去年第四季度，我接手过一个很典型的案子：一家做家居收纳的卖家，6 个店铺分布在 4 个平台，在售 SKU 大约 1200 个。他们的运营总监跟我说了一句让我印象很深的话，“我们的库存从来没缺过，但我们的爆款从来没断过货。”我把后台数据拉出来一看，恰恰相反：Top 30 的 SKU 里，有 9 个在过去 90 天中断货累计超过 21 天，同期滞销库存占比已经爬到 34%，长期仓储费单月涨到 2800 美元。
缺货和积压同时发生，这不是运气问题，是多店库存计划的结构问题。
这篇文章不复述补货公式，而是把我这几年的操作手册摊开：从核心结论，到真实崩盘场景，再到常见误区、判断逻辑、数据观察、行动建议和取舍。你可以直接拿着它去核对自己现在的多店库存流程，看哪一步是缺的。
很多团队一听到“多店库存协同”，第一反应是把几个店铺的库存数字加总，然后按总量去算补货。这是个看起来很合理、实际上必然出错的起点。多店库存计划的核心，不是总量够不够，而是每一层库存池的响应速度和成本结构是否匹配它面对的需求。
单店库存只有一层矛盾：备多了压资金，备少了断货。多店库存有三层矛盾：平台仓（如 FBA、海外仓）这一层备多了是仓储费和长期仓储费，海外仓中转这一层备多了是调拨效率损失，国内工厂这一层备多了是现金流压力和滞销风险。
这三个“备多了”的代价完全不同。亚马逊长期仓储费按每立方英尺按天计费，滞销 12 个月以后费用会跳档；而国内工厂备多了，你至少还有机会改包装、换店铺、转其他平台。所以判断库存够不够之前，先判断缺在哪一层，动作是完全不一样的。
我见过太多运营总监试图找到一个让 6 个店铺同时最优的库存分配方案。这个东西在数学上存在，在业务上不存在。原因很简单：每个店铺的流量节奏、平台规则、退货率、动销速度都不一样，你不可能同时满足。
真正能跑起来的多店库存计划，追求的是“全局可接受 + 关键店铺优先保供”。比如把 A 店（主力利润店）的断货率控制在 3% 以内，同时容忍 B 店的滞销占比到 15%。这个取舍必须在计划层面写死，而不是让采购和运营每天在群里吵。
这是我最想强调的一条。多店库存计划失败，80% 不是失败在算法，而是失败在口径：A 店的“可用库存”是否已扣除预留订单？B 店的在途库存算不算进补货点？C 店的海外仓库存和平台仓库存有没有重复计算？
我做过一次盘点，一个 5 店卖家，用 5 种不同口径统计“可售库存”，同一时点算出来的总数相差 18%。口径不统一，任何补货公式都是在给错误数据做精确计算。
很多团队把库存计划做成月度动作，但他们的广告投放是每天调的，促销是每周排的。计划频率和决策频率不匹配，就会出现“月初定的补货计划，月中已经被促销打乱”的情况。
我的建议是分频处理：日频看断货预警和库存异常，周频看补货点和调拨建议，月频看库龄结构和资金占用。三件事用三个节奏，不要混成一件事。
回到开头那家家居收纳卖家。我把他们的过程完整复盘了一遍，发现崩盘不是某一天发生的，而是连续 5 个月、每个月都做对了一件“局部正确、全局错误”的事。
他们的结构是这样的：亚马逊美国站 2 个店铺（主店 + 副店），亚马逊欧洲站 1 个，Shopee 2 个，TikTok Shop 1 个，另外还有一个独立站。库存分三处：国内工厂成品仓、美国海外仓、平台仓（含部分 FBA）。
补货由 2 个采购负责，各管 3 个店铺。运营端有 6 个人，每人负责一个店。数据分散在 6 个后台、3 张 Excel、1 个海外仓系统里。没有一个人能同时看到全部 6 个店铺的可售库存。
第 1 个月：美国站主店某款收纳盒卖爆，采购紧急空运补货 3200 件。这个动作没错，问题是副店同款还有 1100 件在平台仓，欧洲站还有 600 件。没人知道。
第 2 个月：Shopee 两个店铺做促销，运营各自申请备货，采购按两个独立需求分别下单 2000 件 + 1800 件。实际两个店铺共享同一批海外仓库存，真实需求只有 2400 件。
第 3 个月：欧洲站因 VAT 问题暂停销售 3 周，600 件库存在欧洲仓躺了 45 天，期间产生仓储费 400 多欧元。同期美国站主店因为缺货，BSR 从 300 名掉到 1400 名。
