去年11月，一个做家居收纳的卖家在距离黑五还有15天时发现主推款断货。补货走海运要38天，走空运单件成本从11元飙到47元。他问我该不该空运。我没有直接回答，而是反问了一句：你现在能卖的库存是多少？他说后台显示1,240件。我又问：在途多少、被订单锁定多少、预留和不可售多少？他停了十几秒，说没这么算过。这次对话让我决定写下这篇文章，库存计划的第一个坎，从来不是预测算法，而是“可用库存”这四个字在你的团队里有没有唯一的定义。

库存计划不是数学题，它是一套先把口径拧成一股绳、再把节奏钉在时间轴上的管理动作。0到1阶段做对这四件事，比上任何系统都管用。

一、先给结论：0到1阶段，库存计划只解决四件事

如果你正在从0到1做跨境，团队不超过10人，SKU不超过500个，那么你不需要需求预测模型，也不需要机器学习。你需要的是把下面四件事做到“全公司只有一个版本”。这四件事的排序不能颠倒，因为后一件事依赖前一件事的输出。

1. 定口径：可用库存只能有一个定义

绝大多数0到1团队的第一个事故，都出在“同一句话在不同人嘴里意思不同”。运营说还有1,240件，仓储说实际入库1,180件，财务的账面库存是1,450件，而客服看到的是“预计5天后有货”。这四个数字都“对”，但它们指的不是同一个东西。

我的建议是强制拆分四段，并且在所有报表、群聊、周会里只允许使用这四个词：

• 在库：已到仓、已完成上架、系统状态可售的数量。注意，亚马逊后台的“可售”通常已经扣掉了一部分预留，但预留不等于不可售，要单独看。
• 在途：已发货未到仓的数量。在途必须按预计到仓日拆成若干批次，而不是笼统给一个总数，否则你无法回答“下周会不会断”。
• 锁定：已被订单占用、已被促销占用、已被调拨单占用但尚未出库的数量。旺季时这个数字能吃掉你15%到30%的账面库存。
• 可用：在库减锁定加在途（按到仓日切分后的、落在决策窗口内的部分）。这个数字才是补货决策唯一的分母。

我把这套口径称为“四段库存”。它的价值不在于精确，而在于让所有人吵架时吵的是同一件事。我见过一个团队，光是统一这四个词，就把每周的补货讨论时间从3小时压缩到40分钟。

2. 定节奏：补货周期必须逐段实测，不能用供应商口头承诺

“我们工厂7天出货”，这句话在0到1阶段是最危险的输入之一。真实的补货周期至少包含五段：供应商生产、国内集货与头程、出口报关与干线、目的国清关与派送、海外仓或平台仓接收上架。任何一段被忽略，你的补货点就会算错。

我的做法是让团队连续记录10个批次的五段时间，取中位数而不是平均值，并保留最差的那一次作为压力测试值。用中位数做日常决策，用最差值做旺季决策，这是两条不同的线，不能混。

3. 定阈值：断货线和滞销线必须分开设

新手最容易犯的错，是把“库存低于X就补货”和“库存高于Y就清货”设成同一个逻辑。这两件事在数学上对称，在商业上完全不对称。断货的损失是排名、权重、广告质量分、客户流失，其中大部分是不可逆的；滞销的损失是仓储费、长期仓储费、资金占用、清货折价，是可以用钱量化的、可逆的。

所以断货线要设得更保守（更早触发补货），滞销线要设得更宽容（给足观察窗口）。我通常建议断货预警线设在“可售天数低于补货周期×1.5”，而滞销预警线设在“可售天数超过补货周期×4 且连续21天动销率低于阈值”。

4. 定会议：每周15分钟，只看四个数

0到1阶段最怕的是“库存问题每天在群里零散地吵”。我会设一个固定的15分钟库存例会，议程固定四项：本周断货风险SKU清单、本周滞销风险SKU清单、在途到仓异常清单、需要老板拍板的资金决策。没有这四项以外的议题，超时立即结束。

这四个动作看起来朴素，但它们构成了库存计划的最小闭环。后面的所有技巧、工具、模型，都是在这四根柱子上做加法。

二、背景和真实场景：三类0到1卖家的起点完全不同

“跨境电商库存计划怎么做”这个问题之所以有大量无效答案，是因为提问者的起点差异极大。一个只做3个精品款的卖家和一个月铺300个SKU的卖家，需要的库存策略几乎是两套东西。所以在给建议之前，我先把0到1阶段常见的三类起点拆开。

1. 第一类：精品单点型，1到3个主推款

这类卖家的特征是SKU极少、单量集中、单品资金占用大。他们的库存风险不是“算不过来”，而是“押注太集中”。一个款备货30万元，卖爆了断货，卖不动就是死库存。

这类卖家最该做的是把补货周期压到最短，用频次换准确度。与其一次备90天货，不如把海运拆成三次30天批次，中间用一次小批量空运做缓冲。多付的物流成本，本质上是在买“决策修正权”。

