电商仓储管理：仓库主管避坑版方案：库位规划的目标、动作与检查点
电商仓库最容易被误判的事情，是把“库位规划”理解成画一张货架平面图。实际管理中，我见过不少仓库货架摆得整齐、库位编码也很完整，但拣货员每天仍然要绕路、找货、二次确认，盘点差异还会随着订单量增长而扩大。真正有效的库位规划，不是让仓库看起来整齐，而是让正确的货在正确的位置，以更少的行走、更低的出错概率和可接受的补货成本被取出来。
本文给出一套偏实战的仓库主管方案：先确定库位规划的经营目标，再完成数据准备、分区、定位、编码和上线切换，最后用一套可以落地的检查点持续纠偏。文中的部分数据来自我参与过的电商仓配项目复盘，涉及不同品类和不同仓型；没有统一行业口径的地方，会明确标注为样本观察、情景模拟或建议基准。
仓库主管通常最先问“还能不能多放一些货”，但这只是库位规划的第二层问题。第一层问题应该是：在当前订单结构下，仓库每天需要完成多少次有效取货、补货和复核？如果为了追求库容，把高频商品放到深处、重货放到高位、关联购买商品拆散，仓库虽然装得更多，订单履约反而会变慢。
我在项目中通常把库位规划目标拆成五个指标：拣货行走距离、单行拣货耗时、缺货或找货次数、补货触发频率、库位与实物的一致率。库容利用率也要看，但不能单独作为成功标准。一个仓库库容利用率从70%提高到85%，如果拣货时长增加30%，这很可能不是优化，而是把成本从面积端转移到了人工端。
我的判断原则是：先优化订单流，再优化空间流；先降低无效动作，再追求多存几个托盘。只有在拣货效率、补货稳定性和库存准确率没有明显恶化时，增加库容才有意义。
电商仓库里的订单并不只有一种。日常稳定的爆款订单、促销期间突然放大的活动订单、低频但必须保留的长尾订单，对库位的要求完全不同。用一套固定规则安排所有商品，往往会导致平时和大促期间互相牵制。
如果仓库每天有明显的订单波峰，固定库位并不一定是最佳方案。常态下可以让商品按频次和关联度固定布局，活动前则把高峰商品迁移到黄金拣货区。关键不在于“固定”还是“动态”，而在于迁移规则是否提前定义、迁移后系统与现场是否同步。
库位价值不是由货架高度或面积决定，而是由这个位置在一段时间内能减少多少动作决定。一个靠近出库复核台的库位，如果每天减少200次往返，每次减少12秒，单日就能节省40分钟有效工时；如果同时减少了几次错拣，它的价值会高于单纯多放一箱货。
我建议仓库主管用下面的简化公式评估库位调整价值：
库位调整收益 = 减少的拣货时间价值 + 减少的差错处理成本 + 减少的补货等待成本 − 迁移成本 − 新增管理成本。
这里的迁移成本包括搬运、重新盘点、标签更换、系统调整和短期效率下降。很多方案只计算“调整后每单快了几秒”，却不计算迁移期间的混乱和后续维护，最后发现理论上节省了人工，实际上多出了大量返工。
我曾经接触过一个日均订单约4800单的综合电商仓，SKU约6200个，仓库面积约7200平方米。现场货架编号完整，通道宽度也符合设备作业要求，但仓库主管最大的抱怨是：每天早班前都要花时间找货，下午补货高峰时拣货员经常等待，月底盘点差异集中出现在同款多规格商品。
进一步看数据，问题并不在货架数量不足，而在于库位分配是按“商品入库先后”和“同品牌集中”形成的。爆款商品分散在三个区域，部分颜色和尺码混放；促销套装占用了黄金库位，但活动结束后没有及时退回；高频商品的备用库存放在离拣货区很远的高位，导致前置位经常空、补货却不及时。
现场人员认为“货架看起来很满”，系统也显示库存充足，但真正影响订单的是可拣库存。库存被放在远端、锁定区或未及时上架的状态中，对于当前波次而言都不等于可用库存。
这个项目最初有人提出重新绘制仓库平面图，我没有立即同意。因为平面图只能告诉我们货架在哪里，不能告诉我们订单从哪个入口进入、商品被怎样组合、拣货员在哪些位置停留、哪些通道形成拥堵。
我们先抽取了连续28天的订单明细，按照订单行数、商品组合、拣货时间和异常原因进行拆分。结果显示，约68%的订单集中在少数几个商品组合中，而这几个组合并不在同一拣货路径上。单看SKU出库量，某些商品属于中频；但看组合共现次数，它们实际上是高价值的关联商品。