第 4 个月：为了清滞销，Shopee 两个店铺同时打 5 折，互相抢流量，最后两个店铺的毛利率都跌到 8% 以下。
第 5 个月：财务拉总账，发现总库存资金占用比 5 个月前涨了 62%，但 GMV 只涨了 9%。
我把这 5 个月的所有动作重新走了一遍，发现每一个单独的动作都合理：紧急空运合理，因为主店确实要断货；Shopee 各自备货合理，因为运营只看得见自己的店；清货打折合理，因为库龄确实超标。
问题是这些“合理”之间没有共同的事实基础。多店库存失控的本质，往往不是决策质量差，而是每个决策者看到的事实不一样。这也是我后来把“统一口径”放在所有库存动作之前的原因。
我前后帮 20 多个卖家看过库存流程，多店场景下翻车的理由高度集中。下面四个误区，几乎每个失败的方案里都能找到至少两个。
这是最常见的一个。假设 3 个店铺各设 300 件安全库存，总安全库存就是 900 件，这个算法在数学上成立，在风险管理上完全不成立。
安全库存的作用是对冲需求波动，而对冲能力来自库存的可调度性，不是数量。如果 3 个店铺的库存物理上分别锁在三个平台仓，不能互相调拨，那么 900 件就是对冲 3 份独立波动；如果 3 个店铺共享一个海外仓库存池，900 件能对冲的是合并后的波动，需要的量通常只有 550-650 件。
反过来说，如果你把 3 店的 900 件按共享池来算，但实际调拨要走 7 天、还有平台限制，那你就是在用不存在的灵活性做计划。
单店补货点公式是：补货点 = 日均销量 × 采购提前期 + 安全库存。这个公式默认了需求和供应是同一个主体的。
放到多店场景，你至少要回答三个新问题：这个 SKU 的需求要不要合并？合并后波动率是降低还是升高（不同店铺促销节奏不同的情况下，合并需求的波动率可能反而升高）？调拨算不算提前期？
我见过一个团队直接套用单店公式，结果在一个季节性品类上，合并需求后标准差从 42 涨到 68，安全库存反而设少了，旺季连续两周断货。合并需求不等于平滑需求，取决于店铺之间的相关性。
断货率是个平均值，平均值会隐藏结构。同样是 5% 断货率，断在排名第 1 的爆款和断在排名第 400 的长尾，代价差 50 倍以上。
爆款断货的代价不只是当天的 GMV，还包括排名下滑带来的自然流量损失、广告 ACOS 恶化、以及恢复排名需要的额外广告投入。长尾断货的代价基本就是那几单的毛利。所以多店库存计划的优先级排序，必须按“断货代价”而不是“断货概率”来做。
库存准确率 99% 说明你的账和实物对得上，不代表你的库存结构是健康的。我见过账实相符度极高、但库龄 180 天以上的库存占 41% 的账号。
健康的判断维度至少四个：周转天数、库龄结构、断货率、以及“可调拨比例”。前两个看存量质量，第三个看服务水平，第四个看多店协同的实际能力。准确是基础，健康是目标，两者不能互相替代。
| 误区 | 表面症状 | 真实后果 | 修正动作 |
|---|---|---|---|
| 安全库存简单加总 | 总量看着很安全 | 局部持续断货、局部持续积压 | 按可调度性重新定义库存池 |
| 套用单店补货公式 | 公式清晰、执行简单 | 旺季系统性欠备 | 先算合并需求的相关性再定安全库存 |
| 只看断货率 | 指标在改善 | 爆款断货损失被平均值掩盖 | 按断货代价做分层管理 |
| 混淆准确与健康 | 账实相符度高 | 资金被低效库存锁死 | 引入库龄结构和可调拨比例 |
讲完误区和代价，说我自己实际在用的判断框架。它不是一套软件功能，而是一套决策顺序：先分层，再看时间，最后排优先级。顺序错了，后面全错。
绝大多数团队的库存计划只处理一种需求：历史销量推算出来的预测值。但在多店场景下，需求至少有三层，而且它们应该对应不同的库存策略。
确定性需求：已有订单、已锁定的促销排期、预售、B2B 合同单。这部分应该 100% 备货，几乎不留缺口。
概率性需求：基于历史动销和季节性推算的日常销量。这部分用安全库存机制覆盖，允许一定比例的缺货。
