电商仓储管理里，最容易被低估的不是货架高度，也不是库位编号，而是“货应该放在哪里、为什么放在那里、什么时候必须换位置”。我见过一个日均出库约6800单的仓库，货架利用率看起来超过90%，但拣货员平均每单要走430米，盘点差异率长期在1.8%左右；重新规划库位后，仓库没有增加货架面积，平均拣货距离却降到285米，错拣率从1.6%降到0.7%。库位规划的本质不是把货摆满，而是用有限的空间、路径和人员，稳定地承接订单波动。
本文不把库位规划讲成简单的“热销品放前面、滞销品放后面”。真正有效的方案，需要同时考虑订单结构、商品尺寸、补货频率、拣选方式、库存准确率、安全约束、季节波动以及未来三到六个月的业务变化。
很多仓库主管拿到库位规划任务后，第一反应是统计每个SKU有多少库存，然后按照库存量安排货架。这个顺序通常是反的。仓库不是为库存服务，而是为订单履约服务。商品库存只是静态结果，订单行、拣货频率和补货动作才是决定库位价值的动态变量。
我通常会先问四个问题：一天有多少订单？每张订单平均包含多少个商品行？前20%的SKU贡献了多少拣货行？这些高频SKU是否被分散在多个拣货区？如果这四个问题没有答案，直接开始画货架布局，最后大概率只能得到一张“看起来合理”的平面图。
一个库位是否合适，至少要同时满足以下条件：
空间利用率高，并不等于仓库运行效率高。货架塞得越满，可能带来更多的找货、补货、移库和盘点成本。特别是电商仓库，商品的存储量和拣货频率经常不一致：有些商品库存很多但几乎不出库，有些商品库存不大却每天被拣数百次。
我更倾向于用一个综合判断公式来评价库位，而不是追求单一指标：
库位综合价值 = 拣货节省收益 − 补货成本 − 搬运风险 − 库位调整成本
例如，把一个高频小件放到离打包台最近的位置，可能每天节省300米拣货距离；但如果它每天需要从高位补货四次，补货叉车要频繁进入拣货区，那么看似优化了拣货，实际上可能增加了拥堵和安全风险。
因此，库位规划要把“拣货”和“补货”放在同一张表里计算。只看拣货距离，往往会把问题从一个环节转移到另一个环节。
库位规划建议遵循“仓库分区，商品分组，库位分配，编号编码，现场验证”的顺序。直接从编号开始，会产生两个典型问题：一是编号反映不了区域逻辑，二是仓库调整后，编号和实际作业路径脱节。
传统仓库的库位相对稳定，因为客户、订单和出库节奏比较固定。电商仓库则不同，平台活动、广告投放、直播排期、季节变化和新品上市，都可能在几天内改变SKU的出库排序。
某美妆类仓库曾经把一款礼盒放在靠近打包区的位置，因为它在上一季度是主推款。活动结束后，礼盒销量下降，但库位没有及时调整。新爆款小规格单品被放在仓库后段，结果拣货员每天反复穿越主通道，原本节省下来的打包距离被长距离拣货完全抵消。
这类问题并不是员工不努力，而是库位策略没有设置复盘周期。库位规划必须被当成一个持续更新的规则，而不是一次性装修项目。
当SKU少于300个时，仓库主管凭经验记住热销品位置，很多时候还能维持作业。但当SKU超过1000个，或者同款商品出现多个规格、颜色、包装版本后，单纯依赖熟练员工就会出现明显风险。
我在现场盘点时遇到过这样的情况：主管知道“黑色M码”在B区，但拣货员按照货位标签找到的是“黑色L码”；两个SKU的包装几乎相同，只有条码和一个很小的规格标识不同。错误不是因为员工粗心，而是因为货位布局、标签设计和商品相似度控制都没有跟上SKU复杂度。
当仓库出现以下信号时，说明经验式管理已经接近上限：
一张库存表通常告诉你SKU编码、名称、库存数量和成本，却不会直接告诉你：这个商品每天被拣多少次、常和哪些商品一起被购买、补货时需要多少人、是否容易错拣、是否会在大促期间突然放大。
所以，在开始规划之前，我会把数据拆成三层：
| 数据层 | 主要字段 | 用于判断什么 | 缺失时的风险 |
|---|---|---|---|
| 商品层 | SKU、规格、尺寸、重量、包装、保质期 | 适合什么货架和什么拣选方式 | 易碎、超重、相似品被错误混放 |
| 订单层 | 订单号、SKU、数量、下单时间、渠道 | 确定出库频率、波峰和商品关联性 | 热门商品判断失真，活动日拥堵 |
| 作业层 | 拣货时长、补货次数、差异原因、通道距离 | 验证规划是否真正改善现场 | 只优化纸面布局，实际效率没有提升 |
同一个仓库，如果主要处理单品单件订单，适合采用高频商品前置、批量拣选或分区拣选；如果主要处理多品订单，则要重点优化商品关联性和拣选路径；如果订单中大件、组合装和赠品较多，则必须把体积、包装和复核空间纳入设计。
我不会在没有看订单明细的情况下直接推荐某种拣选方式。因为“订单量大”并不代表一定适合批量拣选，关键还要看订单行数分布、SKU重复率和商品组合关系。