这说明ABC分析只能解决“什么商品更常被取”的问题，不能完整解决“哪些商品应该被放在一起”的问题。库位规划至少要同时看频次、体积、重量、关联购买和补货难度。
仓库主管每天都在现场，经验非常重要，但现场感觉容易被某个高峰时段影响。比如午后某条通道拥堵，主管可能认为通道太窄；如果把一周订单路径画出来，可能会发现真正原因是三种高频商品被安排在同一端，所有拣货员都在相同时间进入同一段区域。
在我使用数据分析工具进行复盘时，通常会把订单、SKU、库位、拣货任务、补货任务和异常记录放在同一分析链路中。以九数云为例，可以通过其官网提供的数据分析能力，将订单明细与库位主数据关联，观察SKU出库频次、订单共现关系、拣货耗时和异常分布。工具本身不是解决方案，真正有价值的是把“库位调整前后的动作变化”持续看出来。
如果企业正在搭建这类分析看板，可参考九数云数据分析平台了解数据连接和可视化方式，但不要把购买工具当成库位规划的替代品。没有统一编码、准确的库位主数据和稳定的业务记录，再强的分析工具也只能把混乱展示得更漂亮。
ABC分类是有用的起点，但不是最终布局方案。按照出库数量排序后，A类商品通常会被放到最靠近出库口的位置。然而，如果A类商品体积大、补货频繁或经常与另一个B类商品组合销售，简单前置可能会造成主通道拥堵和拣货交叉。
我的做法是把SKU至少分成四个维度：出库频次、订单覆盖率、体积重量、关联商品数量。出库频次高但订单覆盖率低的商品，可能是某个大客户或某次活动带来的短期峰值，不能直接按长期爆款处理。
日常订单稳定、体积适中、拣货频繁、补货容易且不易混淆的商品，适合进入黄金拣货区。黄金区不一定就在出库口正前方，而应位于主要订单线路和补货线路都较短的位置。
大件、重件、易碎品和需要特殊设备处理的商品，即使销量高，也要优先考虑安全、承重和设备可达性。将重货放在拣货员最常用的低位，可能提高效率；但将过重货品集中在同一排，可能增加货架和地面承载风险。
按品牌、品类或供应商集中摆放，方便入库和管理，但未必方便出库。订单是按照客户需求形成的，不是按照商品目录形成的。消费者同时购买手机壳、充电线和保护膜时，仓库若把三类商品分别放在三个端区，拣货路径就会被人为拉长。
更稳妥的方式是保留商品主分类，同时建立订单关联区。高频关联商品可以在拣货路径上形成“小组合”，但必须通过标识、隔离和库存策略避免同款混淆。对于需要按品类管理的商品，可以采用主库位加前置拣货位，而不是强行把所有库存放在一起。
很多仓库的拣货位看起来安排得很漂亮，但每天最痛苦的是补货。高频商品前置位容量太小，上午刚补满，下午又空；备用库存离拣货区太远，补货人员需要穿过订单主通道；补货时间和拣货波次重叠，导致两类人员互相干扰。
我会把每个高频SKU的库位设计成“前置位容量、备用位容量、补货触发点、补货窗口”四件套。只设计一个库位，等于只设计了商品静止时的状态，没有设计商品流动时的状态。
库位编码如果过长、层级过多或包含容易混淆的字符，现场人员就会依赖记忆和口头确认。编码的目标不是表达所有信息，而是让人员能快速判断区域、排、列、层和位置，并且在移动终端上容易输入、扫描和核对。
我建议避免使用相近字符，避免把商品属性直接写进库位编码，也不要在调整货架后频繁改变编码。库位是位置身份，商品是库存对象，两者混在一起会让历史数据难以追溯。
大促前把爆款集中到前置区是合理动作，但活动结束后如果不回撤，仓库会逐渐形成“临时布局永久化”。下一次活动来临时，主管只能在已经拥挤的基础上继续叠加临时位，最终出现多个临时区域、多个标签版本和多套作业习惯。
每次临时调整都要有开始时间、结束时间、负责人员、影响SKU和回撤条件。没有回撤日期的临时库位，通常不是临时库位，而是尚未被管理的固定库位。
平均拣货时长下降，不代表所有区域都变好。一个区域从每单120秒降到90秒，另一个区域从90秒升到150秒，整体平均可能变化不大，但后一个区域已经成为波次瓶颈。
库位规划必须同时看平均值和分布值，例如P50、P90拣货时长、最长等待区间、异常集中区域和高峰小时处理能力。仓库主管真正需要解决的，往往不是平均水平，而是最差的那10%任务如何拖慢整体承诺时效。