机会性需求：突然的流量红利、竞品断货、平台活动临时邀请。这部分不能靠预测量，只能靠“可调拨余量”和“快速响应产能”来抓。
我在实际操作里会把 SKU 按这三层需求的比例分类：确定性占比高的 SKU 走深度备货，机会性占比高的 SKU 走小批量快返。把机会性需求当成概率性需求去备货，是多店库存里最贵的错误之一。
| 需求层级 | 典型来源 | 建议覆盖率 | 对应库存位置 |
|---|---|---|---|
| 确定性需求 | 已下单、已锁促销、预售、B2B合同 | 100% | 平台仓 + 海外仓直发 |
| 概率性需求 | 历史动销、季节性、类目趋势 | 92%-96% | 平台仓为主，海外仓兜底 |
| 机会性需求 | 流量红利、竞品断货、临时活动 | 不预设，靠调拨余量 | 海外仓缓冲 + 国内快返 |
多店库存计划的时间维度，不是一条“提前期”，而是三个互相嵌套的窗口。搞混这三个窗口，是补货计划“算得对但总是迟到”的根本原因。
交期窗：从下单到工厂出货，包括排产、质检、包装。这个窗口决定了你最少要提前多久做决定。
清关窗：从出货到入仓可用，包括海运/空运、清关、尾程、入仓预约。这个窗口波动最大，旺季可能翻倍。
动销窗：从这个 SKU 开始动销到进入衰退期的时间。快时尚品类可能只有 45 天，标品可能 18 个月。
关键判断是：如果交期窗 + 清关窗已经超过动销窗的 60%，这个 SKU 就不适合做深度备货，应该走小批量快返或多店共享库存池。这个阈值我用了三年，几乎没失手过。
可深度备货判断（经验规则）：
若 (交期窗 + 清关窗) ≤ 动销窗 × 0.6 → 可深度备货，按三层需求池分别设定覆盖率
若 (交期窗 + 清关窗) > 动销窗 × 0.6 → 只做小批量快返，主力靠共享库存池调拨
示例：
交期窗 = 22 天，清关窗 = 35 天，动销窗 = 80 天
22 + 35 = 57 > 80 × 0.6 = 48 → 不做深度备货
多店库存最日常的冲突就是调拨：一批库存只有 800 件，A 店说我要断货了，B 店说我在打促销，C 店说我在冲新品排名。谁先拿？
“哪个店急”这个标准几乎必然导致吵架，因为每个店都急。我的做法是把判断换成机会成本：在这个店多留 1 件库存，能带来多少边际毛利；缺这 1 件，会损失多少边际毛利和排名资产。
落到操作上，我会给每个店铺算一个“库存边际价值系数”，由三个变量构成：毛利率、断货后的恢复成本、以及该店对整体流量的战略价值。系数高的店铺优先拿库存，系数低的店铺接受缺货或者接受调拨出去。
这个系数不需要精确，排序正确就够了。我通常按 1-5 分打分，一个月校准一次。
不是所有多店都适合共享库存池。我的判断依据是三条：
三条都满足，做物理共享池；只满足第二、三条，做数据层共享（统一看板 + 统一决策）；三条都不满足，就老老实实做分店独立计划 + 总部审批。
前面讲的都是逻辑。逻辑要落地，必须有一层能承载统一口径的数据工具。我在这类项目里用得比较多的是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys），它承担的角色是多平台多店铺的数据归集与统一口径分析层，而不是替代采购判断。下面说三个我们实际改动的动作。
我们做的第一件事，是把亚马逊、Shopee、TikTok Shop 和海外仓的库存数据拉到一个统一结构里，字段包括：店铺、SKU、可售库存、预留库存、在途库存、在途到仓日期、库龄段、成本价、当前售价。
关键在于定义清楚三个口径：“可售”= 平台显示库存 − 已预留订单；“可用”= 可售 + 可调拨的海外仓库存；“可得”= 可用 + 在途且能在动销窗内到仓的部分。
这三个口径一分开，很多之前吵不清的问题自动消失了。比如运营说“这个店没货了”，采购说“明明还有 800 件”，答案通常是：800 件里有 500 件是在途，250 件是预留，真正可售只有 50 件。
之前他们每周看的是库存总量和库存金额，看完也不知道该干什么。改成库龄结构之后，判断变得直接：0-30 天、31-90 天、91-180 天、180 天以上四段，每段给出件数和金额。
