2025 年 3 月，一个做家居收纳类目的卖家朋友把后台截图发给我，说他”进阶玩法跑通了”，TikTok 内容号三条视频爆了，单周订单从 800 单冲到 9000 单，团队已经开始庆祝。但我问他的第一个问题不是”ROI 多少”，而是”你现在期末库存货值是多少、动销天数是多少、海外仓还压着几个 SKU”。他愣住了，半小时后回了一句：库存表还在运营助理的 Excel 里，海外仓那边只知道”货挺多的”。
两个月后，他压了 280 万货值，其中 110 万是已经过了季节窗口的收纳箱。
这件事让我确认了一个判断：想检查一个跨境电商团队的”进阶玩法”到底是不是真跑通了，不要看它的广告后台，去看它的库存计划。广告数据可以修饰、爆单截图可以挑选、GMV 曲线可以靠补贴拉起来，但库存计划骗不了人，它同时暴露了这家公司对需求的理解深度、对供应链的掌控程度、对现金流的敬畏程度，以及对运营动作的约束能力。
这篇内容我会完整讲清楚三件事：为什么库存计划能当作”玩法质量检测仪”、具体用哪些指标和阈值去检查、以及不同规模、不同模式的卖家该怎么做取舍。文中所有数据来自我自己操盘和陪跑的跨境项目观察，涉及具体卖家时会做脱敏处理，涉及工具的部分我会以我实际在用的”数跨境”为例说明。
如果你的库存计划做不到”按 SKU × 仓库 × 库存状态 × 时间”四维对齐，那么你所有被称为”进阶玩法”的动作，多平台铺货、内容爆量、海外仓前置、组合装捆绑、预售锁量，本质上都还是在赌，而不是在经营。
我见过太多团队把”进阶”理解成”更猛的流量手段”。但真正的进阶，是从”我能不能卖出去”升级到”我能不能在正确的时间、用正确的成本、把正确的货放到正确的位置”。前者是营销能力，后者才是经营能力。库存计划就是后者的唯一测量仪。
原因在于库存计划处在业务链条的”汇流点”。上游的需求预测、中游的采购与物流、下游的平台履约与退换货，全都要在库存计划里结算。任何一个环节的假设是拍脑袋的，库存计划都会把它放大成真金白银的损失。
举个具体的：一个团队说自己的”多平台同步铺货”跑得很好，月销 80 万美金。我去看它的库存计划，发现同一个 SKU 在四个平台的可用库存是共享的,没有任何渠道级的库存分配规则。这意味着任何一个平台来一波流量,其他三个平台立刻断货。这种玩法不是”多平台经营”,而是”一个盘子四个洞”。玩法的复杂度一旦超过库存计划的承载能力,增长就会自动转化为损耗。
我通常用三条判据做五分钟快速筛查,不需要看任何报表细节,只问三个数字:
| 判据 | 健康区间 | 危险信号 | 它暴露了什么 |
|---|---|---|---|
| 需求预测颗粒度 | 能到 SKU × 仓库 × 周 | 只能到类目 × 月 | 预测越粗,爆量时越只能靠追单救火 |
| 库存数据刷新频率 | ≤ 4 小时,且含在途 | 每天手工导一次,不含在途 | 数据滞后直接导致超卖和错配 |
| 滞销库存占比 | < 10%(90 天无动销) | > 25% | 说明玩法带来的增量大部分变成了库存 |
这三条里,第三条最难造假,也最能说明问题。因为滞销库存是滞后指标,它反映的是三个月前的决策质量。一个团队如果滞销占比长期高于 25%,那它所有的”进阶玩法”都只是在给仓库搬家。
过去两年,有三个变化让库存计划的重要性发生了质变。第一个是平台履约时效考核越来越硬,迟发率和妥投时效直接跟流量挂钩,这意味着”缺货”不再是少赚一笔钱,而是掉权重。
第二个是海外仓与前置仓的成本结构变化。仓储费、长期存储附加费、退仓处理费层层叠加,滞销库存不再是”占着钱”,而是每个月在主动产生负现金流。我以前算过一笔账,一个 60 美元客单价的产品在美国海外仓放满 9 个月,仓储和附加费能吃掉它 12% 到 18% 的毛利。