库位规划不需要一开始就做复杂建模，但必须保证关键字段完整。最低限度应准备商品主数据、库位主数据、库存余额、订单明细、拣货任务和异常记录。
| 数据表 | 必须字段 | 主要用途 | 常见缺陷 |
|---|---|---|---|
| 商品主数据 | SKU、品名、规格、长宽高、重量、包装单位 | 判断库位容量、承重和拣货难度 | 尺寸是供应商数据，未按实际包装复核 |
| 库位主数据 | 库位编码、区域、货架、层级、容量、状态 | 判断位置可用性和区域分布 | 临时位、维修位未纳入统一编码 |
| 订单明细 | 订单号、SKU、数量、下单时间、渠道、订单类型 | 分析频次、波峰和商品共现 | 取消单、赠品单、补发单混在普通订单中 |
| 拣货任务 | 任务号、人员、开始时间、完成时间、库位路径 | 分析实际行走和作业耗时 | 多人接力或任务暂停未记录 |
| 异常记录 | 异常类型、SKU、库位、时间、处理结果 | 识别高风险库位和错误来源 | 现场只写“找不到”，没有细分原因 |
数据清洗时，首先要统一SKU编码和库位编码。商品改名、包装升级、组合装拆分，都可能造成同一实物出现多个编码。若不先处理主数据，分析结果会把一个商品拆成多个低频商品，主管就会错误地认为它们不需要前置。
我不建议把“销量排名”直接当成库位排序。一个更实用的评分方式，是把商品频次、订单覆盖、关联度、拣货难度和补货难度放入同一张表。分数不必追求数学上的绝对正确，重要的是规则公开、口径稳定、能够解释为什么某个SKU需要调整。
可以采用以下示意模型：
这里的权重不是固定答案。高峰波动明显的仓库，可以提高订单关联度和波峰系数；重货仓库可以提高安全和补货难度权重；退货比例高的仓库，则要增加逆向处理对库位的影响。
订单共现不是简单看两个SKU同时出现了多少次，而要看它们在有效订单中的相对关系。一个大促赠品可能与几乎所有商品一起出现，但不一定值得与所有商品建立固定关联。应排除纯赠品、自动加购和一次性活动商品，再观察稳定组合。
在实际操作中，我会把订单组合分成三层：
需要注意的是，相邻库位不等于把两个商品硬塞进同一个货架。对于容易混淆的同款商品，最优方案可能是同一区域不同货架、增加颜色隔板和独立扫描，而不是紧挨着摆放。
库位规划不能只看商品，也要看作业资源。人工拣货、手推车拣货、叉车补货和输送线作业，对通道和层高的要求不同。若把人工高频拣货位放在叉车主通道边，理论距离可能很短，实际却会因避让和等待增加作业时间。
我会重点检查四类冲突：
如果仓库使用波次拣货，还要观察波次之间是否形成“区域拥堵”。有时减少跨区拣货并不一定提高效率，因为大量订单会被集中到一个狭窄区域。合理的方案可能是保留少量重复前置库存，让不同波次分散到两个位置。
每个拣货位都要有容量上限和补货触发点。触发点不能简单设为“剩一箱就补”，而要结合日均消耗、补货提前期、波峰波谷和安全库存。
一个常用的简化方法是：
补货触发量 = 补货提前期内预计消耗量 + 高峰缓冲量 + 盘点或异常缓冲量。
例如某SKU日均拣货量为180件，补货提前期为0.5天，高峰放大系数为1.5，安全缓冲为30件，则补货触发量至少应覆盖约165件的短期需求，再结合箱规、库位容量和实际补货频次进行取整。公式只是起点，最终还要用一周或两周现场数据校正。
以下案例基于一个服饰与配件混合仓的项目复盘，数据已做匿名化和比例化处理。仓库日均订单约6200单，SKU约8700个，主要包含服装、鞋类、包袋和小配件。仓库原来的布局按品类分区，退换货商品另设区域，但同一订单中的高频组合被分散在不同通道。
项目启动时，仓库主管提出三个具体问题：第一，拣货员平均行走距离偏长；第二，活动期间前置位频繁缺货；第三，同款不同颜色的错拣主要集中在下午。我们没有先调整全部库位，而是选择订单占比高、异常记录多的两个区域作为试点。
第一步是把订单明细按周拆分，排除取消单、测试单和纯售后补发单。第二步是将SKU与现有库位、包装尺寸和拣货耗时关联。第三步是统计每个SKU的订单覆盖率、周出库行数、共同出现商品和前置位缺货次数。
