2024年10月中旬，一个做家居收纳的卖家把后台截图发给我：主力款在10月8日断货，直到11月5日才恢复上架，整个黑五网一的预热期全部错过。同一时间，他在美国海外仓的滞销库存金额是43万元，占总库存金额的38%。断货和滞销同时发生，这不是运气差，这是库存计划的结构性故障。
这件事之后我回头梳理了自己经手过的十几个跨境库存项目，发现一个很稳定的规律：凡是增长卡住的卖家，问题极少出在流量端，绝大多数出在”卖得动的货没有可售天数，卖不动的货占着现金”这个结构上。流量投放是可以加预算解决的，库存结构不行，它需要90天的提前量和一套明确的决策规则。
所以这篇文章不打算讲”如何把销量预测做得更准”，那是教科书视角。我想讲的是：在信息滞后、物流滞后、资金滞后这三重时差之下，库存计划怎么用一套可执行的分层规则，去承接增长策略。文中会用到我自己跑过的数据、踩过的坑，也会以”数跨境”为例说明一套可落地的数据口径搭建方式。
大部分卖家把库存计划当成”后勤”，增长策略当成”前线”。这个切分本身就是错的。增长策略要落地，必须回答一个供给问题：当流量把订单推上来的时候，货在不在正确的位置、正确的时间、正确的成本上。回答不了，增长策略就只是一份PPT。
我先把五个核心结论放在前面，后面的章节都在解释它们是怎么来的。
“零断货”是一个在商业上不成立的目标。要追求零断货，你必须为每一个SKU准备足够覆盖最坏情况的库存，结果是资金被彻底锁死。真正可执行的目标是：让断货损失加上滞销损失的总和，占毛利的比例控制在一个明确阈值之内。
我自己的经验阈值是这样的：平销期，这两项损失合计不应超过毛利的8%；旺季前后两个月，可以放宽到15%，因为旺季的缺货机会成本远高于平时。这个数字不是行业标准，是我从实际损益表里倒推出来的，你在自己的业务里也需要倒推一遍。
我见过太多卖家月投50万广告，结果主力款可售天数只有11天，补货周期是45天。这种情况下，广告投得越多，断货越快，链接权重掉得越狠。表面看是流量问题，实际是可售天数结构问题。
健康的可售天数结构应该是有梯度的：头部款保持在补货周期的1.5，2.5倍，腰部款1，1.5倍，长尾款允许低于1倍甚至主动清退。全部拉平到同一个水平，就等于把资金平摊给了不该拿钱的SKU。
国内电商的库存计划相对简单，因为工厂到仓库可能只要3天。跨境不一样，从你决定补货到货真正可售，中间要塞进采购排产、验货、头程、清关、尾程入仓、上架，任何一个环节抖动都会传导到可售天数上。这就是第一性约束：你所有决策依据的数据，本身都是过期的。
我做过一组对照测算。同样是3000个SKU、月销800万的盘子，把预测误差从30%降到20%，毛利改善大约1.2个百分点；而把SKU按资金效率重新分层、给不同层级配置不同的补货规则，毛利改善是4.7个百分点。预测精度是线性收益，分层决策是结构性收益。
很多团队把90%的精力投在”把预测做得更准”上，这是方向性错误。跨境的不确定性来自链路而不是需求本身，链路压不下去，预测再准也没用。
库存计划真正管理的对象，是”未来90天要占用多少现金、什么时间回笼、周转几次”。仓库只是这笔现金的物理载体。当我把KPI从”库存准确率”换成”库存资金周转次数”之后，团队的决策质量立刻变了，他们开始主动砍SKU，这在以前是不会发生的。
要理解库存计划该怎么做，得先看清楚它是怎么坏的。我按时间线拆一下这几年跨境库存环境的变化，再给一个具体卖家的现场数据。
2021年海运价格暴涨，那时候的稀缺资源是舱位和货，只要能把货运出去就有利润，库存计划等同于”抢舱位”。2022年平台开始限制库容，逻辑变成”在有限库容里塞最高效的SKU”。2023，2024年全托管、半托管兴起，价格被平台压平，库存计划的核心从”多备”转向”备得准”。到了2025年，关税和合规成本波动加剧，库存计划变成了一个典型的风险定价问题：你愿意为多高的确定性支付多少溢价。
