2024年3月，我盯着一个做家居收纳的店铺后台，看到一个非常尴尬的数字组合：过去90天库存周转天数从68天压到了41天，账面看起来是巨大的进步，但同期断货SKU占比从6%涨到了19%，广告ACOS因为频繁断货被迫抬高了4.2个百分点。那一刻我很清楚，这不是运营没努力，恰恰相反，是”用力过猛”，所有人都在盯补货动作本身，却没人把补货、资金、广告、定价放到同一张表上算。
这篇文章我想讲的，就是跨境电商运营从”会补货”到”会排库存计划”之间那道很少有人讲透的坎：围绕库存计划，进阶玩法到底进阶在哪里，哪些坑我亲自踩过，以及用什么方法能把这件事从经验活变成可复用的系统。
先把结论摆在最前面。过去几年我接触过不下四十个跨境团队，从三五个人的小卖到大几十人的品牌型卖家，库存计划做得好和做得差的分水岭，从来不是谁的Excel函数写得更花哨，而是有没有把库存当成一个”资金流转系统”来看待。
很多人一上来就问用什么预测模型，我的判断恰恰相反：在SKU维度、仓库维度、日维度这三层颗粒度没打通之前，上任何算法都是给脏数据做精装修。我见过一个团队花两个月搭了一套时序预测模型，最后因为FBA在途库存、海外仓可用库存、国内待发库存三个口径对不上，模型输出的补货建议全部要人工推翻重算，等于白做。
数据颗粒度到位之后，你甚至不需要复杂模型，一个带交期分布的安全库存公式就能跑赢80%的凭感觉补货团队。这就是为什么我在后面会把大量篇幅放在”口径统一”上。
补货准确率提升10%，带来的收益是可预期的线性收益。但把补货决策点提前14天，带来的收益往往是非线性的，你有时间改海运为快船、有时间调整广告预算、有时间做站外清滞销、有时间跟工厂谈插单。库存计划真正的杠杆，是给运营团队买回来”选择权”的时间窗口。
断货不只是少卖货，它会连带拉高广告成本、破坏Listing权重、影响自然排名。我测算过自己店铺的数据，一个核心SKU断货7天，恢复后需要大约11到14天才能把自然排名拉回断货前的水平，这期间的广告花费相当于凭空多支出了30%左右。
所以库存计划不能是采购部门关起门来做的事。它应该是运营、采购、财务三方共同看的同一张”库存作战图”：运营提供销量与活动节奏，采购提供交期与MOQ，财务提供资金成本与账期。缺任何一方，计划都会在某个环节失真。
这一点我在后面会用实际使用体验展开。库存计划里真正需要人做判断的，其实只有10%到15%的异常SKU，爆款、清仓款、新品、季节性款。剩下85%的常规SKU，应该由工具按统一口径自动给出建议，人只做审批和例外处理。如果一个团队的运营每天花三小时算补货，那说明系统没建对，不是人不够勤奋。
不讲抽象理论，先讲三个我亲身经历的场景。这三个场景基本覆盖了跨境卖家在库存计划上会遇到的典型困境，也是我后来重构整套方法论的起点。
那年10月中旬，我的一个主力SKU日销从45单突然涨到130单，原因是一个海外博主自发做了开箱视频。当时我按过去30天日均销量算补货，得出的建议是补800件，实际按这个量下了单。
结果是什么呢？海运在途22天，加上工厂生产7天，等货到仓的时候，热度窗口已经过去了，而我在断货期间为了维持Listing权重还在继续投广告，白白烧掉了大约2600美元。更糟的是，断货结束后销量回落到日销60单，我又压了400件库存，最后用了将近五个月才消化完。
这次教训让我意识到两件事：一是爆量期的补货决策完全不能用历史均值外推；二是断货期间是否继续投广告，本身就是一个需要和库存计划联动的独立决策。
