2023年11月，我在深圳龙岗见了一个做家居收纳类目的跨境卖家。团队不到30人，年GMV大概1.4亿，亚马逊加独立站再叠加一个东南亚平台。聊到黑五备货，运营负责人很自信地跟我说：今年我们把预测模型换成了新的，MAPE从38%降到22%，黑五肯定稳了。三个月后他给我打电话，1月份的库存周转天数从68天飙到121天，三个海外仓的仓储费单月多花了11万，现金流紧到要延后一批新品的开模。

问题出在哪？不是预测不准。恰恰相反，他们那年的预测其实比往年准，大盘销量预估偏差只有9%。真正的问题是：预测出来的数字，没有变成一张”谁在什么时间、按什么规则、补多少货、钱从哪出”的计划表。预测是输入，计划是决策，这两件事之间隔着一条很宽的沟。这篇内容我想把这条沟怎么填讲清楚，包括我参与过的改造项目里真实踩过的坑、真实的数字变化，以及在什么阶段该用什么颗粒度的方案。

一、先说结论：库存计划的瓶颈不在算法，在计划能否按节奏落地

我做了几年跨境电商的运营和供应链改造咨询，见过太多团队把库存问题定义成”预测精度问题”。这个定义一旦错了，后面所有的投入方向都会偏。所以先把结论放在最前面。

1. 我观察到的三个反常识现象

现象一：预测精度提升到一定程度后，对库存结果的边际改善急剧衰减。我做过一个粗略的回归：在SKU分层做得比较粗的团队里，MAPE从40%降到25%，缺货率大概能从14%降到11%；但从25%再降到15%，缺货率可能只从11%降到9.5%。原因很简单，后半段的误差主要来自前置时间波动、平台仓入库预约、清关滞留这些”预测之外”的变量。

现象二：同一个团队，换了一套更贵的计划系统，库存周转天数反而变长了。这不是系统的问题，是”计划的人”没变。原来靠运营主管拍脑袋补货，现在变成在系统里拍脑袋补货，只是拍脑袋的动作被记录下来了。

现象三：库存问题最严重的团队，往往不是没有数据，而是有七八套互相打架的数据。ERP里一个库存数，平台后台一个可售数，海外仓服务商给的一个在途数，财务台账又是另一套。开会的时候四个人报四个数，会开完了事也没定。

2. 三个可以直接拿走的结论

第一，库存计划改造的第一优先级是SKU分层与责任归属，不是预测算法。先回答”哪些SKU值得花人力精细管、哪些只做规则化补货、哪些直接清仓”，这个问题不解决，后面的所有精细度都是浪费。

第二，前置时间数据的准确度，比销量预测的准确度更值钱。我建议把改造预算的一半以上放在前置时间的采集、分段和监控上：工厂生产天数、头程运输天数、清关天数、平台仓收货上架天数，这四段必须分开记录，不能合并成一个”到货周期”。

第三，落地靠的是”周节奏 + 异常清单”，不是”月度大会”。月度会议解决不了库存问题，因为库存是每天都在变的。真正有效的机制是：每周固定时间跑一次计划，产出一张不超过30行的异常清单，每条异常有明确的人和截止日。

3. 为什么用”改造”而不是”优化”更准确

优化是在现有框架里调参数，改造是换框架。库存计划在跨境电商里之所以需要”改造”，是因为它天然横跨四个部门：运营（看销量和排名）、采购（看工厂产能和付款条件）、物流（看船期和仓位）、财务（看现金流和账期）。

只要这四个部门还在用各自的表格和各自的月份口径说话，任何单点优化都会被组织摩擦吃掉。改造的核心动作，是把这四个部门拉到同一张表、同一个时间颗粒度、同一套责任规则上。

二、真实场景：跨境电商库存为什么总在”救火”

要理解改造难度，先得承认跨境电商的库存计划和国内电商不是一回事。国内电商的前置时间通常以天为单位，跨境是以周甚至月为单位，而且波动大。这个差异会改变整个计划逻辑。

1. 四个跨境特有的约束条件

约束一：前置时间长且分段波动。海运快船大约25到35天，慢船40到55天，旺季还要加。工厂生产7到25天不等，看排期。清关3到10天。平台仓预约入库在旺季可能排队7到14天。这几段加起来，一款新品从下单到可售，两个月是常态。