这个演进意味着，那些在2021年靠”多备货”跑出来的经验，现在直接照搬是有害的。环境变了，规则必须重写。
我去年接手诊断的一个卖家，年销约3000万，主营厨房小工具，SKU数量接近2400个，分布在亚马逊美国站、欧洲站和独立站。第一次拉数据的时候，我做了三张表：SKU维度、仓库维度、时间维度。
结果很典型：销量前12%的SKU贡献了71%的销售额，但同时只占用了34%的库存金额。而后35%的SKU贡献不到6%的销售额，却占用了41%的库存金额。也就是说，这家公司把将近一半的现金，压在了一群几乎不产生收入的产品上。
绝大多数卖家做旺季计划的方式是”从今天往后推”，这是错的。正确做法是从目标销售日往回倒推每一个截止节点，并且把每个节点的容错时间显式写出来。
我以前带团队时有个硬性规定：旺季备货计划表上，每一个节点后面必须写两个日期，计划完成日和最晚完成日。超过最晚完成日就触发降级预案，也就是砍量或者改运输方式。
2023年之后，我接触的卖家里有超过六成同时经营三个以上渠道：亚马逊、TikTok Shop、Temu、SHEIN、独立站。多平台本身是增长策略，但它对库存计划的冲击被严重低估了。
问题在于库存池的粒度变了。以前你只需要回答”这个SKU备多少”，现在你要回答”这个SKU在哪个平台、哪个仓、备多少，并且能不能互相调拨”。更麻烦的是各平台的数据口径完全不同：亚马逊的”可用库存”、独立站的”可售库存”、海外仓系统里的”在库数量”，这三个数字经常差出20%以上。
口径不统一，后面所有的补货计算都是在错误的基础上做精确。这也是我在项目里坚持”先统一数据口径、再谈模型”的原因，后面第五部分会用数跨境的做法做具体说明。
下面这七条，是我在项目里反复见到的。每一条我都标注了它通常造成的代价量级，你可以对照自查。
这是最普遍的做法，也是最贵的做法。它的隐含假设是”未来会和过去相似”，但在跨境场景下，广告预算、平台流量分配、竞品价格、季节性这四件事任何一个变化，都会让这个假设失效。
更致命的是它忽略方差。两个SKU上个月都卖了1000件，一个是每天稳定33件，另一个是集中在三天卖出900件，它们的补货策略应该完全不同。只算均值不算方差，是库存计划里最隐蔽的系统性错误。
“我们库存周转是4.2次/年，还行”，这句话我听过太多次。周转率是一个平均值，平均值的好处是好看，坏处是它把问题盖住了。
真实情况往往是：头部SKU周转8次以上、经常断货，尾部SKU周转0.6次、常年不动。平均下来4次多，看起来很健康，但两头的钱都在漏。
海外仓的意义是缩短尾程时效、提升转化率，不是”把货运出去就不算库存了”。我见过卖家把海外仓当作心理安全垫，一有促销就大批量发过去，结果仓储费、长期仓储附加费、超期处理费加起来吃掉全部毛利。
海外仓的库存必须比国内仓管得更严，因为它的资金占用还叠加了头程成本和仓储时间成本。
ERP系统里显示的”可用库存”通常不包含在途、不包含已入库未上架的部分。当你用它做决策时，会系统性地低估真实供给，于是重复下单，形成二次积压。
我的做法是把库存拆成五个状态：在库可售、在库待上架、在途、在产、已下单未生产。补货决策必须基于”五个状态的时间加权合计”，而不是单一的可用库存。
运营团队策划一场大促，库存团队不知道；库存团队按历史销量备货，运营团队按大促目标投流。结果就是爆款断货、非爆款积压。
我在项目里强制要求：任何促销排期确定后48小时内，必须同步输出对应SKU的库存覆盖评估，覆盖不足的要么降目标，要么改运输方式。这条规则看起来粗暴，但它把两个团队强行绑在了一起。