第三个是流量本身的波动性变大了。内容电商的爆量曲线比传统搜索电商陡峭得多,起量快、退潮也快。这对库存计划的要求从”提前一个月备货”变成了”提前一个月备货、同时保留七天内的弹性调整能力”。
把这三年的样本拉平来看,跨境卖家大致可以分成三类库存人格,它们对应完全不同的检查重点。
A 类:精品少 SKU 型。SKU 数通常在 30 到 150 之间,单 SKU 投入深,靠产品力吃长尾。这类卖家的库存计划往往相对健康,周转天数能压到 40 天以内,核心矛盾是”预测太保守错过爆量窗口”。
B 类:多平台铺货型。SKU 数动辄上千,同一个品铺五个平台、三个站点。这类卖家最容易被”看起来在增长”迷惑,因为 GMV 在涨、订单在涨,但库存结构已经在烂。核心矛盾是”缺货和滞销同时存在”。
C 类:爆品驱动 + 重资产备货型。靠一两个爆款吃全年,敢压货、敢前置、敢在海外仓囤三个月以上的量。这类卖家一旦预测失误就是现金流黑洞,核心矛盾是”如何在不死的前提下放大”。
回到开头那个案例。他的操作路径其实很有代表性:第 1 周内容起量,首单备货 120 万;第 3 周看到订单还在涨,追加 95 万;第 5 周平台开始出现同类竞品,转化率下滑,但他已经在途加购了第二批;第 7 周销量腰斩,货全到了;第 12 周库存货值 238 万,周动销只剩 1100 件。
整件事里最致命的不是预测错了,而是他在整个过程中没有任何一个机制能告诉他”你现在应该停止追单”。他的库存计划是一张静态的 Excel,只在每周一更新一次,而且只记录到仓数量,不含在途。等到数据反映出来的时候,决定已经做完了。
这是最普遍的误解。补货表回答的是”什么时候再买多少”,库存计划回答的是”我应该持有什么样的库存结构、为了支撑什么玩法、承担多大风险”。前者是执行动作,后者是经营策略。
一个只有补货表的团队,通常会出现这种症状:每个 SKU 单独看都没问题,但合起来看资金占用已经超过安全线。补货表是局部最优,库存计划才是全局最优。
我见过一份很典型的月度汇报,GMV 同比增长 140%,团队士气高涨。但同一时期的库存货值增长了 210%,滞销占比从 12% 涨到 29%。这意味着什么?意味着这 140% 的增长里,有很大一部分是”用库存换来的销售额”,而不是”用效率换来的利润”。
判断方法很简单:把 GMV 增速和库存货值增速放在一起看。如果库存增速持续高于 GMV 增速超过两个季度,这个增长就是不可持续的。
恰恰相反,小卖家更需要。因为小卖家的容错空间极小,一次 20 万的错误备货就可能让整个团队停摆。大卖家压错一次货,亏的是利润;小卖家压错一次货,亏的是命。
小卖家的库存计划不需要复杂,但必须回答三个问题:我的现金能支撑多少天库存、我最少要保证哪几个 SKU 不断货、当一个 SKU 连续 N 周不动销时我什么时候动手清。
周转天数是一个平均数,而平均数会骗人。一个团队的整体周转天数是 55 天,听起来健康,但如果拆开看,可能是 30% 的 SKU 周转 15 天、40% 周转 60 天、30% 周转 180 天以上。后面那 30% 才是真正的问题所在。
我建议把库存按动销状态分成四档来看,这比一个总数有用得多:
这是近几年新出现的误区。很多团队上了库存分析工具之后,反而更容易自我感觉良好,因为报表很好看、数据很完整,但没有人去问”这份数据背后的假设对不对”。
工具解决的是”看得见”的问题,解决不了”看得准”的问题。数据可视化的价值在于缩短你的决策周期,而不是替代你的判断。这一点在使用任何库存分析系统时都要记住。
