很多跨境卖家第一次真正意识到库存计划的重要性，不是在写年度规划的时候，而是在某个爆款突然断货、广告还在烧、Listing 权重一路下滑的那个星期。我见过一个做家居品类的团队，2024 年 Q4 旺季前把一个日均出 180 单的爆款备少了 4000 件，断货 11 天，恢复供货后同类目排名从第 6 掉到第 40，用了将近三个月、多花了约 8 万元广告费才把位置找回来。也见过相反的案例：另一个卖家为了让“仓库永远有货”，把长尾 SKU 的备货周期从 45 天拉到 120 天，结果 2025 年一季度盘点时，库龄超过 180 天的库存占到了库存总额的 37%，光仓储费和资金占用就把整年利润吃掉了两成。
库存计划这件事的残酷之处在于：备少了是隐性成本，备多了是显性亏损，而两者都不会在当月的利润表上立刻提醒你。这篇文章不讲“库存很重要”这种正确但没用的话，我要拆的是从 0 到 1 搭建库存计划时，真正决定成败的几个进阶玩法和操作要点，以及在不同阶段该做什么、该放弃什么。
如果你只带走一句话，我希望是这句：库存计划的核心不是预测未来，而是让每一次补货决策在事后可以被复算、被追问、被修正。预测永远会错，但只要决策过程可复算，错误就会收敛；如果你的补货是“感觉差不多了”，那错误只会随机重复。
新手最容易把“不断货”当成库存计划的唯一目标。这个目标听起来很对，但它不可优化，只要你愿意压足够多的货，理论上可以做到几乎不断货，代价是资金全部变成库存。真正可优化的目标是单位资金在单位时间内的周转次数。
我习惯用一个简化指标来判断一个团队的库存健康度：库存周转天数（DSI）。它的算法很朴素：平均库存成本 ÷ 日均销货成本。跨境因为头程、在途、FBA 入仓、海外仓中转的存在，真实 DSI 往往比卖家自己以为的长 30%-60%。很多卖家以为自己周转是 60 天，实际把在途和已下单未发货都算进去，是 95 天以上。
无论是手工 Excel 还是系统，最后支撑一次补货动作的就是三个数：日均销量、交货周期、安全库存。差别只在于这三个数怎么算、多久更新一次、由谁负责。
安全库存 = Z × σ_d × √L
补货点 = 日均销量 × 交货周期 + 安全库存
可售天数 = (在库 + 在途 + 在产) / 近30天日均销量
其中：
Z = 服务水平对应的标准正态分位数（95% ≈ 1.65，98% ≈ 2.05）
σ_d = 日均销量的标准差（波动越大，安全库存越高）
L = 交货周期（天，含生产 + 头程 + 入仓上架）
这套公式不复杂，难的是把它跑起来：σ_d 用的是哪一段销量？L 取平均值还是最大波动值？在途什么时候算作可用库存？这三个问题的答案，决定了你的库存计划是“科学”还是“看起来科学”。
我不建议一开始就上重型系统。0 到 1 阶段真正需要的是一个能自动归集多平台、多店铺、多仓库库存与销量数据的工具，让你每周能在固定时间拿到同一份口径一致的报表。像我实际用过的一段流程，就是通过数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）把亚马逊、独立站、海外仓的库存和销量拉到一张看板上，再用可售天数和库龄两个字段做双向预警。
它解决的不是算法问题，是口径问题。
我观察过几十个跨境团队，库存计划做得好和做得差的差距，80% 不在算法模型上，而在有没有认真做 SKU 分层。把 500 个 SKU 用同一套补货参数管理，结果一定是爆款断货、长尾积压同时发生。分层之后，爆款可以激进、长尾可以保守、淘汰款可以清货，这才是库存计划真正开始产生利润的地方。
抽象讲库存计划容易飘，我用自己的经历说具体一点。2024 年我参与过一个 3C 配件团队（年 GMV 约 2400 万元，SKU 约 380 个，亚马逊美国 + 欧洲 + 独立站三条线）的库存梳理。他们当时并不缺人，运营 4 个、采购 2 个，但库存依然乱七八糟。我跟着他们跑了一个月的日常决策，把问题场景记了下来。