库存数量高，只说明仓库里存得多，不代表它被拣得多。某些季节性商品在促销前会集中备货，库存量很高，但活动结束后拣货频率迅速下降。如果长期占用黄金拣货位，会造成库位资源浪费。
更准确的排序方式是至少同时看“订单行次数”和“每日平均拣货数量”。前者反映它被多少订单触发，后者反映实际搬运量。一个商品每天被100张订单各拣1件，和一个商品每天被10张订单各拣20件，作业含义完全不同。
热销商品靠近出库口通常有利于减少距离，但不是越近越好。如果多个高频SKU集中在同一条狭窄通道，拣货员会在高峰期相互等待；补货车也需要进入同一区域，容易出现人车混行。
我的判断标准是“单位通道的订单压力”，而不是单个SKU的销量。对于多个高频商品，应当分散到相邻但不重叠的拣货路径，或者设置独立的高频拣选区和补货时段。
同一SPU下的不同颜色、尺码、包装版本，不能只依赖拣货员肉眼区分。尤其是服装、化妆品、食品和配件类商品，包装高度相似，错误通常发生在“拿错了一个看起来很像的商品”。
如果必须在同一货架存放相似商品，应当做到：不同SKU不共用无隔断的拣货格；标签同时显示商品简称、规格和可扫描条码；高风险相似品增加颜色标识；拣货复核时对关键属性进行二次确认。
许多仓库有存储货架，却没有明确的前置拣货位和后备补货位。结果是拣货员直接从整箱库存里拆零拣货，箱内商品被反复翻动；或者每次拣货前临时补货，导致补货动作打断拣货节奏。
更稳妥的做法是把库位分成三类：主拣货位、后备库存位和临时补货位。主拣货位承接日常零拣，后备库存位承接整箱或整托库存，临时补货位只允许短时存放，避免异常库存长期占用作业空间。
仓库主管经常被要求“提高库容利用率”，于是把所有空位都填满。但在实际运行中，适度空位是吸收波动的必要资源。没有空位，收货高峰时就只能把货临时堆在通道、复核区或消防通道附近。
我建议把空位分成三种：结构性空位、波动缓冲位和异常处理位。结构性空位用于未来商品调整，波动缓冲位用于大促和集中到货，异常处理位用于退货、待检和差异库存。三类空位都不应被简单视为“闲置”。
“一号货架第三层左边第二格”适合口头描述，不适合作为长期编码。货位编码应当具备唯一性、可排序性、可扩展性和现场可识别性。
常见的编码结构可以是“库区，巷道，货架，层，位”，例如“B-03-08-02-05”，分别表示B库区、03号巷道、08号货架、02层、05位。实际编码不必完全照搬这个格式，但必须提前定义每一段的含义，避免同一个数字在不同区域代表不同层级。
库位变更不是修改一张表那么简单。商品移动、标签更换、库存冻结、盘点确认、系统更新和员工培训必须形成闭环。否则会出现系统显示在A位，实物已经搬到C位，最后盘点差异被误判成员工丢货。
任何库位调整都建议保留以下记录：原库位、新库位、调整时间、调整人、调整原因、移动数量以及复核结果。对于高价值商品，还要保留移动前后的库存照片或扫描记录。
活动期间的订单结构很可能不代表正常经营。某个商品在直播当天排名第一，不意味着它适合永久放在黄金库位。库位调整至少应区分正常日、周末、活动日和季节性周期，不能用单一日期覆盖全年判断。
每个SKU至少要建立一份基础画像。不要只记录商品名称和库存，而要把影响存储与拣选的字段补齐。字段越接近现场动作，越有规划价值。
| 画像维度 | 建议字段 | 对库位的影响 |
|---|---|---|
| 需求频率 | 日均订单行、周转天数、峰值订单行 | 决定是否进入前置拣货区 |
| 商品属性 | 长宽高、重量、易碎性、保质期 | 决定货架层级、承重和安全区域 |
| 包装属性 | 内装数量、箱规、拆零难度、条码位置 | 决定整箱储存还是拆零储存 |
| 订单关联 | 常购商品、组合购买率、赠品关系 | 决定是否放在相邻拣选路径 |
| 管理风险 | 高价值、易混淆、批次、效期 | 决定隔离、复核和先进先出要求 |
如果暂时没有完整数据，可以先用最近90天订单明细建立基础版本。90天通常比7天更能覆盖周末、月度活动和一般波动，但对于强季节性商品，还应加入去年同期数据进行修正。
销售额适合判断经营价值，拣货频率适合判断库位价值。一个高客单价商品可能每天只出库几次，而一个低价配件每天出库数百次。若目标是减少拣货路径，后者往往更应该靠近拣货起点。
可以用以下几个指标进行排序：
其中，订单行频率决定“是否靠前”，峰值拣货次数决定“是否需要扩容”，补货触发次数决定“前置位要留多大”。这三个指标不能互相替代。
ABC分类一般依据销售额、销量或订单频率进行重要性分组。XYZ分类则关注需求稳定性：X代表波动较小，Y代表有周期性波动，Z代表随机性强。两者组合后，才能更准确地决定库位。
| 组合 | 典型特征 | 建议策略 |
|---|---|---|
| AX | 高频且稳定 | 固定主拣货位，靠近出库路径，设置明确补货点 |
