电商补货计划最容易犯的错误，是把“库存低于某个数字”直接等同于“应该下单”。我见过一个日均销售约20件的商品，账面库存还有400多件，运营团队却在两周后断货；也见过另一个日均销售只有8件的商品，系统连续三个月建议补货，最后积压了近千件。问题不在于有没有公式，而在于库存配置是否先选对了补货模型，再设置销量、提前期、安全库存和补货批量。

《电商库存配置指南：补货计划需要哪些选型方法设置》真正要解决的，不是背下一条“补货点=日均销量×交期+安全库存”的公式，而是判断：不同商品、不同供应链、不同销售渠道，到底应该采用哪一种补货方法；哪些库存可以计入补货判断；哪些数据必须剔除；补货建议出现后，业务人员又应该如何做最终取舍。

一、先讲核心结论：补货计划不是一个公式，而是一套选型系统

1. 先判断商品，再决定补货方法

如果一家店铺有500个SKU，却只使用一套“低于100件就补货”的规则，最终结果通常不会理想。因为日均销量为2件的长尾商品、日均销量为200件的爆款、交期只有3天的本地采购品，以及交期长达45天的跨境商品，不可能用同样的库存下限。

我的判断顺序通常是：先看需求是否稳定，再看供应周期是否稳定，最后看缺货和积压哪一种损失更高。需求稳定、交期稳定的商品，可以用较简单的定量或再订货点方法；需求波动大、活动影响明显的商品，则需要预测驱动或分阶段补货。

2. 补货计划必须同时回答三个问题

第一，什么时候触发补货。这个问题由补货点决定，核心是覆盖从下单到商品重新可售之间的需求。

第二，每次补多少。这个问题由目标库存、采购批量、仓容和资金预算共同决定，不能只看销售速度。

第三，保留多少缓冲。这个问题由需求波动、交期波动和缺货损失决定。安全库存不是越高越好，也不是固定按月销量的某个比例设置。

如果一个库存系统只能告诉你“建议采购500件”，却不能解释建议基于哪段销量、哪种交期、哪些库存状态，那么它提供的只是数字，不是可审计的补货决策。

3. 先统一库存口径，再谈补货数量

电商团队经常把仓库总库存当作可用库存，这是补货判断失真的主要来源之一。仓库里可能有已经被订单占用的商品、待质检商品、不可售退货、正在调拨的商品，以及短期内无法确认到货的在途商品。

我建议至少把库存拆成以下几类：可售库存、已分配库存、待发库存、不可售库存、在途库存、已采购未发货库存和退货待处理库存。不同库存状态在补货模型中的权重并不相同。

例如，已经进入干线运输、预计三天后到仓且历史准时率达到95%的在途库存，可以较高比例计入；刚刚向供应商下单、但供应商过去多次延期的货物，就不应按100%可信库存计算。

二、补货计划的背景：为什么“销量好”仍然可能缺货

1. 供应链提前期比销量均值更容易被低估

很多卖家只记录供应商说的采购交期，例如“7天出货”，却没有把工厂排产、质检、国内运输、跨境运输、清关、平台入仓和上架处理时间纳入补货提前期。

真正影响库存的，不是供应商什么时候发货，而是商品什么时候重新变成可售库存。补货提前期可以拆成：

总提前期=生产或采购时间+供应商发货时间+运输时间+清关时间+入仓处理时间+上架时间。

如果供应商生产需要7天，国内集货需要2天，干线运输需要12天，入仓处理需要4天，那么名义上的7天交期，实际补货提前期已经达到25天。日均销量为20件时，仅仅低估18天，就可能少准备360件货。

跨境平台仓、海外仓和第三方仓的规则也可能不同。具体的入仓预约、仓储费、长期库存费、配送时效和库存阈值，应以对应平台或仓库当前公告、后台规则为准，不能把某个平台的做法直接套用到所有渠道。

2. 断货会让历史销量看起来比真实需求低

近30天卖了300件，并不一定意味着日均销量是10件。如果其中有10天断货，真实有效销售天数只有20天，那么日均销量应至少先按15件观察。更进一步，还要判断断货期间是否仍有搜索、广告点击、收藏加购或站外订单需求。

