这套模型的核心不是“经验选书”，而是把二手书选品拆解成可量化评分系统 + 风险过滤机制 + 利润区间预测，用数据决定是否上架。

目标只有一个：

在海量ISBN中，自动筛出“高概率盈利书”。

一、模型核心结构（3层过滤系统）

二手书爆款选品 = 三层筛选：

第一层：需求过滤（有没有人买）
第二层：竞争过滤（好不好卖）
第三层：利润过滤（赚不赚钱）

任何一本书必须同时通过三层。

二、第一层：需求过滤模型（Demand Score）

核心逻辑：

判断“是否存在稳定购买需求”

关键指标：

1. Amazon Best Sellers Rank（BSR）

Amazon

BSR是核心指标：

2. 类目稳定性

优先类别：

• 教材（Textbook）

• 考试用书（GRE/TOEFL/GMAT）

• 编程技术书

• 医学/护理书

这些类别特点：

需求“刚性”，不会因为潮流变化消失

3. ISBN历史销量信号

判断方法：

• 同ISBN有多个卖家

• 有“Used Buy Box”

• Review数量 > 20

???? Demand Score公式：

Demand Score =
(100 - BSR评分) × 0.5
+ 类目稳定性 × 0.3
+ 历史销量信号 × 0.2

最低通过线：70分

三、第二层：竞争过滤模型（Competition Score）

核心逻辑：

判断“是否太多人在卖”

1. Listing卖家数量

2. Buy Box轮换情况

如果出现：

• 多卖家轮流拿Buy Box → 健康市场

• 固定卖家垄断 → 难进入

3. 价格区间稳定性

健康市场特征：

• 价格差 ≤ 30%

• 无极端低价清仓

???? Competition Score公式：

Competition Score =
卖家数量权重
+ Buy Box活跃度
+ 价格稳定性

通过标准：≤ 60分（越低越好）

四、第三层：利润过滤模型（Profit Score）

核心逻辑：

判断“是否值得做”

成本结构：

• 采购成本：$0.5–$3

• 物流成本：$1–$4

• 平台费用：$2–$6

利润计算：

Profit = Sale Price - (采购 + 物流 + 平台费)

利润评级：

ROI指标：

ROI = 利润 / 总成本

标准：

• ROI < 30% → 不做

• ROI 30%–80% → 可做

• ROI > 80% → 优先上架

五、完整爆款评分模型（核心）

最终评分公式：

Final Score =
Demand Score × 0.4
+ Competition Score × (-0.3)
+ Profit Score × 0.3

判断标准：

六、爆款书“特征画像”（非常关键）

高概率爆款通常具备：

1. 教材属性

• 学校指定教材

• edition更新频率低

2. 强刚需考试书

• GRE / TOEFL / MCAT

3. 技术书

• Python / Java / Data Science

4. 高价格新书替代品

• 新书 $80+

• 二手需求强

七、选品实操流程（落地步骤）

Step 1：扫描ISBN

获取书籍基本数据

Step 2：查Amazon BSR

Amazon

过滤掉：

• BSR > 500,000

Step 3：竞争分析

• 卖家数量

• Buy Box情况

Step 4：利润计算

输入成本：

• 采购价

• 预估物流

• 平台费用

Step 5：打分系统输出

自动输出：

• 是否上架

• 预计利润

• 风险等级

八、三种典型选品结果

1. 爆款书（必须做）

• BSR < 30,000

• 卖家 3–8 个

• 利润 $10+

2. 普通书（测试）

• BSR 50k–150k

• 利润 $5–10

3. 淘汰书

• BSR > 300k

• 卖家过多

• 利润低

九、核心结论

Amazon二手书选品的本质是：

用数据筛选“稳定需求 + 低竞争 + 正利润”的ISBN资产

不是选书，而是选“可交易的市场结构”。