约束二：补货是”批量 + 长间隔”，不是”小批量 + 高频”。因为头程成本高，大多数卖家不会为一周的销量单独发一批货。这就意味着每一次补货决策的容错空间很小，补多了压资金，补少了断货，而断货带来的排名下滑可能需要两三周才能恢复。

约束三：退货、损坏、平台仓丢失会持续侵蚀账面库存。我见过一个服饰类目卖家，账面上有1.8万件可售库存，实际能卖的不足1.5万件，差额来自退货待处理、质检不合格、平台仓差异理赔中。这3000多件的差异，财务报表上没体现，但补货决策是踩在真实库存上的。

约束四：汇率、关税、平台费率变动会改变”该不该补”的答案。一款产品的到岸成本如果在两个月内涨了6%，原来算出来划算的补货量可能就不划算了。库存计划必须能快速重算，而不是等季度复盘。

2. 我看到的典型现场

印象最深的一次，是在一个卖家办公室待了整整一个下午。运营主管打开ERP看库存，采购主管打开另一个系统看在途，物流同事打开邮件找货代给的最新船期，财务同事打开自己的Excel算账期。四个人四个数，讨论了一个多小时，最后结论是”下周一再对齐一下”。

这不是能力问题，是结构问题。当”事实”需要靠开会来对齐时，任何计划都只能是短命的。而更麻烦的是，这种对齐成本会随着SKU数量增加而指数级上升。100个SKU还好，1000个SKU的时候，一个下午根本讨论不完。

3. 数据都在，但”计划”不在

我经常用一个判断来快速评估团队的库存计划成熟度：能不能在30分钟内回答”未来8周，哪些SKU会缺货、哪些会积压、分别涉及多少钱”。

能回答的团队，通常已经有了一套稳定的计划机制；回答不了的团队，通常有大量数据但缺少一张”面向未来”的表。ERP擅长记录过去，卖了多少、库存多少、入库多少；它不擅长回答未来，按当前节奏，第5周会缺哪些货。

这个”面向未来”的能力，只能靠计划层来补。ERP和计划层不是替代关系，是分工关系。很多团队以为换个更强的ERP就能解决库存计划，这个预期本身就是误差来源。

三、四个高频误区，每一个我都见过真实代价

下面这四个误区，几乎在每个改造项目的前期都会出现至少两个。我把它们的表现形式和真实代价都写出来，方便你对照自查。

1. 误区一：先上预测模型，再考虑计划流程

这个误区的表现形式是：团队花两三个月选型、调参、做回测，最后交付一个MAPE很漂亮的模型，但没人知道怎么把它变成采购单。

我见过一个团队，模型跑得很好，但补货决策依然靠运营主管的”感觉 + 上周销量”。问原因，回答是”模型给的是总需求，但我们要按柜量凑整，凑着凑着就变了”。这就是典型的流程缺位，从需求预测到实际下单之间，需要一层明确的”整单规则”：最小起订量、整柜凑数、混装规则、供应商交期约束。

我的判断是：在计划流程没跑通之前，不要碰复杂模型。用移动平均加人工调整，只要周节奏稳，效果往往好过一个没人用的高级模型。

2. 误区二：安全库存用固定系数

很常见的做法是”安全库存 = 30天销量”，或者”安全库存 = 前置时间销量的1.5倍”。这个做法在SKU少、供应链稳定的时候能用，规模一大就崩。

原因在于，安全库存的本质是对”不确定性”的缓冲，而不确定性是分段的。工厂端的不确定性、运输端的不确定性、需求端的不确定性，三者叠加的方式决定了缓冲要放在哪一段。

举个具体的例子：一款产品需求很稳定（周销量标准差只有8%），但工厂交期波动很大（15天到35天）。这种情况下，把安全库存堆在海外仓是低效的，你应该做的是备一点原材料或者在工厂端锁定产能，而不是在海外仓压两个月的货。

反过来，如果工厂交期很稳但需求波动大（比如做节日品），那海外仓的缓冲就是必要的。安全库存应该按”哪一段更不确定”来分配，而不是统一按天数折算。

3. 误区三：用库存周转率单一指标考核

库存周转率是个好指标，但单独用它考核会催生两个坏行为。

行为一是砍SKU。为了让周转率好看，把长尾SKU全部清掉。结果是客单价下降、关联购买减少，整体毛利反而变差。长尾SKU的价值不在于自身周转，而在于它带来的购物车组合和店铺权重。