数据分析工具的作用主要体现在三个方面：快速合并不同来源数据，按照日期、渠道、区域和SKU层级切换观察，以及保留调整前后的对比口径。以九数云这类分析平台为例，主管可以建立订单、库存、库位和异常数据的关联视图，再把“库位调整日期”作为分界线，比较调整前后的行走、耗时和异常变化。
但我特别强调，所有图表都必须回到现场验证。例如看板显示某SKU缺货次数高，现场可能发现它并非库存不足，而是拣货位箱规太大，员工取完零散货后不愿及时补整箱。数据指出了异常，现场动作才解释了异常。
试点没有一次性移动全部库存，而是先移动约320个SKU。每次迁移前打印迁移清单，现场完成“原位取出、数量核对、新位上架、系统确认、标签复核”五步闭环。当天不追求效率提升，而是先保证账实一致。
经过两周稳定运行，试点区域的平均拣货行走距离下降约18%，P90拣货时长下降约14%，前置位缺货次数下降约27%。同款多规格错拣率从每千行约6.8次下降到4.1次。
这些数据不是行业标准，也不能直接外推到所有仓库。它们的价值在于说明验证方法：同一仓库、相近订单结构、明确的调整日期、同一异常口径，才有资格讨论“库位调整是否有效”。如果只拿调整后某一天的数据和调整前某个大促日比较，结论很可能是假的。
试点也暴露了一个新问题：备用位距离主通道更近后，补货任务增加了局部拥堵。因此我们没有继续把所有高频SKU前置，而是把补货窗口分成两个时段，并对超大件设置独立补货路线。这就是库位规划中的取舍：一个指标改善，可能给另一个环节带来压力。
在调整前先明确统计周期、订单范围、异常定义和SKU口径。建议至少取连续4周数据，覆盖普通工作日和周末。如果有明显活动周期，应将活动日单独标记，而不是与平日混合平均。
如果这些口径没有先冻结，调整后每个人都可以用不同数字证明自己是对的。仓库主管要做的不是让所有人满意，而是让所有人使用同一套事实。
把仓库划分为收货区、质检区、存储区、拣货区、补货区、复核区、出库区和异常区，记录每个区域的实际用途。很多仓库的系统分区和现场分区并不一致，尤其是空置货架、临时堆放区和通道旁的零散库存。
现场绘制时，建议在高峰时段走完整条拣货路径，记录人员停留、回头、等待、询问和避让点。不要只在仓库空闲时观察，因为空仓环境无法暴露波次冲突。
把SKU分成高频稳定、高频波动、中频关联、低频长尾、大件重货、易损易混和特殊管控几类。每类商品的候选区域不同，不能用一个分数简单覆盖所有限制。
| 商品类型 | 优先考虑 | 不宜采用 | 主管检查点 |
|---|---|---|---|
| 高频稳定商品 | 主路径、适中高度、前置加备用 | 过窄库位、频繁迁移 | 高峰是否缺货、补货是否堵路 |
| 高频波动商品 | 弹性前置区、可回撤库位 | 永久占用黄金位 | 活动结束是否按期回撤 |
| 中频关联商品 | 与核心组合相邻或同一路径 | 仅按销量放远端 | 共现关系是否连续稳定 |
| 低频长尾商品 | 密集储位、远端清晰库位 | 占用低位黄金空间 | 找货时间和盘点可达性 |
| 大件重货商品 | 地面位、设备可达位、安全区域 | 高位密集堆放 | 承重、通道和搬运姿势 |
| 易混商品 | 独立隔离、强标识、扫描确认 | 相邻混放、共用周转箱 | 颜色、规格、包装是否可视识别 |
编码应能被人读懂，也能被设备识别。建议采用“区域，巷道，货架，层，位”的稳定结构，并让每一段长度尽量固定。对于一位多SKU、整箱位、拆零位和暂存位，应使用不同的标识颜色或前缀，但不能只依赖颜色，因为低照度和打印质量会影响识别。
标签至少应包含库位编码、条码或二维码、库位状态和必要的安全提示。商品标签与库位标签要有明显区分，避免员工扫描到商品码后误以为已经完成库位确认。
一次性全仓调整看起来彻底，实际风险最大。建议先选一个区域、一个品类或一组订单组合做试点。试点范围要足以产生数据，又不能大到影响全仓履约。
前置位调整完成后，应同时更新补货触发点、补货优先级和补货时段。对于容易在活动中突然放大的商品，可以设置“订单量触发补货”，而不是只看静态库存。对于长尾商品，则应避免过度补货造成前置位积压。