他们的主力 SKU 是一款车载支架，日均出 210 单，海运交货周期约 38 天，安全库存按“两周销量”设成 2900 件。听上去合理，但问题出在：旺季销量从日均 210 单涨到了日均 340 单，而安全库存没有跟着更新。
结果就是，补货点还是按 210 单算的，等库存掉到补货点再下单时，实际只够撑 8 天，而海运要 38 天。中间 12 天断货，广告还在跑。事后他们算了一笔账：断货 12 天少卖约 4080 单，按客单价 26 美元、净利率约 12% 算，直接利润损失约 1.27 万美元，还不算排名下滑带来的后续流量损失。
同一个团队，另一个极端。他们有 60 多个 SKU 是“顺手一起发的”，采购说凑整柜便宜，运营说反正都是配件，于是跟着主力 SKU 一起进了海外仓。这批货里，有 23 个 SKU 月均销量不到 15 件，但每个都占了仓储位。
半年后盘点，这批长尾库存的货值约 41 万元，月仓储费约 5600 元，加上资金占用（按月化 0.8% 计），每月净损耗超过 8800 元。他们的处理方式是打折清货，最终回收约 62%，等于亏了 15 万多元。这笔钱，如果放在爆款备货上，按当时的转化效率至少能带来 40 万元以上的额外 GMV。
每年 8-9 月是他们最焦虑的时候。备战逻辑是：把去年 Q4 的数据乘以一个“增长系数”。问题是这个系数怎么定，全凭感觉，运营说 1.5，老板说 1.8，最后取 1.6。没有考虑当年新增的广告位、竞品的价格战、平台政策变化。
结果 2024 年 Q4，他们备货比实际需求多了约 28%，2025 年 Q1 直接进入清货模式，全年毛利率被拉低了 3.4 个百分点。
我把他们当时的库存数据来源列了一下：亚马逊后台、独立站 Shopify、海外仓服务商系统、采购的 Excel、在途货代的邮件。五个来源，五个口径，更新频率从实时到每月不等。
更麻烦的是：在途库存没人归口管理。采购认为下了单就算有货，运营认为没入仓就是没货，两边对同一个 SKU 的“可用库存”判断差了将近 3000 件。这就是典型的“账实不符”导致的决策失真。
我把这些年见过的库存问题归类成六个误区。它们的共同点是：都“听起来合理”，但都在悄悄放大利弊两侧的成本。
平台显示的销量，是被库存约束后的销量。也就是说，一个 SKU 断货了 10 天，后台销量会自然降低，但真实需求并没有降低。如果你直接拿这个数字做预测，就会形成恶性循环：断货 → 销量看起来下降 → 预测调低 → 备货更少 → 继续断货。
我的做法是先做“去失真”：把断货天数的销量按前后 14 天的日均值补齐，再做预测。这一步听起来土，但效果比换一套高级算法实在得多。
这是最常见也最致命的一个。可用库存必须是在库 + 在途 + 在产（已下单未发货）三项之和。很多卖家在 Excel 里只填在库数，导致同一个 SKU 被重复下单，等两批货同时到仓，库存瞬间翻了 2 倍。
用一个“统一安全库存天数”管理所有 SKU，是最省事也最亏钱的做法。爆款销量波动小、金额大，安全库存天数可以低，但绝对量要够；长尾销量波动大、金额小，安全库存天数应该更高，绝对量却要严格控制。一套参数永远不可能同时满足这两类。
我见过太多卖家算库存成本时只算“采购价 × 数量”。但真实的库存成本至少包括：采购货款、头程运费、仓储费、资金占用成本（按月化 0.6%-1.2% 计）、滞销跌价准备。一个货值 10 万的 SKU 压在仓库 180 天，光资金占用就是 3600-7200 元，还不算仓储和跌价。这部分在快消品类尤其敏感。
这是一个典型的 KPI 错配问题。如果采购的考核是“断货次数”，那他所有的理性选择都是多备货。而多备货的成本由公司承担，不在他的考核里。要解决这个问题，必须把周转天数和滞销占比也纳入考核。
月度数据平滑掉了波动，而补货决策恰恰发生在波动里。一个 SKU 如果月初卖 30 单、月末卖 300 单，月度数据看是日均 11 单，但用这个数字补货，会在月底之前就断货。至少要用到周粒度的滚动数据，旺季甚至要按天看。
很多人问我补货到底怎么算。我一般不会直接给公式，而是先给链路。因为脱离链路的公式，就是一堆会被误用的数字。下面是我在实操中固定使用的六步。