2023年上半年海运价格一路走低，我判断这是个囤货窗口，一次性压了两个40尺柜的货。逻辑上没错，成本确实省了，但我犯了一个更隐蔽的错误：这两个柜的货是”按品类”压的，不是”按SKU动销结构”压的。
结果滞销的不是整个品类，而是品类里的长尾SKU。三个主力SKU一个月内卖空，剩下十几个长尾SKU在仓库里躺了八个月。这八个月里，仓储费、资金占用、以及为了清货做的折扣，加起来把海运省下来的钱全部吃掉了，还倒亏。
这件事让我建立起一个后来一直坚持的原则：备货深度要按SKU分层决策，绝不能用”整个品类平均”来做批量采购的决策依据。AC类SKU可以压海运，C类长尾SKU必须走空运小批量试销，或者干脆不备。
到2024年，我的店群已经在三个平台、四个站点运行，库存分散在FBA仓、第三方海外仓和国内自发货仓。这时候出现了一个非常典型的问题：同一个SKU在三套系统里的”可用库存”数字完全不同。
FBA后台看到的是可售库存，海外仓WMS看到的是账面库存，国内ERP看到的是含在途库存。运营A按FBA数字判断要补货，采购B按ERP数字判断不用补，两边吵了一个月，最后发现是同一批货被算了两次。
这段时间是我Excel的临界点。SKU数量超过400个、仓库超过3个之后，手工维护的库存表必然出现”版本分裂”，每个人手里的表都觉得自己是对的。这也是我后来开始认真评估库存计划工具的直接原因。
在讲正确方法之前，先把误区说透。因为我发现，大部分库存计划做不好的团队，不是方法不够高级，而是基础动作里埋了雷。下面这五个误区，我在自己团队和外部交流中都反复见到。
最常见的做法是”统一设30天安全库存”。这个做法在交期稳定的年代勉强能用，但现在的跨境物流环境下，同一条航线不同月份的交期可以相差两周以上。
我的判断是：安全库存应该由三个变量共同决定，交期波动标准差、需求波动标准差、目标现货率。交期波动大的SKU，哪怕销量很稳定，也要留更厚的缓冲；反过来，交期稳定但需求波动极大的SKU，同样需要缓冲。只看单一维度，一定会有一批SKU被打错标签。
正确的做法是分档。我现在的做法是把SKU按”需求波动系数”和”交期波动天数”两个维度分成四档，每档用不同的安全库存策略，而不是一刀切。
这个误区几乎人人踩过。近30天日均销量是个滞后指标，它反映的是过去，而补货要解决的是未来30到60天的供给。
更麻烦的是，当销量处于上升或下降趋势时，这个指标会系统性偏错。上升期会低估，下降期会高估，而这两类错误在跨境场景里的代价完全不同：低估导致断货，高估导致滞销，滞销的资金占用周期通常是断货损失的2到3倍。
我自己的经验是，补货量至少要综合四个输入：趋势性销量、季节性系数、活动/推广计划、以及竞品和市场信号。前两个可以用数据算，后两个必须靠运营输入。这也是为什么库存计划天然是个跨部门动作。
回到文章开头那个数字：周转天数从68天压到41天，看起来很好，但断货SKU占比从6%涨到19%。这就是典型的”用结构换速度”。
周转率是个平均数，它会掩盖结构问题。一个健康的库存结构应该是：A类核心款保持高现货率、B类款保持中等库存、C类长尾款保持极低库存甚至按单采购。如果只看总周转天数，你永远不知道是A类被压得断货了，还是C类被清干净了。
这是多平台卖家最容易犯的错误。FBA有补货建议，海外仓有自己的安全库存，两边各自优化，结果是总量失控。
我见过一个案例：同一个SKU，FBA补了500件，海外仓补了300件，而整个站点的月销只有400件。两边单独看都不算离谱，合起来就是灾难。
正确的是”总池子思维”，先把所有仓的可用库存、在途库存、在产库存合并成一个总可用量，再按各仓的履约半径和时效要求做分配。分配是第二步，总量控制是第一步。顺序搞反，怎么算都是错的。
