电商库存最容易出现的误判，是系统里明明显示还有几百件，仓库却在一周后断货；采购单明明已经提交，活动开始时商品却仍然没有进入可销售状态。问题通常不在于不会做加减法，而在于把物理库存、可销售库存、已锁定库存和在途库存混成了一个数字。要让电商库存真正落地，必须把销量预测、采购提前期、补货数量、采购跟进和结果复盘放进同一条流程里。

电商库存怎么落地？从补货计划讲清入门指南

一、先讲核心结论：库存管理不是“看剩多少”，而是判断何时补、补多少、谁跟进

1. 一套能落地的补货计划，至少要回答五个问题

我在做库存诊断时，通常不会一上来就问“这个 SKU 还剩多少”。我会先问五个更具体的问题：现在真正能卖多少，未来一段时间预计卖多少，新货最早什么时候能到，补货后需要覆盖多长时间，以及这张采购单由谁负责跟进。

如果这五个问题没有被放在同一张表里，补货计划就很容易变成孤立的采购建议。运营看销量，仓库看实物，采购看供应商交期，财务看预算，几个人都在看自己的数字，最后却没有一个共同的补货结论。

2. 第一件事不是预测，而是统一库存口径

库存管理中最危险的数字，不是明显错误的数字，而是看起来很准确、实际含义却不一致的数字。比如，平台显示库存500件，仓库盘点有500件，采购表里还有300件在途。三个人都说自己有数据，但这三个数字不能直接相加。

物理库存是仓库里实际存在的数量，可销售库存则要扣除已经被订单占用、等待质检、破损、冻结或处于其他不可售状态的数量。通常可以先用下面的入门公式建立统一口径：

可销售库存 = 物理库存 − 已锁定库存 − 质检或异常库存

例如，某 SKU 的物理库存为780件，已经被订单锁定120件，质检和异常库存为30件，那么当前可销售库存是630件，而不是780件。正在运输中的500件，也不能直接写进“当前可销售库存”。它属于未来供给，需要单独记录预计到货日期和到货可信度。

3. 补货表至少要拆出四类库存字段

如果目前只有一张 Excel 表，我建议先不要急着增加复杂公式，而是先把库存字段拆开。最少要有物理库存、可销售库存、已锁定库存和在途库存四个字段；如果业务涉及质检、退货、多仓或跨平台，还应该增加异常库存、待入库库存和调拨在途库存。

二、从真实场景看，为什么补货计划总是算不准

1. 一个常见的断货场景

假设一家经营家居小商品的店铺有300多个 SKU，其中一个便携榨汁杯 SKU 在系统里显示还有780件。运营看到这个数字后认为库存可以继续销售两周以上，于是没有立即补货。

进一步拆分后，情况变成了另一种样子：120件已经被未发货订单锁定，30件正在质检，真正可销售库存只有630件。这个 SKU 最近7天每天卖50件，遇到活动时每天可能卖到60件。按照活动期销量计算，630件只能支撑约10.5天。

与此同时，采购表里还有500件在途，但供应商给出的预计到货时间是8天，仓库入库和上架还需要2至3天。只要运输延误两三天，或者活动销量继续增加，库存就会从“看起来充足”迅速变成“无法正常履约”。

这个案例中，真正的问题不是采购人员懒惰，也不是仓库没有库存，而是库存数字没有携带状态。一个没有预计到货日、没有锁定数量、没有入库状态的库存数字，很难支持补货决策。

2. 补货失败往往发生在数据交接处

很多商家以为补货失败只发生在“销量预测错了”这一环节。实际上，我见过更多问题发生在数据交接处：运营没有把活动排期同步给采购，采购没有更新供应商实际交期，仓库已经收到货但没有及时入账，平台订单取消后锁定库存也没有释放。

这些问题单独看都不复杂，但它们会沿着流程叠加。运营用旧销量预测，采购用旧库存下单，仓库按旧采购单收货，最后每个环节都认为自己没有明显错误，库存结果却完全偏离预期。

3. 先修复库存状态，再追求高级预测模型

如果库存口径都没有统一，直接上复杂预测模型通常只会让错误结果看起来更专业。模型可以把错误的销量算得很精确，却不能自动知道某批货已经破损，也不能凭空判断供应商这次是否会延期。

