活动流量和海外仓库存脱节，最常见的结果不是“没备货”，而是活动期间前台仍在卖、仓库却无法按承诺时效发货；或者为了避免断货，把货压进海外仓，活动结束后才发现销量回落、仓储费和资金占用一起上升。我的核心判断是：规划不能从活动目标倒推一个备货数字，而要把流量预估、可售库存、补货到仓时间、履约能力和活动后的库存消化放进同一套滚动决策里。
下面会用一组明确标注为情景模拟的数据，拆解这套衔接方法。它不是平台公开销量，也不代表任何商家的实际经营结果。实际执行时，应以店铺后台、商品活动安排、海外仓库存及承运商时效为准；平台规则和不同站点的履约要求也可能变化，执行前应核对当前账户可见的规则。
我不会把“预计活动流量”直接换算成“预计销量”，也不会把仓库系统里的总库存直接当作“可售库存”。真正需要对齐的是一条连续链路：活动带来的有效访问，经过商品转化形成订单，再由可用库存和仓库处理能力决定多少订单能按时发出。
所以，活动计划至少要回答四个问题：预计多出多少订单；订单集中在哪几天；其中有多少能够由活动开始前的海外仓库存覆盖；活动结束后剩下的库存是否仍有合理的销售出口。任何一个问题没有答案，单独讨论备货量都容易产生偏差。
我通常把核心决策量定义为“活动窗口内可承诺的销量”。它受需求预测、库存状态和发货能力共同约束。可以用一个简单关系表达：可承诺销量不高于需求预测、不高于可用库存，也不高于仓库在承诺时限内能够处理的订单量。
这意味着，流量预测再高也不能自动成为备货指令；只有能在预计订单发生时转化为及时履约的库存，才是有效的活动库存。
活动销量受折扣、展示位置、竞争商品、库存露出、评价基础和活动周期影响。即使过去的日均销量可靠，也不能据此断定活动日一定增长到某个倍数。我会先做保守、基准、偏高三个情景，再根据活动确认信息和最近的实际表现逐步收窄区间。
举例来说，某商品平日每天销售120件，规划一个持续7天的活动。若基准情景假设活动日销量为平日的2.4倍，则活动期需求约为2,016件；如果活动后7天回落至平日水平，再加840件，整个决策窗口需求约为2,856件。这只是演示计算，不是行业平均值或平台承诺。
用区间而非单点的价值，在于提前看清“少备会损失多少订单，多备会压住多少资金”。它让团队可以讨论风险偏好，而不是把一个未经验证的预测包装成精确答案。
库存系统里显示的数量，可能包含已分配、待检、破损、冻结、尚未上架或正在盘点的货。活动规划如果拿“账面总量”减预测销量，很容易得出过于乐观的结果。我会先把库存拆成可拣货、已预留、待上架、异常冻结和在途几类，再决定哪些可以进入活动承诺。
需要特别注意，在途库存只有在到仓时间、清关或入仓处理、上架时长都能满足活动窗口时，才适合算进覆盖量。尚未确认的货不能和已上架货等价处理。库存可见，不等于活动时可用；货物在途，也不等于活动时可履约。
运营通常围绕报名、价格、流量和转化率安排活动；供应链则围绕采购交期、运输、清关、仓库预约、入库和上架安排补货。两边各自看起来都合理，却常因时间颗粒度不同而脱节：运营看活动当天，仓库看到货到仓那天，中间还有一段不能忽略的运输和处理时间。
例如，运营在活动前两周确认加大促销力度，但商品从供应商出货到海外仓上架需要数周。此时再追加货量，不一定能赶上本次活动。反过来，货已经提前到仓，但活动资源或价格安排尚未确认，库存可能先开始自然销售，等活动真正开始时，可用余量反而不足。
因此，活动计划表不能只有开始日期和结束日期。至少要标出预测冻结时间、采购决策时间、货物离仓时间、预计到仓时间、预计上架时间和活动后复盘时间。对每个时间点，还要写明负责人和可调整的最后期限。