| AY | 高频但有周期波动 | 保留可扩展库位，按周或按活动计划动态调整 |
| AZ | 高价值但需求不稳定 | 不盲目长期占用黄金位置，重点保障安全和库存控制 |
| BX、CX | 中低频但需求稳定 | 安排在中段区域，使用固定位置降低查找成本 |
| BY、BZ、CY、CZ | 低频或波动明显 | 使用弹性库位、批量拣选或外围存储，减少频繁调整 |
我不建议把XYZ分类理解成复杂的财务模型。它的实际价值在于提醒主管：两个销量相同的商品，如果一个稳定、一个波动，库位策略不应相同。
没有路径数据时，库位优化很容易变成争论。主管认为某个区域近，员工认为另一条路线更快，最后只能凭经验折中。最简单的方法是记录拣货员从拣货起点到各区域的单程距离，再乘以订单行频率。
可以使用一个简化指标：
日拣货距离 = SKU日均拣货次数 × 该SKU库位到出库节点的往返距离
这个公式不等于完整作业时间，因为它没有包含等待、扫描、取货和拥堵，但足以帮助仓库主管识别明显的长距离浪费。对于多品订单，还要进一步分析同一订单内多个SKU的访问顺序，避免每个SKU单独看都合理，合在一起却形成折返路线。
订单关联性是许多库位方案遗漏的变量。两个商品各自销量不高，但经常出现在同一张订单中，把它们放在相邻区域，可能比单纯按照销量排序更有效。
例如，手机壳、钢化膜和镜头保护膜可能分别属于中频商品，但用户经常一起购买。若三个SKU被分散在仓库三个角落，单张订单就会产生多次折返。相反，如果它们在订单中高度共现，可以安排在同一条拣货路径上，但不能因为关联性就忽略商品尺寸和补货安全。
实际操作时，可以统计两个SKU同时出现在同一订单的次数，再结合订单总量计算共购率。共购率高且订单量足够大的商品，适合做路径邻近；共购率高但订单量极低的组合，不值得为此大幅调整库位。
主拣货位容量不能只按照平均日销量设计，否则在周末或活动日前后很容易缺货。可以用以下方式估算：
主拣货位需求容量 = 日均拣货量 × 覆盖天数 × 波动系数 + 安全余量
覆盖天数取决于补货班次。如果每天补货两次，主拣货位可能只需要覆盖半天到一天；如果只能每天补货一次，就要覆盖更长周期。波动系数可以通过历史峰值与平均值的比值估算，暂时没有历史数据时，建议先用情景模拟，不要把模拟值当成行业标准。
补货点则可以根据以下逻辑确定：
库位规划开始前，先写清楚这次到底要解决什么问题。是新仓库启用、SKU增加、拣货效率下降、盘点差异过高，还是大促前临时调整？不同目标会影响优先级。
如果目标是提高拣货效率，重点看订单行、路径和前置拣货位；如果目标是提高库容，重点看货架规格、堆码高度和储存方式；如果目标是降低差异，重点看相似品隔离、批次管理和库位纪律。不要在一次规划中同时追求所有指标的极致，否则方案会失去可执行性。
数据清洗往往比画布局更耗时间。系统里常见的问题包括：同一商品存在多个编码、已下架SKU仍有历史订单、组合商品拆分不一致、赠品没有独立库存、退货重新入库后库存状态没有更新。
我建议先建立一张SKU主数据表，并至少完成以下检查：
如果基础数据错误，后续的ABC分类、库容测算和补货点计算都会产生“精确但错误”的结果。
库位规划最有价值的数据通常不是销售汇总，而是订单明细。至少要包含订单号、SKU编码、商品数量、订单时间、渠道、仓库和订单状态。对于多仓企业，还应区分实际履约仓，避免把其他仓库的订单混入分析。
分析时要同时生成四张表：
| 分析表 | 核心问题 | 输出结果 |
|---|---|---|
| SKU频率表 | 哪些商品拣得最多 | 主拣货位优先级 |
| 日波动表 | 哪些商品容易形成峰值 | 容量和补货系数 |
| 订单行表 | 每张订单有多少个商品行 | 单品、少品和多品拣选策略 |
| 共购关系表 | 哪些SKU经常一起出现 | 相邻布局和拣选顺序 |
现场测量不能只量仓库长宽。真正影响布局的约束包括柱网、消防设施、卷帘门、疏散通道、地面承重、照明、摄像头、充电区、空调或温控设备，以及叉车和人工搬运车的转弯半径。
测量时建议记录以下内容：
安全距离和消防要求应以企业所在地区的现行法规、消防验收要求及专业设计意见为准。库位效率不能以压缩安全通道为代价，任何低于现场合规要求的方案都不应投入实施。
功能区划分的原则不是“每个流程都单独占一块大区域”，而是让有冲突的作业相互隔离，让有连续关系的作业尽量靠近。
| 功能区 | 主要任务 | 规划重点 |
|---|---|---|
| 收货区 | 卸货、清点、登记 | 可容纳集中到货，避免堵住入库口 |
| 质检待检区 | 检验、核对、异常登记 | 与可售库存物理隔离 |
| 储存区 | 整箱、整托和后备库存存储 | 强调库容、承重和补货距离 |