对大多数中小电商来说，第一阶段最值得做的不是机器学习，而是把 SKU、仓库、平台订单、采购单和活动信息统一到一张可追踪的表里。只有当数据定义稳定、责任人明确、更新频率固定之后，进一步做趋势预测才有意义。

三、补货计划中最常见的五个误区

1. 把系统库存直接当成可销售库存

系统库存只是一个数量结果，不一定代表商品可以立即发给客户。常见的扣减项包括未发货订单、渠道预留、质检、破损、退货待检和多仓调拨。

判断库存时，我建议先使用“库存桥接表”：期初库存加采购入库，减销售出库、退货损耗和调拨差异，最后与盘点库存对比。如果桥接结果与仓库实际盘点长期不一致，任何补货公式都应暂缓使用。

2. 用近30天平均销量解决所有 SKU

近30天销量是一个有用的基准，但它不是所有商品的标准答案。稳定销售的日用品可以参考30天平均值；新品、爆款、季节品和活动品如果仍然只看30天平均，预测通常会滞后。

例如，一个 SKU 前23天每天卖30件，最近7天因为短视频曝光每天卖80件，直接使用30天平均会低估短期需求。反过来，如果某商品刚经历一次大型活动，未来活动已经结束，直接沿用活动期间的高销量又会造成过量采购。

3. 把全部在途库存都算作“马上能用”

在途库存只有在预计到货时间落在需求窗口内时，才应该参与补货计算。供应商承诺10天到货，不等于商品10天后已经完成验收、入库和上架。

我通常会给在途库存增加“有效系数”。交期稳定、物流记录完整的批次，可以按较高比例计入；历史上经常延迟、数量还没有装柜或物流单号未确认的批次，则应降低系数，甚至暂时不计入。

4. 认为安全库存越多越安全

安全库存的作用是对冲需求波动和供应延迟，不是无限增加库存。对低毛利、易过时或保质期短的商品，安全库存过高会把缺货风险转化为积压风险。

安全库存应该与三个因素相关：销量波动有多大，供应商交期是否稳定，缺货一次的损失有多高。不同 SKU 使用相同的安全库存天数，通常意味着企业没有真正区分商品风险。

5. 采购单提交后就认为补货完成

采购单只是计划进入执行阶段的起点。后续还要跟踪供应商确认、备货完成、出库、运输、到仓、验收和上架。任何一个节点没有状态，采购人员就无法判断风险是否已经解除。

四、销量预测怎么做：不要只看一个日均数

1. 用多个时间窗口建立需求基准

在入门阶段，我建议同时观察近7天、近30天和近90天三个窗口。近7天用来识别短期变化，近30天用来建立主要运营基准，近90天用来观察商品的长期水平和季节变化。

这三个窗口不是必须机械加权，而是帮助运营人员回答不同问题：最近是否在加速，当前是否偏离正常水平，长期销售是不是具有周期性。真正的预测值，应当由商品类型和业务场景决定。

如果确实需要一个简单的加权基准，可以先采用“近7天占50%、近30天占30%、近90天占20%”的示意方法，再根据预测误差调整权重。例如，近7天日均销量50件，近30天日均销量42件，近90天日均销量35件，则基础日均销量约为44.9件。这个结果仍然只是基准，不应直接等同于未来销量。

2. 把活动、价格和流量变化单独拿出来判断

活动销量不能简单复制到平销期，平销销量也不能机械套用到活动期。活动预测至少要拆成基础销量和增量销量两个部分：基础销量来自正常经营，增量销量来自活动折扣、广告曝光、直播流量或平台资源位。

我在审核活动补货时，会重点检查四项信息：活动持续几天，预计流量提升多少，转化率是否有历史参考，活动结束后销量会不会回落。如果只拿“去年活动卖了多少件”做预测，却不检查今年价格、流量和竞争环境，数字看起来有依据，实际仍然可能偏差很大。

价格调整也会改变库存需求。降价可能带来短期销量提升，但如果毛利已经不足以覆盖仓储和配送成本，盲目备货并不一定是好决策。库存计划应该和毛利计划放在一起看，而不是只追求销量增长。

3. 新品要采用“小批量试销加滚动补货”