我在做库存复盘时，会把断货天数单独标记，而不是直接将断货日期纳入平均值。因为断货不是需求为零，而是供应能力无法满足需求。将断货日当作零销量，等于用供应问题污染需求数据。

3. 大促会让短周期均值失去参考价值

近7天销量在大促结束后可能非常高，但这并不代表未来30天仍会保持相同速度。相反，促销期间因为价格下降、广告加码、平台流量集中，销量结构已经发生变化。

处理大促数据时，我通常会把销售数据拆成日常期、预热期、爆发期和回落期，再分别观察流量、转化率、客单价和退货率。对于活动商品，补货模型最好单独建立“日常版本”和“活动版本”，而不是覆盖原有参数。

4. 库存积压并不总是因为补货量过大

有些积压源于销量预测过高，但更多时候是多个小问题叠加：补货批量受箱规限制、供应商最低起订量过高、渠道之间库存无法调拨、商品生命周期已经进入下行期，以及运营团队没有及时停止补货。

因此，库存配置不能只看缺货率，还要同时观察库存周转天数、库存年龄、毛利率、仓储成本和清仓折损。对低周转商品而言，继续补货可能只是让问题从“销售慢”变成“资金被占用”。

三、常见误区：看似科学的设置为什么会失效

1. 误区一：所有SKU都用近30天平均销量

近30天平均销量简单、易操作，但它默认商品需求相对稳定。新品、爆品、季节品和经历过断货的商品都不满足这个前提。

对于趋势上升的商品，可以采用加权平均，让近期数据权重更高；对于大促商品，应把活动增量单独建模；对于销量长期下滑的商品，则要避免用过去的高销量支撑未来采购。

一个常用的加权思路是：近7天销量占50%权重，近30天销量占30%权重，近90天销量占20%权重。但这不是固定答案，应该通过预测偏差复盘来调整。若近7天受促销影响，就要降低它的权重，而不是机械执行。

2. 误区二：安全库存统一设置为月销量的20%

固定比例最大的缺点，是忽略了交期和需求波动。一个日均销量很稳定、交期只有2天的商品，可能不需要很高缓冲；一个日均销量波动明显、交期经常延迟的商品，即使库存金额不大，也可能需要更高安全库存。

安全库存应当和缺货损失挂钩。毛利高、复购强、缺货会影响店铺排名的商品，安全库存可以偏高；替代品多、毛利低、仓储成本高的商品，则应控制缓冲水平。

3. 误区三：快销品可以降低安全库存

快销品周转快，并不代表可以少留库存。因为它每天消耗的数量更大，交期内需求总量也更高。快销品是否降低安全库存，取决于补货频率、供应稳定性和缺货损失，而不是“卖得快”这一个标签。

例如，日均销量100件、总提前期10天的商品，单是提前期需求就达到1000件。即便需求波动不大，也不能因为周转快就把安全库存压到几十件。

4. 误区四：在途库存全部计入可用库存

把在途库存全部纳入补货计划，假设前提是到货时间确定、数量准确且到仓后可以立即销售。现实中，运输延期、清关异常、入仓积压和质检不合格都可能让在途库存无法按计划转化为可售库存。

我建议给在途库存增加“可信度系数”。例如，准时到货率高且距离入仓较近的货物，可以按80%至100%计入；刚刚出厂、历史延期较多的货物，可以只按50%至70%计入。这个系数应来自企业自己的到货记录，而不是凭感觉设置。

5. 误区五：系统建议就是最终采购量

补货系统擅长处理大量数据，但无法自动知道下周是否会涨价、竞品是否断货、供应商是否即将停产、广告预算是否会被砍半，也无法完全判断一个新品的口碑是否正在下滑。

系统适合生成候选方案，人工负责解释异常和承担取舍。成熟的补货流程不是取消人工，而是把人工从“逐个查库存”转移到“审核高风险例外”。

四、专业判断逻辑：六种补货方法如何选

1. 定期补货法：适合固定节奏的采购团队

定期补货法是在固定时间检查库存，例如每周一或每月两次，再根据库存缺口集中下单。它的优点是便于采购排期、集中议价和安排运输，适合供应商稳定、SKU数量多、采购流程需要审批的企业。

