很多电商新手不是不会卖货，而是把补货做成了“看到库存少了就下单”。我曾经复盘过一类很典型的库存事故：某个商品连续几天日销从18件涨到35件，店主马上按35件的速度采购，结果活动结束后销量回落到12件，仓库里多出的几百件货占用了现金，还因为规格变化不得不打折处理。相反，另一家店铺虽然日销稳定，却因为供应商交期从5天延长到12天，等发现库存不足时已经来不及补货。
补货计划真正要解决的，不是“要不要进货”，而是未来这段时间会消耗多少、现有库存有多少、货什么时候能卖，以及这批货是否值得继续压在仓库里。
这篇文章会用一套适合中小电商的判断方法，拆开讲清楚什么时候补、补多少、哪些库存不能直接算作可售库存，以及如何借助九数云这类数据分析工具，把订单、库存、采购和在途数据放到同一个决策视图里。文中的案例数据以经营场景模拟和常见业务口径为主，实际执行时需要替换成自己的净销量、交期和库存数据。
新手最容易把补货简化成一个问题：“现在还剩多少件？”但库存数量本身没有决策意义。剩余100件，对于日销5件的商品意味着还能卖20天；对于日销50件的商品，只够支撑2天。
我建议把补货判断固定为四个问题：
这四个问题分别对应销量、库存、供应和经营约束。任何一个变量缺失，补货结果都可能失真。只看销量，会忽略交期；只看现货，会忽略在途；只看库存安全，又可能把仓库填满。
对大多数小商家来说，不需要一开始就建立复杂预测模型。可以先使用下面这组基础逻辑：
补货周期需求 = 预计日均净销量 × 从下单到可售的总天数
补货触发点 = 补货周期需求 + 安全库存
建议补货量 = 目标库存 − 可售库存 − 可靠在途库存
这里最容易被忽略的是“从下单到可售的总天数”。它不只是供应商说的发货时间，还应包括采购确认、生产或备货、运输、入仓、质检、上架等环节。如果供应商承诺5天发货，但实际从下单到商品进入可售状态需要9天，那么补货周期就应按9天计算，而不是按5天计算。
安全库存的作用，是吸收销量波动和供应延迟，而不是让仓库一直保持高库存。安全库存过低，断货概率上升；安全库存过高，资金占用和滞销风险上升。
对于稳定销售、供应商交付可靠的日用品，安全库存可以相对谨慎；对于销量波动明显、交期不稳定或缺货损失较大的商品，则需要更高的缓冲。但季节性、保质期短和生命周期快结束的商品，即使销量很好，也不应盲目提高安全库存。
订单量不一定等于净销量。付款后取消的订单、退款订单、售后退回、刷单或异常订单，都会让原始订单数偏高。如果直接拿订单数计算日均销量，补货量会被系统性放大。
我在整理库存表时，通常会先把销量拆成“下单量、发货量、签收量、退款量、退货量和净销量”。对于补货，最稳妥的基础口径一般是已确认销售且扣除退款退货影响后的净销量。不同平台的数据定义可能不同，所以不能把后台某一个名为“销量”的字段直接当作通用标准。
某个商品昨天卖了100件，并不意味着未来每天都能卖100件。昨天可能有直播、达人推荐、投流加大、平台活动或短时爆发。相反，某个商品昨天只卖了3件，也不意味着它已经失去需求，可能只是当天流量不足或库存断码。
我更倾向于把销量拆成三个层次观察：
如果近7天销量明显高于近30天，不能马上把高值作为新基准。应先判断增长来自稳定转化、持续投放，还是一次性流量事件。
活动商品的补货需要区分“活动增量”和“常态需求”。例如，商品平时日销20件，活动期间日销60件，活动持续3天。活动结束后如果回落到25件，那么未来采购不应直接按60件计算。
更合理的做法是把活动拆成三个阶段：活动前的提前消费、活动中的集中成交、活动后的回落期。活动中的高销量可能透支了未来几天的需求，单看活动当天的数据，容易重复补货。
在途库存是补货计算中的高风险字段。已经下单不代表已经发货，已经发货不代表已经入仓，已经入仓也不代表已经完成质检并可售。
我通常把在途库存分成三类：
| 在途状态 | 是否计入补货抵扣 | 判断理由 |
|---|---|---|
| 已下单、未确认交期 | 不建议抵扣 | 供应商可能缺货或延迟，数量和时间都不稳定 |
| 已发货、有物流节点 | 部分抵扣 | 可以结合预计到货日和运输异常概率计算 |