新品没有稳定的历史数据，最忌讳把运营人员的乐观预期直接换算成大批量采购。更稳妥的方法是先设定试销批量和观察周期，在获得真实点击、转化、退货和评价数据后再调整补货。

新品的第一批库存不是为了覆盖很长时间，而是为了验证需求。验证的指标包括每日有效订单、加购率、转化率、退款率、评价反馈和广告投入产出。只看订单数量而忽略退款和毛利，可能会把一个低质量爆量误判成畅销。

4. 用预测误差反过来调整方法

每次补货后都应该记录预测销量和实际销量的差异。一个简单的指标是平均绝对百分比误差，也可以使用“实际销量减预测销量”的偏差方向。

如果某类 SKU 连续三次预测偏低，说明模型或人工判断可能系统性低估需求；如果连续三次预测偏高，则要检查活动结束后的回落、退货率和渠道销量是否被重复计算。预测误差不是为了追责，而是为了知道下一次该调整哪个输入。

五、补货时间点和补货数量怎么计算

1. 先拆开采购提前期

采购提前期不是供应商口头说的一个天数，而是从提交采购需求到商品真正可以销售之间的完整时间。国内电商通常要考虑供应商确认、备货或生产、运输、收货和上架；跨区域或跨境业务还要加入清关、中转、平台仓接收等环节。

以便携榨汁杯案例为例，供应商确认需要1天，备货需要6天，运输需要8天，仓库验收和上架需要3天，基础采购提前期就是18天。如果供应商过去经常出现延迟，我会额外加4天风险缓冲，将运营上的风险周期按22天观察。

2. 用补货点判断什么时候必须下单

入门阶段可以使用下面的简化公式：

补货点 = 预计日销量 × 采购提前期 + 安全库存

在案例中，如果调整后的预计日销量为50.4件，基础采购提前期为18天，安全库存暂定为300件，那么补货点约为50.4×18+300，也就是1207件左右。

但补货点不是“库存低于1207件就盲目下单”。还要看库存位置，即当前可销售库存加上在需求窗口内能够确认到货的在途库存。案例中当前可销售库存为630件，500件在途货物按90%的有效系数折算为450件，库存位置为1080件，低于1207件，因此应该进入补货审核。

如果这500件在途货物没有明确物流节点，或者供应商历史履约很差，就不应该按450件计入。此时库存位置可能只按630件计算，缺口风险会明显扩大。

3. 用目标覆盖期计算建议补货量

补货点决定“什么时候开始处理”，建议补货量决定“这次买多少”。一个适合入门的公式是：

建议补货量 = 目标覆盖期需求 + 安全库存 − 当前可销售库存 − 有效在途库存

假设目标覆盖期为30天，活动和趋势调整后的预计日销量为50.4件，则30天需求为1512件。安全库存为300件，当前可销售库存为630件，有效在途库存为450件，计算结果为1512+300−630−450=732件。

如果供应商按每箱24件起订，最终采购数量应向上取整到744件，而不是直接采购732件。取整后还要检查资金上限、仓储空间和商品周转速度。如果744件会让库存覆盖超过商品保质期或资金承受能力，就需要重新缩短目标覆盖期，而不是强行执行公式结果。

4. 把供应链约束加入公式之外的审核

公式只能算出理论缺口，真正的采购数量还要受到供应链条件约束。常见限制包括最低起订量、整箱要求、供应商产能、仓库容量、现金流、保质期、退货率和多平台分货规则。

例如，理论缺口是732件，但供应商最小生产批量是1000件。如果采购1000件会导致库存积压，就应该与供应商协商拆单、延后交付或改变生产批次，而不是因为公式得出732件就默认采购只能选“买1000件”或“完全不买”。

六、以九数云为例，把补货数据从多张表变成一个可追踪看板

1. 先明确工具在补货流程中的位置

我通常把数据分析工具放在“汇总、计算、展示和预警”这一层，而不会把它当成仓库、订单或采购系统的唯一数据源。仓库系统负责记录收发存，平台后台负责产生订单，采购表负责记录供应商和交期，分析工具则把这些数据放在同一个分析视图里。

以九数云为例，商家可以将平台销售数据、仓库库存表、采购在途表和活动排期表整理成统一数据集，再围绕 SKU 建立补货分析视图。这里的重点不是工具名称，而是先把数据关系定义清楚，再让看板服务于日常判断。