行为二是压安全库存。把缓冲削到极限，短期周转率上去了，一旦出现船期延误或平台仓排队，立刻断货。

我更推荐用一组指标组合来考核：库存周转天数（看效率）、缺货率（看服务水平）、滞销库存占比（看健康度）、库存资金占用（看现金效率）。四个一起看，才不容易变形。

4. 误区四：换了工具，没换会议

这是最容易被忽略，也最致命的一个。系统上线了，看板做得很好看，但会议结构没变，还是月度复盘会、还是各报各的数、还是讨论完没有责任人。

我的经验是：工具上线必须伴随会议节奏的重新设计，否则工具会在三个月内退化成”另一个报表系统”。

具体要做三件事：把月度大会拆成周度短会（不超过45分钟）；会议只讨论异常项，正常项默认通过；每条异常必须有责任人和截止日，并在下一次会议上回顾闭环情况。

四、专业判断逻辑：库存计划四层推进模型

前面讲了问题和误区，这一节讲我实际用的推进框架。这个框架我前后在十几个项目里调整过，现在的版本是四层：口径层、分层层、节奏层、异常层。顺序不能颠倒，跳层通常会返工。

1. 口径层：让所有人说同一个数

口径层要解决的问题是：什么叫”可用库存”、什么叫”在途”、什么叫”缺货”。

我通常会给出一份口径定义表，至少要覆盖这些项：可用库存 = 平台可售 + 海外仓可发 – 已占用未发货 – 待处理退货；在途库存按启运、在途、清关中、待上架四段分开记录；缺货的定义要区分”完全断货”和”低于安全水位”。

这一层看起来最枯燥，但收益最大。我做过统计，在库存口径没统一的团队里，跨部门库存数字差异普遍在8%到20%之间。差异20%意味着什么？意味着你所有的补货公式都在一个有20%误差的输入上运行。

2. 分层层：把SKU按”值得管”的程度分开

分层不是为了好看，是为了分配有限的人力。我一般用两个维度：销量贡献（用帕累托分布看）和需求波动性（用变异系数看）。

分成四类之后，策略是完全不同的：

• A类高销低波动：规则化补货，系统自动建议，人只做确认。目标是不断货。
• B类高销高波动：人工重点跟进，每周看，需要多段缓冲和更短的补货间隔。
• C类低销低波动：拉长补货周期，允许一定缺货，集中批量补。
• D类低销高波动：严格控制，小批量试，设定清仓触发条件。

分层的价值在于：让80%的SKU走规则，让20%的SKU走人力。不分层的团队，往往是所有人都在管所有SKU，结果是最该管的没管好。

3. 节奏层：把计划变成固定动作

节奏层的核心是”什么时候做什么事”。我一般建议这样的周节奏：

1. 周一上午：数据刷新，跑出未来8周的库存展望（缺货预警、积压预警）。
2. 周一下午：采购与运营一起过异常清单，确认补货动作和优先级。
3. 周二：采购下单、物流锁仓位、财务确认付款节奏。
4. 周三到周五：执行，中途产生的临时问题走例外通道。
5. 下周一：回顾上周异常闭环率。

这里最关键的是把”计划”从一件需要临时发起的事，变成一件固定发生的事。很多团队的问题不是不会算，而是没人固定去算。

4. 异常层：把注意力集中在真正需要判断的地方

异常层是我最看重的一层。一个健康的库存计划机制，每周产出的异常清单不应该超过30行。如果超过50行，说明前面的分层做得太粗，或者阈值定得太紧。

异常要分级：红色（7天内可能断货且无在途）、橙色（14天内低于安全水位）、黄色（积压超过90天且无促销计划）。不同级别对应不同的响应时限和责任人。

记住一句话：计划机制的好坏，不看它能算出多少数，看它每周能让你少开几场会。

5. 一段可以直接拿去用的校验逻辑

在口径层落地时，我通常会先写一段数据校验代码，用来找出各系统之间的库存差异。这段逻辑很朴素，但能快速暴露问题。

# 跨境电商多源库存校验（示意代码）
目的：找出 ERP / 平台后台 / 海外仓 三方库存的口径差异

def reconcile_inventory(snapshot):

"""

snapshot: 每行包含 sku, erp_stock, platform_available,

warehouse_available, in_transit, returned_pending

"""

results = []

for row in snapshot:

口径A：可用库存 = 海外仓可发 + 平台在售仓可售

usable = row["warehouse_available"] + row["platform_available"]