这个误区在服装、鞋类、家居等类目里杀伤力最大。账面卖出1000件，退货180件，其中能二次上架的只有120件，60件是损坏或不可售。这意味着真实净销量是940件，而不是1000件。
如果补货计划按1000件的销量去算，就会累积性高估需求。我自己的服装类SKU，退货率常年在12%到22%之间波动，做库存计划时必须用”净销量”而不是”成交销量”作为需求输入，否则误差会在几个月内被放大到非常夸张的程度。
讲完误区，进入方法部分。我把库存计划拆成了一个四层漏斗：需求层、供给层、资金层、决策层。每一层都会漏损一部分准确度，最终补货建议的准确率，是四层准确率的乘积，而不是某一层做得好就能救回来。
我的做法是把需求预测拆成三个尺度来分别处理，而不是用一个数字包打天下。
把三个尺度混在一起算，是最常见的技术性错误。短期波动会被误读成长期趋势，长期趋势又会被短期噪声掩盖。
这一层是我认为最被低估的。绝大多数团队在系统里填的交期是一个数字，比如”35天”。但真实情况是，同一个供应商、同一个航线，交期可能是28天，也可能是52天。
如果你只按35天排计划，那么当实际交期是48天时，中间13天的缺口就是断货。我的做法是记录每次实际交期，算出均值和标准差，然后按目标现货率反推安全库存天数。
这里给一个我现在在用的核心公式，虽然简化，但能说明逻辑：
安全库存 = Z × √(交期均值 × 需求方差 + 需求均值² × 交期方差)
其中：
Z = 目标现货率对应的服务水平系数
（95%现货率 → Z ≈ 1.65；98% → Z ≈ 2.05）
交期均值 = 近12次实际交期的算术平均
交期方差 = 近12次实际交期的样本方差
需求均值 = 近28天净销量日均值（剔除退货）
需求方差 = 近28天净销量日波动方差
补货点 = 需求均值 × 交期均值 + 安全库存
补货量 = 目标覆盖天数内需求 – 当前可用库存 – 在途库存
这个公式的价值不在于多精确，而在于它把”交期波动”和”需求波动”两个不确定性显性化了。当你把公式跑一遍，会发现很多”看起来稳定”的SKU其实交期方差大得惊人，这些SKU才是真正需要重点管理的。
很多运营做库存计划时完全不考虑资金成本，这在小规模阶段问题不大，但到了年销售额千万级别，资金成本会变成决定性因素。
我的算法是把库存持有成本拆成四项：仓储费、资金占用成本（按年化6%到8%估算）、滞销减值风险、以及机会成本。一个SKU如果毛利低于持有成本加上预计减值，那它就不该被备货，无论销量看起来多好。
这一步会淘汰掉一批”看起来很热闹但不赚钱”的SKU。我自己的店里做过一次这样的筛选，砍掉了约14%的SKU，销售额只下降了不到4%，但库存资金占用下降了22%。
最后一层是把前三层的结果转化成可执行的决策。我的做法是把所有补货建议分成四个优先级：
带优先级的清单和一堆平铺的补货数字，执行效果完全不同。因为采购的产能和资金永远是有限的，优先级决定了资源怎么分配。
前面讲的都是方法论，这一节讲具体落地。2024年10月到2025年1月，我用数跨境做了一次完整的库存计划重构实验，覆盖三个平台、四个站点、约620个在售SKU。下面是我实际观察到的过程和结果。
需要说明的是，以下功能描述和使用体验基于我在2024年Q4到2025年Q1的实际使用，具体版本功能请以官网为准；涉及的具体数值均已脱敏处理，但比例关系是真实的。
我评估过好几类工具，最后选它的核心原因不是功能多，而是它优先解决了”口径统一”这件事。前面场景三里我提到的问题，FBA、海外仓、国内仓三套数字打架，本质上是个数据接入和口径问题，不是算法问题。
