同一批货、同一个旺季，结果可以完全相反。2023 年 10 月我复盘过一个做庭院家具的卖家：美国西仓的两款爆款断货 23 天，直接错过整个秋季促销窗口；而在同一个月的德国仓，有 41% 的 SKU 库龄超过 180 天，一年光长期仓储附加费和销毁处理费就吃掉了近 12 万欧元。这两件事看起来是”一个缺货、一个压货”，本质上是同一个问题，海外仓的库存计划没有真正做过。
大多数运营把精力压在广告、Listing、评论和站内秒杀上，这没有错。但当你的货已经漂在海上、躺在海外仓的货架上，决定这门生意利润的变量就换了一个：这批货放在哪个仓、放多少、下一批什么时候补、补多少。
下面这套内容不是概念梳理，而是我把过去几年在美西、美东、德国、英国、日本几个海外仓上踩过的坑，连同具体的计算逻辑、判断阈值、工具流程整理出来的实操框架。读完你应该能做到：知道自己现在的库存计划错在哪一层，以及下周就能动手改的第一件事是什么。
先给结论，后面再展开论证。如果你只记住这一节，也足够改变你海外仓的盈亏结构。
很多人一提到海外仓管理，第一反应是”尾程快不快、能不能次日达”。这是履约层面的问题，不是计划层面的问题。库存计划真正决定的是三件事：你压在海外仓的钱有多少、这批钱周转一次要多久、以及周转过程中有多少会因为断货或呆滞而白白损失掉。
我自己的经验口径是：一个年销 3000 万人民币的跨境卖家，海外仓常备库存金额通常在 400 万到 700 万元之间。库存周转天数每多 15 天，按年化 8% 的资金成本加上海外仓储费、保险、损耗，一年就是 30 万到 60 万元的隐性支出。这部分钱不会出现在利润表的前几行，但它真实存在。
库存计划不是一道问答题，是一组联立方程。只回答”备多少”，会得到一堆平均分配的货；只回答”放哪里”，会得到一堆在错误时间到达正确仓库的货。
这是我判断一个团队库存计划做得好不好的最快标准。如果每周开完库存会，输出的是”某某 SKU 库存偏低、请关注”，那说明还没有库存计划；如果输出的是”SKU-A 美国西仓补 1200 件，本周三前下单，走海运快船”，那才是。
报表解决的是”我知道”，补货单解决的是”我做到”。两者之间的差距，就是大多数卖家的断货损失。
不同品类差异很大，但我建议先把下面这组区间当作起步基准，再根据自己品类修正：
五年前，海外仓库存计划的难度远低于现在。那时候头程周期稳定、平台仓容量宽松、汇率波动小，靠一张 Excel 加经验值就能跑。现在这套方法基本失效了。
我统计过自己经手的 200 多个补货批次，海运慢船的到港时间标准差大约在 5-9 天，旺季（8 月到 11 月）能拉到 12 天以上；海运快船好一些，但也常出现 4-6 天的偏差。这意味着如果按”平均 32 天到港”来排补货，你实际是在赌一个只有一半概率成立的前提。
提前期的不确定性，必须用安全库存来吸收，而不是用”多订一点”来吸收。“多订一点”没有上限，安全库存有明确的计算公式。
平台仓的容量限制、旺季的入库预约排队、以及部分品类对库存绩效指标的要求，让越来越多卖家把海外仓当成主仓、平台仓当成前置仓。这个结构变化直接抬高了库存计划的复杂度：你要同时决定海外仓备多少、什么时候往平台仓调拨、调拨频次多少才经济。
我见过最典型的错误，是把海外仓当成”临时中转站”，不做库存计划，只做搬运。结果就是海外仓里的货没有库龄管理，平台仓里的货却经常断，两边都没管好。
前面提到的那个庭院家具卖家，我用他们 2023 年 Q3 到 Q4 的数据做了一次完整复盘。背景是：7 个主力 SKU，销往美国、德国两个市场，美国用美西+美东双仓，德国用汉堡单仓，头程以海运慢船为主、紧急情况用空运。
复盘结果让我印象最深的一点是：断货和呆滞不是此消彼长的关系，它们经常在同一个季度同时恶化。因为它们的成因不同，断货来自补货节奏和提前期估计错误，呆滞来自选品判断和调拨决策错误。你把安全库存拉高，只能缓解前者，反而会加重后者。