先把 SKU 按“可售天数”筛一遍，找出有断货记录的 SKU，把这些 SKU 的日均销量用“无断货区间的日均值”替代。促销日的销量可以做标记，但不要直接剔除，促销是真实需求的一部分，只是需要在预测时单独处理。
ABC 按销售额贡献分层，XYZ 按销量波动性分层。我通常的切分是：A 类占销售额前 70%，B 类占 70%-90%，C 类是剩下 10%；X 类变异系数小于 0.5，Y 类 0.5-1.0，Z 类大于 1.0。
分层之后，策略就自然出来了：AX 类要保供、CZ 类要收缩、AZ 类要谨慎但要留足安全库存、CX 类可以外包或淘汰。这一步做完，你会发现原来 500 个 SKU 其实只需要 4 种策略。
安全库存不是越大越好。它本质上是为“不确定性”支付的保险费。服务水平从 95% 提到 98%，Z 值从 1.65 提到 2.05，安全库存增加约 24%，但你换来的断货率下降通常在 1-2 个百分点。是否值得，取决于这个 SKU 的毛利率和断货代价。
很多团队的交货周期取一个平均数，但真实周期是波动的。海运旺季可能从 38 天变成 55 天，工厂排产可能因为原材料延后 10 天。我在实操里会同时记录平均交货周期和 P90 交货周期，对 A 类 SKU 用 P90，对 C 类用平均值。这样既保住了关键 SKU，又不会让所有 SKU 都背上最坏情况的库存。
服务水平不要统一。我通常这样分：A 类 98%、B 类 95%、C 类 90%。理由是 A 类断货的机会成本最高，而 C 类断货只是少卖几单，不值得为它压货。
系统给出建议后，必须留一个人工复核环节，用来处理系统看不到的信息：平台政策变化、竞品大促、供应链突发情况。但我强调一点，人工复核只能往“保守”方向调，不能随意往“激进”方向加量。因为加量的人没有成本压力，而库存的成本最终由公司承担。
讲了这么多方法，回到操作层面。我之所以在实操中倾向于用数跨境这类工具（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys），不是因为它算法多先进，而是因为它能解决一个具体问题：把多平台、多店铺、多仓库的库存数据拉到同一口径下，并且每天自动更新。这个问题不解决，前面讲的所有分层、安全库存、补货点都是纸上谈兵。
我在这类工具上踩过坑。早期我用过纯 Excel 方案，问题不是算不出来，而是每周花在“对数据”上的时间太长。一个 300 SKU、3 个店铺的团队，光是把亚马逊后台、独立站、海外仓的数据对齐成一张表，一个人每周要花 8-12 小时。而且只要口径稍有变化，上个月的报表和这个月就无法对比。
数跨境这类系统化工具的核心价值在于：它把数据采集、合并、口径统一这件事变成自动动作，让你把时间花在判断上，而不是花在复制粘贴上。
这是我坚持的第一个动作。我在配置时会把三个字段都拉进同一个 SKU 维度：在库数量（各仓库汇总）、在途数量（含发货日期和预计到仓日期）、在产数量（已下采购单未发货）。三者相加才是可用库存，再除以近 30 天日均销量，得到可售天数。
这一步做完，那个团队第一时间发现的问题就有 3 个 SKU 属于“重复下单”，他们同时在两批补货里下了同一个 SKU，合计数量超过真实需求 2.3 倍。
分层不需要复杂建模。我在实操里是按季度做一次分层更新：取过去 90 天的销售额排序，划出 ABC；再算销量的变异系数，划出 XYZ。然后把标签写回 SKU 主数据里。
这个动作的实际作用非常直接：同一个 SKU 在不同分层下，系统推荐的安全库存和服务水平完全不同。分层更新之后，A 类 SKU 的补货频次明显提高，C 类 SKU 的补货频次下降，整体周转天数在一个季度内下降了 14 天。
单向预警（只看库存低了没）是不够的。我设置了两个方向的阈值：
上限预警的重要性常被低估。它能让你在库存变成“滞销”之前就采取行动，比如提前上促销、转站、调价，而不是等到 180 天之后再打折清货。
这个团队从 2024 年 11 月开始使用系统化库存看板，前后各取 90 天对比。以下数据为脱敏后的区间值，来自团队内部周报记录：