我的实际接入过程是这样的：先绑定各平台的店铺授权，把订单、库存、退货数据拉进来；再把海外仓的库存表通过固定格式导入；最后统一SKU编码。整个接入花了我大约三个工作日，其中两天半都花在统一SKU编码上，因为不同平台的SKU命名规则完全不一样。
这部分我想强调一句：任何库存计划工具，接入阶段最大的工作量永远是SKU主数据治理，而不是工具配置本身。如果你期望开箱即用，一定会失望；但如果你愿意花三天把主数据理顺，后面的自动化才有基础。
接入完成之后，我的使用路径大致是这样的：
这里面第2步和第5步是关键闭环。如果只做一次交期设置而不回填实际交期，模型永远不会变准。我自己的习惯是每次到货后花十分钟录入实际交期，三个月下来交期参数的准确度明显提升。
下面是我这90天实际观察到的数据变化，对比基准是上线前90天的数据。我把指标拆得比较细，因为单一的”库存周转天数”会掩盖很多问题。
| 指标 | 上线前90天 | 上线后90天 | 变化幅度 |
|---|---|---|---|
| 平均库存周转天数 | 48天 | 57天 | +18.8% |
| 断货SKU占比 | 17.4% | 7.1% | -59.2% |
| 滞销库存资金占比 | 21.3% | 9.6% | -54.9% |
| 补货计划人工耗时 | 26小时/月 | 7小时/月 | -73.1% |
| 单SKU补货准确率（预测vs实际） | 61% | 84% | +23个百分点 |
| 因断货导致的广告浪费 | 约3100美元/季度 | 约980美元/季度 | -68.4% |
| 总库存资金占用 | 142万元 | 151万元 | +6.3% |
这张表里最值得琢磨的是第一行和最后一行：周转天数变长了，资金占用也上升了，但断货和滞销同时大幅改善，广告浪费减少了近七成。
如果只看周转天数，这次改革是”退步”的。但如果把广告浪费、滞销减值、断货损失三块加起来算总账，这90天的综合收益是正的。这就是我在结论部分说的，库存管理的目标函数不是周转率，而是”总利润的最大化”。
拿一个具体的例子说明。有一个厨房收纳类的A类SKU，日销大约35单，交期均值32天，但历史交期波动在26天到49天之间。
按旧方法，我用30天安全库存、按30天日均销量补货，结果在9月和11月各断货一次，每次5到8天。上线后系统给出的建议是安全库存45天、补货点设在约64天覆盖量。我当时的第一反应是”这也太保守了”，但实际跑下来，这个SKU在接下来的三个月里一次都没断货，而且库存并没有堆到失控的程度，月末库存大概在52天到61天之间波动。
这个案例对我的启发是：人工判断在交期波动这类”反直觉”参数上，往往会系统性偏乐观。人会不自觉地用均值思考，而库存风险恰恰藏在尾部。
方法讲完，接下来是执行建议。我不认为有一套方案适合所有卖家，下面按SKU规模和团队结构分五类，你可以直接找到接近自己情况的那一档。
这个阶段不需要工具，一套结构清晰的表格就够。关键是把三个字段建起来：SKU维度的日净销量、SKU维度的实际交期记录、以及每个SKU的现货率目标。
我的建议是每周花一小时更新数据，每月做一次交期回顾。这个阶段最该做的是养成”记录实际交期”的习惯，因为等你SKU涨到三百个的时候，没有历史交期数据，任何工具都无从校准。
这是最典型也最难受的区间。手工管不住，上重型系统又浪费。我的建议是引入轻量级的库存计划工具，重点看三件事：能不能接入你所有平台、能不能统一SKU主数据、能不能按SKU设定交期参数。