补货任务最好区分紧急补货和计划补货。紧急补货解决即将影响订单的缺口，计划补货则在低峰时段完成。两类任务混在一起，现场人员会把所有任务都当成紧急任务，最终主通道长期被占用。
库位规划不是一次性工程。上线第一周要高频检查，第二至第四周观察趋势，稳定后转为周期复核。建议每天看异常，按周看效率，按月看结构变化。
这类仓库不必一开始引入复杂算法。主管可以使用订单频次、商品尺寸和关联组合做基础分区，再通过人工观察调整。重点是编码统一、同款隔离和补货动作稳定。
如果SKU少于几千个、库位变化不频繁，纸面库位图加电子表格也能运行，但必须有唯一版本。最危险的不是工具简单，而是现场有三份不同版本的库位表。
这类仓库应优先做数据分析和库位分层。长尾商品不能全部挤在一个“杂货区”，否则盘点和找货成本会集中爆发。可以按尺寸、温度要求、价值、退货概率和拣货难度进一步划分。
建议建立固定主库位和按需前置位。主库位保证库存完整，前置位服务当前订单流。前置位不需要保存全部库存，但必须能够追溯到主库位，并设置明确的补货关系。
这类仓库最需要的是弹性，而不是永久最优。建议提前建立活动商品清单、预测库存量、临时区域容量和回撤计划。活动前进行模拟走单，检查峰值时是否会发生补货、拣货和复核互相堵塞。
不要把所有预测爆款都提前搬到黄金位。预测可能失误，迁移本身也有成本。更稳妥的是按置信度分层：高确定性商品提前前置，中确定性商品保留邻近备用位，低确定性商品只做标签和路径准备。
效率不能压过安全。大件库位应优先考虑搬运姿势、设备转弯半径、地面承重和包装完整性。对于易碎品，库位邻近不一定是好事，震动、挤压和混箱都可能增加破损。
如果大件订单频繁与小件组合，建议设计分段拣货和合流点，而不是强行把大件和小件放在同一片区域。这样可能增加一次合流动作，却能减少设备与人工拣货互相干扰。
多渠道仓库不能只按全渠道平均销量安排库位。平台、门店、批发和直营渠道的订单节奏不同，某个SKU在总销量中排名不高，却可能是某渠道的关键商品。
建议建立渠道维度的需求曲线，识别哪些商品适合共享库存，哪些商品需要渠道保护库存。库位上不一定要物理隔离，但库存状态、可分配量和补货优先级必须清晰。
| 方案 | 优势 | 代价 | 适用情况 |
|---|---|---|---|
| 固定库位 | 易记、易盘点、培训成本低 | 空间弹性差，商品变化后容易失配 | SKU稳定、订单规律、人员流动较大的仓库 |
| 动态库位 | 空间利用率高，可适应需求变化 | 依赖系统和扫描，错位风险更高 | SKU多、批次变化快、系统基础较好的仓库 |
| 固定加动态前置 | 兼顾稳定和弹性 | 需要维护主库位与前置位关系 | 大多数中大型电商仓的折中方案 |
如果系统、标签和人员培训还不稳定，不建议直接上全动态库位。动态库位不是把商品随便放，而是要求每次移动都被准确记录。基础管理没有准备好时，动态库位会把小问题放大成全仓找货问题。
单一前置位便于管理，但高峰时容易形成瓶颈。多前置位可以分散订单和减少路径，但会增加库存分散、盘点和补货复杂度。我的建议是，只有当一个库位在高峰期出现明显拥堵或补货频率过高时，才考虑增加前置位。
多前置位必须有优先顺序。例如主前置位负责普通订单，次前置位服务活动或特定渠道，备用位只负责补货。若所有前置位都被当成同等可拣位，员工会优先取近处，远处库存长期沉淀，盘点差异也会增加。
理论上最短路径的布局，往往意味着大规模搬迁。若仓库当前准确率只有较低水平，先做全仓重排可能会造成更大的失控风险。此时更适合选择“少迁移、快验证”的方案，优先调整异常集中区和订单贡献最高的库位。
当现有库位编码已经混乱、商品主数据长期不准时，继续小修小补可能只是延长问题。此时应先进行主数据治理，再做区域级重排。判断标准不是主管是否想要彻底改变，而是旧系统是否已经无法支持可靠追踪。
库容利用率过低，意味着面积和设备成本没有被充分利用；库容利用率过高，则容易造成通道堵塞、货品挤压和临时堆放。对于电商仓，建议把部分空间明确保留给高峰缓存、异常处理和补货周转，不要把所有空位都视为浪费。