断货在尾部SKU上和在头部SKU上，损失差几十倍。如果KPI只有一个笼统的缺货率，团队会本能地去保那些容易保的SKU，也就是需求量稳定的腰部款，而放弃波动大但价值高的头部款。
正确的做法是分层考核：头部SKU缺货率控制在2%以内，腰部5%以内，尾部不考核缺货，考核清退进度。
清库存不是”某个月做一次促销”，而是一个常态化的退出机制。我见过团队每季度做一次大清理，清完两个月又积回来，因为没有从源头上停止对滞销SKU的补货。
清退机制必须包含两件事：停止补货的触发条件，和处理存量库存的动作序列。只做后者，问题会周期性复发。
前面讲的是”哪里错了”，这一部分讲”应该怎么算”。我把它拆成六步，每一步都给出可执行的口径和参数来源。
可售天数（DOI）是库存计划里最重要的单一指标，但它也是最容易被算错的。常见的错误算法是”当前库存÷过去30天日均销量”，这个算法在销量波动时会给出严重失真的结论。
我用的口径是这样的：
这套口径看起来麻烦，但它把”在途”和”上架时滞”显式纳入了计算，避免了重复下单。我在项目里把它写成一段可复用的计算逻辑放在数据看板里，团队每天刷新，不需要手工算。
可售天数计算口径（伪代码）
inventory_available = 在库可售
inventory_pending = 在库待上架 * 0.8
inventory_transit = 在途 * 0.9
inventory_producing = 在产 * 0.6
inventory_ordered = 已下单未生产 * 0.4
supply_total = inventory_available + inventory_pending + inventory_transit
+ inventory_producing + inventory_ordered
daily_demand = 近7天日均 * 0.5 + 近30天日均 * 0.3 + 去年同期 * 0.2
DOI = supply_total / MAX(daily_demand, 0.5)
触发规则
DOI 紧急补货（可考虑空运）
DOI 常规补货
DOI > 补货周期 * 3.0 -> 暂停补货并进入观察
DOI > 补货周期 * 5.0 -> 强制进入清退流程
安全库存不是一个拍脑袋的数字。我把它拆成三段叠加，每一段对应一类不确定性。
第一段是基础周转库存，等于补货周期内的平均需求，这一部分不叫安全库存，是必备的量。第二段是需求波动缓冲，用销量标准差乘以服务水平系数，波动越大这一段越厚。第三段是链路时差缓冲，这是跨境特有的，用来覆盖清关、港口、上架等环节的延迟。
我在3C类目上的经验值：需求波动缓冲大约是基础周转库存的20%，35%，链路时差缓冲固定准备7，12天的量，旺季提到15天。
绝大多数团队按销量分层：卖得多的叫爆款，卖得少的叫长尾。这个分法漏掉了一个关键维度，单位资金创造的毛利。
我的分层用的是二维矩阵：横轴是周转效率（年周转次数），纵轴是毛利率，气泡大小代表库存金额。这样分出来四类，处理方式完全不同。
| 层级 | 特征 | 补货策略 | 缺货目标 | 资金倾斜 |
|---|---|---|---|---|
| S层（战略款） | 周转快、毛利高、占比大 | 动态区间补货，允许空运兜底 | 缺货率≤2% | 优先保障，不设上限 |
| A层（现金牛） | 周转快、毛利中等 | 按固定周期补货 | 缺货率≤5% | 正常保障 |
| B层（观察款） | 周转慢、毛利高 | 小批量高频补货 | 不考核 | 限量试投 |
| C层（清退款） | 周转慢、毛利低 | 停止补货 | 不适用 | 只出不进 |