这个阶段的行动顺序我建议是：先统一SKU编码，再接入数据，再设定分层规则，最后才是看补货建议。顺序错了，你会在一堆对不上的数字里反复消耗。
我自己的这次实验就是在这个区间做的，前面提到的90天数据基本可以作为这个量级的参考基准。
这个规模必须上系统，而且要考虑ERP和库存计划工具的分工。我的经验是ERP管交易和账务，库存计划工具管决策和预测，两者不要试图用一个系统解决。
品牌型卖家还有一个特殊问题：新品和季节性款的占比高，这两类SKU完全不适合用历史数据预测。我的做法是把它们单独拉出来，用人工判断加小批量试销的方式管理，不纳入自动化补货流程。
铺货型的逻辑和品牌型完全不同。核心不是单品补货准确率，而是整体资金周转效率。我的建议是把管理颗粒度从SKU上移到”店铺-SKU组”，用组合的方式做计划。
具体讲，就是给每个店铺设定一个库存资金上限，再在店铺内部按动销排名分配。铺货型卖家追求的不是每个SKU都不断货，而是整体资金不要沉淀在长尾里。
如果你还在起步阶段，我的建议非常直接：不要急着上工具，先把选品和动销做起来。但有三件事现在就要做：
这三件事加起来每周花不到两小时，但会显著降低你未来重构库存体系时的痛苦程度。
我越来越觉得，库存计划的专业度不体现在”算得多准”，而体现在”取舍做得多清楚”。下面五组取舍，是我在实际运营里反复面对的。
这是最核心的一组取舍，也是我在90天实验里主动选择”让周转天数变长”的原因。两者的关系不是线性的，在某个点之后，每降低一天周转，断货率会加速上升。
我的判断逻辑是：先用毛利贡献算出断货的单位成本，再用资金成本算出多备一天货的单位成本，两者相等的地方就是最优库存水平。高毛利SKU应该容忍更长的周转天数，低毛利SKU才需要极致压缩。
这个逻辑说起来简单，但我见过太多团队用一刀切的周转天数目标来做考核，结果把高毛利SKU的现货率也一起压下去了，得不偿失。
资金有限时，你要选是把钱花在”核心款备得更深”，还是”更多SKU各备一点”。我的倾向非常明确：优先深度，其次宽度。
原因是断货的代价远大于缺款式。一个爆款断货会影响排名、影响广告效率、影响客户评价；而少上五个长尾款式，损失的是增量而非存量。
但这条原则有例外：如果你的类目是时尚快消、款式驱动型，那宽度的权重要上调。我自己的家居类目偏功能型，所以深度优先；如果做服饰，我会把比例调到接近四六开。
这是个很现实的账。一套库存计划工具的年费，通常相当于0.3到1个运营的年度人力成本。所以决策点在于：这套工具能不能省下超过它成本的人力，或者能不能带来超过它成本的收益。
我自己的算法是两条线都要算：一条是省下的人工时间折算成钱，另一条是断货率和滞销率改善带来的收益。以我的实验数据看，人工时间节省折算下来大约覆盖了工具成本的2倍多，而断货和滞销改善的收益是工具成本的十几倍。
但要诚实地说，工具收益不是自动发生的，它依赖你先把主数据和口径治理好。如果这部分没做，工具只是个更贵的Excel。
我的做法是分级：A类SKU全部人工复核，B类抽检30%，C类直接自动化通过。
为什么A类要人工复核？因为A类SKU的补货建议一旦错了，损失金额大，而且往往涉及活动排期、竞品动作这些系统看不到的信息。自动化的价值在于处理量，人工的价值在于处理不确定性，两者不能互相替代。
最后一组取舍最容易被忽略。旺季冲GMV时，几乎所有团队都会不自觉地放宽库存计划纪律，压更多的货、备更深的库存。这在当年报表上好看，但会在次年Q1变成滞销。
我的经验是给自己设一条硬线：无论旺季多热，库存资金占用不得超过某个上限。当触到这条线时，宁可放弃一部分潜在GMV，也不越过。这条线我设在年销售额的22%左右，具体数值因类目而异，但关键是”要有这条线”。
