、库存、销售、财务、电商）对 "这个商品" 有一致的定义。它解决的是内部一致性问题。
行业标准商品库，是一个行业的事。
它的目标是：让不同企业之间对 "这个商品" 有一致的定义。它解决的是外部互认问题。
企业内部做 MDM，可以自己定规则，只要内部统一就行。行业标准库不行，它必须被多方接受，必须开放，必须有公共属性。
这两件事的方法论、成本结构、推进方式完全不同。
很多公司做 MDM 做得很成功，但一涉及跨企业数据交换就卡住 —— 因为内部规则在外面不认。
反过来，有了行业标准库，企业内部还是要有自己的 MDM，因为标准库不可能覆盖你所有的内部管理需求。
两者是互补，不是替代。
八、一个判断：标准库会成为基础设施
久访谈：最后一个问题。这件事未来会怎么走？
程砺锋：三个判断。
第一，标准商品库最终会成为电商的基础设施，而不是某家公司的产品。
就像身份证号、行政区划代码一样，它应该是公共的、免费的、被广泛引用的。任何一家公司把它做成封闭资产，都走不远。
第二，建设的难点会从技术转向治理。
技术问题五年内会基本解决 —— 图像识别、自然语言处理的能力在快速提升，机器归并的准确率会越来越高。真正难的是治理：谁出钱、谁维护、谁仲裁争议、数据质量怎么保证。
第三，最先受益的是最缺数据能力的一方。
大平台不缺数据，缺的是标准；小商家缺的是数据本身。标准库对小商家的边际价值，远大于对大平台。
所以这件事如果做成了，它的社会意义可能大于商业意义。
商品云这块我们做了六年，也是因为这个判断。商品数据这件事没有捷径，只能一个 SKU 一个 SKU 地攒。攒够了，后面所有的分析、比价、推荐才有基础。
慢一点，久一点。这句话用在这里也合适。
（本文为久访谈栏目专访纪实，所述观点仅代表受访者本人。）