| 指标 | 上线前 90 天 | 上线后 90 天 | 变化幅度 |
|---|---|---|---|
| 库存周转天数 | 118 天 | 91 天 | 下降 22.9% |
| 爆款断货天数 | 17 天 | 4 天 | 下降 76.5% |
| 库龄 180 天以上库存占比 | 21% | 11% | 下降 10 个百分点 |
| 周度数据准备耗时 | 10.5 小时 | 2.5 小时 | 下降 76.2% |
| 重复下单 SKU 数 | 9 个 | 1 个 | 下降 88.9% |
我必须说明清楚：这些改善不完全是工具带来的。同一时间他们做了三件事的改变，分层规则、双向预警阈值、人工复核机制。工具只是让这三件事的执行频率从“每月一次”提升到“每周一次”。如果只上工具不改规则，效果会小得多，这是我反复验证过的判断。
方法讲完了，接下来是分场景的落地建议。我按照团队规模和 SKU 量级分成五类。请注意：不要跳级。0 到 1 阶段去做 SKU 500+ 才需要做的事，通常只会增加复杂度而不增加收益。
这个阶段不要上系统，也不要请供应链顾问。你需要的是三件最基础的事：
这个阶段最容易犯的错是：把库存储备做得过重。SKU 少的时候资金集中度高，一旦压错 SKU，整盘都被拖住。所以这个阶段的策略是小批量、高频补货，宁可多付一点运费，也不要压库存。
这是最典型的跨境团队形态，也是最容易乱掉的阶段。核心矛盾是：数据源变多，但人对数据的掌控力没有同步提升。
我的建议是分两步走：先统一口径，再谈优化。具体动作是：
这个阶段是引入系统化工具收益最明显的阶段。以数跨境为例，它在多店铺、多仓库场景下的数据归集能力，能把上面的第一步从每周 10 小时压缩到 1-2 小时。这个时间差，就是你做后面三步的空间。
这个阶段的关键词是“分层调度”。海外仓、FBA、自发货三种履约方式的库存属性完全不同，必须分开管理。
我的做法是按履约方式拆成三个池子：FBA 池关注入仓时效和长期仓储费；海外仓池关注中转效率和二次分销能力；自发货池关注备货深度和订单响应速度。每个池子有自己的安全库存参数，不能共用。
这个阶段还需要引入“库存健康度”综合指标，把周转天数、库龄结构、断货率、滞销占比四项加权成一个分数，按周排名。我见过做得好的团队，每周一开会只看这个分数和排名变化，异常 SKU 直接进入专题处理。
这类品类的库存计划逻辑完全不同，因为需求是脉冲式的。我的建议是三条：
节日品类的最大风险是“节日过期即归零”。一个圣诞品类 SKU，12 月 26 日之后价值会断崖式下跌。所以宁可断货，也不要过量，这个逻辑和常青款是完全相反的。
新品没有历史数据，σ_d 无法计算，标准公式不适用。这时候我会用“类比法 + 小步试错”。
具体做法：找 2-3 个同类目、同价位、同生命周期阶段的老品作为参照，取其前 60 天的销量曲线做基准，然后按 70% 折算作为首单量。首单不要超过 45 天销量的预估值，第二批根据实际动销数据调整。
新品期的库存策略核心是控制试错成本，而不是追求 GMV 最大化。首单压货过多，新品失败时清货周期会非常长。
我越来越觉得，库存计划做得好不好，不取决于你会不会算，而取决于你愿不愿意在一些目标上主动放弃。下面是我梳理的五组核心取舍，每一组都对应一个真实的决策困境。
这是最根本的一组。降低库存必然提高断货概率，提高库存必然降低资金效率。没有两全的方案，只有你愿意为“不断货”付多少钱的问题。
我的判断标准是看毛利率。毛利率 40% 以上的品类，断货机会成本高，可以容忍库存周转慢一些；毛利率 20% 以下的品类，资金效率优先，宁可承受更高的断货率。用同一个标准管所有品类，是很多团队亏损的起点。
海运单件成本可能只有空运的 1/4 到 1/5，但交货周期差 3-5 倍。对 A 类 SKU，我建议采用“海运为主 + 空运补位”的混合策略：主批量走海运压成本，当可售天数跌破安全线时用空运补急，补货量只覆盖缺口，不求补满。
对 C 类 SKU，则统一走海运，甚至接受更长的交货周期，用提高安全库存天数来对冲时间不确定性，因为这类 SKU 的空运成本很难被毛利覆盖。