| 已入仓、待质检上架 | 谨慎抵扣 | 只有确认合格并能在销售周期内上架，才接近可售库存 |
库存质量至少包括库龄、规格结构、退货状态、可售状态和毛利。仓库里有500件货，如果其中300件是滞销颜色，另外100件是退货待检，那么真正能支持销售的库存可能远低于500件。
补货前应先问一句：“现有库存是不是客户真正愿意买的库存？”如果答案不确定，就不能只用总库存减去预计销量。否则，采购越勤快，库存结构可能越差。
预计日均净销量不是简单把30天销量除以30。对于有明显活动、季节波动或投放变化的店铺，应该给不同时间窗口设置权重。
一种易执行的基础方法是：
预计日均销量 = 近7天日均净销量 × 40% + 近30天日均净销量 × 40% + 可比周期日均销量 × 20%
这个比例不是行业通用标准，而是适合新手建立第一版表格的建议基准。商品越稳定，历史周期的参考价值越高；商品变化越快，近7天的权重越高。但如果近7天包含大促或异常流量，就必须人工调整，不能机械套用。
如果商品刚上架，没有足够历史数据，可以先按相似商品、广告预算、页面转化率和预计流量建立保守预测，并在连续积累7到14天数据后重算。新商品预测的重点不是一次算准，而是尽快缩短预测和实际之间的反馈周期。
供应商说“3天发货”，往往只代表订单处理完成或货物离开仓库，不代表商品已经可以销售。完整交期建议拆成以下环节：
如果每个环节都有波动，不能只使用平均交期。可以同时记录承诺交期、实际交期和延迟天数，按供应商和SKU分别观察。一个平均交期5天、但经常延迟4天的供应商，实际补货风险可能高于平均交期7天、交付稳定的供应商。
补货触发点表示：如果库存降到这个水平，现在下单，理论上可以在下一批货到达前保持供应。计算逻辑是：
补货触发点 = 预计日均净销量 × 总交期 + 安全库存
例如，预计日均净销量为20件，总交期为8天，安全库存为80件，那么补货触发点就是240件。这里的240件不是建议采购量，而是提醒你“库存降到这一水平时，应开始检查并安排补货”。
触发点与补货量必须分开。触发点回答“什么时候行动”，补货量回答“行动时买多少”。很多新手把两者混为一谈，看到库存低于240件就直接采购240件，结果忽略了当前还剩多少件和在途多少件。
假设目标库存是240件，当前可售库存为180件，可靠在途库存为50件，那么理论补货量为10件。这个结果看起来很小，但它说明现有库存已经接近目标水平，并不代表店铺必须为了满足供应商起订量而采购更多。
现实中还需要增加两个约束：
对于低毛利或易过时商品，我宁愿接受略高的缺货概率，也不愿为了几分钱的进货折扣，锁定几个月的现金。补货计划的目标是提高经营收益，不是追求仓库里货物数量最大化。
下面用一个家居类商品做情景推演。该SKU近期因为内容曝光，近7天销量明显高于近30天。店主的第一反应是按近7天日销补货，但我会先查看增长是否稳定、库存是否已经有在途，以及活动结束后是否会回落。
| 数据项 | 数值 | 补货判断用途 |
|---|---|---|
| 近7天净销量 | 210件 | 近7天日均30件，反映短期热度 |
| 近30天净销量 | 660件 | 近30天日均22件，反映常态水平 |
| 可比活动前日均销量 | 18件 | 用于识别活动或流量因素 |
| 从下单到可售 | 8天 | 包含运输、入仓和上架时间 |
| 当前可售库存 | 180件 | 约可支撑6至10天，取决于未来销量 |
| 可靠在途库存 | 50件 | 已发货且预计3天内到仓 |
如果完全按照近7天日均30件计算，8天补货周期需求为240件，再加安全库存，店主很可能一次采购300至400件。但近7天增长与活动曝光高度相关，近30天日均只有22件，活动前更低，因此不能直接把30件视为稳定基准。
在实际管理中，问题往往不是不会算，而是数据散落在多个地方：订单在店铺后台，采购记录在表格，物流节点在聊天工具或供应商系统，仓库库存又是另一套数据。如果每天手工复制，补货判断很容易滞后一两天。
以九数云为例，可以把订单明细、SKU库存、采购单、入库记录和物流状态按照统一的SKU编码进行关联，再制作补货看板。看板不需要一开始就很复杂，我会优先放以下字段：