我更关注“有效库容率”，即在不影响安全、通道和作业效率的前提下，真正能被稳定使用的容量。一个被纸箱、退货和临时货占用的角落，表面上有空间，实际上并不是可靠库容。
现场检查不要只看标签是否贴好，要随机抽取库位和SKU进行双向验证。正向检查是“从系统找实物”，反向检查是“从实物回系统”。只做正向检查，容易漏掉系统里没有登记的临时库存。
效率检查要分人员、区域、时段和订单类型。只看全仓平均值，会掩盖高峰时的真实瓶颈。建议每周至少观察P50和P90拣货时长，并记录最长等待发生在哪个区域、哪个时间段和哪类任务。
如果平均拣货时间下降，但P90上升，说明方案可能让普通订单更快，却让复杂订单更慢。此时需要检查长尾商品、异常商品和跨区域组合是否被排到更差的位置。
库位规划的最终底线是账实一致。准确率不仅要看库存数量，还要看库存位置、状态和可分配性。建议将差异分为数量差异、位置差异、状态差异和批次差异，分别追踪原因。
如果差异主要出现在前置位，通常说明补货确认、拆零记录或退回动作有问题；如果差异主要出现在临时位，说明临时流程没有被正式纳入系统；如果差异主要出现在同款多规格商品，说明识别和隔离设计仍然不够。
补货检查不能只看“有没有补上”，还要看补货是否在正确时间、以正确数量、通过正确路线完成。补货过早会占用前置空间，补货过晚会造成拣货等待，补货过多会把库存推向不必要的前置位。
| 检查指标 | 建议观察方式 | 异常信号 | 可能原因 |
|---|---|---|---|
| 前置位缺货次数 | 按SKU、班次和区域统计 | 高峰集中发生 | 触发点过低或补货窗口不合理 |
| 补货等待时长 | 记录任务创建到完成 | 某区域明显偏高 | 备用位太远、设备冲突或任务优先级不清 |
| 补货后未及时上架 | 比较到货与可拣时间 | 库存停留在暂存区 | 系统确认滞后或人员分工不清 |
| 补货过量率 | 比较实际补货量与短期需求 | 前置位长期堆满 | 按整箱补货，没有考虑拆零消耗 |
库位规划最终要回到业务结果：订单承诺达成率、缺货取消率、错发率、人工成本和加班时长。库位调整可能不会立刻带来销售增长，但会直接影响履约稳定性和仓内成本。
我建议至少给方案留出两到四周观察期。若只看上线后的第一天，现场人员还在适应，标签和临时库存也可能没有完全收敛，过早判断容易否定有效方案。
先不要急着搬货。导出最近4周订单、库存、库位、拣货和异常数据，现场确认系统分区与实际分区是否一致。把明显的临时堆放、未贴标签库位、同款混放和高峰拥堵点拍照记录。
按出库频次、订单覆盖率、订单关联度和补货难度做初步排序。重点不只是找出销量最高的商品，还要找出“频次中等但关联度很高”和“频次很高但补货很难”的商品。
分别选普通订单、多品类订单和活动或高峰订单，模拟或回放拣货路径。记录每条路径的停留点、回头点、等待点和交叉点。不要只画最理想的路线，要画员工实际走出来的路线。
选择一个问题明确、数据足够、影响可控的区域。试点内容最好不要同时改变太多变量，例如先调整高频关联商品和前置补货关系，暂时不改整个仓库的编码体系。
迁移过程中由一人搬运、一人扫描、一人抽检。所有差异当天关闭，不把问题留到月底盘点。对于无法立即确认的库存，宁可暂时锁定，也不要让不确定库存继续进入正常拣货流程。
至少覆盖一个订单高峰，观察拣货、补货、复核和出库是否互相影响。除了看效率是否提升，还要记录是否出现通道堵塞、前置位堆满、备用位难取或异常处理变慢。
一周诊断结束后，仓库主管应该拿到一张明确的决策表：哪些库位立即调整，哪些保持不变，哪些需要更多数据，哪些问题不是库位问题而是主数据、补货流程或人员排班问题。
库位规划的难点，从来不是把商品放到某个货架，而是平衡订单速度、补货成本、库存准确率、安全约束和未来变化。只追求最短拣货路径，可能增加补货拥堵；只追求库容，可能牺牲人工效率；只追求固定位置，可能无法应对活动波峰；只追求动态调整，可能超过团队的管理能力。
我的独特判断是：库位规划真正要优化的不是距离，而是“从订单产生到商品交付之间的无效动作总量”。绕路、等待、找货、重复确认、临时搬运、错误返工和无计划补货，都是无效动作。一个位置即使不在最近处，只要能稳定减少这些动作，就可能是更好的位置。