下面这套模型是我在过去几年反复调整后固定下来的诊断框架。它的作用不是打分排名,而是帮你定位”我现在卡在哪一层、下一步该补什么”。
这一层只有一个问题:你能不能在一个视图里同时看到”某个 SKU 在某个仓库的可用量、在途量、锁定量、预留量”。如果做不到,后面所有分析都是空的。
这一层最常见的失败原因不是技术,而是口径不统一。比如运营说的”库存”是平台后台可用库存,采购说的”库存”是工厂已发货量,财务说的”库存”是已经付款的货值。三个数字打架,会议就开不完。
健康的需求预测一定是有层次的:引流款用”宁可略多不可断”的策略,利润款用”精准匹配”的策略,长尾款用”小批量高频补”的策略。如果所有 SKU 用同一个预测模型、同一个安全库存系数,那么无论模型多先进,结果都不会好。
我通常要求团队至少把 SKU 分成三到四层,并且每层有明确的安全库存系数和补货触发点。这一步做完,库存周转天数通常能直接改善 15% 到 25%。
需求预测得再准,如果供应端给不出可信的交期,库存计划还是空中楼阁。这一层要检查的是:你能不能拿到供应商的真实产能曲线、能不能知道每批货的实际到仓周期分布(而不是平均值)。
平均交期是最容易骗人的数字。一个供应商说”平均 35 天”,但如果它的实际分布是 25 天到 70 天,那你在做安全库存的时候必须按 90 分位来算,而不是按平均值。
到了这一层,库存计划才真正接入经营。核心指标是现金转换周期:从付供应商货款,到平台回款到账,中间隔了多少天。这个天数决定了你能承受多深的备货。
常见的情况是:团队知道自己的库存周转天数是 60 天,但不知道自己从付款到回款的周期是 95 天。这两个数字之间的 35 天缺口,就是你需要用自有资金或者其他融资填上的部分。不理解这个缺口,你就无法判断一个玩法到底能不能加码。
这是最高一层,也是最能体现”进阶”的地方。它的标志是:库存计划能够反过来给运营动作设限。比如:
能做到这一层的团队,增长是”有刹车”的增长。而做不到这一层的团队,增长越快,风险积累越快。
下面是我实际在用的一份精简清单,分成五个维度、共 20 项。每项按”是/否/部分”打勾,不追求满分,追求看清短板在哪。
| 维度 | 检查项 | 合格标准 |
|---|---|---|
| 数据对齐 | SKU 编码是否全渠道统一 | 同一物理商品在不同平台可映射到同一主 SKU |
| 库存状态是否细分 | 可用/在途/锁定/不良品四类分开 | |
| 数据刷新频率 | 自动化同步,间隔不超过 4 小时 | |
| 仓库维度是否完整 | 包含平台仓、海外仓、国内仓、在途 | |
| 需求侧 | 是否有分层预测 | 至少 3 层,系数不同 |
| 是否区分季节性 | 有季节因子或活动因子 | |
| 是否纳入促销计划 | 大促前置备货有独立条目 | |
| 预测误差是否追踪 | 每月计算 MAPE 或偏差率 | |
| 供应侧 | 交期是否按分布管理 | 使用 P90 而非平均值 |
| 是否有供应商产能视图 | 能预判旺季排产冲突 | |
| 是否管理最小起订量 | MOQ 影响已计入补货模型 | |
| 质量不良率是否纳入 | 有效可用量已扣除不良率 | |
| 资金侧 | 是否计算现金转换周期 | 付款到回款天数有明确数值 |
| 是否有库存资金上限 | 设定总额和单 SKU 上限 | |
| 是否区分库存成本构成 | 货值、运费、仓储、资金成本可拆 | |
| 是否有清货触发规则 | 按动销天数自动预警 | |
| 玩法侧 | 新玩法上线前是否评估库存承载 | 有书面评估流程 |