口径B：ERP 账面库存

book = row["erp_stock"]

口径C：可动用的真实库存 = 可用 + 在途 - 待处理退货占用

real = usable + row["in_transit"] - row["returned_pending"]

diff_rate = abs(book - real) / max(book, 1)

results.append({

"sku": row["sku"],

"book": book,

"real": real,

"diff_rate": round(diff_rate, 4),

"flag": "REVIEW" if diff_rate > 0.08 else "OK"

})

return sorted(results, key=lambda x: -x["diff_rate"])

输出后优先处理 diff_rate 排名前 10% 的 SKU

经验值：差异率超过 8% 的 SKU，补货决策基本不可信

这段逻辑跑完，通常会发现差异集中在几类SKU上：退货率高的、平台仓有差异的、多店铺共享库存的。先把这几类挑出来单独处理，整体差异率往往能降一半以上。

五、落地案例：1200个SKU的卖家如何从月度救火走到周度闭环

这是我自己跟得最完整的一个项目，从2023年12月介入到2024年5月基本稳定，中间经历了不少反复。我把过程和数据都写出来，包括失败的部分。

1. 案例背景与改造前基线

卖家做家居收纳类目，产品线大约1200个活跃SKU，其中真正有销量的约700个。渠道有三个：亚马逊北美、独立站、东南亚某平台。仓库结构是：国内工厂直发、两个海外仓（美西、美东）、一个东南亚本地仓。

改造前的基线数据：库存周转天数121天（2024年1月数据）、缺货率（低于安全水位按SKU数计）16%、滞销库存（超过180天未动销）占总库存金额19%、计划会议每月一次每次约3小时、跨部门库存数据差异最大达22%。

2. 第一阶段：口径统一（约5周）

这5周基本没动业务，全在做口径。我们先拉了一份全量SKU清单，把ERP、两个海外仓服务商报表、三个平台后台的数据全部对齐到SKU × 仓库 × 日期这个颗粒度上。

过程中暴露的问题比预想的多：同一个SKU在不同平台用了不同编码；海外仓给的是”入库件数”，没有减去已出库未同步的部分；独立站的退货是独立的系统，从来没有进过库存台账。

第一阶段的产出是一份口径定义文档和一张对账表。这一阶段结束时，跨部门库存数据差异从最高22%降到了4.8%。这个数字看起来不起眼，但它是后面所有工作的地基。

3. 第二阶段：SKU分层与策略绑定（约6周）

我们用销量贡献和波动性把700个有销量的SKU分成了四类。分层之后立刻发现一个有意思的事实：这家公司过去80%的管理精力花在了D类SKU上，也就是滞销且波动大的那些。因为运营每周都在讨论”这批货怎么清”，反而没人系统性地看A类的补货节奏。

分层之后我们做了两件事：一是给A类和B类SKU设定明确的补货规则和负责人；二是给D类SKU设定清仓触发线（超过90天无动销即进入清仓流程，超过150天强制处理）。

第二阶段是最容易反弹的阶段。清仓触发线刚上线的时候，运营团队抵触很大，因为有些D类SKU是老板当年看好的新品，情感上不愿意承认失败。最后是靠数据说服的：我们算了一笔账，这些SKU占用的仓储费和资金成本，一年相当于公司净利润的14%。

4. 第三阶段：周节奏与异常清单（约8周）

第三阶段是机制落地。我们做了几件事：把月度计划会拆成每周一45分钟的短会，会议只过异常清单；把异常定义为红橙黄三级；建立闭环追踪，每条异常必须有责任人和截止日。

前两周基本是混乱的，异常清单有80多行，开一次会要两个小时。第三周我们调整了阈值，把预警窗口从14天扩展到21天，清单降到40行左右。第五周开始稳定在25到30行。

这个阶段最大的收获不是数字，而是团队开始有了”下周的库存长什么样”这种预判意识。以前是问题发生了才反应，现在能提前两三周看到。

5. 数据结果

到2024年5月，也就是改造开始约5个月后，核心指标的变化如下表。需要说明的是，这期间也叠加了产品结构优化和头程策略调整，所以不能把所有改善都归因于库存计划改造，我保守估计其中60%左右是机制带来的。

特别说明一下最后一行。缺货损失销售额是用”缺货SKU × 缺货天数 × 日均销售额”估算的，属于下限估算，因为断货还会带来排名下滑的滞后影响。这一项的改善金额，是整套改造里最大的一块。

