1.目录信息
2.商品开始
下图是从某东截图的商品信息的截图:
从上图我们可以看到一些商品的基本信息，再结合商品详情信息，我们可以收集到上图手机商品具有如下属性:
类目信息，商品名称，商品编号，型号，价格，机身颜色，品牌，商品毛重，商品产地，系统，网络制式，后置摄像头像素，前置摄像头像素，机身长度，机身宽度，机身厚度，操作系统，操作系统版本，CPU品牌，CPU核数，CPU频率，CPU型号，双卡机类型，最大支持SIM卡数量，SIM卡类型，4G网络，3G/2G网络，网络频率（2G/3G），是否支持同时使用联通卡，ROM，RAM，存储卡，最大存储扩展容量，可用空间，主屏幕尺寸，分辨率，屏幕像素密度（ppi），屏幕材质类型，电池容量，电池类型，电池是否可拆卸，充电器，数据传输接口，NFC/NFC模式，指纹识别
可以看到商品信息繁杂，如果作为平台让每个商户都录入相关商品信息，包括售卖的机型的CPU核数，CPU频率等等这一类商品都一样的参数，会导致大量重复无意义劳动，而且检索过程中，也不利于查询出相关商品信息。因此在电商平台会对商品的公共参数做一定的抽象复用。
怎么做抽象呢？
把一类商品的公用信息单独抽取出来做一份(比如上面手机的CPU信息，在同一种类商品下信息都是一样的)，不同的信息(颜色信息)单独处理
3.商品信息分层
这一类可以复用的信息我们给一个抽象名词(SPU)
spu=standard product unit 标准化产品单元，由类目+关键属性唯一确定。如：手机类目，关键属性是品牌和型号，华为荣耀9i就是一个产品,华为是品牌，荣耀9i是型号。
但是随着型号的确定很多信息也随之确定,这些信息可以作为SPU附属信息存储在SPU层面，
商品编号,商品毛重,机身长度,机身宽度,机身厚度,操作系统,操作系统版本,CPU品牌,CPU核数,CPU频率,CPU型号,双卡机类型,最大支持SIM卡数量,SIM卡类型,4G网络,3G/2G网络,网络频率（2G/3G）,是否支持同时使用联通卡,分辨率,屏幕像素密度（ppi）,屏幕材质类型,电池容量,电池类型,电池是否可拆卸,充电器,数据传输接口,NFC/NFC模式,指纹识别
不可以复用信息，需要怎么处理呢？
将商品中的最小售卖单元关联信息抽取出来得到SKU sku=stock keeping uint(库存量单位)
上面示例中最小售卖单元是一个手机，这个手机的颜色，ROM，RAM，价格，库存信息是确定的
这里我们已经获得了SPU-SKU双层的结构，但是在实际平台开发过程中，会遇到多个商家售卖同一个商品的情况，但是每个商家对商品名称，商品展示样式都有不同的要求，SPU层是大家都复用的无法做相应的适配，在SKU层做信息适配，则商品名称以及其他信息无统一，因此衍生出SPU和SKU的中间层，Product层，也就商品层。
通过上面的分析我们大体可以得出下面的商品模型
4.商品模型应用
将定义的商品模型反推至各种业务的商品定义:
一双运动鞋包含的信息:
类目信息,商品名称,商品编号,商品毛重,商品产地,货号,适合路面,上市时间,适用人群,选购热点,闭合方式,品牌信息,颜色信息,尺码信息,价格信息,库存信息
理由说明:
SPU中的是信息是某个品牌下某款鞋子的公共属性不论是任何卖家，这一块的信息都是一样的
Product:各个商家售卖的商品有自己的特殊属性，在Product层进行配置
SKU:库存相关的信息