2. 第二类：平台铺货型，SKU 100到1000个

这类卖家的痛点是“长尾SKU不知道要不要补”。头部10%的SKU贡献了70%以上的销售额，剩下90%的SKU情况各异：有的每天稳定出3单，有的一个月出2单，有的已经90天零动销但还在占用仓位。

他们的库存计划核心不是补货，而是分类与淘汰机制。我通常先用ABC分层看销售额贡献，再用XYZ分层看需求波动性，然后对九个格子分别设规则。这个动作比任何预测模型都有效。

3. 第三类：多渠道分销型，平台仓+第三方海外仓+独立站

这类卖家的复杂度突然上升一个数量级：同一批货可能同时躺在亚马逊仓、第三方海外仓、独立站自建仓，还有一部分在海上。渠道之间的调拨、库存归属、销售口径都会打架。

他们必须先解决“同一SKU在不同渠道的库存如何合并看”这个问题。如果不能在一个视图里看到同一个SKU的全链路库存和全渠道销量，那么任何补货决策都是盲猜。这也是我后面要讲的数据汇总环节最关键的场景。

三、拆解六个最常见的误区

下面这六个误区，是我在过去几年里反复见到的。它们的共同点是：看起来都很有道理，但在0到1阶段会造成系统性偏差。

1. 误区一：把“预测准确率”当成第一指标

很多团队一上来就想做销量预测，追求把MAPE（平均绝对百分比误差）压到20%以内。但在0到1阶段，你的历史数据往往只有3到6个月，还夹杂着促销、站外投放、竞品动作带来的剧烈波动。在这种数据上追求高预测精度，投入产出极低。

更有效的思路是把不可预测的部分变成可承受的部分。也就是说，不追求预测准，而是通过缩短补货周期、增加批次、设置安全库存，让系统在预测错的情况下也不至于崩掉。这是我判断一个团队是否成熟的第一个信号：他谈的是“韧性”，还是“精度”。

2. 误区二：用整体平均日销算可售天数

“这个SKU近30天卖了300件，日均10件，库存400件，所以还能卖40天。”这个算法在销量平稳时没问题，但对绝大多数跨境SKU都是错的，原因有三个。

第一，30天里如果前25天日均14件、后5天日均5件（比如广告预算被砍），那么真实趋势是下滑的，用10件做分母会严重高估可售天数。第二，退货会吃掉销量，跨境品类退货率差异巨大，服装可能到15%以上，家居可能只有3%，不扣退货的销量是虚的。第三，促销期的销量不能直接年化，一次秒杀带来的300件销量不代表日常需求。

我的做法是用“近7天加权日均”和“近28天加权日均”两条线，取较低者作为保守分母；同时用净销量（销量减退货）而不是订单量。如果两条线趋势方向一致，说明需求稳定；如果方向相反，就要人工介入判断。

3. 误区三：补货周期只算海运时间

这是造成旺季断货的头号原因。卖家算“海运35天”，然后按35天下补货单，结果货到了海外仓要等7天上架，平台仓还要等3到10天接收。实际可售时间点比预想晚了半个月。

更麻烦的是，供应商的生产周期经常在旺季被拉长。你平时下单7天出货，旺季可能要14到20天，因为工厂在排其他客户的单。这个变化如果没提前问，补货点就完全失准。

4. 误区四：安全库存用一个百分比套所有SKU

“所有SKU统一留20%安全库存”是最常见的偷懒做法。但需求波动性差异极大：一个基础款收纳盒可能每天稳定出20单，波动系数很低；一个流行饰品可能这周出200单、下周出10单，波动系数极高。用同一个百分比，等于对稳定款过度备货、对波动款保护不足。

我通常用需求变异系数（CV = 标准差 / 均值）来分层。CV低于0.4的算稳定，安全天数可以短；CV在0.4到0.8的算中等；CV高于0.8的算高波动，需要单独设规则，甚至考虑不备安全库存、改为多渠道现货采购。

5. 误区五：断货和滞销用同一个阈值

前面提过一次，这里再强调，因为它造成的损失最直接。一个SKU可售天数是15天，补货周期是40天，这时候应该立刻补货；另一个SKU可售天数是150天，补货周期40天，这时候应该考虑清货。如果系统里只有一个“库存预警”字段，这两个SKU会同时亮红灯，然后没人知道该先处理哪个。

阈值必须成对出现：下限触发补货，上限触发清货，中间是观察区。而且上限的观察窗口要比下限长，因为清货决策的错误成本更高，你清了货，结果下个月需求回来了，损失是双份的。