它的缺点是两次检查之间可能发生快速消耗。如果检查周期为7天，而商品日均销量为50件，那么仅检查间隔就可能消耗350件。对于高销量商品，定期补货必须额外设置临时预警。

定期补货更适合采用“目标库存”逻辑：

补货量=目标库存−当前可用库存−可信在途库存。

其中目标库存应覆盖下一个检查周期、总提前期和安全库存，而不是简单设置成某个固定件数。

2. 定量补货法：适合采购批量明确的商品

定量补货法是在库存达到触发条件后，每次补充一个相对固定的数量。例如，每次补500件，或者按照整箱、整托、整柜采购。

它适合销量稳定、包装规格明确、采购批量对成本影响较大的商品。它的优点是执行简单，采购人员不需要每次重新计算；缺点是需求突然变化时，固定补货量可能过多或过少。

使用定量补货法时，固定数量不能脱离销售周期。若每次补货500件、日均销量10件，相当于覆盖50天；但如果采购提前期只有5天，且仓储费用较高，这个批量可能造成不必要的库存占用。

3. 再订货点法：适合交期可测量的稳定商品

再订货点法是电商运营中最实用的基础方法之一。它的核心是，当库存下降到某个阈值，就启动采购，而不是等库存接近零才下单。

基础公式为：

补货点=提前期需求+安全库存。

提前期需求可以用日均销量乘以总提前期计算。假设日均销量20件，总提前期18天，安全库存150件，那么补货点为510件。

但实际执行时要明确“库存”指什么。如果系统使用的是账面库存，公式结果会偏离；更稳妥的做法是使用可售库存，并对可信在途库存进行单独扣减。

4. 最小，最大库存法：适合SKU多、需要标准化管理的店铺

最小，最大库存法把库存配置成两个边界：低于最小库存时触发补货，补货后恢复到最大库存。它的好处是非常适合系统化管理，也便于按照商品层级配置不同参数。

最小库存可以接近补货点，最大库存则应覆盖目标销售周期、采购批量和安全库存。两者之间的距离不能过大，否则系统虽然不会频繁提示缺货，却会持续制造积压。

对于稳定畅销品，可以缩短检查周期并降低单次补货量；对于低周转品，则应降低最大库存，甚至设置为暂停补货，而不是继续维持一个形式上的库存上限。

5. 经济订货量法：适合成本数据比较完整的商品

经济订货量法试图在订货成本和库存持有成本之间找到平衡。理论上，采购次数太多会增加下单、运输和收货成本；单次采购量太大，又会增加资金占用、仓储和滞销风险。

它更适合销量相对稳定、单次采购成本可测量、仓储成本有记录的商品。对于短生命周期商品、需求变化剧烈的商品和即将换代的商品，经济订货量的理论最优值可能没有实际意义。

我在实际判断时，不会只看理论订货量，还会加入三个约束：供应商最小起订量、仓库可用容量和商品剩余销售生命周期。若理论批量覆盖了120天，但商品预计90天后换款，这个批量即使成本最优，也不应执行。

6. 预测驱动补货：适合季节品、大促品和增长品

预测驱动补货不是简单地把过去销量往未来平移，而是把历史销量、流量、转化率、价格、广告、活动、季节性和供应限制放在同一张决策表中。

对于大促商品，我通常会拆成四段：活动前基础销售、预热期增量、爆发期峰值和活动后回落。每一段使用不同的销售假设，再根据供应链能够支持的到货日期决定是否分批补货。

五、关键参数怎么设置：从销量、交期到安全库存

1. 日均销量不要只看一个统计周期

基础公式是：日均销量=统计周期内实际销量÷有效销售天数。有效销售天数应扣除完全断货、商品未上架或渠道暂停销售的日期。

在数据量不多的情况下，可以同时计算近7天、近30天和近90天三个口径。近7天用于捕捉最近趋势，近30天用于观察近期常态，近90天用于抵消短期噪声。三个结果差异较大时，不应该强行取平均，而要先找原因。