| 主拣货区 | 日常零拣和小批量拣货 | 强调路径、可视性和补货便利 |
| 复核打包区 | 订单核对、包装、称重 | 预留波峰缓冲和异常处理空间 |
| 退货异常区 | 退货、残次、冻结和差异处理 | 禁止与正常可售库存混放 |
货架类型要服从商品和订单，而不是服从采购习惯。小件高频商品通常适合轻型货架、料箱或分隔格；整箱商品适合托盘货架或重型货架；大件商品需要考虑叉车作业和防倾倒；易碎品则要优先考虑稳定性与取放姿势。
拣选方式可以按订单特点选择：
不要因为某种方式“听起来先进”就直接采用。仓库应先通过一到两周的小范围试运行，观察每小时完成订单、每小时完成订单行、错拣率、等待时间和补货中断次数，再决定是否扩大。
主拣货位要满足“易拿、易看、易补、易盘”。高频小件应尽量安排在人体舒适高度，重物不能放在高位或需要频繁弯腰的位置，贵重品和高风险品要有额外控制。
主拣货位分配时，建议遵守以下顺序：
后备位不要离主拣货位过远。一个主拣货位如果每天需要补货多次，后备库存却在仓库最远端，那么补货人员的路径会抵消拣货优化收益。
库位编码要让新员工在不询问老员工的情况下找到位置。建议在主通道、支通道、货架端头和每个拣货格设置分层标识。字体大小、颜色对比、安装高度和扫码角度都要在现场测试，而不是只在电脑图上确认。
标签至少应包含：
相似SKU集中区域，建议让标签同时显示商品简称和关键规格。对于尺寸很小的商品，不能只把条码贴在货架深处，否则扫描时容易漏扫或误扫。
布局图完成后，不要立即全仓搬货。先做两轮验证。第一轮是空载模拟，让员工按照规划路径走一遍，检查通道、转弯、货架间距和设备操作空间；第二轮是真实订单模拟，用历史订单重放，记录拣货距离、耗时、等待和跨区次数。
验证至少要覆盖以下订单：
如果只用普通日订单验证，方案可能在日常表现良好，却在活动日出现通道堵塞、补货来不及和打包区堆积。
全仓一次性搬迁最容易造成库存失控。更稳妥的方式是分区域、分品类或分波次切换。每完成一个区域，就执行库存核对、标签确认、员工培训和试拣验收。
切换期间要设定冻结窗口。冻结窗口内暂停该区域的非必要移动，系统和现场同步更新，异常库存单独登记。切换完成后，至少进行一次循环盘点，确认实物、系统和标签一致。
仓库数据分析工具的价值，不是把Excel表格换成更漂亮的图表，而是缩短从“发现问题”到“采取动作”的时间。库位规划最需要的功能通常包括：订单明细整合、SKU分类、库位距离分析、补货预警、异常差异追踪和调整前后对比。
如果企业目前只有一个进销存系统和几张人工表格，不必一开始就追求复杂系统。可以先明确三个输出：
只要工具能稳定生成这三类结果，就已经比“主管凭感觉调整”前进了一步。
在数据来源较多、订单明细分散在多个平台或多个仓库时，我会优先考虑使用九数云做数据汇总和分析展示。它更适合作为数据分析层，而不是直接替代仓储执行系统。仓储系统负责库存、任务、扫描和单据流转，分析工具负责把订单、SKU、库位、补货和差异数据连接起来，帮助主管看清变化。
可参考九数云官网：https://www.eshutong.com/。
在库位规划场景中，我建议先搭建四个页面，而不是一开始做十几个复杂看板：
| 看板页面 | 核心字段 | 管理动作 |
|---|---|---|
| SKU热度页 | 订单行、日均拣货次数、峰值、库存天数 | 确定主拣货位优先级 |
| 库位效率页 | 库位、拣货次数、距离、耗时、差异次数 | 识别低效或高风险库位 |
| 补货监控页 | 主拣货位库存、补货点、待补数量、补货耗时 | 安排补货任务与补货时段 |
| 调整复盘页 | 调整前后距离、效率、错拣率、盘点差异 | 判断移库是否产生真实收益 |
库位分析至少需要四张基础表：订单表、商品表、库位表和作业记录表。订单表连接SKU，商品表连接尺寸和属性，库位表连接区域与坐标，作业记录表连接拣货、补货和异常结果。
最容易被忽略的是主数据关联。SKU编码必须在不同来源中保持一致，库位编码也必须统一。若平台订单里使用商品简称，仓库系统使用内部编码，分析前必须建立映射表，否则会出现一个商品被拆成两个SKU，导致热度和库存判断失真。
建议为每次库位调整增加版本字段，例如“2026年3月第一版”。这样可以在调整后比较同一批SKU在不同版本中的拣货距离和差异率，避免调整原因无法追溯。
一个只显示“拣货距离上升12%”的看板，对仓库主管帮助有限。更实用的看板应直接列出：哪个SKU、当前在哪个库位、建议移动到哪里、预计每天减少多少距离、是否会增加补货成本、需要谁在什么时候完成。
我建议把调整建议分成三个等级：
如果看板不能帮助主管排序，就只是信息展示，不是真正的管理工具。
工具能发现高频远端SKU，却不知道这个SKU是否属于易碎品；能发现某库位差异次数高，却不一定知道原因是标签模糊、员工培训不足还是退货混入。所有数据建议都必须回到现场验证。