最后给一个可执行的路线图。这套节奏是我自己在90天实验里实际走过的，你也可以按自己的规模做压缩或拉长。
这两周不要碰任何补货决策，只做数据治理。具体动作包括：统一SKU编码、整理所有仓库的库存清单、确定”可用库存”的统一算法、导出过去90天的净销量数据。
我知道这很枯燥，也最容易被跳过。但根据我的经验，这两周做扎实，后面所有环节的返工率会下降一半以上。我自己在上面那次实验里，三天时间全部花在SKU主数据映射上，至今认为是最值的三天。
不要一上来就做全量SKU。我的建议是选20到30个A类SKU，先把交期参数、安全库存、补货点这几个数字算出来，跑一遍补货建议，然后再回填实际到货时间。
这时候不要追求准确率，追求的是”流程能否跑通”。跑通之后你会发现很多之前没注意的问题，比如某个SKU的实际交期和系统里填的差了整整12天。
第一个闭环跑通后，开始做SKU分层。我用的分层逻辑是销量贡献加毛利贡献的二维打分，A类控制在15%左右，B类30%，C类55%。
分层之后，不同层级用不同的现货率目标和补货策略。这一步的价值在前面已经讲过：分层的本质是把有限的资金和管理注意力，配置到最值得的地方。
最后一个阶段是把C类的补货建议自动化通过，只在异常时告警，同时建立起月度复盘机制。复盘看四件事：断货SKU占比、滞销资金占比、补货准确率、以及实际交期与设置交期的偏差。
如果这四个指标每个月都在改善或者保持稳定，说明你的库存计划体系已经跑起来了。如果某个指标持续恶化，回头检查对应的那一层。
我不认为所有人都需要立刻上工具。但如果你已经满足下面任意两个条件，我建议尽早开始评估：
评估的时候，我会建议你重点看三件事：能不能接入你所有平台和仓库、能不能按SKU设定交期波动参数、以及能不能回填实际交期形成闭环。功能清单长不长是次要的，闭环能不能闭上才是关键。
如果你对一个实际可用的工具有兴趣，可以去数跨境看看它的库存与补货模块，对照上面这四条自测一下自己的情况。但无论用什么工具，我希望你记住本文最重要的一句话：库存计划的进阶，不是把补货算得更准，而是把选择权买回来得更早。
写到这里，我想回到开篇那个让我尴尬的数字组合。周转天数从68天压到41天，断货率却从6%涨到19%，如果当时我只看周转率这一个指标，我会以为自己做得很好。这就是库存计划最容易迷惑人的地方：它有太多”看起来在变好”的指标，而真正重要的指标往往藏在别的表里。
我的独特判断是：库存计划是跨境运营里最像”投资”的工作，而不是最像”运营”的工作。投资的核心不是预测未来，而是在不确定中管理风险敞口。库存计划也一样，你永远算不准下个月的销量，但你可以决定自己愿意承受多大的断货风险、多长的资金占用周期、以及多高的滞销容忍度。
所以下一步我建议你只做三件事。第一，打开你的库存表，把”净销量”和”实际交期”这两个字段补齐，哪怕只有20个SKU。第二，给这些SKU分层，然后给每层设一个不同的现货率目标。第三，用一个月时间跑一遍补货建议加实际到货回填的闭环，看看你的交期设置和实际情况差多少天。
这三件事做完，你对库存计划的认知会发生一次不可逆的改变，你会开始用”资金”和”风险”的视角看库存，而不是用”够不够卖”的视角。到那个时候，进阶玩法就不再是一套技巧，而是你运营体系里的一个底层能力。
我刚开始做库存计划的时候，就是把某平台后台近30天销量除以30，当成日均销量去算补货点，结果618前一周卖爆了、备货完全不够，大促后一周又压了一堆货。后来跟一个做了八年亚马逊的运营聊，他说我这个口径从根上就错了，大促的脉冲销量和平销的销量混在一起，算出来的补货点只会两头挨打。