例如，近7天日均销量为28件，近30天为20件，近90天为14件，可能意味着商品正在增长，也可能只是刚参加了活动。判断增长是否真实，要继续看流量、转化率、价格和广告投入是否同步变化。

2. 需求预测要处理断货、活动和趋势

我建议把销量预测拆成三个层次。第一层是基准需求，即商品在正常价格和正常流量下的销量；第二层是可解释增量，例如活动、广告或季节性带来的增量；第三层是风险修正，例如竞品降价、流量下跌或供应商产能受限。

一个可执行的预测表达可以是：

预计日需求=基准日需求×趋势系数+活动增量−已知负面影响。

例如，基准日需求为20件，近期趋势系数为1.15，活动期间每天预计增加12件，则活动期预计日需求约为35件。这个结果仍然只是预测，不应忽略活动持续时间和活动后回落。

3. 供应提前期要使用历史实际到货数据

供应商承诺交期可以作为初始值，但正式配置最好使用过去至少10至20次采购的实际数据。除了平均交期，还应记录最长交期、交期中位数和准时交付率。

如果过去10次采购的实际交期分别为8天、9天、10天、10天、11天、12天、15天、16天、10天和13天，平均交期约为11.4天，但用于风险控制时，不能只用11.4天。对于缺货损失较高的商品，可以按照13至16天的风险区间配置，而不是按供应商口头承诺的7天配置。

4. 安全库存可以从简化法开始

数据不足的企业可以先采用“风险缓冲天数”方法：

安全库存=日均销量×风险缓冲天数。

风险缓冲天数应按供应稳定性、需求波动和缺货成本设定。例如，供应稳定且本地采购的商品可以先设2至5天；跨境运输、入仓环节较多的商品，可以先设7至15天，再通过实际缺货率进行修正。

这只是启动方法，不是最终答案。使用一段时间后，应观察安全库存覆盖期间是否仍频繁缺货，以及库存资金是否明显增加。如果缺货少了，但库存周转天数从30天上升到80天，就说明缓冲可能设置过高。

5. 有数据后，再引入需求波动和交期波动

如果企业能够计算销量标准差和交期波动，可以把安全库存从固定天数升级为风险模型。简化理解是：需求越不稳定、交期越不稳定、目标服务水平越高，安全库存越高。

但我不建议中小卖家一开始就追求复杂公式。复杂模型需要稳定的数据口径，否则输入数据本身不准确，最终只是得到一个看起来精确的错误答案。

6. 补货量要受现实约束修正

理论补货量可以这样计算：

补货量=目标库存−当前可用库存−可信在途库存。

实际下单时，还要同时考虑以下约束：

• 供应商最小起订量和阶梯价格；
• 整箱、整托或整柜的包装规格；
• 仓库剩余容量和库龄限制；
• 采购预算和现金流压力；
• 商品剩余销售生命周期；
• 渠道之间是否可以调拨；
• 预计退货和售后替换需求。

如果理论补货量为390件，但供应商每箱48件，那么实际采购量可能是384件或432件。选择哪一个，不是单纯向上取整，而要看库存覆盖天数、缺货代价和下一次采购时间。

六、以九数云为例：如何把补货判断做成可复盘的数据流程

1. 工具的价值不只是生成报表

当SKU数量少于几十个时，电子表格仍然可以支撑基础补货。但当店铺同时经营多个渠道、多个仓库，并且存在大量在途订单时，手工复制数据很容易出现口径不一致、公式被覆盖和更新时间不统一的问题。

以九数云这类数据分析工具为例，我更看重它在“统一数据口径、追踪异常、拆解原因和沉淀看板”上的价值，而不是把它当作一个自动采购按钮。企业可以将销售、库存、采购、物流和活动数据汇总到同一分析环境中，再围绕SKU、仓库、渠道和供应商建立补货分析视图。