如果数据源本身存在重复订单、跨平台 SKU 编码不一致或在途状态长期不更新，任何看板都会把错误更快地展示出来。因此，工具上线前必须先确定主数据和字段口径。

2. 我会把补货看板拆成四个页面

（1）库存总览页

库存总览页不应该只显示库存总数，而应该按 SKU 展示物理库存、可销售库存、锁定库存、异常库存、有效在途库存和库存覆盖天数。页面顶部可以设置 SKU 总数、低于补货点的 SKU 数量、预计7天内断货的 SKU 数量和超过目标覆盖期的 SKU 数量。

（2）补货决策页

补货决策页用于回答“哪些 SKU 现在需要处理”。我会设置补货状态、建议采购量、预计断货日期、供应商交期、资金占用和活动标签，让运营能够先处理高风险商品，而不是在几百个 SKU 中逐个翻表。

（3）采购跟进页

采购跟进页不以库存数量为中心，而以采购单状态为中心。至少要看到采购申请日期、供应商确认日期、承诺交期、实际出库日期、物流状态、预计到仓日、实际入库日和延期天数。

（4）复盘分析页

复盘页需要把预测和结果放在一起，包括预测销量、实际销量、预测偏差、计划补货量、实际到货量、供应商准时交付率、缺货次数和滞销库存金额。只有这一页长期保留，补货计划才会逐渐从经验判断变成有记录的经营方法。

3. 数据字段比图表样式更重要

4. 用看板减少人工搬运，但不要取消人工判断

我在设计补货看板时，会让系统自动完成重复性工作，例如汇总销量、计算覆盖天数、识别低于补货点的 SKU、标记延期采购单和输出建议采购量。但是否采购、采购多少、是否拆单，仍然需要运营、采购和财务共同判断。

工具最适合解决“数据分散、计算重复、风险不易发现”的问题，不能自动解决新品没有历史数据、供应商临时失约、活动效果超预期或商品突然被差评影响销量的问题。

七、把计划变成每周能执行的补货流程

1. 建立“日看异常、周做决策、月做复盘”的节奏

补货频率不应该由行业口号决定，而应该由 SKU 数量、销量波动和供应周期决定。对大多数中小商家来说，可以先采用日常异常监控、每周完整补货评估、每月结果复盘的节奏，再根据业务波动调整。

• 每天查看预计7天内断货、库存覆盖天数异常、采购延期和活动临近的 SKU。
• 每周汇总销量、库存、在途和采购状态，生成正式补货清单。
• 活动前重新校准需求预测，不能直接沿用平销期补货数量。
• 每月复盘预测偏差、缺货率、库存周转和供应商准时交付率。
• 季度检查商品生命周期，决定哪些 SKU 应扩大库存，哪些 SKU 应停止补货。

2. 明确每个岗位在补货中的责任

库存计划最怕“大家都参与，但没有人负责结果”。运营应提供销量、活动和流量变化；仓库应确认实物、锁定和异常库存；采购应确认价格、起订量和交期；财务应审核资金占用；负责人应处理超预算、长交期和高风险商品。

责任分工不一定要复杂，但每个字段都应该有维护人。比如，运营维护活动排期，采购维护供应商交期，仓库维护入库状态。如果一个字段没有责任人，它最终一定会变成旧数据。

3. 给每张采购单设置状态

我建议至少设置以下状态：待分析、待确认、已提交采购、供应商已确认、备货中、运输中、已到仓、验收中、已入库和异常待处理。

状态的价值不只是方便查看，更是为了让下一步动作清晰。处于“运输中”的采购单，需要更新预计到仓日；处于“异常待处理”的采购单，需要明确是数量短少、交期延迟还是质量问题；处于“已到仓”的采购单，需要由仓库确认是否完成上架。

4. 采购流程要有明确的升级规则

不是所有异常都需要负责人介入，但高风险异常必须有升级标准。比如，预计到货日延迟超过风险缓冲、关键 SKU 覆盖天数低于采购提前期、供应商交付数量低于采购数量的90%、活动前仍未完成入库，这些情况都应该从普通跟进升级为专项处理。