我通常采用“数据筛选，主管判断，现场确认，小范围调整，结果复盘”的闭环。数据负责缩小范围，现场负责解释原因，复盘负责验证收益。任何一个环节缺失，都可能把看似科学的建议变成新的作业风险。
某综合电商仓库约2600平方米，SKU约4200个，日均出库订单约6800单，平均每单1.9个商品行。仓库原本采用“按品类分区、同类商品集中”的方式，方案在SKU较少时运行稳定，但随着商品数量增加，出现三个问题：高频SKU分散、补货与拣货互相干扰、相似包装商品错拣增加。
仓库原有主要指标如下：
| 指标 | 调整前 | 观察说明 |
|---|---|---|
| 平均每单拣货距离 | 430米 | 按订单完整路径估算，包含重复折返 |
| 平均拣货耗时 | 7.8分钟 | 从领取任务到完成拣货，不含打包 |
| 错拣率 | 1.6% | 按拣货差异单占拣货单统计 |
| 主拣货位缺货触发次数 | 每天146次 | 缺货后临时补货，容易打断拣货 |
| 库存盘点差异率 | 1.8% | 按抽盘SKU数量统计 |
通过九数云汇总90天订单、库存和库位数据后，仓库主管发现，前20%的SKU贡献了约74%的订单行，但其中有31%的高频SKU位于主通道末端。它们单次拣货并不一定很慢，但累计路径非常高。
同时，约18%的主拣货位在一天内触发三次以上补货。这说明主拣货位容量设计偏小，也说明补货时间没有与拣货波次错开。单纯把高频商品往前移，可能会让前端补货拥堵更加严重。
另一个明显问题是，错拣订单中约62%集中在同品牌不同规格、同系列不同颜色或赠品与正品包装相似的SKU上。问题不只是库位距离，而是相似品没有隔断、标签显示不完整、复核环节没有核对关键属性。
这次没有增加货架和仓库面积，而是做了五项调整：
运行四周后，平均每单拣货距离降至285米，平均拣货耗时降至5.4分钟，错拣率降至0.7%，主拣货位缺货触发次数降至每天61次。库存盘点差异率下降到0.9%。这些数据是该案例的现场观察结果，不代表所有仓库都能复制相同幅度的改善。
更值得注意的是，拣货效率提升并不是全部来自“把热门商品放近”。其中约一半收益来自减少折返，约三成来自补货时段调整，剩余部分来自相似品隔离和标签优化。库位移动只是表面动作，真正产生结果的是路径、补货和识别规则一起改变。
这次调整也产生了一个代价：前置拣货区的商品密度提高后，盘点要求更严格，员工必须按照主拣货位和后备位分开记录。若企业没有基本的扫描和盘点纪律，不建议直接复制高密度前置布局。
面积较小、SKU不多的仓库，不必一开始建设复杂的动态库位系统。最优先的工作是统一编码、清理无效库存、固定高频SKU位置，并让所有人使用同一套库位规则。
小型仓库可以先做以下动作：
小型仓库最大的风险不是空间不够，而是规则不一致。只要人员都知道商品怎么进、怎么放、怎么拣、怎么退，效率通常会比盲目增加设备更快改善。
当订单量、SKU数量和人员规模达到一定程度后，必须把储存与拣货分开管理。中型仓库最常见的问题是整箱库存和零拣库存混在一起，导致拣货员为了拿一件商品不断拆箱，补货也无法提前计划。
建议中型仓库建立：
中型仓库的投入重点通常不是增加所有货架，而是增加数据分析、标签管理和补货纪律。只要主拣货位逻辑清晰，就能消除大量临时搬运。
大型仓库的主要矛盾从“找不到货”转向“多种作业同时发生”。收货、上架、补货、拣货、复核和打包可能在同一时间段产生大量人员与设备流动。
大型仓库需要重点关注：
大型仓库不能只用SKU热度分区，还要结合设备能力、人员班次、订单渠道和发货时效。仓库布局越大，越需要用数据观察作业流，而不是只看平面图。
季节性商品仓库不适合建立一套全年固定库位。可以提前制定正常期、备货期、活动期和清仓期四套规则，至少明确哪些商品进入前置拣货区、哪些商品需要扩容、哪些商品应转移到外围。
活动前的库位调整要计算搬运成本。如果一个商品只在三天活动期间增加销量，但搬动它需要两天、占用十名员工，那么调整收益可能并不成立。对短期波峰，更适合采用临时前置位、批量拣选或增加补货班次。
高价值商品不应因为销量高就直接放在最开放、最靠近出库口的位置。库位需要同时考虑权限、监控、交接、盘点频率和异常追溯。
对于高价值商品，建议：
易碎品、食品、化妆品和有保质期商品不能只按销量排位。先进先出、批次管理、效期预警、温湿度和防压要求，优先级高于缩短几十米拣货距离。
这类商品可以采用“安全约束内的路径优化”：先排除不适合的货架层、光照区域和混放组合，再在合规范围内选择距离较短、补货方便的库位。
提高库容通常意味着货架更密、通道更窄、垂直空间使用更多；提高拣货效率则需要更清晰的路径、更易拿取的高度和更充分的缓冲位。两者天然存在一定冲突。