九数云官网可参考：https://www.jiushuyun.com/。具体连接方式、功能边界和数据接口应以当前官方说明为准。

2. 建议先建立五张基础数据表

第一张是销售明细表，至少包含日期、SKU、渠道、销量、销售金额、售价、折扣、退款和活动标记。

第二张是库存状态表，区分仓库、可售库存、锁定库存、不可售库存、在途库存和库存更新时间。

第三张是采购订单表，记录供应商、下单日期、计划到货日期、实际到货日期、采购数量和异常原因。

第四张是商品主数据表，包含SKU分类、生命周期、毛利、箱规、最小起订量、缺货等级和补货模型。

第五张是活动计划表，记录活动时间、活动价格、预计流量、广告预算、预计增量和活动后回落假设。

3. 看板应该展示什么，而不是堆满数字

补货看板最重要的不是显示多少张图，而是帮助采购和运营快速回答三个问题：哪些商品可能在提前期内缺货，哪些商品已经明显积压，哪些补货建议需要人工审核。

我建议首页只保留关键指标：预计缺货天数、低于补货点的SKU数、库存覆盖天数、在途逾期金额、超过目标库龄的库存金额、近30天预测偏差和供应商准时交付率。

第二层再下钻到SKU，查看销售趋势、库存状态、采购批次、活动影响和建议补货量。这样可以避免管理层只看到“库存总额下降了”，却不知道下降是因为销售变好、采购减少，还是因为商品缺货。

4. 用异常清单替代人工逐个查数

数据工具真正节省时间的地方，是把人工注意力集中到异常。可以设置以下异常条件：

• 预计缺货日期早于最早可靠到货日期；
• 在途订单超过计划到货日期三天以上；
• 近7天销量比近30天均值高出50%以上；
• 库存覆盖天数超过目标值两倍；
• 连续两周实际销量低于预测值30%以上；
• 供应商准时交付率低于历史基准；
• 活动即将开始但可售库存未达到活动目标。

这类异常规则不应永久固定。企业应在每月复盘时检查误报率和漏报率。如果大量预警没有行动，说明阈值太宽或流程没有责任人；如果预警太少但仍频繁缺货，说明模型没有覆盖关键风险。

5. 用预测偏差反向修正参数

每周或每月要记录预测销量与实际销量的差异。建议至少观察平均绝对百分比误差、缺货率、库存周转天数和补货建议采纳率。

如果某类SKU连续四周预测偏低，就要检查是否存在增长趋势、广告投入变化或渠道扩张；如果预测长期偏高，则要检查活动结束、价格变化、竞品替代和商品评价下滑。

工具的核心价值是让参数变化有证据，而不是让参数看起来更加复杂。对于无法解释的数据，宁可先保留人工审核，也不要把错误模型自动化。

七、不同商品和业务场景的行动建议

1. 稳定畅销品：减少单次决策压力，提高补货频率

稳定畅销品通常贡献较高销售额，也最值得建立自动预警。建议采用再订货点法或最小，最大库存法，按日或隔日检查库存，避免等到固定周会才处理。

这类商品不一定需要极高的单次补货量。若供应商稳定，可以提高补货频率、降低单次覆盖周期，以减少资金占用。若供应商交期较长，则应提高安全库存和提前期监控。

• 库存状态：优先使用可售库存和可信在途库存；
• 补货频率：建议高频检查，具体按销售速度决定；
• 模型选择：再订货点或最小，最大库存法；
• 主要风险：高销量导致一天误差放大为几十甚至几百件。

2. 季节性商品：把备货分成多个时间窗口

季节性商品不宜采用全年统一的日均销量。应该参考同期数据、季节指数、活动排期和销售窗口，建立采购截止日。

我通常会把季节品分成预备库存、销售库存和收尾库存。预备库存用于应对活动前需求，销售库存用于覆盖核心销售期，收尾库存则必须考虑清仓和退货，避免为了追求不断货而在销售窗口结束后留下大量尾货。