| 爆量时是否有追单上限 | 追单量不超过原计划的一定比例 | |
| 是否有退出机制 | 玩法失败时的清货与止损预案 | |
| 库存指标是否进运营考核 | 不只是销售额和 ROI |
如果你需要把安全库存和再订货点算清楚,可以用下面这段逻辑做起点。它不复杂,但比拍脑袋强得多:
# 安全库存与再订货点计算示例(按 P90 交期分布,非平均值)
import statistics
lead_time_samples = [28, 31, 34, 36, 42, 55, 68] # 近 7 批实际到仓天数
daily_demand = [120, 140, 135, 160, 155, 148, 170] # 近 7 天日均动销
用 P90 交期而非平均交期,覆盖尾部风险
lead_time_p90 = sorted(lead_time_samples)[int(len(lead_time_samples) * 0.9)]
avg_daily_demand = statistics.mean(daily_demand)
demand_std = statistics.pstdev(daily_demand)
服务水平系数:常规款 1.65(95%),爆款可提到 2.05(98%)
service_factor = 1.65
safety_stock = service_factor * demand_std * (lead_time_p90 ** 0.5)
reorder_point = avg_daily_demand * lead_time_p90 + safety_stock
print(f"P90 交期: {lead_time_p90} 天")
print(f"安全库存: {safety_stock:.0f} 件")
print(f"再订货点: {reorder_point:.0f} 件")注意这里的两个关键选择:用 P90 交期而不是平均交期,用不同服务水平系数而不是一刀切。这两个调整看起来很小,但它们决定了你的库存计划是”纸面正确”还是”实战可用”。
先说清楚:Excel 不是不能用,而是它的边界来得很快。当 SKU 超过 200 个、仓库超过 3 个、平台超过 4 个的时候,Excel 的维护成本会指数级上升,而且几乎必然出现版本混乱，采购一份、运营一份、财务一份,谁也不知道哪份是对的。
我自己的体验是,纯 Excel 模式下,每月用于制作和校对库存计划的时间大约在 26 人时左右,而且准确率高度依赖具体执行人的状态。这不是能力问题,是工具形态决定的。手工维护的库存计划,本质上是一个”每周更新的历史记录”,它无法承担实时决策的职责。
我目前用来做库存计划与检查的工具是数跨境(官网: https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys)。它的定位是跨境电商的数据分析与库存管理平台,我之所以用它,主要是因为它把平台销售数据和库存数据放到了同一套口径里。以下是我日常打开频率最高的四个视角。
把平台仓、海外仓、国内仓、在途货全部拉到一张表里,按 SKU 聚合。这一步替代的是过去手工合并三份 Excel 的工作。我最常看的是”可用库存 + 在途库存”的合并视图,因为它才是判断能不能接一波流量的真实基数。
按动销天数把 SKU 分成热销、正常、预警、呆滞四档,并且能看到每一档占用的资金比例。这个视角最直接的价值是:你可以一眼看出自己的钱到底压在哪一段。我服务过的一个团队,看之前以为自己的滞销款占比大约 10%,看了之后发现是 27%。