不要用简单的30天平均，建议用加权日均加分层系数。第一步定口径：销量只取已付款且未取消的订单，剔除刷单和一次性大额批发单，按近7天权重0.4、8到28天权重0.4、29到56天权重0.2做加权日均，这样既跟得上近期趋势，又不会被单日爆发带偏。
第二步算补货点：补货点 = 加权日均 ×（生产周期 + 头程在途 + 上架入库 + 安全天数），其中安全天数按你的供应商准时率和物流波动来定，供应商稳定、头程固定舱位的可以取7到10天，走空运拼舱、供应商经常延期的要取15到20天。
第三步算安全库存：安全库存 = Z × 需求标准差 × 根号（补货周期），服务水平定95%时Z取1.65，定98%时取2.05，不是拍脑袋取个整数。第四步做大促修正：把大促当月拆成平销期和大促期两段，大促期单独用去年同期爆发系数预估，不要合并计算。
最后提醒一句，这套参数每月校准一次，尤其是头程时效，旺季和淡季能差出10天以上，参数不更新，公式再对也是白算。
我们SKU最多的时候有两百多个，同时铺了三个平台、两个海外仓加一个国内直发。最头疼的就是某个链接显示快断货了，另一个仓的同款还躺着不动，眼看着仓储费一天天涨。我也试过人工每周拉表手动分货，但订单一波动表就失效，调拨又慢，最后变成了凭感觉拍。
核心思路是把库存当成一层一层切开的蛋糕，而不是一个总数。第一层是渠道基线：按各渠道近28天的销量占比分配主库存，比如A平台占55%、B平台占30%、C平台占15%，先按这个比例把可售库存切出去。
第二层是机动池：从总量里预留15%到20%不参与固定分配，专门应对某个渠道突然起量或者平台限仓，这部分放在调拨最灵活的海外仓。第三层是时效分层：FBA或平台仓按覆盖45天备货，自有海外仓按覆盖30到45天备货，剩下的走国内直发，只承接长尾和测试款，避免把所有货都锁死在仓储费最贵的地方。
调拨触发条件要写死：某渠道可售天数低于14天、且机动池有货，就自动发起调拨；某渠道可售天数高于90天且连续两周下降，就进入清货流程，打折、捆绑或者转投到另一个渠道。把这些规则做成看板上的红黄绿灯，比每周人工拉表靠谱得多，也能减少跨部门扯皮。
我做新品最容易犯的错就是乐观。第一次上一款新品，凭感觉觉得能爆，直接海运发了三个月的量，结果上市后转化率只有预期的一半，货在海外仓躺了五个月，仓储费加清货折扣把利润全吃光了。后来我才明白，新品阶段的库存计划不是算出来的，是试出来的，关键是要给自己留退路。
新品第一批不要按预估销量算，要按最小可测试量算。具体做法：找三个参照物估日均，同规格同价格带的老品、类目Top20同款的日均销量、以及你上一款新品的实际爬坡曲线，取这三个数的中位数再乘0.3到0.5的系数，因为新品前期转化率通常只有成熟链接的一半左右。
首批总量按预估60天销量定，但必须拆成两批发：30%走空运或者快递先上架测款，剩下70%走海运，等首批上架满14天再决定要不要放第二程。判断放不放的阈值要提前写死，比如上架14天内日均销量达到预估值的70%、且退货率低于5%，就放第二程；低于50%就砍掉一半的量，把海运改成小批量补。
同时给新品的补货周期单独设安全天数，比老品多加7到10天，因为新品一旦起量，供应商加急和头程排舱都来不及。最后，把新品的库存状态和补货动作放进某项目管理平台里做成固定流程，每3天复盘一次数据，避免卖起来了但没人跟进补货。
我以前做库存计划就是月初算一次、月底看一眼，感觉没缺货就算成功了。后来财务给我算了一笔账，说我滞销库存占了资金的三分之一，周转天数比同行多出四十天，我这才意识到库存计划的好坏不能凭感觉，得有指标盯着。现在我会固定每周看一次数据、每月调一次参数，缺货和积压都明显少了很多。