我的经验阈值是：180 天以上占比超过 12% 就要启动清货评估；超过 20% 就要考虑下架和资金回收；而 0-30 天占比低于 25%，说明整体备货偏保守，可能有隐性断货风险。
这两个方向都要看。只看滞销会让人过度收紧，结果爆款断货；只看新鲜度会让人过度备货。库龄结构是唯一能同时暴露两个方向的视图。
第三个改动最省时间。之前 2 个采购每周花大约 12 小时在 Excel 里算补货量，实际算出来的结果经常被临时促销推翻。我们改成了系统出建议、人只做否决。
具体是：系统按统一口径算出每个 SKU 在各店铺的建议补货量和建议调拨量，标出触发原因（低于补货点、库龄超标、动销异常加速等），采购只处理两类，否决掉不合理的建议，以及处理系统没覆盖的特殊情况。
这个改动之后，采购在补货计算上的时间从每周 12 小时降到 3.5 小时左右。省下来的时间他们用来做一件更值钱的事：跟工厂谈返单排期。
这套改动在 6 店卖家那里跑了 3 个月。我把关键指标列出来，需要说明的是这是单一样本的实测，不是行业基准，你可以作为参考方向而不是目标值。
| 指标 | 改动前 | 改动后（第3个月） | 变化 |
|---|---|---|---|
| 多店库存汇总耗时 | 每周 6.5 小时 | 每周 0.8 小时 | −88% |
| 库存口径差异（同口径核算偏差） | 18% | 2.4% | −15.6pt |
| Top 30 SKU 断货率 | 13.1% | 2.9% | −10.2pt |
| 180天以上库存占比 | 34% | 17% | −17pt |
| 库存周转天数 | 87 天 | 64 天 | −23 天 |
| 月度长期仓储费 | 2800 美元 | 1150 美元 | −59% |
需要诚实地说：这三个月里，断货率的改善有大约一半来自口径统一后“看见了本来就在的库存”，另一半来自调拨规则。而周转天数的改善，主要来自滞销清理，不是来自补货变聪明。不要把所有改善都归因于工具，工具解决的是可见性问题，决策仍然靠人。
库存计划没有万能方案，只有匹配规模的方案。我按店铺数量和品类复杂度分成几档，你可以直接对号入座。
这个规模上系统是浪费。你要做的是三件非常简单的事：统一“可售库存”的定义；给每个 SKU 定一个补货点和一个封顶备货天数；每周固定一次 30 分钟的多店库存对齐会。
补货点和封顶天数不用算得很精细，先拍一个值跑一个月，用实际断货和积压情况反推修正。2-3 个店铺的库存总量通常不大，人工周频处理完全能覆盖。
到了这个规模，人工 Excel 就开始出现前面说的“口径漂移”。这个阶段的优先级是：先把 4-10 个店铺的库存数据归集到统一口径，再谈共享库存池和调拨规则。
顺序不能反。我见过直接上共享池、结果因为口径不一致导致库存被重复计算、多备了 30% 的团队。先集中数据，集中之后再谈物理协同。
这个规模靠 Excel 基本无法运转，不是因为算不过来，而是因为多币种、多时区、多平台字段差异会让口径维护变成全职工作。这个阶段必须有一层数据归集和分析能力。
选工具时我只看三个能力：能不能接多平台且字段映射可配置；能不能自定义口径（比如“可得库存”这种非标准字段）；能不能把分析结果直接变成可执行的建议清单。只做报表展示、不能落到执行清单的工具，在这个规模下价值有限。
最后一节讲取舍，因为库存计划本质上是一连串的交换，不是一连串的最优化。
这是最根本的取舍。备货覆盖率每提高 1 个百分点，断货率下降通常不到 0.5 个百分点，但资金占用会线性上升。当备货覆盖率超过 95% 之后，边际收益开始明显递减，你花的那 5% 资金买的是心理安全感，不是实际销量。
我的建议是把 95% 当作大多数标准品的上限，超过这个数就要有明确的理由，比如即将进入旺季、或者这个 SKU 是排名资产核心。
集中备货的优势是安全库存总量低、调拨灵活；劣势是单点风险高（一个海外仓出问题全店受影响），且调拨有时效损耗。