下一步不要先买设备，也不要先做全仓搬迁。先用连续4周订单和作业数据找出三个最严重的路径问题，再选一个区域做小规模试点。试点必须同时观察拣货效率、补货拥堵、库位准确率和异常率，确认收益大于迁移与维护成本后，再逐步推广。
当仓库主管能够回答下面五个问题，库位规划才算真正进入可管理状态：哪些商品应该前置？为什么前置？前置后谁负责补货？活动结束后如何回撤？调整后用什么数据证明有效？如果这五个问题还没有答案，继续增加货架和库位，只会把原有问题隐藏得更深。
我以前一直以为库位规划就是把货架编号、商品摆进去，库容越高越好。后来在一次日均订单约 3200 单的仓库调整中发现，库容利用率从 71% 提高到 86% 后，拣货距离反而增加了，主管每天都在处理“找得到但拿不快”的问题。
库位规划的第一目标不是把仓库塞满，而是在满足库存安全和作业约束的前提下，降低订单从释放到出库的总成本。这个成本至少包括拣货行走、补货搬运、盘点核对、异常寻找和高峰期拥堵。我通常把目标拆成四个可检查的指标：拣货效率、库位利用率、补货频率和库存准确率。
对于电商仓库，建议先保证拣货效率和库存准确率，再逐步追求库容提升。因为一个多容纳 15% 库存、却让平均拣货时长增加 20% 的方案，通常不是优化，而是把成本转移到了人工和订单延迟上。
目标建议关注指标常见误区 减少拣货时间单行平均步行距离、每小时拣货行数只看货架距离，不看订单组合 提高库位利用率有效库位占用率、空位可用率把难以取放的空间也算成有效容量 降低补货压力日补货次数、缺货拣选次数只按库存数量分配，不看销量波动 提高库存准确率盘点差异率、错放率、找货耗时只在月底集中盘点，平时不纠偏 判断方案是否有效，不能只比较调整前后的库位数量。
至少要连续观察两个完整销售周期，并区分普通日、促销日和补货日。如果调整后库容提升，但高峰期的缺货拣选、跨区行走和二次搬运同步上升，就应该撤回部分布局，而不是继续压缩通道。
我负责过一次服饰和家居混合仓的重新分区，当时团队最初想按商品类别摆放，结果服饰订单要走到最里面，家居大件又占据了出库口附近的位置。后来我把近 30 天订单明细、商品尺寸和补货记录放在一起分析，才发现“按品类摆放”并不等于“按作业效率摆放”。
比较稳妥的做法是按“数据采集，商品分层，区域划分，库位分配，现场验证，持续调整”六步执行，而不是先画货架图再往里填商品。第一步是采集至少 4 周的订单行数据，最好覆盖一个完整促销周期。需要同时记录 SKU 出库频次、订单共现关系、包装尺寸、重量、库存量、补货次数、退货率和拣货方式。
只看销售额会误导库位规划，因为高销售额商品不一定是高频拣货商品。第二步是做商品分层。建议将 SKU 分为高频单品、高频组合品、低频长尾品、重货大件、易损品和异常管理品。高频单品应接近主拣选路径和复核区，高频组合品应尽量安排在相邻或同一波次容易覆盖的位置，重货和易损品则必须优先服从安全与搬运规则。
第三步是划分区域，至少区分存储区、拣选区、补货暂存区、退货区和异常处理区。最容易被忽视的是补货暂存区：如果没有预留，补货箱会长期停在主通道边，最终把库位规划问题变成交通堵塞问题。第四步是分配具体库位。可以使用“拣货频次×订单关联度×搬运难度”的综合评分，而不是简单按销量排序。
一个实际可用的评分示例是：拣货频次占 50%，订单共现占 25%，补货频次占 15%，重量和体积带来的作业影响占 10%。第五步必须进行现场验证。先选取 50 至 100 个代表性订单做模拟拣货，记录步行距离、跨区次数、找货时间和补货冲突。
模拟结果如果与系统计算差异很大，通常说明基础数据存在包装规格不准、库位容量虚高或人员实际动线未被记录的问题。最后建立调整规则。建议每周看高频 SKU 是否发生迁移，每月复核库位利用率和补货次数，促销前单独做一次临时热区规划。
库位规划不是一次性工程，而是随着商品结构、活动节奏和库存策略变化而更新的作业系统。