八、不同商品应该采取不同的补货策略

1. 稳定畅销品：追求连续供货，不追求极高库存

稳定畅销品的销量相对规律，适合采用固定复核周期和滚动补货。重点是提高预测稳定性、缩短采购反应时间和维护供应商交期记录。

这类商品不需要频繁人工调整每一个数字，但要设置较高的缺货敏感度。因为它们一旦断货，损失通常不仅是当天少卖几件，还可能影响广告效率、店铺转化和用户复购。

2. 新品：先验证需求，再扩大采购

新品的核心目标不是立即把库存铺满，而是用较低库存成本验证真实需求。第一批采购要控制资金风险，设置明确的补货触发条件，例如连续若干天达到目标销量、退款率处于可接受范围、毛利能够覆盖履约成本。

新品如果出现短期爆量，也不要只看订单数量。要检查流量来源是否稳定、活动是否即将结束、评价是否真实、退货是否集中发生，再决定是临时加单还是恢复小批量滚动补货。

3. 季节品：围绕销售窗口反推到货时间

季节品的补货逻辑与稳定品不同。应该先确定销售窗口，再向前倒推生产、运输和入仓时间。货物太早到，资金和仓储压力上升；货物太晚到，销售窗口已经错过。

季节品还要设置清库存方案。补货计划不能只考虑旺季卖多少，也要考虑旺季结束后剩余库存如何处理、折扣会影响多少毛利，以及是否可以转移到其他渠道销售。

4. 爆款：采购速度和供应商产能比公式更重要

爆款的风险不是单纯的库存不足，而是需求变化速度超过供应链响应速度。对于爆款，我会要求更高频率地更新销量、更早锁定产能，并准备至少一个替代供应方案。

如果供应商生产周期很长，即使补货点计算正确，也可能因为需求突然上涨而来不及。此时应把供应商产能、替代款和分批交付纳入计划，而不是只提高安全库存。

5. 滞销品：先停止补货，再处理存量

滞销品最常见的错误是“再补一点就能摊薄成本”。如果销量持续下降，继续采购只会增加库存金额。应先查清滞销原因，是流量不足、价格不合适、页面转化差、评价问题，还是商品本身已经失去需求。

处理方案可以包括组合销售、渠道转移、限时折扣、赠品消化和供应商退换，但每种方案都要计算额外成本。不能为了减少库存数量，最后把毛利和现金流同时消耗掉。

九、补货中的关键取舍：缺货成本和库存成本不能只看一边

1. 低库存不一定代表效率高，高库存也不一定代表安全

库存决策本质上是成本和风险的取舍。库存太低，可能损失销售、广告投入和客户体验；库存太高，则会占用现金、增加仓储成本，并承担降价清货风险。

举例来说，某 SKU 每件贡献毛利35元，预计缺货100件，直接损失的贡献毛利约为3500元，还可能带来活动转化下降等间接影响。如果为了避免这次缺货，多备200件，每件每月产生8元的仓储和资金占用成本，单月成本约为1600元，那么在销售窗口明确的情况下，增加库存可能是合理的。

但如果这个商品销售波动大、保质期短，200件库存可能要积压三个月，额外成本就会达到4800元，还没有计算折价损失。此时提高安全库存未必比接受短期缺货更划算。

2. 安全库存要根据缺货损失分层

高毛利、稳定畅销、缺货后难以替代的商品，可以采用相对积极的安全库存策略。低毛利、易过时、可替代性高的商品，则应控制覆盖期，避免把现金沉淀在仓库里。

我会把商品按照“需求波动、交期稳定性、缺货损失、库存持有成本”四个维度评分，而不是只按销量排序。销量低但交期长的关键配件，可能比销量高但可快速补货的普通商品更需要提前采购。

3. 多仓和多平台之间要权衡集中库存还是分散库存

集中库存可以减少总库存量，也便于统一管理，但配送距离可能变长，平台时效和运费压力会增加。分散库存能够提高本地履约速度，但会放大每个仓库的安全库存需求，也更容易出现一个仓库缺货、另一个仓库积压。

在多平台经营中，不能只看全网总库存，还要看库存分配规则。一个平台的库存充足，并不代表另一个平台能够调用；如果调拨时间超过客户承诺时效，账面上的共享库存仍然不能解决即时履约问题。