这套分层的价值在于，它把”该不该给这个SKU花钱”变成了一个有明确答案的问题。团队不再需要每次开会争论，规则自己会说话。
固定补货点（比如DOI低于30天就下单）在业务平稳时能用，一旦波动就失效。我改成动态区间，区间的上下界随两个变量移动：销量波动率和链路时滞。
具体规则是：波动率上升10%，补货下界上调5%；链路时滞（近三次实际到仓时间的平均值减去计划时间）每增加3天，补货下界上调3天。这样补货点会随着环境自动漂移，而不是靠人拍脑袋。
这套规则实施之后，我负责的项目里头部SKU的缺货率从7.4%降到2.1%，同时库存总额没有上升。
清退规则要写死在系统里，而不是靠人记得。我的做法是设三条自动触发线：连续60天动销为0、DOI超过补货周期5倍、单位毛利覆盖不了仓储成本。任一触发，该SKU自动进入清退池，同时停止一切补货。
关键是要把”停止补货”和”处理存量”分开设计。停止补货是即时的，处理存量是有节奏的：先折扣试探，再组合销售，最后批量处理。整个周期控制在90天内，超过就承认是沉没成本。
所有参数都应该能被业务结果校准。我的做法是每月做一次回溯：把上月实际发生的缺货天数换算成损失金额，把滞销减值换算成损失金额，两者相加除以毛利，得到”库存不确定性成本率”。
如果这个比率超过阈值，先看是缺货主导还是滞销主导。缺货主导就提高安全库存和服务水平系数，滞销主导就收紧补货上界和清退触发线。这比开会讨论有效得多。
前面讲的框架，落地时最大的障碍不是算法，是数据。多平台、多仓、多币种，同一个SKU在不同系统里有不同的库存数字，你连”现在到底有多少货”都说不清，谈补货规则就是空中楼阁。
在这个项目里，我做的第一件事不是建补货模型，而是把三个平台、两个海外仓的数据拉到一起对账。对完发现：亚马逊后台”可用库存”、海外仓系统的”在库数量”、财务台账的”库存金额”，三者的SKU级差异率达到了23%。
其中最大的差异来源有三类：已入库未上架的货、平台预留（reserved）状态的货、以及头程在途但已经被计入库的货。这三类如果不区分清楚，任何补货计算都会系统性偏移。
对账这件事，手工做一次可以，做成日常机制不现实。我在这个项目里用的是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys），核心用途有三个。
第一个是多平台数据归集。把亚马逊、TikTok Shop、独立站等渠道的销量和库存数据拉到同一个SKU维度下，解决”同一个产品在不同平台叫不同名字”的问题。这一步做完，才谈得上全局视角。
第二个是周转与滞销的结构化呈现。它能按SKU、按仓库、按品类拆出周转天数和滞销占比，而不是只给一个整体周转率。这一点和我在第四部分讲的分层逻辑是对齐的，你需要的是结构，不是平均值。
第三个是异常预警。可售天数低于阈值的SKU会自动浮出来，不需要人每天去翻表。把”发现断货风险”这件事从人工巡检变成系统推送，是效率上最直接的一步。
我把这套流程固化成了五步，团队每周执行一次，全程大约两个小时。
这五步里，前两步是数据工作，第三步是规则工作，后两步是决策工作。分清楚这三类工作的边界，是让流程能持续跑下去的关键。
这个卖家的C层SKU有125个，合计库存金额约97万元。我设计了三个阶段处理，整体周期控制在85天。
第一阶段是折扣试探，选20个最有潜力的C层SKU做30%，40%折扣，观察转化弹性，跑了21天，回收约18万元。第二阶段是组合销售，把剩余滞销品和高毛利产品打包成套装，消化了约34万元。第三阶段是批量处理，剩下的以接近成本价清出，回收约29万元。
总计回收81万元，回收率83.5%，未回收部分计入减值。更重要的是，这125个SKU中有94个被永久停止补货，从源头上堵住了复发。这才是这次动作真正的价值。