我的判断标准是：如果调拨时间 ≤ 动销窗的 15%，优先集中；15%-25% 之间做混合（畅销款集中、长尾分散）；超过 25% 必须分散。
我强烈建议保留人工否决权，但要把否决原因结构化。每次采购否决系统建议，必须选一个原因：促销计划未录入、供应端临时变化、竞品动作、其他。
如果“促销计划未录入”这个原因连续几周排在第一位，那问题不在算法，在流程，说明促销排期没有进入计划系统。人工否决的价值不是纠正算法，而是暴露流程漏洞。
空运补货的边际成本很高，但它的价值不是省钱，是保排名。我的做法是给每个店铺设一个“空运额度”，按月使用，额度用完之后必须用数据说明理由才能追加。
这个额度制解决了一个很现实的问题：如果没有额度，紧急空运会被滥用，因为每个运营都觉得自己最急；如果完全禁止，爆款断货又会造成不可逆的排名损失。
| 取舍维度 | 偏保守的选择 | 偏激进的选择 | 建议触发条件 |
|---|---|---|---|
| 资金 vs 断货率 | 覆盖率 92%，接受 5% 断货 | 覆盖率 97%，追求 2% 断货 | 毛利率 < 25% 选保守；排名资产核心 SKU 选激进 |
| 集中 vs 分散 | 单点集中仓 | 多区域分仓 | 调拨时间 / 动销窗 ≤ 15% 选集中 |
| 自动化 vs 人工 | 规则自动化 + 结构化否决 | 纯人工判断 | SKU 数 > 300 必须自动化；< 100 可人工 |
| 时效 vs 成本 | 海运为主 + 空运额度 | 空运为主 | 毛利 > 45% 且断货损失大时偏空运 |
最后给一份可以直接执行的 90 天路线图。它不是理论框架，是我在几个卖家那里实际跑过的顺序。
这个阶段不做任何优化，只做测量。三件事：定义可售/可用/可得三个口径；把全部店铺的库存数据归集到统一结构；算出当前的真实基线（断货率、库龄结构、周转天数、汇总耗时）。
前 30 天最常见的阻力来自运营端，因为他们担心数据透明之后会被问责。我通常会在启动会上明确一句：这个阶段的目的是找流程漏洞，不是找人负责。这句话对项目能否推进的影响，比任何技术方案都大。
基线有了之后，开始定规则：每个 SKU 的补货点、封顶备货天数、库存边际价值系数、调拨优先级规则、空运额度。
这个阶段的重点是“先跑起来再修正”。我见过太多团队在阈值上反复讨论，结果两个月过去了还没上线。我的做法是先拍一套初值，跑两周，用实际数据修正一次，再跑两周。
最后一个阶段是把规则固化进日常节奏：日频看断货预警，周频看补货和调拨建议，月频看库龄结构和资金占用。同时建立复盘机制，每次否决系统建议都记录原因。
到这里，多店库存计划才算真正跑起来。它不是一个项目，而是一个节奏。
回到最开始那家 6 店卖家。三个月后他们的库存总监跟我说，最大的变化不是省了多少钱，而是“开会不吵架了”。因为所有人看的都是同一张表，讨论从“我觉得”变成了“这个 SKU 的可得库存是多少”，会议时间从 90 分钟压到 35 分钟。
如果这篇手册只留一句话，我希望是这句：多店库存计划的难点从来不是算得准，而是让 6 个店铺的决策者面对同一个事实。工具解决事实的可见性，规则解决事实的一致性，人的判断解决事实的例外。三者缺一，计划就会在第三个月失效。
下一步你可以这样做：今天先确认一件事，打开你所有店铺后台，用同一个时点，统计“可售库存”的总量。如果三个渠道算出来的数差超过 5%，那你现在最该做的不是优化补货公式，而是先把口径统一起来。统一之后，前面所有的方法才有落地的土壤。
读者评论
统一口径这条确实戳中痛点。我们4个店，光“可售库存”就有三种算法，运营看后台、采购看进销存、财务看总账，每次对账半天。但我想追问的是，口径统一之后怎么保证执行不走样？我之前推过统一模板，两个月后运营又各自偷偷加备注列，慢慢就散回原样了。工具能解决的问题可能只占一半，剩下的是纪律。
成本拆解有参考价值，但28万/月是按年GMV3000万算的，中小卖家没这个体量，感受不到量级，反而更容易忽略人工核对这类隐性成本。另外跨店调拨成功率76%这个数，我们实际的最大堵点不是数据口径，而是平台仓根本不允许跨店调拨，海外仓的灵活性我觉得被高估了。