如果仓库订单频率高、时效要求强，应优先保证拣货和补货流畅；如果商品周转慢、存储成本高，则可以提高储存密度，但必须确保安全和盘点可达。不要用一个总库容利用率指标评价所有区域。
固定库位容易培训、容易盘点、容易记忆，适合高频稳定商品和管理纪律较弱的团队。弹性库位能提高空间利用率，适合SKU变化快、波动大的仓库，但对系统、标签和扫描要求更高。
| 选择 | 优势 | 短板 | 适用情况 |
|---|---|---|---|
| 固定库位 | 员工容易熟悉，盘点直观 | 空位无法及时复用，空间弹性较低 | SKU稳定、人员流动较大的仓库 |
| 弹性库位 | 空间利用率高，适应SKU变化 | 依赖系统和扫描，错放风险更高 | SKU变化快、数据管理成熟的仓库 |
| 混合库位 | 兼顾稳定性和弹性 | 规则更复杂，需要清晰区分 | 大多数中型及以上电商仓库 |
近端库位适合高频、小件、轻量、易识别商品。重量大、易碎、贵重、危险或需要特殊环境的商品，不应为了缩短距离而放到最方便的位置。
最好的办法不是在“效率”和“安全”之间二选一，而是先建立不可违反的安全边界，再在边界内做路径优化。只要库位规划需要员工冒险搬运、跨越障碍或压缩必要通道，就说明方案本身不合格。
一次性重排能快速解决结构性问题，但搬迁成本高、切换风险大。持续微调风险较低，却可能让问题长期拖延。我的建议是采用“先做一次结构性调整，再建立小步快跑机制”。
结构性调整处理区域、货架和主路径；微调处理高频SKU、相似品、补货点和标签。两者不能互相替代。仓库如果从未做过系统规划，先做基础重排；如果布局基础良好但订单结构变化快，则以月度或季度微调为主。
数据能发现规律，现场经验能解释规律。完全依赖经验，容易受到个人记忆和近期事件影响；完全依赖数据，又容易忽略商品安全、员工动作和设备限制。
我认为最可靠的分工是：数据负责回答“哪里最值得看”，主管负责回答“为什么会这样”，员工负责回答“现场能不能这样做”，复盘负责回答“调整是否真的有效”。这四个角色缺一不可。
库位调整后，最容易看到的是拣货速度变化，但如果速度提高、错拣率也提高，方案并不成功。建议至少同时观察效率、准确率、补货、库存和安全五类指标。
| 指标类别 | 建议指标 | 判断方向 |
|---|---|---|
| 效率 | 每人每小时订单行、平均拣货距离、平均拣货耗时 | 效率提高、路径缩短、耗时下降 |
| 准确率 | 错拣率、漏拣率、复核拦截率 | 错误下降，不能只追求速度 |
| 补货 | 主拣货位缺货次数、临时补货次数、补货耗时 | 减少拣货中断和高峰期补货 |
| 库存 | 盘点差异率、负库存次数、异常库存占比 | 系统与实物更一致 |
| 安全 | 通道阻塞次数、违规堆放次数、搬运异常次数 | 效率提升不能以安全恶化为代价 |
库位调整前后要尽量选择可比周期。例如，调整前后各观察两周，排除明显活动日或单独标记活动日；对比相同渠道、相似订单量和相近人员配置。否则，订单量变化可能被误认为库位优化成果。
如果条件允许，可以先对一个区域进行调整，另一个相似区域暂时保持原状，用作对照。虽然仓库现场很难做到严格实验，但有对照总比只看调整后一个数字更可靠。
平均拣货耗时下降，不代表所有订单都变快。可能只是大量简单订单拉低了平均值，复杂订单仍然严重超时。因此还要看P90或P95耗时，即最慢的一批订单表现。
同样，平均错拣率下降，也要看错误是否集中在某几个库位、某几类商品或某些班次。局部异常如果被平均值掩盖，下一次活动时可能突然放大。
建议按不同问题设定不同复盘周期：
如果每次复盘只是告诉员工“以后注意”，问题很快会再次出现。应当把复盘结果转化为具体规则，例如：某类相似商品必须间隔一个货位；某类高频SKU至少覆盖半天需求；某区域补货只能在指定时间完成；某类退货必须先进入待检区。
规则要写进作业指导书、标签设计和系统流程，不能只停留在会议纪要里。真正成熟的仓库，不是主管永远在现场盯着，而是规则能够让大多数员工做出一致动作。
商品热度会变化，订单组合会变化，人员和设备也会变化。库位规划不能追求一次设计、永久不动，而要建立一套能够识别变化、判断收益和控制风险的机制。
如果一个仓库每次调整都要靠主管个人记忆，说明规则还没有沉淀；如果每次调整都只看销量，说明订单和作业数据还没有真正进入决策；如果调整后没有前后对照，说明企业并不知道哪些动作带来了收益。
如果数据分散，可以先使用九数云等分析工具把订单、库存、库位和作业记录连接起来，但不要把工具当作自动答案。真正的改进一定要回到现场，通过员工试拣、设备验证和分阶段上线完成。
一个好的库位规划，不是让货架看起来整齐，也不是让仓库利用率达到某个漂亮数字，而是让正确的商品在正确的时间，以更短、更安全、更少出错的路径到达出库环节。