3. 新品：用小批量换取信息

新品最大的问题不是库存少，而是需求分布不清楚。没有稳定的历史销量时，直接按成熟品公式补货，往往会把不确定性转化成积压。

建议采用“小批量试单，短周期复盘，分批追加”的方式。首批库存应覆盖验证周期和基础履约需求，而不是覆盖完整销售生命周期。

新品复盘时，除了销量，还应关注曝光、点击率、转化率、收藏加购、评价质量和退款原因。销量低可能是流量不足，也可能是商品竞争力不足，两种情况对应完全不同的补货动作。

4. 爆品或增长品：库存和产能要同步确认

爆品的风险是销量增长太快，普通补货模型反而低估需求。近7天销量快速上升时，要同时检查增长是否来自一次性活动，以及供应商是否有能力持续供货。

行动上可以采用分批采购：先锁定一部分产能，再根据实际销售追加；同时准备替代供应商、替代包装或替代物流方案。若只把库存数字调高，却没有确认产能，最终仍可能在高需求期缺货。

5. 长交期商品：重点管理最早可靠到货日

长交期商品的核心不是“多备一些”，而是把供应链节点透明化。采购下单日、生产完成日、出库日、运输节点、清关状态、入仓预约和上架日期都应有记录。

如果只记录一个预计到货日期，延期发生后很难判断影响。更稳妥的做法是设置最早到货日、预计到货日和最晚可接受到货日，并在三者之间建立预警。

6. 滞销品：把限制补货作为一种主动策略

滞销品不应因为系统显示低于最低库存就自动采购。先确认商品是否仍在售、是否有活动计划、是否存在替代型号，以及现有库存的库龄和仓储成本。

如果库存已经覆盖未来数月需求，最合理的动作可能是暂停采购、调整价格、组合销售、转仓或清仓，而不是继续补到“标准库存”。

八、大促、断货和供应异常时，补货模型如何切换

1. 大促前不要只把日均销量乘以活动天数

大促备货至少要拆出四个变量：活动期间预计流量、转化率、客单价或价格变化、活动持续天数。若活动带来流量增长，但转化率因为价格或评价变化下降，最终销量增幅可能并不等于流量增幅。

可以用以下思路估算：

活动预计订单量=活动预计访问量×活动预计转化率。

然后再扣除可售库存、可信在途库存和活动前已锁定的供应量。对于高金额商品，建议建立保守、中性和乐观三套情景，而不是只提交一个采购数字。

2. 断货后先修正数据，再恢复补货

断货之后，系统通常会出现两个相反问题：一方面历史销量被低估，导致补货不足；另一方面恢复供货后出现集中订单，短期销量被高估。

处理流程可以是：

1. 标记断货起止时间和受影响渠道；
2. 剔除完全断货日对日均销量的直接干扰；
3. 结合流量、转化率和相似SKU估算潜在需求；
4. 观察恢复供货后的订单释放速度；
5. 在两至四个复盘周期内逐步恢复常规参数。

3. 供应商延期时，不要只提高安全库存

供应延期的第一反应往往是把安全库存调高，但这只能缓解问题，不能解决供应源不稳定。应同时评估替代供应商、拆单采购、改用更快运输方式、调整销售节奏和限制广告投放。

如果延期是偶发事件，可以临时增加风险缓冲；如果延期已经成为规律，就应把新的实际交期写入模型，并重新评估供应商是否仍然适合承担核心SKU。

4. 多仓多渠道时，先解决库存分配问题

多仓企业可能出现总库存充足，但某个渠道或区域缺货的情况。补货模型不能只看全局库存，还要看区域需求、调拨时间、仓库服务范围和渠道优先级。

如果一个仓库有500件库存，但调拨到目标仓需要10天，而目标仓的补货提前期只剩7天，这500件库存不能被当作即时供应。此时要同时比较调拨成本、跨仓调拨时间和直接采购成本。