库存数量够，不代表出库能力够。活动期间订单可能集中在少数日期，拣选、包装、贴标、交接和末端承运都可能成为瓶颈。日常每天处理100单的仓库，如果活动预估达到300单，却没有确认临时产能和截单安排，就算货在货架上，也可能出现处理延迟。
我会把履约能力作为需求预测的上限之一，单独确认仓库的日处理能力、周末班次、旺季附加安排、异常订单处理时长以及承运商交接频次。不同海外仓、不同站点、不同商品尺寸的处理能力不一样，不应把某次合作仓的经验直接套到另一家仓库。
活动订单还可能改变仓内的作业结构。单件小包和多件组合订单虽然都计为一单，拣货路径、包装耗时和耗材需求却不同。若促销机制鼓励多件购买，订单行数可能比订单数增长更快，按“单量”估算仓库负荷就会低估工作量。
一些商品在活动结束后仍有自然访问、收藏回访或活动订单的延迟转化。也有商品会在活动结束后迅速回落。如果只准备覆盖活动当天，就可能忽略活动后的正常补货；如果把活动峰值销量延续到整个补货周期，又会产生过量备货。
我会区分活动期、活动后恢复期和常态期三段来计算。活动期间看峰值与履约峰值，恢复期看销量回落速度，常态期看补货周期内的基础需求。这样才能判断活动货是一次性冲量，还是能够顺接后续销售。
常见的错位不是谁没有做计划，而是团队分别用不同口径做计划：一方拿活动目标订单数，另一方拿仓库账面库存，财务再用采购成本估算资金。没有统一的时间窗口和库存定义，这三组数字无法直接对账。
活动目标常是经营目标，不等同于经数据校准的销量预测。目标可能基于活动资源、理想转化或团队期望，但采购决策还要考虑页面转化是否稳定、价格变化幅度、可售库存露出、竞争强度以及商品近期退货和取消情况。
如果把目标销量直接当成需求量，就可能把乐观假设变成实物库存。较稳妥的做法是拆出基准销量、活动增量和不确定性缓冲，并明确每一部分的依据。活动资源尚未确认时，偏高情景不应自动成为采购量。
采购量还要扣除可用库存和活动前预计自然销售。若仓内现货会在活动前持续出库，就不能拿当前库存直接覆盖活动期需求。需要按日滚动预测，避免用今天的库存余额去回答两周后的库存问题。
总库存可能包含不适合销售的状态，也可能已经被其他渠道订单占用。若同一库存同时服务多个销售渠道，必须先确认库存分配规则和同步延迟。否则一个渠道显示可售，另一个渠道也在承诺，最终会由仓库承担超卖后果。
活动前应确认仓库库存更新时间、订单同步频次和库存锁定机制。若系统更新存在延迟，活动期间设置合理的库存缓冲，比把全部实物库存一次性放到前台更安全。缓冲量不是越大越好，应依据同步延迟、订单波动和人工处理时长调整。
对待检、破损、标签错误或需要重新包装的库存，也不宜计入活动覆盖量。需要返工的货，只有在返工工时和完成日期明确后，才能根据完成时间判断是否可用。
平均运输时间只能说明中心趋势，不能说明活动前能否赶上。假设平均入仓周期为30天，但不同批次实际可能在24天到42天之间波动，那么按30天倒排的计划仍有明显迟到风险。尤其当活动日期固定、错过窗口后货物只能进入常态销售时，交期分布比平均数更有决策价值。
我会分别记录供应商出货、干线运输、清关、预约入仓、仓库收货和上架的日期。只有看到各段耗时，才知道延迟发生在哪里，也能判断要通过提前发货、换运输方式、预约管理还是压缩入库流程解决。
活动期间断货会损失销售机会，也可能影响后续流量表现；但为了避免断货而大量提前备货，会增加仓储费、资金占用、货损和清仓折价风险。对季节性、潮流型或更新快的商品，剩余库存的风险尤其需要单列。