九数云的价值不在于替代人的判断，而在于减少“找数、对数、拼表”的时间，让负责人把精力放在异常解释上。例如，当某SKU的补货风险突然升高时，我更关心它是销量上升导致、交期延长导致，还是库存状态被错误归类导致。
为了避免看板只展示数字、不产生行动，我建议用红、黄、绿三类规则。颜色只是提醒，不是最终结论。
| 风险等级 | 建议触发条件 | 对应动作 |
|---|---|---|
| 红色：高断货风险 | 库存支撑天数低于可靠交期，或未来7天预计缺货 | 核实在途、确认供应商交期，必要时拆单或寻找替代供应 |
| 黄色：需要复核 | 销量波动超过30%，或在途库存状态不明确 | 人工检查活动、投放、退货和物流节点 |
| 绿色：暂不采购 | 可售库存加可靠在途已覆盖需求与安全库存 | 维持观察，避免为了低价或凑批量重复采购 |
这里的30%只是情景管理中的建议阈值，不是所有品类都适用。高频日用品的波动阈值可以更低，季节性商品或新品则可能需要更宽的观察区间。最重要的是，每个阈值都要能对应一个明确动作，否则看板只是漂亮的数字墙。
假设我们采用加权预测：
预计日均销量约为24.4件。8天补货周期需求约为195件。如果安全库存按3天计算，则安全库存约为73件，目标库存约为268件。当前可售库存180件，加上可靠在途50件，共230件，理论缺口约38件。
但这并不意味着必须立刻采购38件。还要检查供应商最小起订量、活动结束时间和未来投放计划。如果活动已经结束、自然流量正在下降，建议先采购小批量或延后一天观察；如果活动仍将持续，且供应商交期可能继续拉长，则可以采购一批小于常规批量的急单，并同步确认后续供应。
稳定畅销品通常有连续销售记录、较清晰的日均销量和相对可预测的交期。它们最适合建立固定的补货触发点，并设置每周复核机制。
这类商品的主要风险是缺货导致排名、转化和广告效率下降。可以适当提高安全库存，但不能忽略库存上限。特别是当供应商要求大批量采购时，应比较一次性采购折扣和资金占用成本，而不是只看单件采购价。
活动爆款需要建立“活动前、活动中、活动后”三段预测。活动前重点判断流量是否已经开始增长，活动中重点保证核心SKU不断货，活动后则要迅速下调采购速度。
如果活动有明确结束时间，可以给活动增量单独建立一个临时库存池，不要把活动库存和常态库存混在一起。这样活动结束后，团队能清楚看到还有多少货是为活动准备的，避免继续按峰值采购。
季节性商品的补货不是只看旺季能卖多少，还要看销售窗口还剩多久。例如一款夏季用品，即使当前销量很高，如果旺季只剩20天，而从下单到可售需要10天，那么新补的货可能只剩10天销售时间。
我会为季节性商品增加两个字段：预计销售截止日和清仓触发日。只要预计到货日接近销售截止日，就必须重新计算，而不是按正常商品的补货规则执行。
长尾商品单个SKU销量低、规格多、需求分散。它们最容易因为供应商起订量而产生库存积压。
对于长尾商品，可以考虑预售、按单采购、减少颜色和规格、集中采购高频规格等方式。判断这类商品时，应把缺货损失与持有库存的成本放在一起比较。一个月只卖10件的商品，如果每次必须采购100件，就需要确认剩余90件是否有明确的销售路径。
食品、美妆、医疗相关用品以及更新速度快的电子配件，都不能只按照件数管理。库存越晚卖出，可能越接近保质期或产品淘汰期，实际价值会下降。
这类商品需要在补货表中加入剩余保质期、产品版本、近30天折价率和清仓周期。即使公式显示需要补货，如果现有库存已经临近过期或规格即将更新，也应优先处理旧库存，而不是继续增加采购。
日常管理不需要每天重新计算所有SKU。每天优先查看以下异常：
每日动作的目标是尽早发现不可逆的风险，而不是追求每一个数字都实时变化。对于低频长尾商品，日更数据可能没有意义，反而会让团队被偶然波动牵着走。
每周应完成一次补货复盘，至少回答四个问题：
这里要特别关注预测误差的方向。如果预测一直高于实际销量，说明模型可能被活动峰值或异常订单污染；如果预测一直低于实际销量，则可能漏掉了投放、渠道扩张或季节增长。
月度复盘时，不要只问“下个月买多少”，还要检查补货规则本身是否需要变化：
如果一个SKU连续三个月库存金额增加、销量没有同步增长，那么问题通常不在某一次采购，而在目标库存、起订量或销量预测机制上。