那次复盘暴露的具体数字是：Q4 旺季主力 SKU 平均断货天数 14 天，预估损失销售额约 118 万元；同期美东仓有 3 个 SKU 库龄超过 240 天，占压资金约 86 万元；两个问题加起来，吃掉了这个卖家 Q4 大约 31% 的净利润。
很多人算提前期只算海运段，这是最容易被低估的地方。一个完整的海外仓补货提前期，至少包含五段：
下面这六个误区，我在不同卖家身上反复见到，而且往往同时存在三四个。它们不解决，再好的工具也救不回来。
这是最普遍、也是杀伤力最大的一个。月均销量是个平均数，它掩盖了分布。而库存计划需要的不是平均值，是分布形状和波动幅度。
我统计过某个家居配件 SKU 连续 180 天的日销量：均值 39 件/天，但落在 21-40 件区间的只有 63 天，占比 35%；单日最高 118 件，最低 8 件。如果按 39 件/天去算 59 天的提前期需求，得到 2301 件，看起来合理，但这个数字只对应到大约 50% 的服务水平，也就是说，有一半的时间你会更早断货。
正确做法是先算日销量的标准差，把它带进安全库存公式，而不是用平均值乘提前期就完事。
平台仓的补货建议是为平台仓设计的：它基于平台仓的库容限制、平台的入仓时效、平台的销售数据。海外仓的约束条件完全不同，头程周期更长、仓储费率结构不同、还要考虑往平台仓的二次调拨。
直接搬过来的后果通常是：海外仓的补货点设得太晚，货到了平台仓已经断货一周。我见过一家做户外用品的卖家，把平台仓的 30 天补货周期直接套到海外仓，结果每次都要靠空运救火，单次空运成本占到该批货值的 22%。
库存持有成本包括：资金成本、海外仓储费、月仓储费与长期仓储附加费、保险费、损耗与贬值、以及退货处理成本。行业里常用的年化口径是库存货值的 20%-30%，具体取决于品类周转速度和仓储费率。
很多卖家在算”海运还是空运”时，只比运费差额，不看时间价值。假设一批货值 50 万元，海运比空运多花 28 天，按年化 24% 的持有成本算，这 28 天相当于多付出约 9200 元的持有成本。如果空运能让你提前 28 天上市、抓住一个销售窗口，这 9200 元往往很容易被赚回来。
用统一的 15 天或 30 天安全库存，看起来省事，实际上同时制造了两种浪费：稳定款的安全库存过高，资金被无意义地占用；波动款的安全库存过低，一到大促就断货。
我建议的最小可行做法是按销量波动系数（CV = 日销量标准差 ÷ 日均销量）分成三层，每层用不同的安全库存天数和不同的服务水平目标。
库存计划的节奏必须匹配补货周期。如果你的提前期是 59 天，那么按周更新计划已经是底线，按月更新等于在盲飞。我看到过一家卖家用月度报表管库存，结果每次补货决策用的都是 3 到 5 天前的库存快照，叠加在途数据不准，实际误差能到 15% 以上。
频率不需要很高，但数据新鲜度必须够。我的实际做法是：每周一更新一次完整计划，每天只刷三件事，断货预警、在途延误、库龄超阈值。
海外仓的库存和平台仓最大的区别之一，是退货要自己处理。服装类目退货率 8%-15% 是常态，家居类 3%-8%，电子类 4%-10%。退回来的货要经过质检、重新贴标、重新上架，这个过程中产生的”不可售库存”经常被忽略在计划之外。
我的建议是在计划里单独建一个”可用库存”字段：可用库存 = 实物库存 − 已占用 − 质检中 − 不可售。很多卖家库存显示还有 800 件，实际可用只有 620 件，这 180 件的差距就是断货的直接原因。
接下来是我实际在用的四层框架。它的好处是每一步都有明确输入输出，任何一层出问题都能被单独定位，而不是笼统地说”库存没管好”。
先用 ABC 分销售额，再用 XY 分波动性，得到六类 SKU。这一步不需要复杂工具，一张透视表就能做，但它决定了后面所有参数的取值。
| 分类 | 销量特征 | 建议服务水平 | 补货策略 |
|---|---|---|---|