6. 工具选型上的一个判断：为什么这类项目适合用数跨境这类平台

这个项目的数据层我们最后选的是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）。选择理由不是功能最多，而是它解决了一个很具体的问题：多平台、多海外仓的库存数据要先能拼到一张表上，后面的分层和预警才有意义。

改造前这家卖家的痛点是数据分散在三个平台后台和两个海外仓服务商系统里，每次对齐要人工导五次表。数跨境这类跨境电商数据平台的价值在于把这个拼表动作自动化了，团队成员看到的是同一份库存视图，不用再花时间争论”这个数对不对”。

它还能做库存周转和滞销结构的持续跟踪，这正好对应我们改造里的第三阶段，周节奏需要每周固定刷新同一组指标。如果用人工每周导一次表，这个节奏很难坚持超过两个月，我见过太多团队在第6周就放弃了。

说句实在话，工具不是这个项目成功的关键，机制才是。但机制要跑得久，必须有工具把重复劳动接过去。我的判断标准是：如果一套工具能让你每周省下4小时以上的手工导表时间，它就值得上；如果不能，先别买。

顺带提一句，库存计划产生的大量待办（补货审批、清仓执行、供应商沟通）我们是通过某项目管理工具做任务流转的，让每条异常都有明确的负责人和截止日。工具之间各管一段，不要指望一个系统包打天下。

六、不同情况下的行动建议

库存计划改造没有通用方案，规模、渠道结构、物流模式不同，优先级完全不一样。下面按几种常见情况给建议。

1. 年GMV 3000万以下：先做口径，别买系统

这个阶段的团队通常5到10人，SKU可能几百个，但真正贡献销量的不到100个。我的建议是：不要上任何复杂工具，先用一张表把口径固定下来。

具体做法：建一张SKU维度的主表，字段包括可用库存、在途（分段）、安全水位、负责人。每周固定时间更新一次，按安全水位排序，只看前20行。这套做法用Excel就能跑，成本几乎为零。

这个阶段最该做的事是培养”每周看一次未来库存”的习惯，而不是追求精度。习惯比精度重要，因为精度可以后补，习惯要一开始就立。

2. 年GMV 3000万到2亿：做分层，建周节奏

这个区间是最需要系统化改造的。团队通常20到50人，SKU上千，多平台多仓。手工作业已经开始失效，但还没到必须自研的程度。

建议的动作顺序是：先统一口径（4到6周），再做SKU分层（4到6周），然后建立周节奏（持续）。工具层面可以考虑引入跨境电商数据类平台，把多平台多仓数据拼到一张表上，减少人工导表。

这个阶段最容易犯的错是”一步到位”，想一次性把所有SKU都管精细。我的建议是先管住前20%的SKU，也就是贡献80%销售额的那部分，把机制跑顺了再往下铺。

3. 年GMV 2亿以上：机制 + 系统 + 组织三件事同时做

这个规模下，库存计划已经不是运营部门能独立承担的事了，需要供应链或者专门的计划岗位。通常会设一个3到5人的计划小组，负责数据、规则、异常跟踪。

系统层面，简单的数据平台可能不够，需要考虑计划系统的对接能力，尤其是能否和ERP、WMS做数据打通，以及能否承载多组织、多主体的结算逻辑。

组织层面，最关键的是把库存相关指标写进相关部门负责人的考核里。我见过几个团队，机制做得很好，但因为采购只考核到货及时率、运营只考核销售额，最后库存指标没人真正负责，机制慢慢就空了。

4. 单平台 vs 多平台：复杂度差异很大

单平台卖家的库存计划相对简单，因为只有一个库存池、一套补货规则。主要挑战是平台仓的入库预约和库容限制。

多平台卖家的复杂度来自”共享库存”问题。同一批货可能同时在多个平台售卖，一个平台卖多了，另一个平台就断货。解决这个问题的关键不是更复杂的算法，而是明确分配规则，比如海外仓库存的60%预留给主平台，40%给其他渠道，低于阈值时触发分配调整。

5. 海运为主 vs 海外仓为主：缓冲位置不同

纯海运直发的卖家，缓冲主要放在国内工厂端和头程在途上，需要考虑的是产能锁定和船期选择。海外仓为主的卖家，缓冲放在海外仓，需要考虑的是仓储成本和库容限制。

混合模式的卖家常犯的错是两边都设缓冲，导致总库存虚高。我的建议是按SKU的价值密度来分配：高价值密度、高周转的走海外仓备货；低价值密度、低周转的走海运直发，接受更长的交期。