4. 人工表格和分析工具也存在取舍

SKU 数量少、平台单一、采购周期短时，Excel 足以支持基础补货。它的优点是成本低、调整快，缺点是容易出现版本冲突、公式被覆盖和数据更新不及时。

当 SKU 数量增加、平台增多、仓库分散或每周需要合并大量数据时，分析工具的价值会逐渐体现。它能够减少手工搬运和重复计算，但需要投入数据治理、字段维护和权限管理。工具不是“买了就自动变好”，而是把管理责任从个人记忆转移到可追踪流程中。

十、没有系统时，如何用 Excel 先把补货计划跑起来

1. 建议拆成四张基础表

如果团队目前没有库存分析工具，不需要先做一张极其复杂的万能表。更稳妥的做法是拆成四张表，再通过 SKU 和日期关联。

• 商品基础资料表：记录 SKU、品类、供应商、成本、毛利、箱规、起订量、保质期和采购周期。
• 销售数据表：记录日期、平台、店铺、SKU、订单量、退款量、实发量、活动标记和价格。
• 库存与在途表：记录仓库、物理库存、锁定库存、异常库存、可销售库存、采购数量、预计到货日和有效系数。
• 补货执行表：记录补货点、目标覆盖期、建议采购量、审批状态、采购单号、供应商确认日和实际入库日。

2. 用简单公式建立第一版补货表

第一版不需要追求复杂模型，先保证每个字段来源清楚、更新频率固定。可以使用以下基础逻辑：

可销售库存 = 物理库存 – 已锁定库存 – 异常库存
有效在途库存 = 在途数量 × 到货可信度

库存位置 = 可销售库存 + 有效在途库存

补货点 = 预计日销量 × 采购提前期 + 安全库存

建议补货量 = 目标覆盖期需求 + 安全库存 – 可销售库存 – 有效在途库存

公式中的“到货可信度”不能凭感觉填写。可以先根据供应商历史准时交付率建立初始值，例如准时交付率较高的供应商按90%至100%观察，频繁延迟的供应商按60%至80%观察。随着数据积累，再用实际到货记录修正。

3. 每周更新时，优先检查五类数据

• 实际库存是否与仓库盘点或最近收发记录一致。
• 订单锁定量是否包含取消单、退款单和已发货订单。
• 在途采购单是否有最新物流节点和预计到货日。
• 未来两周是否有活动、价格调整或流量变化。
• 供应商承诺交期与历史实际交期是否存在明显偏差。

如果这五类数据没有更新，即使补货公式每天自动计算，结果也可能只是“自动重复旧错误”。库存管理的核心不是计算频率越高越好，而是输入数据足够接近真实业务。

4. 什么时候应该升级到数据分析工具

可以观察以下信号：SKU 数量快速增加，多个平台库存经常对不上，采购和仓库各自维护不同版本，补货需要反复合并表格，或者每周都出现漏补、重复采购和超卖。

升级的目的不是让所有人都看到更多图表，而是让同一个 SKU 在销量、库存、采购和活动信息之间建立关联。若工具不能缩短数据准备时间、减少库存口径争议或提高异常发现速度，就不应该为了“看起来数字化”而增加系统成本。

十一、补货计划落地后，至少要跟踪这六个指标

1. 库存覆盖天数

库存覆盖天数 = 可销售库存 ÷ 预计日销量。它回答的是按当前需求速度，库存还能支撑多久。计算时不要把全部在途库存直接放进分子，应该单独展示“现货覆盖天数”和“含有效在途覆盖天数”。

2. 缺货率

缺货率可以按缺货 SKU 数量、缺货天数或缺货订单数计算。不同口径反映不同问题：缺货 SKU 数量适合看商品范围，缺货天数适合看持续时间，缺货订单数更接近客户影响。

3. 库存准确率

库存准确率是系统库存与实物盘点结果的比较。它是所有补货分析的底座。如果库存准确率长期偏低，应该先处理收发存、锁定释放、退货入库和跨仓调拨问题。

4. 预测偏差

预测偏差要按商品类型和预测周期拆分。新品的偏差较大不一定是方法错误，稳定品连续偏高或偏低则说明参数需要调整。不要把所有 SKU 混合成一个平均误差，否则高销量商品会掩盖长尾商品的问题。