九、补货计划的取舍：缺货、积压和现金流不可能同时最优

1. 追求高服务水平，意味着接受更多库存

如果企业把缺货率压得非常低，就需要更高的安全库存、更长的风险缓冲和更早的采购触发。这样可以提升商品可售率，但也会增加仓储费、资金占用和滞销风险。

高服务水平适合核心引流品、复购品和缺货损失较大的商品，不适合所有长尾SKU。不同SKU应根据毛利、客户替代性和渠道影响设定不同目标。

2. 追求低库存，意味着接受更多缺货和加急成本

低库存策略能够释放现金流，但供应链稍有延迟就可能出现缺货。如果企业采用低库存策略，应同步提高采购响应速度、缩短补货检查周期，并准备备用供应商。

低库存不是“少买货”这么简单，而是用更高的流程效率和供应链透明度换取更低的资金占用。

3. 单次大批量采购，可能换来低采购价和高库存风险

供应商通常会通过阶梯价格、满额包邮或整柜运输鼓励大批量采购。采购价下降看起来很有吸引力，但必须把仓储费、资金成本、损耗、退货、清仓折价和机会成本算进去。

如果商品生命周期短，单次大批量采购的低价优势很可能被后期清仓损失抵消。对于不确定性高的商品，分批采购往往比追求最低单价更稳妥。

4. 自动化程度越高，越要保留例外机制

自动补货可以减少重复劳动，但不能覆盖所有经营判断。新品、活动品、供应商延期品、价格大幅变化品和库存金额过高品，都应进入人工审核清单。

我建议将补货建议分为三个等级：低风险建议可自动执行，中风险建议由采购确认，高风险建议必须由运营、采购和财务共同审核。这样既能提高效率，又能防止异常参数造成大额采购。

十、从表格到系统：建立一套可执行的补货管理机制

1. 每天关注会影响今天决策的指标

日常监控不需要展示所有库存数据，而应聚焦于会改变补货动作的指标：当前可售库存、库存覆盖天数、预计缺货日期、可信在途库存、活动剩余时间和供应商延期状态。

库存覆盖天数可以先用可售库存除以近期日均销量计算，但活动期和趋势明显的商品要使用修正后的预计日需求。否则，一个正在快速增长的商品会因为历史均值偏低而显示出虚假的安全覆盖。

2. 每周复盘补货预测是否有效

每周复盘要看预测与实际的偏差，而不是只看有没有下过订单。建议至少回答以下问题：

• 哪些SKU预测偏低，是否因此出现缺货；
• 哪些SKU预测偏高，是否形成新的积压；
• 在途库存是否按计划到达；
• 安全库存是否真正覆盖了供应异常；
• 活动增量是否被误当作长期需求；
• 哪些SKU应更换补货模型。

如果一个SKU连续三次出现预测偏差超过30%，不要只修改一个数值，应检查它是否已经改变生命周期、销售渠道或供应链条件。

3. 每月复核商品分层和补货权限

商品分类不是一次性工作。稳定品可能变成衰退品，新品可能进入增长期，季节品可能进入清仓期，供应商也可能从稳定交付变成频繁延期。

建议每月重新检查销售贡献、需求波动、库存年龄、毛利和缺货损失，并调整补货模型。对高金额、高风险SKU，还应设定采购审批上限，避免系统一次性生成超出预算的订单。

4. 什么时候应该从人工表格升级

当SKU数量增加、仓库增加、渠道增加，或者在途库存占比明显上升时，人工表格的维护成本会迅速增加。以下情况出现两项以上，就值得考虑使用ERP、库存预测工具或数据分析平台：

• 销售、采购和仓储数据无法在同一天完成对账；
• 同一个SKU在不同渠道存在多个编码；
• 采购人员每天需要花数小时手工合并数据；
• 在途订单经常没有最新状态；
• 库存预警出现后没有明确责任人；
• 管理层只能看到库存总额，看不到缺货和积压来源。

工具的引入应从一个高价值场景开始，例如先做“预计缺货SKU”和“库存年龄超标SKU”两个看板，再逐步扩展到活动预测、供应商交期分析和自动补货建议。一次性上线复杂模型，往往会因为数据口径不稳定而降低使用率。