我把前后90天的关键指标做了对比。需要说明的是，这里的改善来自”数据口径统一+分层规则+清退机制”三者叠加，不是单一工具带来的。
我不想把工具讲成万能药。数跨境这类平台解决的是”数据归集、结构呈现、异常预警”，它不能替你决定服务水平和风险偏好。
具体来说，有三件事必须由人来判断：第一，S层的边界划定，哪些SKU值得不惜成本保供，这是战略问题；第二，供应链时滞的容忍度，你愿意为缩短7天时差支付多少溢价，这是风险定价；第三，清退的止损点，什么时候承认沉没成本，这是心理和组织问题。
工具能让你看见问题，但看不见的部分，仍然要靠判断。
下面按业务规模和阶段给出具体动作。我建议你先找到自己最接近的那一档，只做那一档的事，不要跨级。
这个阶段最大的问题通常是”不知道自己有什么货”。我的建议是先做一件极其朴素的事：把全部SKU列成一张表，字段包括近90天销量、当前库存、库存金额、补货周期、毛利率。
然后只做两个动作：把连续60天零动销的SKU全部停止补货，把销量前20%的SKU的可售天数补到补货周期的1.5倍。这两个动作不需要任何系统，一张表就能做，但能解决八成问题。
这个阶段SKU数量通常超过500个，靠人工已经管不过来。核心任务是建立S/A/B/C分层，并给每层配置不同的补货规则和考核指标。
同时要把数据口径统一起来，因为多平台经营在这个规模几乎必然出现。此时引入数据工具是划算的，省下的人工时间和减少的重复下单就能覆盖成本。
到了这个规模，问题从”备多少”变成”备在哪里、能不能调”。你需要一个跨仓的库存视图，以及明确的调拨规则，什么情况下从A仓调到B仓，调拨成本和时效能不能覆盖收益。
我的一般判断是：当某仓缺货造成的销售损失，超过调拨成本的1.8倍时，调拨就是划算的。这个系数可以根据品类毛利调整，高毛利品类可以降到1.4倍。
旺季的核心是节奏。我的建议是在D-90锁定SKU清单和大致数量，但不要一次性把价格锁死，因为90天内外部环境可能变化。可以用框架协议+分批确认价的方式，兼顾确定性和灵活性。
同时一定要设降级预案：如果某个节点超期，明确是砍量还是改运输方式，并且提前算好两种方案的损益差。临场决策的质量一定低于提前决策。
顺序不能反。很多团队一边清库存一边还在给滞销SKU补货，等于一边拖地一边开着水龙头。正确顺序是先停止所有C层SKU的补货，再启动三阶段清理。
清理的节奏建议是：21天折扣试探、30天组合消化、30天批量处理，总计不超过90天。超过90天还在手里的，基本可以认定为沉没成本，继续持有只会增加仓储费用。
新品的补货逻辑和成熟款完全不同。成熟款追求稳定，新品追求信息量。我建议新品首单控制在预计30天销量的60%，然后用60天时间做两次复投判断。
关键判断点是第30天的动销率和第60天的复购信号。30天动销率低于40%的，直接进入观察池；60天没有复购或自然流量增长的，停止追加。这条规则看起来很粗暴，但它能有效阻止”因为已经投了钱所以继续投”的沉没成本陷阱。
库存计划里没有”全都要”的选项。下面六组取舍，我给的都是判断条件和适用边界，你可以直接代入自己的数字。
判断公式很简单：空运溢价总额 与 断货期间的毛利损失 相比。空运溢价小于断货损失的1.5倍时，选空运；大于2倍时，接受断货。
但有两个例外必须考虑。第一，如果断货会导致链接权重明显下滑，恢复周期超过30天，那么即使空运不划算也应该走。第二，如果这个SKU处于新品爬坡期，断货会让前期的广告投入全部作废，此时空运的隐性收益远大于账面计算。
这两者的平衡点取决于你的资金成本。如果资金成本年化在8%以内，且品类毛利率在35%以上，适度加深备货是划算的；如果资金成本超过12%，或者毛利率低于20%，就必须优先保周转。