这个取舍不是“要不要花钱”，而是“要不要把人从数据搬运中解放出来”。我算过一笔账：一个 300 SKU、多平台运营的团队，如果每周有 10 小时花在数据整理上，按人力成本折算，一年的隐性成本足以覆盖系统化工具的投入。
但有一个前提：你必须先有规则，再上工具。没有分层规则、没有预警阈值、没有人负责复核，再好的工具也只会生成一份更漂亮的表格，而不会改善任何指标。我在前面提到的那个团队，正是因为先做了分层和阈值，工具上线后的效果才那么明显。
铺货策略下，SKU 数量多、单 SKU 销量小，库存管理成本高且难以分层管理；精品策略下，单 SKU 销量大，但一旦判断失误损失集中。
我的经验是：SKU 超过 300 个之后，每新增一个 SKU 带来的管理成本增长，会快于它带来的利润增长。所以铺货到一定规模后，应该主动做减法，把 CZ 类 SKU 清掉，把资源集中到 AX 和 AY 类。
滞销库存的处理有一个反直觉的结论：越早清货，综合损失越小。原因是仓储费和资金占用是按天累积的。一个库龄 180 天的 SKU，如果按 7 折清货能清掉 80%，实际上往往优于等到 270 天按 5 折清掉 60%。
我通常给的建议是设定一个“清货触发点”：库龄超过 120 天且月动销低于阈值，自动进入清货流程。不要等到季度盘点，那时候已经晚了。
| 取舍维度 | 偏左选择 | 偏右选择 | 我的建议倾向 |
|---|---|---|---|
| 资金效率 / 断货风险 | 低库存、高断货容忍 | 高库存、低断货容忍 | 按毛利率分档，40% 以上偏右，20% 以下偏左 |
| 海运 / 空运 | 低成本、长周期 | 高成本、短周期 | A 类混合，C 类全海运 |
| 系统 / 人工 | 先跑通规则再上工具 | 先上工具再补规则 | 规则先行，工具跟进 |
| 铺货宽度 / 单品深度 | 多 SKU 分散风险 | 少 SKU 集中资源 | 300 SKU 后主动做减法 |
| 清货速度 / 利润回收 | 快速清货、接受低回收率 | 慢慢清、追求高回收率 | 120 天触发，早清优于晚清 |
回到最开始的那个判断：库存计划不是一次性的规划，而是一套每周重复的动作。我把这篇文章的核心观点压缩成四条，也是我最想让你记住的部分。
第一，库存计划的本质是让决策可复算。预测一定会错，但只要你记录了当时的日均销量、交货周期、安全库存和服务水平，事后就能复盘出是哪个参数错了，下一轮就能修正。不可复算的决策，只能靠运气重复。
第二，分层是投入产出比最高的动作。在分层之前，所有优化都是低效的；分层之后，你会发现 80% 的库存问题集中在 20% 的 SKU 上，资源一下子有了明确的投放方向。
第三，工具解决的是口径问题，不是判断问题。像数跨境这样的工具能把多平台、多仓库的数据拉到同一口径，把每周 10 小时的数据整理压缩到 1-2 小时，但分层规则、服务水平、预警阈值这些仍然需要你自己定。工具让执行变快，规则让方向变对，两者缺一不可。
第四，库龄结构比库存金额更能说明问题。库存金额高不一定是坏事，可能是旺季备货；但库龄 180 天以上的占比高，一定是坏事。这个指标不会被任何营销活动美化，它诚实地反映你的库存计划水平。
如果你今天就想动手，我建议按这个顺序推进，不要跳步：
这套动作不需要额外招聘，也不需要一次性投入大量预算，但它能在 90 天内让你的库存周转天数下降 15-25 天。对一个年 GMV 2000 万元的团队来说，这意味着释放出数百万元的沉淀资金，而释放出来的这部分现金，才是从 0 到 1 阶段最稀缺的资源。
库存计划真正难的地方从来不是数学，而是纪律：能不能每周固定花两个小时看数据，能不能在爆款卖得最好的时候克制住多加 20% 的冲动，能不能在库存开始滞销的第 120 天就果断清货。把这三件事做到，你已经超过了绝大多数同行。
我刚起店时最怕拍脑袋备货，备少了广告刚跑起来就断货，备多了又变滞销。尤其新品没有历史销量，看竞品数据也拿不准。后来我一边用测款数据一边设安全库存，才慢慢有底。