我会至少把两个方向的成本放在同一张表里：少备导致的预估贡献毛利损失，以及多备导致的仓储、资金和折价成本。两者不一定能够精确到每一单，但只要把口径统一，就比“宁可多备一点”的经验判断更透明。
需求模型不必一开始就复杂，但每一个输入都要能解释。最低限度需要商品近期日销量、活动计划、活动期长度、价格变化、预计流量变化、转化率变化、活动前自然销售和活动后回落假设。
如果历史活动样本不多，我不会把“同类商品活动提升倍数”当成确定事实。可以先用相近商品或相近活动做参照，但要标记样本差异，例如价格带、评价数、流量来源和活动时长是否一致。参照越弱，预测区间就应越宽。
我更信任近期、同市场、同价格区间的商品数据，而不是跨度很长的平均数。因为商品页面、竞争环境、履约方式和定价都可能变化，过旧的历史销量会制造一种“数据很多、解释力很低”的错觉。
为了让不同团队能复算，我会采用统一的库存桥接口径：活动开始前可拣货库存，加上能够在活动窗口前完成上架的到货量，减去已预留订单和预计自然销售，再减去明确不可售或需隔离的数量。
计算中最容易被忽略的是活动前的消耗。假如现在有2,300件可拣货库存，但活动还有10天才开始，平日每天卖120件，且没有其他补货，那么活动开始前理论上还会售出约1,200件。这个推算未考虑日波动，但足以说明不能把当前余额原封不动地搬到活动日。
另一个容易被忽略的项目是“到货可用比例”。在途货并非全都能准时收货、完成检查并上架。历史数据若能证明某路线和仓库组合的可用比例较稳定，可以用于预测；没有稳定数据时，应把延误和异常单独做情景，不应悄悄按100%计入。
补货周期应从下单或确认生产的起点算到可售上架，而不是只看运输段。把供应商准备时间、运输时间、入库排队和上架处理都纳入后，才能判断活动窗口是否来得及补货。
安全库存也不是固定百分比。需求波动大、交期波动大、缺货损失高的商品，需要更高保护；活动可取消或可调整、剩余库存难消化、资金紧张的商品，则应该降低额外库存或采用分批到货。
一个实用的判断方式是把安全库存拆成两部分：需求波动缓冲和交期波动缓冲。这样发现风险时，团队知道是销量预测不稳，还是运输和入仓不稳，后续才能采取不同措施。
把需求和库存算清后，还需要做履约压力测试。至少要用活动高峰日预计订单、仓库日处理上限、订单行数、异常处理比例和承运交接时间做校验。
如果活动高峰订单超出仓库能力，改善方法不一定是再买货。可以和仓库确认临时人力、延长作业窗口、提前移库或优化拣货位；若这些办法不可行，就要调整活动承诺、控制可售量或错开促销节奏。
正确的活动库存不是“仓里有多少”，而是“在正确的时间、正确的状态、以仓库能够处理的速度，能兑现多少订单”。
以下案例是一组为说明计算方法而构造的情景模拟，不是数跨境或任何商家的实际运营数据。设定为某商品在美国海外仓销售，平日销量120件/日，规划7天活动，活动日基准销量按平日的2.4倍计算。活动后7天暂按平日销量估算，用于观察活动后的库存承接。
仓库账面库存为2,600件，其中200件已预留，100件待检或处于异常状态，因此当前可拣货库存为2,300件。另有1,300件在途，预计活动前有机会到仓，但团队对准时完成入库和上架尚无足够把握。
此处故意不把在途货全部计入可用库存。若根据同路线、同仓库历史记录估算到货可用比例为90%，且预计到货日期确实早于活动开始，则模型中的预计可用到货为1,170件。90%是本案例的情景假设，不是通用经验值。
活动期基准需求为288件/日乘以7天，得到2,016件。活动后7天按120件/日估算，得到840件。两个窗口合计为2,856件；若再按需求总量的10%加入计划缓冲，规划覆盖目标约为3,142件。