把库销比按周画成趋势线,配合销量曲线一起看。这是我在前面案例里提到的那个”停止追单”信号。当库销比连续两周上行且销量连续两天下行时,系统会提示风险。这个提醒的价值不在于预测未来,而在于把”该刹车”这件事从人的直觉变成系统的规则。
基于交期分布和销量趋势给出补货量建议,同时模拟不同补货方案下的资金占用变化。我通常会让团队同时看三个方案:保守、均衡、激进,然后对比三者的现金占用和预期毛利,再决定选哪个。
下面这组数据来自我陪跑的一个家居类目卖家。团队规模 12 人,月销 18 万到 25 万美金,主战场在美国和德国,海外仓 2 个。上线数跨境做库存计划管理前后的对比,时间跨度各 90 天。
| 指标 | 上线前 90 天 | 上线后 90 天 | 变化幅度 |
|---|---|---|---|
| 库存周转天数 | 96 天 | 44 天 | -54% |
| 滞销库存占比 | 28% | 9% | -19 个百分点 |
| 月度断货天数 | 18 天 | 5 天 | -72% |
| 库存计划制作耗时 | 26 人时/月 | 6 人时/月 | -77% |
| 因缺货流失的订单占比 | 11% | 3% | -8 个百分点 |
这里我要特别说明一点:这些改善不是”上了工具”带来的,而是”上了工具之后团队终于愿意执行分层预测和止损规则”带来的。工具本身只是让数据可见、让规则可执行。如果流程不动,同样的系统只会变成一块更漂亮的大屏。
有了上面这些数据,你就可以给任何一个”进阶玩法”打分。我的做法是针对五个动作各打 0 到 10 分,再算加权平均。这套打分方式我用了两年多,比单纯看 ROAS 靠谱得多。
库存计划的检查方法不能一刀切。下面按销售规模分三档给出具体动作,你可以直接对号入座。
这个阶段不要碰复杂模型,不要买重型系统,把三件事做扎实就够了。
这三件事做完,你至少不会出现”爆量之后压死自己”的情况。这个阶段最大的风险不是效率不够,而是节奏失控。
这个规模是分水岭。SKU 数量、仓库数量、平台数量通常都已经超过手工管理的临界点,继续用 Excel 会开始出现”每周都在救火”的状态。
我的建议是引入具备多仓库存聚合能力的分析工具,比如数跨境这类把销售数据和库存数据打通的产品。这个阶段的重点不是把每个指标都做精细,而是把”数据获取”这一步从人工变成自动,把节省出来的时间投到预测和供应链协调上。
同时应该开始建立分层预测。把 SKU 分成引流款、利润款、长尾款三层,分别设定安全库存系数。这一步通常能带来 15% 到 25% 的周转改善。
到这个规模,库存计划必须从”被动记录”升级为”主动约束”。具体表现是:新玩法上线前需要走库存可行性评估,爆量时的追单量需要有上限规则,平台大促的备货需要提前锁定产能。
这个阶段还要开始做渠道级库存分配。同一个 SKU 在多个平台销售时,要明确每个平台的库存池是共享还是独立,以及共享池在冲突时的优先级规则。这是很多团队在规模化之后才踩到的坑。
除了规模,经营模式也会显著影响检查重点。
| 模式 | 核心矛盾 | 检查重点 | 关键指标 |
|---|---|---|---|
| 铺货型 | SKU 多、单 SKU 量小 | 动销分层的自动化与清货节奏 | 呆滞占比、上新存活率 |
| 精品型 | SKU 少、单品投入深 | 预测精度与安全库存弹性 | 预测偏差率、断货天数 |
| 品牌型 | 全渠道一致性要求高 | 渠道库存分配与履约时效 | 渠道库销比、妥投时效 |
我特别想说一下铺货型。这类卖家最容易陷入的陷阱是”用上新速度掩盖清货迟缓”。每个月光是新增 SKU 就有几百个,看起来很活跃,但库存里的呆滞段在悄悄膨胀。铺货型的库存检查,核心不是补货,而是清货。