0到1不要按全年爆款备货。先定测款目标：用竞品近30天日均销量乘以0.3到0.5作为首月日销假设，首单覆盖采购、头程、上架和15天安全期，通常控制在30到45天销量；空运快可压到21到30天。安全库存等于日均销量乘以波动系数再乘以补货周期，新品波动系数取1.5到2，稳定期取1.2到1.3。
上架后第7、14、28天复盘：若连续7天售罄率高于80%且广告ACOS可控，就把日均上调20%到30%并追加补货；若14天动销低于30%，立即停广告、调价或捆绑清。数据口径统一用可售库存除以近7天日均销量等于可售天数，低于1.5倍补货周期预警，高于3倍补货周期列入滞销观察。
我经常遇到明明下了采购单，结果海上漂一个月，链接断货半个月。也试过为了不断货全走空运，利润直接被吃掉。到底该按什么口径算补货点，怎么在时效和成本之间取舍？
补货点等于日均销量乘以采购天数、头程天数、入仓上架天数、安全天数之和。比如供应商7天、海运30天、入仓3天、安全7天，合计47天，日销50单，补货点就是2350件，再减去在途和在仓可售，才是这次该下的量。
选择上：新品或旺季前4到6周用空运或快船保上架，稳定款用海运拉利润，海外仓适合大件、高动销或当地配送时效要求高的SKU。不要只看运费单价，要算每件综合成本加断货损失：空运多出的成本若低于断货期间损失的毛利，就值得发。
每周固定一天更新在途、可售、日销和物流时效，按SKU设红黄绿线，红线触发补货，黄线查物流，绿线不动。
我最头疼的是有些SKU不断货，但动销慢，仓租和长期仓储费一点点吃掉利润。平台还经常突然收超龄库存附加费，等发现时已经晚了。到底该在什么节点清，怎么清才不至于亏太多？
先设滞销判定，不要凭感觉：可售天数高于90天，或近30天动销率低于20%，或库龄进入平台收费前45到60天，就进入清仓流程。做法分三层：第一层是站内降价加优惠券加捆绑热销款，目标14天内把可售天数降到60天以下；
第二层是Outlet、Deal或站外群组，按保本售价等于采购、头程、平台佣金、履约费和清仓折扣之和算底线，低于底线就停止硬清；第三层是批量回收、捐赠或销毁，先算长期仓储费和销毁费，如果继续持有成本高于直接处理成本，就果断处理。关键口径是库龄、可售天数、动销率三个一起看，不要只看库存数量。
清仓后把原因回写到选品和补货表：是测款失败、季节错判还是补货过多，下一轮直接减少同类型首单。
我同时做平台A、平台B和独立站，最怕同一批货在几个后台都显示可售，订单一来就超卖。手动改Excel经常漏，用某项目管理工具记录也容易和实际库存脱节。到底该用什么口径同步，才能既不压库存又不超卖？
核心是设共享库存池和渠道预留比例。先把同一个物理SKU的库存集中到一个主库存表，按渠道近14天销量占比分配可售上限，比如A占60%、B占30%、独立站占10%，再给每个渠道留5%到10%缓冲。同步频率至少每天一次，旺季或秒杀前改为每2到4小时；
所有渠道的可售都要扣掉在途未上架、已售未发货、预留和残次品。不要用总库存直接铺到每个平台。实操上，用ERP或表格做自动同步，设超卖红线：某渠道剩余可售低于安全库存1.2倍就自动下架或减库存。每周对一次实物、在途、平台后台和主表，差异超过2%就查原因。多店铺尤其要统一SKU编码，否则同步必乱。
读者评论
安全库存那套公式我试过，卡点其实在σ_d取哪段销量。用滚动90天会把旺季波动抹平，用最近30天又容易被一次促销带偏。我们后来改成近8周加权，参数稳一点。另外海运交货周期动辄35天以上，Z取1.65感觉偏乐观，想知道你们实际用的服务水平是多少。
SKU分层这事说起来容易，难的是谁来分、多久重分一次。我们按销售额分了四层，结果新品没历史数据，硬套层内参数反而死得更快。现在的做法是给新品单独一条规则，小批量空运试水，跑够六周再归入常规层。分层是活的，不是一次性动作。
采购考核断货次数这点太真实了。不过把周转天数直接塞进KPI也有副作用，我们执行后采购开始压单，爆款的补货点被生生拖后，断货反而多了。最后是断货率和滞销占比两个一起挂，才勉强平衡。单一指标好像怎么设都会被钻空子。