| A + 低波动（AX） | 占销售额 60% 以上，CV < 0.3 | 97.5% | 固定周期补货，海运为主，安全库存天数可压低 |
| A + 高波动（AY） | 占销售额 20% 左右，CV > 0.7 | 97.5% | 提高安全库存，缩短补货间隔，预留空运预算 |
| B 类 | 占销售额 25% 左右 | 95% | 常规补货，按季度复核参数 |
| C 类长尾 | 占销售额 15% 以下，SKU 数最多 | 88% | 合并下单、拉长间隔，宁可偶发断货也不要压货 |
| 新品 | 无历史数据 | 首单不设服务水平 | 小批量试单 + 空运补货，用真实数据校准 |
把前面说的五段提前期分别填上”均值”和”标准差”。均值用来算补货量，标准差用来算安全库存。这一步最容易被跳过，但它恰恰是区分”凭经验”和”凭计算”的分水岭。
我的实际操作口径是：提前期的标准差不要拍脑袋，去翻过去 6 到 12 个月的实际到仓记录，算真实的标准差。很多卖家以为自己海运很稳，一算标准差是 8.6 天，直接改变了整个安全库存的取值。
这是整个框架的计算核心。公式本身不复杂，但有两个细节经常被做错：一是需求波动和提前期波动要一起进公式，二是服务水平系数要按 SKU 分层取值。
import math
def reorder_point(daily_sales, daily_sales_std, lead_time_days,
z=1.65, lead_time_std=0):
"""
daily_sales : 日均销量（件/天）
daily_sales_std : 日销量标准差
lead_time_days : 总补货提前期（天）
z : 服务水平系数 90%=1.28, 95%=1.65, 97.5%=1.96, 99%=2.33
lead_time_std : 提前期标准差（天）
"""
demand_in_lt = daily_sales * lead_time_days
sigma_lt = math.sqrt(lead_time_days * daily_sales_std ** 2
+ daily_sales 2 * lead_time_std 2)
safety_stock = z * sigma_lt
return round(demand_in_lt + safety_stock), round(safety_stock)
示例：某 SKU 美国西仓，服务水平 95%
rop, ss = reorder_point(daily_sales=42, daily_sales_std=11,
lead_time_days=59, z=1.65, lead_time_std=6)
print(rop, ss) # -> 2917 439
这个例子值得展开说。提前期需求是 42 × 59 = 2478 件，安全库存 439 件，再订货点 2917 件。如果只用”日均 × 提前期”，你会少备 439 件，也就是大约 10.4 天的销量，这 10 天就是断货窗口。
反过来说，如果把提前期标准差从 6 天降到 3 天（比如改走稳定性更好的快船），安全库存会降到约 350 件，少占 89 件的资金。这就是为什么”改善供应链稳定性”和”降低库存”是同一件事的两面。
货备多少解决了，接下来是放哪里。我的判断顺序是：先看各仓覆盖区域的销量占比，再看尾程时效要求，最后看仓储费率差异。
这里有个反常识的判断：多仓备货省下的尾程成本，经常抵不过它带来的整体库存上升。把一个 SKU 从 1 个仓拆到 3 个仓，总安全库存通常要增加 40%-70%，因为每个仓都要独立应对自己的需求波动。所以要不要拆仓，先算总库存成本，再算尾程节省。
方法讲完了，说实际怎么落地。我最近一次给一个年销约 4000 万人民币的卖家重建库存计划流程，用的是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）。选它的原因很直接：这个卖家有平台仓、自建海外仓、第三方海外仓三类库存，数据分散在四个后台，人工汇总一次要 1.5 天，等到汇总完，数据已经过期了。