我的经验分界线是：当备货深度带来的缺货率改善，乘以单件毛利，超过了额外库存的资金成本加仓储成本，加深就是对的。超过2倍以上才叫显著划算，1.2倍以内的改善不值得冒险。
分散库存的好处是各平台时效好、转化率高，坏处是整体安全库存需求上升、调拨成本增加。集中库存反过来。
我的判断依据是品类销售集中度。如果单平台销量占比超过70%，集中库存更合适；如果各平台销量比较均衡，且平台间产品重合度高，分散布局的效率会更好。
自建仓的临界点通常出现在日均单量稳定超过一定规模之后。在此之前，第三方仓的灵活性优势更明显，尤其是在旺季弹性需求上。
我的建议是不要过早自建。先把库存结构和补货规则跑顺，再考虑仓储资产。很多卖家在库存计划还没做好的时候就去自建仓，结果是把自己的低效库存固化成了固定资产。
这是一个很容易算错的账。表面上，招一个库存计划专员月成本可能低于工具年费，但人工处理的问题是边际成本不下降、口径会漂移、人员流动会带来知识断层。
我的判断标准是SKU数量。SKU少于300个且单平台经营，人工完全够用；SKU超过500个或多平台经营，工具带来的口径统一价值就已经超过了成本。关键不在于省了多少人工，而在于减少了多少次重复下单和误判。
这是一个典型的短期和长期取舍。爆款保供的收益是确定的、即时的；新品培育的收益是不确定的、延后的。
我的建议是设一个明确的比例约束：把库存资金的70%，80%分配给已验证的S层和A层，留20%，30%给新品测款。低于20%会导致产品线老化，高于30%会让现金流长期承压且失败率上升。
| 取舍场景 | 偏向方案A的条件 | 偏向方案B的条件 | 建议观察指标 |
|---|---|---|---|
| 空运 vs 断货 | 空运溢价 < 断货损失的1.5倍 | 空运溢价 > 断货损失的2倍 | 链接权重恢复周期 |
| 备货深度 vs 周转 | 资金成本 < 8% 且毛利 > 35% | 资金成本 > 12% 或毛利 < 20% | 库存不确定性成本率 |
| 分散库存 vs 集中库存 | 单平台占比 > 70% | 各平台销量均衡且产品重合 | 调拨成本占毛利比 |
| 自建仓 vs 第三方仓 | 日均单量稳定且库存结构成熟 | 库存结构尚未跑顺 | 单均仓储成本 |
| 工具 vs 加人 | SKU > 500 或多平台经营 | SKU < 300 且单平台 | 重复下单发生频次 |
| 保爆款 vs 保新品 | 现金流紧张、增长目标保守 | 产品线老化、需要新增长点 | 新品贡献收入占比 |
这张表不是标准答案，是决策的起点。真正重要的是把判断条件写下来，而不是每次重新争论。规则一旦写清楚，团队的执行速度和一致性会有明显提升。
回到开头那个卖家的案例。他黑五断货28天的直接损失大约47万元，滞销库存占用的43万元现金如果释放出来，足够支撑两个新品线跑完整整一轮测试周期。这两笔损失加起来，超过了他全年广告预算的六成。
但真正的问题不是这90万元，而是这套结构如果不改，明年还会再来一次。
我对这件事的核心判断是：跨境电商的库存计划，本质上是一套在信息滞后、物流滞后、资金滞后三重时差下的分层供给决策系统。它的目标不是预测得多准，而是让不确定性成本控制在毛利可承受的区间内。增长策略能不能兑现，取决于这套系统能不能把有限的现金，持续投向真正创造收入的SKU。
如果你打算动手，我建议按这个顺序推进，不要跳步：
最后提醒一句：库存计划的改善不会立刻体现在销售额上，它会先体现在现金流和毛利上。很多人因为看不到即时的销售增长而放弃，这是最可惜的。能坚持跑完两个季度的人，通常会拿到一个明显更健康的资产结构，而这才是下一轮增长真正的底盘。