对于SKU较多的店铺，我建议看板不要只做销售排行榜。销售额最高的商品不一定是最需要补货的商品，真正需要优先处理的是“库存风险高且动作明确”的商品。
可以把看板分为四个区域：
| 看板区域 | 核心字段 | 负责人动作 |
|---|---|---|
| 断货预警 | 库存支撑天数、交期、预计缺货日 | 确认采购、拆单或寻找替代供应 |
| 补货建议 | 目标库存、可售库存、可靠在途、建议补货量 | 复核预测和资金预算后下单 |
| 在途异常 | 预计到货日、实际物流节点、延迟天数 | 联系供应商并调整可抵扣数量 |
| 滞销风险 | 库龄、近30天销量、库存金额、折扣状态 | 停止补货，制定促销、组合或退供方案 |
如果使用九数云进行数据整合，建议先统一SKU编码和日期字段，再做指标计算。很多看板项目失败，不是工具能力不足，而是同一个SKU在订单表、采购表和仓库表里使用了不同名称，导致数据关联不上。
当店铺现金相对充足、商品销售稳定，但供应商交期不稳定时，可以采用分批采购。一次采购满足基础需求，另一部分根据实际销售和到货情况滚动安排。
拆分采购的缺点是单件成本可能略高，运输和沟通次数也会增加。但它换来了更低的库存锁定风险，适合生命周期较短、需求仍在变化的商品。
资金有限时，不应该把预算平均分配给所有商品。可以按照毛利贡献、断货损失、销售稳定性和供应交期进行分层。
| 商品情况 | 预算优先级 | 建议策略 |
|---|---|---|
| 高毛利、稳定畅销、交期长 | 高 | 优先保障基础库存和安全库存 |
| 高销量、低毛利、交期短 | 中高 | 控制库存上限，采用高频小批量补货 |
| 低销量、高库龄 | 低 | 暂停采购，优先清理现有库存 |
| 活动期高销量、活动后不确定 | 动态 | 根据活动剩余时间和投放计划分批采购 |
供应商常常会用“买得越多，单价越低”推动大批量采购。但单价下降不代表总经营成本下降。应同时计算仓储费、资金占用、折价清仓和报废风险。
举例来说，一批货采购价每件降低2元，但多采购500件，就需要额外占用1万元采购资金。如果其中200件最终需要以低于成本的价格处理，那么最初的单价优惠可能完全被库存损失抵消。
断货处理有时比补货计算更考验运营能力。可以考虑以下替代动作：
如果店铺多渠道经营，还要检查库存分配规则。某个渠道显示有货，不代表其他渠道可以继续承诺销售；跨渠道库存没有统一锁定机制时，补货表里的可售库存可能被高估。
服装、鞋类、配件和多规格用品尤其容易出现“总库存很多，但可卖规格缺货”。例如一个商品总库存还有300件，但黑色大号已经售罄，剩余库存集中在低需求颜色和冷门规格，客户依然会认为商品缺货。
因此，补货表至少要下钻到SKU规格，而不是只看SPU总量。库存预测也要按照规格计算，不能用整款商品的平均销量代替单个规格的实际需求。
退货商品不能自动回到可售库存。它可能存在包装破损、配件缺失、二次使用或质检不合格等情况。
在数据表中，建议把退货库存拆成待检、合格可售、降级销售和报损四种状态。只有合格可售的部分，才可以全额抵扣补货需求；降级销售库存需要根据实际销售渠道折算，不能按正常商品价格和销量计算。
如果预测经常不准，新手通常会采取一个看似简单的做法：多买一些。这个方法只能暂时掩盖预测问题，不能真正解决问题。
更好的做法是记录每次预测值和实际值，计算预测误差方向和幅度。如果误差是因为活动没有单独拆分，就修正活动口径；如果误差来自供应交期不稳定，就调整交期参数；如果误差来自退货率变化，就重新计算净销量。
安全库存应当吸收合理的随机波动，不能替代数据清洗和业务复盘。
如果暂时不使用系统，Excel或在线表格也可以启动。关键不是字段越多越好，而是每个字段都能支持一个决定。
| 字段类别 | 建议字段 | 使用说明 |
|---|---|---|
| 商品识别 | 商品编码、规格、供应商 | 确保订单、采购和库存能够准确关联 |
| 需求预测 | 近7天净销量、近30天净销量、可比周期销量 | 避免只用一个时间窗口判断趋势 |
| 供应能力 | 平均交期、最长交期、最小起订量 | 反映采购速度和批量约束 |