检查方法讲完了,但真正难的是取舍。库存计划本质上是一组矛盾的管理:你不可能同时做到库存最准、成本最低、响应最快、风险最小。下面是我认为最需要想清楚的几组权衡。
上新越快,SKU 越碎,库存精度越难保证。一个团队每月上新 200 个 SKU,要求每个 SKU 的库存预测都精确到周,这是不现实的。
我的做法是分层降低要求:引流款和利润款做周粒度的精细预测,长尾款允许做月粒度的粗放管理,呆滞风险由统一的自动清货规则兜底。这样既保住了上新速度,又不会让精度问题失控。
这是最经典的权衡。备货越深,缺货率越低,但现金占用越高,一旦需求下滑损失越大。我用下面这三种情景来帮团队做决策。
很多团队纠结”要不要买工具”。我的判断标准很直接:算清楚手工维护库存计划的隐性成本,再和工具成本对比。
隐性成本包括三块:制作耗时、错误决策的损失、以及因为数据滞后错过的机会。我前面提到的那个卖家,手工模式每月 26 人时,按人均成本折算大约 4000 元;而因为缺货导致的订单流失,单月估算损失超过 8 万元。相比之下,工具成本可以忽略不计。
但反过来,如果团队规模很小、SKU 很少、仓库只有一个,那确实不需要工具。这时候买工具只是增加了一个要维护的系统。
这三种履约方式对应完全不同的库存风险结构,不能简单说哪个更好。
我的建议是不要二选一,而是按 SKU 分层匹配履约方式:热销标准品进平台仓,多平台通用的中速品进海外仓,长尾和测试品走直发。这样做的前提是你有一套能同时看到三种库存的视图，这又回到了前面说的数据对齐问题。
这是最难但最重要的一条。我见过太多团队在明显不健康的玩法上持续投入,原因是”已经投了这么多,不能停”。这种心态在库存上会以最快速度变成真金白银的损失。
我建议设三条硬性退出线,任何一条触发就启动退出流程:
退出不是失败,而是把资源留给下一个机会。一个健康的跨境团队,应该每年主动砍掉一到两个玩法。
讲完方法论,最后给一个可以直接执行的 90 天路线。它不要求你一次性把所有事情做完,而是按周推进,每一步都有明确的交付物。
最后总结一下我最想强调的独特观点:在跨境电商这个行业里,库存计划不是一个后勤职能,而是一面照妖镜。它照出的不是你的货管得好不好,而是你的经营假设有没有被验证过。一个把库存计划做到能反向约束运营动作的团队,它的增长是有底的;一个库存计划还停留在手工 Excel 的团队,它的每一次”爆量”都是一次未经审计的冒险。
所以下一步很简单,不要急着上新的流量玩法。先用本文第一节的三条判据做一次五分钟自检:你的需求预测颗粒度到哪一层?你的库存数据多久刷新一次?你的滞销占比是多少?如果这三条里有一条落在危险区,那就是你现在最该动手的地方。
把这三条改好,再谈进阶。工具只是加速器,顺序不能反。
我做了几年亚马逊和独立站，最怕老板问一句“这次站外Deal到底有没有用”，因为我能拿出来的只有后台销量曲线，涨了就是有用、跌了就是没用。后来发现销量是最容易被备货节奏污染的数据，就想找一套真正能落在库存计划上的判断口径。
我一般固定看四个指标，口径统一到同一SKU、同一仓库、同一币种。第一是可售天数（DOI），玩法期间相对基线的变化幅度；第二是动销率，即统计周期内有出库的SKU占比；第三是库存加速比，用玩法期间日均出库除以玩法前28天日均出库；第四是尾货率，玩法结束后30天内仍未清掉的量占本次投入量的比例。
判断标准上，加速比达到1.8以上、DOI从45天压到25天以内，我会判定为有效玩法；如果加速比有1.3但DOI只降了五六天，多半只是提前铺货，不是真实需求。尾货率超过25%，无论销量多好看我都判为低质量玩法，因为它把利润吞在了后面的清仓里。