第一步不是算指标，是把数据对齐。需要接进来的至少有三类：销售数据（按 SKU、按站点、按天）、库存数据（按 SKU、按仓库，含在途、可用、质检中、不可售）、成本数据（采购成本、头程运费、仓储费率）。
对齐的难点在 SKU 编码。海外仓的 SKU、平台后台的 SKU、采购系统的编码经常不一致，尤其是组合装和变体。我的做法是建一张映射表，以采购编码为主键，其他编码作为别名。这一步没做干净，后面所有周转天数和补货建议都是错的。
很多人算库存周转天数是”总库存金额 ÷ 日均销售成本”，这个口径只能看大盘，不能做决策。真正有用的是分仓分 SKU 的周转天数，因为你需要知道是哪个仓、哪个 SKU 在拖后腿。
同时我建议加上三个衍生指标：可售天数（可用库存 ÷ 近 14 天日均销量）、库龄结构（0-30 / 31-60 / 61-90 / 91-180 / 180 天以上五档）、补货缺口（再订货点 − 可用库存 − 在途）。这三个指标一旦分仓分 SKU 展开，问题会自己浮出来。
我们最后搭出来的看板分三块：第一块是总览，看库存金额、周转天数、库龄结构的整体趋势；第二块是分仓对比，看美西、美东、德国三个仓的健康度差异；第三块是补货建议清单，按优先级排序，直接给出建议补货量和建议发货方式。
预警设了三条线：可用库存低于再订货点触发补货预警；在途批次超过预计到港日 3 天触发延误预警；库龄超过 150 天触发清理预警。预警的价值在于把”发现问题”从人变成系统，计划员的时间全部用在判断和决策上，而不是找数据。
上线后我们跟踪了 12 周，几个变化比较明显：计划员每周花在库存数据整理上的时间从 16 小时降到 4.5 小时；补货建议的人工修正率从 42% 降到 13%；库存数据的新鲜度从 3-5 天延迟变成 4 小时以内；库龄结构盘点从只覆盖 35% 的 SKU 变成 100% 覆盖。
业务结果方面，主力 SKU 现货率从 87% 提升到 94%，180 天以上库龄金额占比从 17% 降到 9%，海外仓常备库存金额从 635 万元降到约 500 万元，销售额同期没有下降。需要说明的是，这不完全是工具的功劳，流程重建和参数复盘的贡献更大，工具解决的是”能不能持续跑下去”的问题。
库存计划没有标准答案，只有匹配当前阶段的答案。下面按规模分档给建议，你可以直接对号入座。
这个阶段的瓶颈不是精度，而是频率。不要上复杂的系统，先把三件事做到位：
这个阶段开始出现”分仓决策”和”平台仓与海外仓协同”两个新问题。建议：
这个阶段的核心矛盾从”算得准不准”变成”决策权放在哪里”。我的建议是：
季节性品类的库存计划逻辑和常青款完全不同。常青款靠历史数据算安全库存，季节性品类靠”销售窗口”倒推。
我的做法是：确定销售窗口的起止日期，倒推上架时间（窗口开始前 2-3 周），再倒推下单时间（上架前一个完整提前期），最后用”窗口内预计销量 × 备货系数”决定首单量。备货系数我一般取 0.6-0.75，剩下的靠窗口期内的空运或快船补货补上。宁可少备首单，也不要为了冲量把整季的货一次压进去。
新品则相反，不设服务水平，先小批量试单，用 4-6 周的真实数据校准需求参数，再决定是否放大。试单阶段空运成本高一点是可以接受的，因为它的价值是买数据。
这三类的共同点是：仓储费高、退货处理贵、部分品类有合规限制。库存策略要更保守：
| 品类特征 | 库存策略调整 | 关键指标 |
|---|---|---|
| 大件家具（单件体积大） | 降低安全库存天数，优先保证周转；多仓备货要慎重评估 | 单件仓储费占货值比、破损率 |
| 重货（密度高） | 头程成本占比高，尽量合并批次，但不要因此拉长补货间隔 | 头程成本占货值比、批次满载率 |