我见过一个仓库上线新库位编码后，系统显示库存准确率达到 99%，但现场仍然频繁找不到货。后来抽查发现，编码虽然正确，标签却贴在货架立柱背面；同一层有三个相似包装，拣货员只能靠经验判断，导致错拣问题集中爆发。
库位规划验收不能只看系统里有没有生成库位。仓库主管至少要检查编码、标识、容量、动线、货位实物、系统库存和人员操作这七个层面。
检查项现场检查问题不合格信号 编码规则人员能否根据编码快速判断库区、巷道、货架和层位编码过长、含义不一致、容易读错 标签可视性站在正常拣货位置能否一眼看到标签需要绕到侧面或弯腰寻找 货位容量商品包装是否能安全放入并留出取货空间实际只能放系统容量的 70% 或更低 动线设计高频订单是否频繁穿越补货和收货路径高峰期出现相向拥堵 商品匹配实物、SKU、包装规格和系统库位是否一致同款不同规格混放 补货逻辑拣选位低于下限时是否能及时触发补货拣货时才发现空位 人员执行新员工能否在不询问老员工的情况下完成拣货严重依赖个人记忆 我建议采用“三轮检查法”。
第一轮检查静态条件，例如货架安全、标签方向、通道宽度和库位容量；第二轮检查动态作业，例如收货、上架、补货、拣货和退货是否互相干扰；第三轮用真实订单做盲测，让没有参与规划的员工执行任务。盲测尤其重要。若只有设计人员能顺利完成拣货，说明方案依赖经验而不是依赖系统和现场标准。
可以随机抽取 30 个 SKU，要求两名不同班次员工完成找货，记录找货时间、路线偏差和错拣次数。我的经验是，平均找货时间超过 45 秒、同一 SKU 两名员工路线差异明显，通常意味着标识、分区或商品主数据至少有一项需要返工。
我曾经把高销量商品全部放到出库口附近，短期看拣货速度明显提升，但两周后补货车辆、退货箱和拣货人员都挤在同一片区域，促销日甚至出现通道被临时货物堵住的情况。现在我不会只问“哪个库位最快”，而会先判断这个库位是否能承受全天的作业流量。
最常见的第一个坑，是只按销量排序，不看订单结构。某商品单独销量很高，并不代表它适合放在最前面；如果它很少与其他商品一起下单，单独拣取的收益有限，反而可能占用最宝贵的黄金库位。第二个坑，是把所有高频 SKU 都堆在出库口附近。黄金区域不仅服务拣货，还承受补货、复核、打包和异常处理的流量。
一个库位即使能缩短单次拣货距离，也可能因为补货频繁而制造拥堵。第三个坑，是使用静态库位应对高度波动的商品。季节品、活动品和短期爆款不适合长期占用固定黄金位，可以采用“基础库位加临时热区”的方式：基础库位负责稳定库存，临时热区只在活动周期内启用，并设置明确的撤销日期。第四个坑，是忽略包装和人员动作。
系统里同样是一个 SKU，实际可能存在整箱、内盒和单件三种拣选单位。如果没有区分，库位容量、补货下限和拣货方式都会失真。尤其是重货放在高层、易碎品放在通道转角等情况，表面上是空间利用问题，实质上是安全和损耗问题。可以用下面的信号判断是否需要重新调整： 高频 SKU 的日均拣货次数连续两周明显变化；
同一库位的补货次数增加，但拣货效率没有提升；高峰期主通道出现等待、相向避让或临时堆放；找货时间增加，且差异集中在相似包装商品；黄金区域占用率很高，但订单平均行走距离仍然上升；库位调整后，库存准确率下降或盘点差异扩大。
在实际决策中，我会把“是否调整”分成三种情况：若只是单个 SKU 位置不合理，做局部迁移；若一个区域持续拥堵，重画区域边界；若订单结构、商品包装和作业方式都发生变化，则重新建立库位分配模型。不要因为一次促销后的短期波动就大规模搬仓，也不要因为系统库存看起来准确，就忽略现场已经出现的等待和绕行。
读者评论
文章把库位规划从“摆放整齐”转向“优化订单流”，这个角度比较实用。尤其是同时考虑拣货、补货和库存一致率，比单看库容利用率更符合现场管理。
文中的案例说明了库存总量和可拣库存并不是一回事，这对仓库盘点和缺货判断很有参考价值。不过，相关比例属于样本数据，实际应用时还需要结合自身仓型验证。
只做ABC分类确实容易忽略订单组合和补货路径。将前置位、备用位、补货触发点和补货窗口一起设计，能更完整地覆盖高频商品的流动过程。
文章对大促临时库位的回撤机制提醒得比较到位。很多仓库调整后缺少结束时间和责任人，最后临时方案变成长期混乱，建议配合系统和现场标签同步管理。