每年买年货，我都能买出一点“科研味”。
不是因为我爱做表格，而是因为年货这件事特别像样本设计：你买什么、买多少、什么时候买、从哪家买、给谁吃——这些选择最后会变成你过年期间的体验。
买得好，是一套稳的实验；买得乱，后面全是返工。
1）先把研究问题写清楚：你到底想过一个什么年？
样本设计第一步是明确研究问题。你不写清楚，就会出现经典的“想到什么采什么”，最后数据一堆，结论一句都不敢说。
年货也一样。
有人过年要的是“省心”：少做饭、少跑腿、少洗碗；有人要的是“热闹”：亲戚来一波、朋友来一波；有人要的是“仪式感”：必须手工、必须现做。
目标不同，采购策略就不该一样。
所以我现在会先问自己三个问题：
- 这个年我最想保住的是什么？（时间/精力/仪式感/面子）
- 我最怕翻车的环节是什么？（做饭/招待/孩子/老人）
- 我希望“最低配置”是什么？（就算临时来客也不慌的底线）
你把问题写清楚，后面每一笔钱都花得更像“有理由”。
2）变量别混：零食、硬菜、酒水，别放进一个购物车逻辑里
样本设计里有一个大坑：你把太多变量一起动了。
比如你换了测序平台、换了提取试剂、换了建库人，还指望能解释“为什么结果不一样”。那基本是在给自己挖坑。
年货也有同款：
- 同时换了三家店买肉
- 同时尝试新牌子零食
- 同时挑战新菜谱
- 同时安排两场聚餐
最后只要出一个问题，你就完全不知道是哪里的问题。
我的处理方式很朴素：
关键环节尽量“保守”，新花样放在可控范围里试。
比如硬菜就固定熟悉的供应商；新零食可以买两袋试错；想学新菜就别放在年夜饭。
3）样本量：别被“买多点总没错”骗了
实验里样本量太小，统计不稳；样本量太大，资源被无意义消耗。
年货的“样本量”就是买多少。
我以前也喜欢囤，觉得“多买点总没错”。后来发现囤货的真实代价不是钱，是空间和决策：冰箱塞满后，你每天都要解决一个问题——“先吃哪个”。
所以我现在更像做 power analysis：
- 亲戚来几顿饭？每顿几个人？
- 真正需要你下厨的次数有多少？
- 哪些东西能兜底？（速冻饺子/预制菜/火锅底料）
把“最可能发生的情况”覆盖住就行，剩下的靠补货，而不是靠囤积。
4）批次效应：同样是车厘子，为什么这一箱甜，那一箱酸？
生信人对批次效应特别敏感：同一批样本，换个时间、换个人、换个机器，结果就会漂。
年货的批次效应也很常见：
- 同样的水果，不同批次口感差一截
- 同样的牛肉，不同店切法和肥瘦不一样
- 同样的坚果，不同日期新鲜度天差地别
你如果把这些差异当成“真实效果”，就会在家庭群里得出荒谬结论：
“这牌子不行。”
其实可能只是这次批次不行。
所以我现在会做两件事：
- 关键食材尽量同一来源、同一批次
- 要试新店，先小量试吃，不把它放进关键场景
这和做实验一样：你可以探索，但别把探索当成主线。
5）样本标签：你不写标签，未来的你会恨你
实验里不写清楚 sample sheet，后面追溯就像破案。
年货里不写标签也是。
冰箱里一堆“看起来都差不多”的盒子：
- 这是哪天买的？
- 这是熟的还是生的？
- 这是给谁留的？
最后你会做出一种很不科研的决策：凭感觉。
我现在会在关键盒子上写三件事：日期、用途、优先级。
比如“腊味 2/10 到，年夜饭优先”。
别笑，这比你三天后猜来猜去省事多了。
结语：年货采购的底层逻辑，是把不确定性关进笼子
样本设计做得好，你后面分析会很顺；年货采购做得好，你过年会很轻。
两者都在做同一件事：把不确定性提前处理掉。
如果你今年只记住一句话，我建议是这句：
关键环节保守，新花样小范围试，变量别一起动。
剩下的，就交给年味。