| 带电/危品 | 提前确认海外仓接收资质，补货提前期额外加 3-7 天缓冲 | 合规库存占比、不可售库存比例 |
库存计划做到最后，是一连串取舍。这些取舍没有绝对正确答案，但每一个都有可以量化的判断依据。
这是最核心的一组取舍。很多卖家的直觉是”宁可多备也不能断货”，但这在数学上不成立，因为两者的成本结构不同。
断货损失 = 损失的销售额 × 毛利率 × 客户流失系数。客户流失系数通常取 0.1-0.3，因为断货会让一部分客户转向竞品并且不再回来。
呆滞成本 = 库存货值 × 年化持有成本率 × 呆滞时长占比 + 清仓折价损失。清仓折价通常在 30%-60%，比大多数人预想的严重。
判断标准不是运费差额，而是”提前到货能不能带来额外的销售额或避免断货损失”。
多仓的优势是尾程时效和尾程成本，劣势是总库存上升。我的一般判断口径是：
| 条件 | 建议 | 核心理由 |
|---|---|---|
| 某区域销量占比 > 35% 且时效影响转化 | 独立备货 | 尾程节约 + 转化提升足以覆盖总库存上升 |
| 某区域销量占比 15%-35% | 有限备货，只备 A 类 | 用主力款覆盖时效敏感需求，长尾靠跨区发货 |
| 某区域销量占比 < 15% | 不设独立库存 | 独立安全库存的成本高于尾程节约 |
| 大件/重货品类 | 提高到 25% 门槛再考虑 | 大件仓储费与跨区尾程费差异结构不同，需要单独测算 |
很多团队在追求预测精度上花太多力气。我的经验是：对跨境电商，预测精度从 70% 提到 80% 的投入，往往不如把补货响应速度提升 20% 划算。因为跨境的需求波动来自平台流量分配、竞品价格战、站外爆发等不可预测因素，预测天花板本身就不高。
更务实的做法是提高响应能力：缩短提前期标准差、建立空运快反通道、保留一部分可快速调拨的库存。这些动作比死磕预测模型更快见效。
判断标准是三个数字：SKU 数量、仓库数量、数据源数量。
最后把整篇文章的判断收拢一下，并给出可以立刻执行的动作。
第一，库存计划不是备货问题，是资金效率问题。你真正在优化的是”用多少资金、在多长时间内、以多高的确定性完成一次周转”。断货和呆滞只是这个优化过程的两个输出，不是目标本身。
第二，提前期的不确定性只能用安全库存吸收，不能用”多订一点”吸收。“多订一点”没有上限、没有依据、无法复盘；安全库存有公式、有分层、可以被验证和迭代。这是从经验管理走向数据管理最关键的一步。
第三，库存计划的质量取决于流程频率，不是模型精度。我见过用复杂模型但每月更新一次的团队，输给了用简单公式但每周更新、每天刷预警的团队。跨境需求波动这么大，及时性比精度值钱得多。
如果你现在只能做一件事，那就做第 1 天和第 2 天：把可用库存口径统一，然后拉出分仓分 SKU 的可售天数和库龄结构。这两张表一出来，你会立刻看到哪些 SKU 在偷偷烧钱、哪些 SKU 下周就要断货。海外仓的库存计划从来不是靠一个完美模型解决的，它是靠每周一次、坚持做、并且真的照着清单去下单，一点点抠出来的利润。
我之前做国内电商，库存计划基本看近30天销量和采购周期就行了。转做跨境后，发现头程、清关、海外仓上架、平台政策都会拖时间，照搬国内公式经常不是断货就是压货。我想知道海外仓库存计划到底该从哪几个维度搭框架。
核心差异是前置期不可控和库存可视性少。我会把计划拆成需求预测、补货前置期、安全库存、补货节奏四段。前置期不是采购周期，而是“下单到可售”的全链路：工厂交付+国内集货+头程海运或空运+清关+海外仓入仓上架+平台在途确认。
需求预测保守用最近8周加权日均，旺季系数取1.2到1.5，新品用同类目转化和广告预算反推。安全库存=服务水平系数×需求标准差×√前置期天数，服务水平95%对应系数约1.65。补货点=日均销量×前置期天数+安全库存。每周复盘，前置期波动超过3天就重算。这个框架先跑4到6周，再谈系统。
我第一次发海外仓时，运营说按3个月销量备，结果海运到了旺季已过，一半库存变成库龄。后来备少了又断货，广告白烧。我到底该按什么口径决定首批发货量和后续补货量。