下一步可以从最近90天订单开始，先做一张SKU频率、库位距离和补货次数的交叉表，筛选出前20个高频远端SKU，再用一周时间进行小范围试点。不要一开始就搬动全仓，先用数据找到最值得改变的那一小部分位置，通常比全面重排更快看到结果，也更容易控制风险。
我以前接手过一个日均出库约2800单的仓库，团队一开始就拿着货架尺寸画平面图，结果库位看起来排得很满，拣货员却每天绕路。后来我发现，库位规划真正的起点不是仓库面积，而是订单结构、SKU周转和作业动线。想请教一套不容易返工的规划顺序，尤其是数据不足时应该先做什么？
库位规划的第一步不是画货架，而是先把“货怎么流动”还原出来。我通常按订单数据、SKU数据、作业流程、仓库约束、库位编码五个层次推进，顺序不能颠倒。先定位置再补数据，往往会把历史错误固化到仓库布局里。第一步，提取至少30天的出库明细，统计每个SKU的出库次数、出库件数、订单覆盖率、单件体积和补货频次。
如果只有销量而没有订单行数据，优先补齐订单行，因为一个SKU卖得多，不代表它经常和其他商品同时被拣选。第二步，把SKU分成“高频单品、高频组合、低频长尾、异常品”四组。高频单品决定拣选效率，高频组合决定相邻摆放，低频长尾决定空间利用率，异常品则需要单独处理，不能为了填满货架而混入普通库位。
分析对象建议指标规划用途 SKU热度日均出库件数、出库次数决定距离复核台和出库口的远近 订单关系共同出现率、组合频次决定是否建立相邻库位 商品特征体积、重量、易碎性、保质期决定货架层级和存储区域 库存波动峰值库存、补货频次决定储存位与拣选位的容量 第三步，绘制从收货、质检、上架、存储、补货、拣选、复核到发货的单向动线。
我的经验是，仓库面积利用率达到90%并不一定好；如果拣选通道被托盘、退货和待检货物反复占用，实际产能会明显下降。第四步，再根据热区、温区、重量和作业安全要求落库位。通常将高频且轻小的商品放在拣选员腰部到胸部高度，把重货放在低层，把需要频繁补货的SKU安排在补货车辆容易到达的位置。
第五步，先做一周小范围试运行，而不是一次性改造全仓。可以只调整出库量最高的20% SKU，记录平均拣选距离、单小时拣选行数、补货中断次数和错拣率。如果效率没有改善，优先检查订单分组和补货机制，而不是继续移动货架。
我会把库位规划验收标准设为四项：主力SKU是否能在短路径内完成拣选，补货是否避开订单高峰，异常货是否有独立区域，库位编码是否能让新人快速理解。满足这四项，比单纯追求“摆得最满”更重要。
我曾经把一款低单价但每个订单都常带的配件误判为普通B类商品，结果它被放在仓库最里面。后来统计发现，这个SKU虽然月销量不高，但订单覆盖率很高，拣选员几乎每单都会顺手拿一件。很多人做ABC分类时只看销售额或出库件数，我想知道更可靠的分类方法是什么？
ABC分类最常见的坑，是把“卖得多”直接等同于“应该放在最方便的位置”。库位规划关注的不是财务贡献，而是它对作业资源的消耗。一个低价配件可能同时出现在大量订单中，实际拣选价值远高于一个偶尔整箱出库的高价商品。我建议至少使用四个维度：出库次数、出库件数、订单覆盖率和拣选耗时。
出库次数反映被拣选的频繁程度，订单覆盖率反映它在订单中的普遍程度，拣选耗时则能暴露体积小、包装相似或容易混放的SKU。
类别典型特征库位策略常见误区 A类高频拣选或高订单覆盖率靠近拣选起点，设置快速补货位只按销售额确定 B类频率和库存较稳定放在中距离区域，兼顾容量长期不复盘 C类低频、长尾或季节性明显集中存放，减少管理成本全部塞到最远处 特殊类易碎、贵重、临期或形状异常独立分区和权限管理硬套ABC规则 在实际计算时，我会给指标设置权重，而不是只看一个排名。
例如，出库次数占40%，订单覆盖率占30%，拣选耗时占20%，补货频次占10%。权重不必迷信固定比例，但必须与仓库当前的瓶颈一致：如果拣选慢，就提高频次和耗时的权重；如果库容紧张，就提高体积和峰值库存的权重。还要增加“组合关系”这一层判断。把订单拆成SKU对，统计两种商品在同一订单中出现的次数。
对于高频组合，不一定要把两个SKU紧贴摆放，但至少应避免一个在前仓、一个在远端，导致拣选路径来回折返。我的经验是，ABC分类至少每月复核一次，促销期和换季期要单独计算。某个商品在平销期属于C类，活动前可能突然变成A类；如果仍然保持原库位，拣选拥堵和临时堆货几乎不可避免。
最终应形成“双分类”：一套按作业频次分类，一套按商品属性分类。频次决定距离，重量和安全属性决定高度，保质期决定批次管理，组合关系决定相邻性。只有把这些因素叠加，库位才真正服务于仓库效率。
我测试过固定库位和动态库位两种方式：固定库位容易培训，但旺季时经常出现某个库位塞满、旁边空着的情况；动态库位利用率更高，却很依赖扫码和系统记录。我的仓库规模不算大，既不想投入过多系统成本，也不想因为人工记忆导致找货困难，应该怎样判断适合哪种方式？