十一、一个完整演示案例：从数据到采购量如何落地

1. 案例数据和计算前提

下面使用一组演示数据，不代表任何平台的统一规则。假设某商品近30天实际销量540件，其中有3天完全断货，因此有效销售天数为27天。

• 有效销售日均销量：540÷27=20件；
• 采购与入仓总提前期：18天；
• 风险缓冲天数：7.5天；
• 安全库存：20×7.5=150件；
• 当前可售库存：260件；
• 可信在途库存：100件；
• 目标覆盖周期：30天；
• 供应商整箱规格：每箱48件。

2. 先计算补货点

提前期需求为20×18=360件。加上150件安全库存后，补货点为510件。

当前可售库存只有260件，低于510件，说明该SKU已经进入补货评估区间。此时不能因为还有100件在途就直接停止动作，而应评估这100件的到货可靠性和预计可售日期。

3. 再计算目标库存和理论补货量

如果目标覆盖周期为30天，目标库存可以先按20×30+150计算，结果为750件。

理论补货量为750−260−100=390件。由于供应商每箱48件，390件不能直接下单。向上取整后为432件，即9箱。

但最终是否采购432件，还要检查活动、仓容、现金流和商品生命周期。如果未来两周即将结束销售周期，或者供应商交期会缩短到5天，采购量就可能需要向下调整。

4. 三种情景下的采购取舍

这个案例最重要的不是最后的432件，而是采购人员能够看到数量如何从目标库存逐步推导出来，以及哪些条件变化会让结果从288件变成624件。

如果采购建议无法被解释，就无法在需求变化后快速修正；如果每次都只改最终数量，团队永远无法知道模型为什么错。

十二、补货参数设置检查清单与下一步行动

1. 先完成一张SKU补货配置表

不要一开始就为全店几百个SKU配置复杂模型。可以先选择销售额贡献较高、缺货损失较大或库存金额较高的SKU，建立一张基础配置表。

2. 用一周时间完成第一轮校准

第一天整理SKU主数据和库存口径，第二天核对近90天销售与断货记录，第三天补齐供应商实际交期，第四天计算补货点和目标库存，第五天检查箱规、预算和仓容，第六天由运营、采购和财务共同审核，第七天形成第一版补货清单。

第一轮不需要追求精确到每一件。更重要的是让团队确认数据口径一致，并找出最容易影响结果的异常。如果可售库存、在途库存和已分配库存都没有统一定义，再复杂的模型也只是把分歧隐藏起来。

3. 建立四个必须复盘的结果指标

第一是缺货率，用于判断库存是否不足；第二是库存周转天数，用于判断资金和仓储压力；第三是预测偏差，用于判断需求模型是否可靠；第四是补货建议采纳率，用于判断系统规则是否真正可执行。

如果缺货率下降但库存周转天数急剧上升，说明安全库存可能过高；如果周转天数下降但加急采购频繁，说明库存压得过低；如果预测偏差很大但采购建议仍全部自动执行，说明人工审核机制不足。

4. 最终行动顺序

1. 先选择20个高价值SKU进行试点，不要立即覆盖全店。
2. 统一销售、库存、采购和在途数据的定义。
3. 为不同SKU选择定期、定量、再订货点、最小，最大或预测驱动方法。
4. 计算有效日均销量、总提前期、安全库存和补货点。
5. 将箱规、起订量、仓容、预算和生命周期加入最终采购判断。
6. 使用数据分析工具建立缺货、积压、延期和预测偏差看板。
7. 连续复盘四周后，再决定是否扩大到更多SKU。

电商库存配置的核心，不是把所有商品都算得很复杂，而是把有限的管理精力放到最值得管理的商品上。对于稳定品，追求参数稳定和执行效率；对于新品，追求快速获得需求信息；对于活动品，追求分阶段修正；对于滞销品，敢于暂停补货；对于长交期品，优先管理到货可靠性。

我最终建议采用“模型分层、库存分层、风险分层、权限分层”的补货体系：模型决定怎么算，库存口径决定用什么数据，风险分层决定留多少缓冲，权限分层决定谁可以批准。下一步可以先拿出20个SKU，按本文的配置表完成一次补货试算，再用实际缺货率、库存周转和预测偏差校准参数，而不是从一开始追求一个看似精准、却无法解释的自动采购数字。

免费注册

咨询方案

扫码咨询方案