| 库存状态 | 可售、锁定、待检、不良、在途 | 避免把所有数量都当作可销售库存 |
| 经营结果 | 库存金额、库龄、毛利率、折价风险 | 衡量补货是否值得，而非只看件数 |
| 执行管理 | 建议动作、负责人、复核日期、实际到货日期 | 让补货建议能够落到人和时间 |
补货会议不应变成所有人逐行念表。为了提高效率，我会把讨论集中在以下五类问题：
每个问题都应留下负责人和截止时间。否则会议结束后，数据看板仍然会显示同样的异常，团队只是重复讨论，没有形成闭环。
当SKU数量较少、渠道单一、采购频率低时，表格足以完成基础管理。但出现以下情况后，继续依赖人工复制通常会越来越危险：
这时可以考虑使用九数云做数据连接、字段统一、指标计算和看板展示。工具选择时，我建议先验证三个问题：能否统一SKU编码，能否保留数据更新逻辑，能否让采购人员看懂并采取行动。只会展示销售趋势、不能解释库存风险的看板，实际价值有限。
新手最稳妥的启动方式，是先选择销量最高、库存金额较大或最容易断货的10个SKU。为每个SKU补齐近7天和近30天净销量、可售库存、在途库存、实际交期和库存金额。
如果一开始就把几百个SKU全部纳入，数据清洗和异常解释会让团队失去耐心。先跑通10个SKU，确认字段口径和补货动作，再逐步扩展，通常比一次性建设全店模型更容易成功。
第一周不要急着根据公式下大单。重点检查订单销量是否扣除退款，库存是否区分可售和待检，在途是否有明确到货时间，SKU编码是否一致。
同时给每个SKU标记当前风险：断货风险、需求波动风险、库存积压风险或数据异常风险。很多店铺第一次做这件事，会发现真正的问题是数据没有对齐，而不是采购团队不努力。
完成数据清洗后，再为每个SKU设置预计日均销量、总交期和安全库存。建议先使用简单、可解释的规则，不要马上使用复杂模型。
每次采购建议都保留计算依据，例如“近7天日均销量26件、近30天日均销量20件、总交期8天、可靠在途40件”。这样当结果不理想时，团队可以追溯是哪个输入条件出了问题。
第三周关注采购执行。记录供应商承诺到货日期、实际到货日期、可售上架日期以及短缺数量。只有把“预计到货”与“实际可售”连接起来，才能知道交期参数是否真实。
如果某供应商连续两次延迟，就不要继续使用原来的平均交期。可以提高缓冲、拆分采购，或者把部分订单转给交付更稳定的供应商。
四周后，重点不是看公式算得有多漂亮，而是看三类结果有没有改善：
如果断货减少但库存金额快速上升，说明安全库存或采购批量过高；如果库存金额下降但断货频繁，说明补货触发点过低或供应交期估计过于乐观。补货系统必须同时观察服务水平和库存成本，不能只追求其中一个指标。
很多人以为库存管理做得好，就是仓库永远有货。但在我看来，真正成熟的补货计划还有一个更重要的能力：当数据不足、活动即将结束、供应商交期不稳定或商品生命周期接近尾声时，能够有依据地决定“不补”或“少补”。
补货不是对过去销量的奖励，而是对未来销售、供应周期和现金流的一次下注。下注越大，越需要证据。近7天销量只能说明近期发生了什么，不能单独说明未来会发生什么；库存总量只能说明仓库里有多少东西，不能说明其中多少可以立即销售；在途数量只能说明货物已经进入采购链路，不能说明它什么时候真正产生销售价值。
下一步可以从10个核心SKU开始，建立统一的净销量口径，拆分可售库存和在途库存，记录供应商实际交期，并用九数云或其他适合自己的数据分析工具制作一个“断货预警、补货建议、在途异常、滞销风险”四区看板。连续运行四周后，再根据预测误差、缺货率和库存金额调整参数。
当补货计划能够解释“为什么现在补、为什么只补这么多、为什么这批在途不能全额抵扣、为什么这件商品暂时不该再买”时，库存才真正从仓库里的数量，变成了一套可以支持经营决策的数据系统。
读者评论
把供应商交期算到入仓、质检和上架这一步很实用，之前只按发货时间估算，确实容易把补货节点算晚。
在途库存分状态处理这点值得注意。已下单但没确认交期的货，直接从需求里扣掉，可能会低估断货风险。
近7天和近30天销量结合看，比盯着活动当天的数据稳妥。不过安全库存还得结合资金和商品保质期，不宜只按公式增加。