首批不要直接拍3个月。用“测试期+爬坡期”做。测试期按4到6周目标销量备，且不超过预计8周售罄；如果日均销量未知，用竞品BSR估算的单量打6到7折，再按广告预算上限约束。公式：首批量=预计日均销量×（头程天数+上架天数+安全销售天数），安全销售天数新品取14到21天，成熟品取21到30天。
同时设两条线：库存可售天数低于前置期加14天触发空运或快船补货，高于90天且库龄超60天触发促销或调拨。我实测把“可售天数”和“库龄”放同一看板，比只看库存数量有效，能把滞销占比压到10%到15%以内，断货率控制在5%以下。数据口径每周更新，不是每月。
我刚开始看库存表，只关注库存数量和销量，结果海外仓费用很高，才意识到周转和库龄更重要。但不同平台后台的售罄率、周转天数口径不一样，我经常算出来互相矛盾。到底哪些指标必须看，口径怎么统一。
至少看六个指标：可售天数、库存周转天数、售罄率、库龄结构、缺货率、库存持有成本占比。可售天数=期末可用库存÷最近14天日均销量；库存周转天数=平均库存÷销售成本×天数；售罄率按“期间销量÷（期初库存+期间入库）”算；库龄按海外仓入库批次，分0到30天、31到60天、61到90天、90天以上；
缺货率=缺货SKU天数÷总SKU天数；持有成本占比=（仓储+资金占用+损耗+退换货）÷销售额。最容易误导的是“总库存”和“月销量”：总库存掩盖SKU结构，月销量掩盖最近趋势。我建议统一用最近14天和28天双窗口，14天看异动，28天看趋势，再按SKU分层，A类每天看，B类每周看，C类每两周看。
口径写进表格备注，团队按同一公式取数。
我们同时做独立站、平台店，美国仓和欧洲仓都有货。运营各自抢库存，结果美国仓断货，欧洲仓却压了半年。我想知道多仓多平台下，库存计划该按什么逻辑分配，什么时候调拨，什么时候宁可新发一批。
先把库存分成“共享库存”和“渠道专享库存”。共享库存只放通用SKU和基础款，按各渠道最近28天销量占比分配，并设最低可售天数保护线，比如每个渠道不低于14天。渠道专享库存给定制包装、平台入仓、促销款。
调拨判断用“调拨后收益对比调拨成本”：如果A仓可售天数低于前置期加7天，B仓高于90天且调拨后B仓仍高于60天，同时调拨成本低于该SKU毛利额的15%，才调拨；否则宁可在B仓促销清货，同时给A仓发小批量空运或快船。多国仓还要考虑VAT、关税和退换货地址，欧洲内部调拨不一定比新发便宜。
我自己的做法是每月做一次分仓计划，每周只处理例外，避免运营每天抢库存。用某项目管理工具或某项目管理平台把补货、调拨、清货做成任务流，比在聊天群里追进度可靠。
读者评论
库存计划这套逻辑我认，但落到中小卖家身上最大的坎不是算不出安全库存，而是没数据可算。日销量标准差要至少半年到一年的干净数据，可很多SKU上架才三四个月，中间还夹着断货期，断货期的销量是伪需求，直接算会把标准差算小。我现在是用同类目老链接的数据做迁移，加上人工修正断货天数，准确度一般但比拍脑袋强。想听听大家怎么处理新SKU没有历史数据的阶段。
补货单这个产物我深有体会。之前我们库存会开完输出的就是一堆'库存偏低请关注'，运营看完也没动作。后来改成必须落到SKU、仓库、数量、下单日期，才真的开始动起来。但新的问题是，补货单能不能执行不完全由计划决定，工厂MOQ、账期、排产档期经常卡住，尤其旺季前小批量根本插不进去。所以我现在做计划会先把供应商的最小起订量和交期一起拉进来倒推，不然补货单就是一张纸。
有一点想商榷：库存持有成本年化20%-30%这个口径偏通用，对低货值、大体积的品类可能还低估了，因为仓储费按体积算，实际占货值比例可能更高；反过来高货值小件的3C类，资金成本才是大头，仓储费可以忽略。建议别用一个统一区间，至少按'货值密度'分两档来估。另外周转天数目标里家居75-110天跨度挺大，实际执行时不好判断自己算不算超标，有没有更细的品类参考值。