5. 供应商准时交付率

供应商准时交付率应以实际可销售入库日为准，而不是以供应商发货日为准。只有商品完成验收、入库并可以被订单分配，补货才真正完成。

6. 滞销库存占比

滞销库存占比可以按金额、数量或库存年龄计算。金额口径适合观察资金风险，数量口径适合观察仓储空间，库存年龄适合判断商品是否已经超过正常销售周期。

十二、常见问题：电商补货计划到底应该怎么开始

1. SKU 很少，还需要做补货计划吗？

需要，但不必一开始就使用复杂工具。只要存在采购提前期、活动波动或多个库存状态，就应该至少记录可销售库存、日均销量、采购周期、在途数量和预计到货日。

SKU 少时建立基础习惯，未来扩展到多平台、多仓和更多商品时会更容易。等到缺货和积压同时发生后再整理数据，往往已经需要付出更高的清理成本。

2. 在途库存到底要不要算进补货量？

可以算，但不能无条件算。只有预计到货时间处于需求窗口内、采购数量已经确认、供应商履约记录相对稳定的在途库存，才适合按一定有效系数纳入计算。

如果没有明确到货日，或者供应商经常延迟，应降低有效系数，必要时暂时不计入。这样做看起来会让补货量偏高，但能避免把不确定的货物当成确定供给。

3. 安全库存应该设置几天？

没有适用于所有商品的固定天数。可以先根据销量波动和供应延迟建立一个试运行值，再用缺货率、预测偏差和库存周转结果调整。

稳定畅销且缺货损失高的商品，可以给更高缓冲；低毛利、易过时或交期很短的商品，则应该控制安全库存。安全库存是风险定价，不是统一参数。

4. 新品没有历史销量，怎么计算？

新品不能假装拥有准确预测。可以用相似商品、供应商最小批量、目标试销周期和资金上限确定第一批库存，再根据真实订单、转化率、退款率和评价快速调整。

新品补货的核心不是把预测做到很精确，而是控制错误预测的代价。小批量、短周期、快复盘，通常比一次性大量备货更适合需求未知的商品。

5. 什么时候应该使用九数云这类数据分析工具？

当补货需要从多个平台、仓库和采购表中反复合并数据，或者团队开始频繁出现库存口径争议时，就可以评估数据分析工具。重点考察数据连接、字段管理、计算逻辑、权限、刷新方式和异常追踪，而不是只看看板是否漂亮。

工具上线前应先选一小组 SKU 做试运行，比较上线前后的数据准备耗时、库存准确率、漏补数量和补货决策周期。只有能够减少重复搬运并提升判断质量，才说明工具真正进入了业务流程。

十三、最后的行动建议：先把库存从一个数字拆成一条证据链

1. 今天先做库存口径清理

选出销量最高、缺货影响最大或库存金额最高的20个 SKU，逐个核对物理库存、锁定库存、异常库存、可销售库存和在途库存。不要一开始就处理全部商品，先用高价值 SKU 验证口径是否能跑通。

2. 本周建立第一版补货表

至少增加 SKU、可销售库存、近7天销量、近30天销量、采购提前期、安全库存、预计到货日、有效在途库存、补货点、建议补货量和责任人字段。字段不必一次设计得很复杂，但每个字段都要有来源和维护人。

3. 下周开始固定复盘

补货计划提交后，记录实际到货时间、实际销量、缺货天数、采购数量和库存余额。下一次补货时，不要只复制上次公式，要检查上次预测哪里偏了、供应商哪里延迟了、库存状态哪里没有及时更新。

4. 用一个判断标准检验是否真正落地

我认为，库存管理是否落地，不是看企业有没有系统、有没有复杂模型，也不是看看板上有多少图表，而是看任何一个人拿到同一 SKU 时，能否快速回答四件事：现在能卖多少，未来要卖多少，新货什么时候到，如果现在不补会发生什么。

电商补货计划的核心，不是算出一个看起来精确的采购数量，而是把需求、库存、供应周期、资金约束和执行责任连接起来。先确认手上真正能卖多少，再估算未来一段时间要卖多少，接着核对新货多久能到，最后决定现在要不要补、补多少、谁负责跟进。只要这条证据链能够持续更新，库存管理就不再是仓库里的静态数字，而会成为可以支持销售、采购和现金流决策的经营系统。

免费注册

咨询方案

扫码咨询方案