固定库位和动态库位没有绝对优劣，关键在于仓库是否具备“准确记录每次移动”的能力。动态库位不是把货随便放，而是允许商品占用不同位置，同时必须实时记录商品、批次、数量和库位之间的关系。没有可靠扫码和复核机制时，动态库位很容易变成“谁都知道大概放在哪”。
固定库位更适合SKU数量较少、商品规格稳定、人工流动较大的仓库。它的优势是培训成本低，新人可以依靠位置记忆完成拣选；缺点是库位容易出现半空状态，促销后还可能因为容量不足产生临时堆放。动态库位更适合SKU多、库存波动大、同一商品存在多个批次，或仓库需要提升库容利用率的场景。
它可以把空闲位置及时利用起来，但前提是入库、移库、拣选、退货四个环节都必须有记录闭环。
判断维度更适合固定库位更适合动态库位 SKU数量较少且长期稳定多且经常上下架 人员结构临时人员多、培训时间短固定人员比例高 系统能力人工台账或基础库存系统支持扫码、移库和实时库存 库存波动季节性较弱促销和上新频繁 管理目标降低找货难度提高库容利用率 对中小电商，我更推荐“混合库位”：前置拣选区使用固定库位，后备库存区使用动态库位。
这样既能让高频SKU保持稳定位置，也能利用后备区的空闲容量。前置区只放一到三天的需求量，后备区通过定时补货维持拣选位，不必让所有库存都挤在拣选通道。落地时，先给每个库位建立唯一编码，编码至少包含区域、巷道、货架、层、位五段信息，例如“B-03-05-02-04”。
编码必须贴在人员视线可见的位置，并在货架两端重复标识。最容易被忽视的是地堆位和临时位，它们也必须有编码，否则盘点时一定出现“货在现场、账上无位”的情况。我会用三个指标判断动态库位是否跑通：库位准确率达到99%以上，移库记录及时率达到98%以上，盘点差异率连续两周低于固定库位时期。
如果达不到，就先不要扩大动态范围，而是缩小到后备库存区重新训练流程。不要为了追求先进而强行动态化。对一个没有扫码设备、库位标识混乱、退货长期不入账的仓库，先把固定库位和基础盘点做好，通常比直接购买复杂系统更能解决问题。
我见过一次仓库改造，货架重新编号、地面重新划线，现场看起来非常规范，但日均出库效率几乎没有变化。复盘后发现，主通道被补货任务占用，拣选员仍然要频繁折返，错拣率也没有下降。我想知道库位规划上线后，应该跟踪哪些指标，怎样通过数据判断问题究竟出在布局、补货还是订单波次？
库位规划的验收不能看“货架是否整齐”，而要看订单从释放到出库的时间是否缩短。仓库效率通常是多个环节共同决定的，单独观察拣选速度，可能会掩盖补货等待、复核排队和异常处理造成的损失。我建议上线前连续记录7天基准数据，上线后分别在第3天、第7天和第30天复盘。
至少跟踪平均拣选距离、每小时拣选行数、补货中断次数、错拣率、库位准确率、订单出库及时率和通道占用时长。
指标计算方式主要判断问题 平均拣选距离拣选员行走总距离÷订单数热区布局和订单分组是否合理 每小时拣选行数完成拣选行数÷有效作业小时库位、路径和人员操作效率 补货中断次数拣选过程中等待补货的次数拣选位容量和补货时机 错拣率错拣件数÷总拣选件数相似品、标识和复核流程 库位准确率正确库位数÷抽查库位总数上架、移库和退货管理 我做过一次调整：没有继续移动货架，而是把高峰期补货任务提前到订单释放前30分钟，同时把最常缺货的12个SKU从单层拣选位改成双层容量。
结果拣选员的平均等待次数从每小时4.6次降到1.8次，每小时拣选行数提升约17%。这说明现场瓶颈不一定是库位距离，也可能是拣选位容量与补货节奏不匹配。判断布局问题时，可以对订单路径做热力图。如果大量订单在同一区域反复折返，说明高频SKU没有形成有效热区；
如果路径没有明显增加，但出库时间变长，优先排查复核台排队、缺货确认和异常订单处理。还要把“整仓平均值”拆开看。日均效率可能没有变化，但A类订单效率提升、长尾订单效率下降，这意味着波次策略或库位分层需要调整。至少应按订单类型、渠道、商品数量和时段分别统计，否则平均值会掩盖真实变化。
建议设置明确的改造目标，例如平均拣选距离下降15%、补货中断减少30%、错拣率下降至0.15%以下、库位准确率保持99%以上。目标必须与改造前数据比较，不能直接套用其他仓库的数字。库位规划是否成功，最终看的是稳定运行30天后的订单履约表现，而不是改造完成当天的现场观感。
读者评论
文章把库位规划从“摆货”提升到订单履约层面，尤其是同时考虑拣货距离、补货频率和通道拥堵，这一点对实际仓库很有参考价值。
文中关于相似商品隔离、主拣货位与后备库存位的建议比较实用。不过案例数据多为情景模拟，企业落地时还需要结合自身订单和现场动线验证。
把空库位划分为波动缓冲位和异常处理位很有启发，说明仓库不能只追求库容率。若能补充库位调整的量化阈值和复盘周期，操作性会更强。