重点盯五个指标，每个都要有明确的警戒线。一是库存周转天数，等于平均库存金额除以日均销货成本，跨境一般做到45到75天算健康，超过90天就要查是哪几个SKU拖后腿。二是售罄率，新品上市60天售罄率低于60%说明首单定多了。三是滞销占比，库龄超过90天的库存占总库存比例超过15%就触发清货动作。
四是断货率，有货天数除以应售天数，低于97%就要回头检查安全库存和补货点是不是定低了。五是缺货损失GMV，用断货天数的日均销量乘以断货天数乘以客单价估算，这个数最能说服老板给你加备货预算。
复盘节奏上，数据看板做到日更或者周更，但参数调整不要天天改，建议每月固定一次，用当月实际的物流时效、供应商准时率、退货率回填公式，再重新算出下个月的补货点和安全天数。旺季前要单独做一次校准，把大促系数提前加进去，别等大促前两周才发现参数还是淡季的设置。
question
跨境电商的补货点和安全库存到底该按什么口径算，直接用过去30天平均销量可以吗？
我刚开始做库存计划的时候，就是把后台近30天销量除以30，当成日均销量去算补货点，结果大促前一周卖爆了、备货完全不够，大促后一周又压了一堆货。后来跟一个做了八年跨境的老运营聊，他说我这个口径从根上就错了，大促的脉冲销量和平销的销量混在一起，算出来的补货点只会两头挨打。
answer
question
同时做多个平台和多个海外仓，库存老是一边断货一边积压，库存该怎么分配和调拨？
我们SKU最多的时候有两百多个，同时铺了三个平台、两个海外仓加一个国内直发。最头疼的就是某个链接显示快断货了，另一个仓的同款还躺着不动，眼看着仓储费一天天涨。我也试过人工每周拉表手动分货，但订单一波动，表就失效，调拨又慢，最后变成了凭感觉拍。
answer
question
新品完全没有历史销量数据，第一批库存计划该怎么定，才不会一上来就压死？
我做新品最容易犯的错就是乐观。第一次上一款新品，凭感觉觉得能爆，直接海运发了三个月的量，结果上市后转化率只有预期的一半，货在海外仓躺了五个月，仓储费加清货折扣把利润全吃光了。后来我才明白，新品阶段的库存计划不是算出来的，是试出来的，关键是要给自己留退路。
answer
question
库存计划做完之后，靠哪些指标判断它到底好不好，多久复盘调一次？
我以前做库存计划就是月初算一次、月底看一眼，感觉没缺货就算成功了。后来财务给我算了一笔账，说我滞销库存占了资金的三分之一，周转天数比同行多出四十天，我这才意识到库存计划的好坏不能凭感觉，得有指标盯着。现在我会固定每周看一次数据、每月调一次参数，缺货和积压都明显少了很多。
answer
读者评论
图表里系统化库存计划的周转天数反而最长（63天），这个结论在老板那里很难过。我去年就是这样，断货率降了，但财务看到资金占用涨了二十多万，第一个月就被叫去解释。我的做法是把滞销占比和缺货损失的毛利一起做成月度对比，才勉强说通，否则单看周转天数就是挨批。
净销量这个点补充一下。我们是做服装的，退货率不仅高，二次可售还有时间差，旺季退回来的货经常错过当季，账面能二次上架，实际只能压到明年清仓。所以我现在按净销量算完，还会再给季节性款打个折，不然几个月滚下来误差很难看。
口径统一说得对，但小团队可能没到那个临界点。我们SKU不到两百个，手工表还能撑住，真正难受的是活动期，自动给的补货建议跟运营临时加的活动节奏对不上，结果还是要人工改。想问问这种情况是先定流程，还是先把系统上了再倒逼流程。