七、不同情况下的取舍：没有全都要的方案

改造过程中最难的从来不是”该做什么”，而是”放弃什么”。下面这几组取舍，我几乎在每个项目里都要和团队争论一遍。

1. 精度与速度：早期选速度

追求高精度需要更完整的输入数据、更长的准备时间和更复杂的模型。但库存问题的窗口很短，等你把精度做上去了，旺季可能已经过了。

我的建议是：改造的前三个月，接受粗糙但稳定的方案。用移动平均加人工调整，先把周节奏跑起来。等节奏稳了，再逐步提升精度。反过来做，通常是模型做完了，没人用。

2. 集中与分散：看团队成熟度

集中化（所有补货决策由计划岗统一做）的好处是标准一致、效率高；坏处是前线反馈慢，容易脱离市场感觉。分散化（各渠道自己决策）的好处是灵活；坏处是共享库存容易打架。

我的判断标准是团队成熟度：如果团队还没有稳定的计划习惯，先集中，把标准立起来；如果已经有成熟的计划岗和清晰规则，可以适当放权给渠道，但库存分配规则必须由计划岗统一制定。

3. 自研与采购：算清总拥有成本

自研的好处是贴合业务，坏处是维护成本高、离职风险大。我的经验是，跨境电商的库存计划逻辑相对标准化，自研的边际收益不高，除非你有非常特殊的业务模式（比如定制品的预售模式）。

核算总拥有成本时，不要只算开发工时。要算上后续的维护、数据接口变更、人员离职后的交接成本。我见过一个团队自研的库存系统，开发花了4个月，后来因为换平台API，又花了2个月重做对接。

4. 库存深度与缺货率：本质是现金和机会的交换

这是一个典型的权衡：库存深，缺货率低，但资金占用高；库存浅，资金效率高，但缺货风险大。

我的判断依据是缺货的边际损失与库存的边际成本之比。如果一款产品断货一天的销售损失，加上排名下滑的滞后影响，超过它多备一周库存的资金成本，就应该加深库存。反之则应压缩。

这个判断不能凭感觉，需要把数据算出来。我建议每季度做一次测算，把损失和成本都量化，让决策有依据。

5. 一次性大改与渐进改造：我倾向渐进

一次性大改的好处是见效快、气势足；坏处是风险集中，一旦某个环节出错，整个改造可能被推翻。

我倾向渐进式：先选一个渠道或者一个品类做试点，跑3个月，验证机制有效后再推广。试点的价值不只是降低风险，更重要的是积累”我们团队能做到”的信心。库存计划改造本质是组织行为改变，信心比方案重要。

八、总结：库存计划改造的三条底线，以及你的下一步

把前面的内容收一下。如果只记三件事，我建议记这三条。

第一，口径统一是唯一没有捷径的一步。所有跳过口径直接上模型的尝试，最后都会回到这一步。跨部门库存数据差异只要还超过10%，任何补货决策都是在噪声上做文章。

第二，机制靠周节奏和异常清单，不靠会议规模。一周45分钟、30行异常、每条有责任人和截止日，比一个月开3小时的复盘会更有效。

第三，人力和工具要匹配阶段。3000万以下别买系统，先把习惯立起来；3000万到2亿做分层和工具拼接；2亿以上才考虑计划岗和系统对接。用错阶段的方案，比不做更耗人。

关于下一步，我给一个具体的、可以这周就动起来的建议：明天花两小时，把ERP库存、平台可售、海外仓可发这三个数字拉出来对一遍，算一下差异率。

如果差异率超过8%，那你现在的第一优先级就是口径统一，其他都往后放。如果差异率在5%以内，那你已经具备做分层的基础，下一步是找出贡献80%销售额的那20% SKU，给它们单独设定补货规则和负责人。

《跨境电商运营改造重点：从库存计划推进落地案例》这个标题里，”落地”两个字是全文的重心。我见过太多团队把库存计划当成一个技术问题来解决，最后发现真正的难点在于让二十几个人在同一套口径、同一个节奏下工作。这件事没有捷径，但有方法，而且一旦跑通，它带来的现金流改善通常比优化选品和投放更直接。所以别等下一季度，从这周的对账开始。

免费注册

咨询方案

扫码咨询方案