这四个数不用系统也能算，但一定要先把口径写死，否则每次复盘都在换尺子。
我做秒杀和站外投放的时候，经常第二天就急着拉数据，看到转化不错就以为成了，结果半个月后自然流量掉回去，才发现是虚火。也踩过反向的坑，有个款前一周没动静，我提前关掉，后来才发现是补货没跟上。
观察窗口要按物流链路定，不能拍脑袋。我的做法是窗口等于玩法周期加一个补货提前期：本土仓发货的，玩法结束后看7天；走海运头程、提前期30天左右的，玩法结束后至少看35天，含在途时间。节奏上我分四段看：前3天只看流量、加购和加购率，不看利润；第7天看转化率、退款率和差评关键词；
第14天看自然位排名和自然单有没有留下来；第30天出总账，把折扣、佣金、广告、退货运费、仓储费和超龄库存风险一起算进去。特别注意退货，跨境退货周期长，第7天算利润一定高估，退货数据我一般等退货窗口关掉再落账。
我曾经一波站外促销把某个SKU卖到断货，当时特别得意，还写了复盘文档。三个月后清仓的时候才发现，那批货里有相当一部分是被折扣提前买走的未来需求，还有一部分只是从另一个渠道挪过来的，整体利润是负的。从那以后我再也不看单一销量。
我的做法是给出货打三类标签，看结构而不是看总量。第一类自然单，无折扣码、无UTM、站内自然搜索进来的；第二类玩法单，通过优惠券码、UTM链路、专属链接可以追踪到；第三类囤货或渠道转移单，同一客户短周期内重复下单两次以上、或者出库后流向另一个销售渠道的。
真需求占比等于玩法单除以总出货，如果这个比例低于60%，剩下的部分基本是渠道搬家或需求前移，我会判为伪增长。再补两个验证：玩法结束后14天自然单相比基线的回落幅度，如果超过30%，说明只是把未来需求提前兑现；
单件履约毛利是否为正，要把折扣、佣金、广告分摊、退货运费和尾程处理费全部扣掉再算，很多玩法在这一步才露馅。
我们团队就三五个人，运营兼着供应链，买不起也养不起复杂的系统，之前用过几个表格模板，字段一堆但没人填。我最后是把自己真正每周会看的那几列留下来，做成一张能自动算的表，才坚持了半年多。
最小可用表就这些字段：SKU、仓库、日期、期初库存、入库、出库、在途、可售天数、玩法标记、渠道码、退货数、单件毛利。公式层面，可售天数用现有库存加在途除以近14天日均出库；加速比用区间日均出库除以前28天日均出库。
检查节奏固定下来：周一选品并锁定本周要评估的SKU，周三看第7天数据，玩法结束后第30天出复盘。我只做三张卡：库存卡看DOI和周转天数，阈值是低于15天预警断货、高于90天预警滞销；玩法卡看加速比、玩法单占比和单件毛利；风险卡看尾货率、超龄库存占比和断货SKU数量。
责任分到人，运营看玩法卡，供应链看库存卡，复盘会上只对异常值发言，不对整张表发言。SKU在300个以内，Excel加固定公式完全够用；超过这个量级，手工维护的时间成本会超过工具费用，那时候再考虑上系统更划算。
读者评论
我们团队六个人，SKU不到五十个，最认同小卖家那段。但四维对齐对我们是负担，现在只盯前二十个SKU的动销天数，其余按周扫。库存计划不求全，关键是有人敢在连续三周不动销时拍板清货，这一条比任何报表都管用。
图上四十个项目的存活率推演看着顺，但样本怎么选的没交代。愿意接受陪跑的团队，本身学习意愿就高于平均，31%到88%更像是经验排序而非可复用基线。我见过全程手工表格、但SKU结构管得极好的小团队。
判据里“四小时刷新且含在途”这条我保留意见。跨境在途数据取决于货代和海外仓，多数中小卖家的海外仓盘点按天甚至按周给，工具再快也快不过源头。与其追刷新频率，不如先把到仓时间的估算误差压到三天内。