从活动开始时点看，若只有2,300件可拣货库存，活动期本身尚有284件的基准缺口。但这还没有考虑活动开始前的自然销售，也没有考虑仓库操作能力。因此，不能只用“活动需求小于现有库存加在途”来宣布备货安全。
若预计的1,170件有效到货能在活动前完成上架，则活动开始时可用库存理论上增加到3,470件。与3,142件的计划覆盖目标相比，余量约328件。不过，如果到货晚于活动开始，活动期间的缺口仍然可能发生；活动后库存是否偏高，也要结合实际需求和采购不可撤销程度判断。
同一批在途货，提前上架和延迟上架会形成完全不同的经营结果。提前到仓，库存可以支持活动和活动后销售；晚到一周，即使总量足够，也不能弥补活动高峰时的缺货。
因此，我会把案例拆成两个分支：准时到仓情景，按照有效到货量计算库存余量；延迟到仓情景，只用活动开始前已上架的2,300件评估活动缺口。两种分支都要测算，不能只选团队最希望发生的那个。
在准时情景下，仍需要核对仓库能否在活动前完成收货和上架；在延迟情景下，则要决定是否减少活动曝光承诺、限制可售量、调整活动节奏，或寻找可执行的替代履约方案。若不能在活动前改变任何变量，至少要提前明确缺货风险及其影响范围。
这组数字不应该直接生成“再采购多少”的答案。它首先说明：活动需求目标、活动前自然消耗和在途货的上架日期，会共同改变活动开始时的库存位置。采购量只是可选动作之一。
如果缺口来自在途不确定，应优先确认物流节点、仓库预约和上架排期；如果缺口来自需求可能高于基准情景，则评估分批发货、追加采购、降低曝光承诺或设置库存缓冲；如果风险主要是活动后积压，则讨论缩小活动备货、分批解锁库存和后续常态销售策略。
我会在活动前设一个重新决策的检查点。检查时更新近7天销量、在途状态、入仓预约、可拣货数量和活动确认情况。若关键输入变化，重新跑情景，而不是等活动结束后才复盘为什么预测错了。
活动与海外仓数据常分散在店铺后台、广告或活动记录、采购表、物流节点和仓库系统里。表格并非一定不好，真正的问题是同一商品的编码、时间范围和库存定义不一致，导致团队每次开会都在重新对数字。
以数跨境为例，可以把它作为评估跨境数据协同流程的一个入口。官网为数跨境。在采用任何数据平台前，我会先确认它当前支持的数据源、字段、更新频率、权限配置和导出能力，再判断是否适合自己的店铺、仓库及分析流程；具体功能和接入范围应以官方当前说明为准。
我不会把“接入了平台”当作流程已经打通。平台能否接入相关数据是一回事，数据是否有稳定的商品映射、统一的状态定义和可追溯的更新时间，是另一回事。缺少这些基础，仪表盘只是把不一致的数据集中显示。
实际落地时，我会先建立商品主表，把店铺商品编码、内部SKU、仓库SKU、站点、尺寸属性、销售状态和负责人对应起来。一个商品有多个包装规格或组合装时，还要标明它们之间的转换关系，避免把单件、套装和箱规混成同一个数量口径。
随后统一时间字段。例如销量按订单创建时间还是发货时间统计、库存取仓库同步时点还是日终快照、在途以物流扫描还是承运商提货时间为起点，都要预先定义。否则同一个日期，运营报表和仓库报表可能指的是两种不同的业务状态。
我建议每个关键指标都保留来源和更新时间。活动销量预测来自哪段历史、库存余额取自哪个系统、交期采用哪些批次，最好能够追溯。这样预测变化时，团队可以找出是输入发生变化，还是算法和判断逻辑发生变化。