我们团队就三四个人，看到别人讲需求预测、S&OP、安全库存模型，感觉要一口气全做完。之前一上来就买工具、拉数据看板，结果没人维护，两个月就废了。所以想知道到底该按什么顺序落地才不白折腾。
先做看得见的账，再做算得准的预测。第一步是把 SKU 维度的库存账做准，在途、在库、可售、锁定、不良品五个口径分清楚，统一换算成可售天数（可售库存除以近 28 天日均销量），这一步不需要任何算法，一张表就能跑起来。
第二步做分类，按销售额贡献做 ABC，通常 A 类占 SKU 数的 10% 到 20% 却贡献 70% 左右销售额，把补货频率和人工盯盘力度集中压在 A 类，C 类走批量补货或直接进清退池。第三步才是补货参数化，给每个 SKU 定补货点、补货量和安全库存，人只处理异常。第四步再上工具和预测模型。
我们踩过的坑是第二步没做就上预测，上千个 SKU，预测再准也没人看，因为没人知道该先信哪一条。
我按网上的 Z 乘标准差乘提前期平方根去算，结果要么大到压了一堆货，要么小到旺季天天断货。我怀疑是参数不对，但不知道具体错在哪一步。
公式没错，错的是三个输入。第一，提前期要用真实分布而不是供应商承诺值，从下单到 FBA 可售的实际天数，海运通常 30 到 45 天，旺季拥堵能到 60 天以上，要取 P90 而不是平均值。
第二，需求标准差用近 8 到 12 周的周销量波动，必须剔除促销周和断货周，断货周销量记 0 会把标准差严重拉低，这是最隐蔽也最常见的错误。第三，服务水平不要一律 95%，A 类爆品用 97% 到 98%，C 类 85% 就够，因为断货成本和滞销成本根本不对称。
另外亚马逊和独立站要分开算，FBA 有仓容限制和长期仓储费，安全库存不是越大越安全，动销超过 90 天的库存每个月都在吃利润。实操上先按这套参数跑三个月，每月回看缺货率和滞销占比再微调，不要一次调参数就指望到位。
我们现金流就那么点，运营说新品要铺货冲排名，老品说爆款要压货防断货，长尾还躺着一堆库存。每次开会都是拍脑袋分，分完照样一边断货一边滞销。想找一个相对客观、能说服人的分法。
用库存预算分层加现金占用上限来分，而不是按谁的嗓门大。第一层保命，连续 8 周动销稳定的成熟爆品拿 50% 到 60% 的库存预算，目标缺货率控制在 3% 以内，这部分是现金流来源，不能省。
第二层搏增长，新品和上升期 SKU 拿 20% 到 30%，但必须按批次放量，首批只备 4 到 6 周销量的试销库存，走空运或快船压短周期，等 4 周内动销率超过 60%、加购转化站住脚，再追加海运大货。
第三层清退，长尾和滞销品不追加预算，设 90 天和 180 天两条动销红线，不达标就走清仓或站外折扣把现金抽回来。同时给整体加一个硬约束，库存现金占用不超过未来 90 天预测销售的 1.5 倍左右，一旦触线，新品铺货自动暂停。
这样分完之后，会议焦点会从给谁多少变成哪个 SKU 达标了可以加，决策效率完全不一样。
读者评论
毛利8%的阈值我试着往自己店里套，发现算不出来，滞销损失里到底算不算仓储费、头程摊销，口径一变结论差一倍。低客单品类断货损失本身有限，阈值是不是该按品类分别倒推，而不是全店一刀切，这点文章没展开。
五状态库存的思路我认同，但落地最卡的是在途和已下单未生产这两块数据。供应商不给准确排产，系统里就是拍脑袋填的，时间加权合计也是在错的基数上做精确。先把供应商协同那一环打通，可能比搭模型更值钱。
分层砍SKU听着痛快，但家居类目的尾部SKU很多是撑店铺丰富度或者在做新款测试，砍完现金是回来了，两三个季度后新品接不上反而更被动。分层规则里是不是该单独留一条新品孵化通道，不然容易把未来的头部一起清掉。