活动看板不需要堆很多图。对执行团队来说，最有价值的是能够快速发现需要处理的偏差：活动销量超过基准情景、可拣货库存低于安全线、在途节点滞后、库存状态异常增加，或仓库订单积压超过可接受范围。
我会按商品和活动窗口展示预测需求、实际销量、库存状态、预计到货、日处理能力和风险等级。每个异常都要带责任人和处置期限，否则红色预警只会增加焦虑，不能改善履约。
平台的价值还包括减少重复整理和对账时间，但这部分收益必须实际测量。可以记录活动前团队花在导表、合并字段和核对库存上的工时，再和流程调整后的工时比较。若数据源不稳定、人工仍需大量修正，不能仅凭“已经上线”判断效率提升。
我会先选少量SKU、一个站点和一个海外仓跑完一个完整活动周期。试运行重点不是追求复杂报表，而是检查商品映射准确率、库存更新延迟、异常处理耗时和预测偏差是否可解释。
如果试运行发现仓库库存每天更新一次，但活动期间需要更高频的判断，就要评估是否能提高数据刷新频率，或补充人工核对机制；如果商品映射错误多，优先治理主数据，而不是增加更多可视化页面。
只有当数据口径稳定、业务负责人愿意使用、异常能推动动作，才有理由扩大到更多SKU。工具应服务于决策闭环，而不是让团队为了填字段和维护看板增加一层没有回报的工作。
先按保守、基准、偏高情景测算，再将现有可拣货库存、活动前自然消耗和已确认到货逐项纳入。若补货能在活动前上架，可以考虑分批到货：先确保基准需求，剩余数量根据近几天销量和物流状态再放行。
分批的目的不是把全部不确定性留到最后，而是让采购承诺和需求证据逐步匹配。需要提前确认供应商最晚出货日、运输方案变更截止日和仓库入库预约，否则“分批”可能只是表面灵活，实际无法调整。
活动开始前应预设触发条件，例如实际销量连续高于基准区间、可拣货库存覆盖天数低于阈值、在途节点超过计划时间。触发后由谁决定追加、控量或调整活动承诺，要在活动前说清楚。
这时要停止把采购作为唯一解决方案。追加的货如果不可能及时上架，就不能解决活动期间的履约缺口。团队应评估可否从其他仓库调拨、安排可靠的替代库存、调整可售数量、错开促销日期，或降低对活动流量的预期。
调拨也不是天然快速。要把提货、跨境或境内转运、预约、收货和上架时间完整算入，并核实是否会挤占其他渠道的库存。只有确认全链路时效后，调拨才是有效方案。
如果没有可执行的库存补充方式，就要把风险透明化。至少估算不同需求情景下的缺货日期和可能损失，让运营决定是否继续活动，而不是等订单超过履约能力后才被动处理。
这类商品的活动策略应更保守，尤其是季节品、潮流品、短保品和可能快速更新的产品。不能只比较活动期的潜在销售额，还要估算活动后库存的可售时间、降价空间和剩余价值。
可以优先使用较小批量、较短补货周期或分阶段释放库存。若活动资源尚未确定，可先保障常态销售，不要为尚未确认的流量一次性把货全部推到海外仓。
若供应商支持小批量追加但单价较高，需要比较追加成本和积压风险。对生命周期短的商品，略高的单位采购成本有时比大量滞销更可控；但若追加交期无法赶上活动，较高单价也没有意义。
先定义库存优先级和预留规则。哪些库存专供活动、哪些库存由多个渠道共享、订单冲突时按什么顺序分配，都要在活动前确定。仅靠运营人员临时改表，活动流量一上来就容易出现多个渠道重复承诺。
如果库存同步存在延迟，应测量延迟期间的订单波动，并设置相应的安全缓冲。缓冲应依据实测情况逐步调整，不宜照搬另一个店铺或另一个仓库的数值。
活动开始前要进行一次端到端测试：从前台下单到订单进入仓库，再到库存扣减和发货状态回传。只检查“系统显示有货”，无法验证订单同步和库存锁定是否可靠。
若商品会组成套装、赠品或多件优惠，应从订单行数和拣货动作估算仓库负荷，而不只预测订单数。活动前可提供SKU组合清单、包装要求和预计订单结构，让仓库按实际作业方式评估人力与工位。
仓库产能不足时，可以考虑提前预包装、优化货位、拆分波次或调整活动高峰日期。这些方法要先经过仓库确认，不能仅凭内部设想写进计划。
若无法扩充产能，控制可售量可能比追求最大流量更合理。流量带来的订单如果无法及时出库，后续的退款、投诉和履约异常会侵蚀活动收益。
缺货损失不仅是缺货当天少卖的数量。若断货会让后续流量承接变差，或活动窗口具有明显时效性，错过的销售可能难以追回。若商品常态需求稳定、活动只是价格优惠，缺货的部分需求则可能延后购买或转向其他商品。
评估时要区分真正流失的订单、只是延期的订单和转向替代品的订单。若没有可用数据，就做区间估算，并说明关键假设，不能将全部缺货需求都视作永久损失。
多备成本不只有采购资金，还可能包括仓储费、长期存储附加费用、资金周转影响、商品老化、库存转移和折价清理。具体费用规则因服务合同、仓库和站点而异，应以合同和当前账单为准。
我会把预计售完时间作为库存方案的一项结果。相同的活动销量，商品A可能两周内恢复常态消化，商品B可能要几个月才能售完。即使两者多备数量相同，资金和仓储风险也不相同。
如果供应链允许，分批发运、延后最终备货确认或保留追加能力，能减少预测误差的代价。若采购或运输一旦启动便无法撤回，则应提高对需求证据的要求，并谨慎把偏高情景直接变成实货。
分批方案也有成本：单位运输成本可能提高，操作沟通更复杂，后续批次还可能错过入仓窗口。因此，方案要同时比较灵活性价值和执行成本，不能把“灵活”本身当作免费的优势。
最终选择应体现公司的风险偏好。现金流紧张的团队可能更重视库存周转；缺货损失高、补货周期长的团队可能愿意承担更高安全库存。没有对所有商品都适用的安全库存比例，只有与需求波动、交期波动、缺货后果和清货能力相匹配的风险选择。
活动进行时，我会比较实际销量与计划区间，而不只是看累计销售额。还要看库存消耗速度、订单行数、可拣货库存、取消或异常订单、仓库未处理订单和在途节点。总销量达标，但库存已经提前耗尽，仍然是计划执行风险。
对偏差应尽快分类：流量高于预期、转化率高于预期、客单件数变化、库存数据滞后、仓库处理变慢，或物流到货延迟。不同原因对应不同动作，不能把所有偏差都归为“销量预测不准”。
活动期间需要约定更新频率。风险较低的商品可以按日复核，高波动、高库存价值或补货周期长的商品可提高检查频率。具体节奏应考虑数据刷新能力和团队实际处理能力，不要建立无人维护的高频监控。
复盘时把预测销量与实际销量对比，并进一步拆分为日均基线误差、活动提升倍数误差、活动后回落误差和可用库存误差。若只说“预测偏差20%”，团队很难知道下次应调整流量假设、库存口径还是补货时点。
交期复盘也要按节点拆分：供应商准备、运输、清关、预约、收货和上架分别用了多久。将实际耗时与原计划对照，才能找到最值得改善的瓶颈。单独记录总运输时间，会把入仓排队或上架延迟藏起来。
仓库复盘应看峰值日处理量和订单结构，而不是只看活动期总出库数。如果订单行数增加、组合订单变多或异常件比例升高，下一次产能计划就应针对实际作业负担调整。
我会为每个商品保存活动日期、价格变化、流量和销量表现、预测区间、实际缺货时间、入仓节点、仓库处理表现及活动后库存消化速度。后续做同类活动时，可以用这份档案校准假设，而不是每次从零开始。
样本积累后，才适合判断某一类商品的活动提升是否稳定、哪种价格变化有效、哪个运输路线的时效波动最大。小样本时应保持谨慎，尤其不能因为一次高峰就把未来销量永久上调。
最后要记录“当时为什么这么决定”。例如选择控制活动库存，是因为补货赶不上，而不是因为需求不看好。保留决策背景，复盘时才能分辨判断失误和执行约束。
活动流量和海外仓管理真正要衔接的，不是两张表之间的一个库存数字，而是时间、状态和责任：订单何时可能发生，库存何时能变成可拣货状态，仓库何时能够完成处理，团队何时还来得及改变方案。
我会把最重要的判断浓缩成一句话：先判断活动期间能兑现多少，再决定要为多少需求备货。销量目标决定值得争取的机会，库存与履约能力决定实际承诺边界，活动后的消化能力决定这次备货是否划算。
下一步可以从一个活动、一个站点和少量SKU开始：统一商品编码与库存口径，按保守、基准、偏高情景测算，核对补货和入仓节点，确认仓库峰值处理能力，再设活动前复核点。活动结束后，将预测偏差和各段实际时效写回商品档案。做完这一轮，团队就能把“凭经验备货”逐步变成可复核、可调整、能解释的经营决策。
我做活动规划时，最担心的是报名后流量预估偏差，备货少了会断货，备多了又压库存。尤其是新品或历史活动数据不足时，我不确定该按日常销量还是活动预期来算。
先按活动预计曝光、点击率、转化率估算订单量，再乘以活动持续天数和单件购买量，得到需求预测；同时用相似商品、相近折扣活动的历史数据校准转化率。备货量可按“活动预测销量＋补货周期内的日常销量＋安全库存”计算，并扣除可售库存、在途库存和已分配库存。
缺少历史数据时，先用保守转化率做小批量测试，活动数据验证后再追加。
我遇到过活动已经排期，货物却还在运输或入库的情况，最后只能临时调整促销节奏。不同航线、清关和仓库上架速度差异很大，我想知道该用什么口径倒推补货时间。
用实际运输、清关、预约入仓和上架周期的近期数据倒推，而不是只看承运商标注的运输时长。启动补货的时间点应早于“预计活动开始日－端到端补货周期－缓冲天数”；缓冲天数可根据延误记录设定，并按周复盘。若货物无法在活动前完成上架，应将其从活动可售库存中剔除，避免用在途数量承诺销量。
我有多个商品同时参加促销时，常会遇到热门款抢占库存、长尾款库存周转变慢的问题。若只按报名数量平均分配，活动期间可能出现畅销款先断货、其他商品却卖不动。
先按商品的历史销量、毛利、库存周转和活动转化表现分层，再为各商品设定独立的活动库存上限与最低可售量。优先保障需求稳定、补货周期长且断货损失高的商品；对新品或转化不确定的商品采用小批量试投。分配后保留一部分未锁定库存作为机动量，并明确活动库存与日常订单的占用规则。
我不想等到活动结束才发现库存配置失误，所以会关注销售和仓库数据，但指标太多时很难判断该先处理什么。比如流量上涨但订单没跟上，或者销量正常却预计提前售罄，我不知道该采取哪种动作。
至少按日跟踪可售库存、销量、库存覆盖天数、转化率和取消率，并将实际表现与活动预测对比。若销量明显快于预测且补货来不及，应优先限制促销曝光或调整商品排序；若流量充足但转化偏低，先检查价格、商品页和配送承诺，不要仅凭流量增加就追加库存。
库存覆盖天数低于剩余活动天数与补货周期之和时，应立即触发补货或限量决策。
读者评论
把待上架和在途货单独列出来这点很实用。我们之前按总库存排活动，结果有一批货卡在入库预约，前台库存看着够，实际发货还是延迟。
需求做高低情景有帮助，不过活动后的销量回落幅度很难估。想知道文中是否建议用近几次同类促销的实际数据，定期修正回落假设。
仓库日处理能力确实容易被忽略，尤其多件订单会增加拣货和包装时间。除了订单数，按订单行数或实际工时做压力测试可能更接近现场情况。