6. 误区六：只看库存总金额，不看SKU结构

“我们库存总共80万，还行。”这句话掩盖了大量问题。80万里可能有45万集中在3个SKU上，其中1个是滞销；也可能有60万是最近30天刚发的货，还在路上；也可能有20万是超过180天的老库存，正在产生长期仓储费。

库存总金额是结果指标，不是管理指标。真正要盯的是结构：前10大SKU占比、账龄分布、动销率分布、断货风险SKU数量。这四个维度才能告诉你钱压在哪里、风险藏在哪里。

四、专业判断逻辑：库存计划的四层决策链

讲完误区，我把自己的判断逻辑完整摊开。它是一条四层决策链，每一层的输出是下一层的输入。任何一层缺失，后面的计算都只是精致的错误。

1. 第一层：需求口径，净销量才是分母

需求口径要解决三个问题：用什么时间窗口、用什么加权方式、要不要扣退货。

我的默认配置是：时间窗口用7天和28天双窗口，加权方式给近7天更高权重（比如7天数据权重0.6，剩余21天数据权重0.4），退货按品类历史退货率扣除。对于有明显周内节律的品类（比如办公用品周末销量低），还要做工作日调整。

这一层最容易忽略的是“净”字。我见过一个卖家，某SKU近28天销量560件，看起来日均20件，实际退货85件，净销量只有475件，日均不到17件。按20件算，他会多备将近18%的货。

2. 第二层：供给口径，可用库存的四段拆分

这一层在第一部分已经讲过四段库存。这里补充一个实操细节：在途库存必须按“预计到仓日”排序，并且只把落在本次决策窗口内的批次计入可用。

举例来说，你要判断“未来40天会不会断货”，那么只在12天内到仓的在途才算得上保护，40天后才到的那批对当前窗口没有意义。很多团队把所有在途都算进可用库存，结果是“账面上很安全，实际上早就断了两周”。

— 可用库存口径的参考 SQL 逻辑（示意）
SELECT

sku_id,

warehouse,

qty_on_hand AS 在库,

qty_locked AS 锁定,

SUM(CASE WHEN eta_date THEN qty_in_transit ELSE 0 END) AS 窗口内在途,

qty_on_hand – qty_locked

+ SUM(CASE WHEN eta_date THEN qty_in_transit ELSE 0 END) AS 可用库存

FROM inventory_daily
WHERE stat_date = CURDATE()
GROUP BY sku_id, warehouse;

3. 第三层：时间口径，补货周期的五段拆解

补货周期不是猜的，是测的。我要求团队对每个主力SKU记录实际批次数据，形成自己的“周期字典”。下面是一个真实的拆解示例（数据来自我参与的三个项目的中位数，已做脱敏与量级调整）：

这张表最值得注意的不是48天，而是最差批次86天。如果你只用中位数48天做旺季决策，遇到一次甩柜加爆仓，你就是断货。我的建议是：日常用中位数，旺季前8周开始切换到“中位数×1.4”作为决策周期。

4. 第四层：资金口径，用现金周期倒推库存上限

前三层解决“会不会断货”，第四层解决“钱够不够”。库存计划的最终约束永远不是需求，是现金。

我会算一个粗略的现金周期：从支付供应商货款，到平台回款到账，中间隔了多少天。这个数字乘以日均成本，就是你必须垫付的资金。如果现金周期是75天，日均成本3万元，那么你需要垫付225万元的库存资金，这个数字往往会吓到0到1阶段的卖家，但这才是真相。

反过来用：如果你的可动用资金只有80万元，那么你能承受的日均成本只有约1.07万元，折合成库存上限就是按照你的成本结构反推。先用资金倒推库存上限，再用需求决定补什么、补多少，这个顺序不能反。

# 补货点计算（示意，可直接改为 Excel 公式）
补货点 = 净日均销量 × (补货周期 + 安全天数) − 窗口内在途

def reorder_point(net_daily_sales, lead_time_days, safety_days, in_transit_in_window):

coverage = lead_time_days + safety_days

return net_daily_sales * coverage – in_transit_in_window

示例：净日均 18 件，补货周期 48 天，安全 12 天，窗口内在途 260 件

rp = reorder_point(18, 48, 12, 260)

rp = 18 * 60 – 260 = 820

含义：可用库存低于 820 件时下单，否则等待

五、数据观察与工具落地：把口径真正跑起来

讲到这里，逻辑都说完了。但我知道绝大多数读者卡在同一个地方：道理我认，可我怎么在两周内把这些表跑出来？下面讲我自己的落地路径。

1. 为什么0到1阶段先解决“数据汇总”，而不是“算法”

我做过一个统计：在服务过的项目里，库存决策出错的案例中，约七成的原因不是分析错误，而是输入数据本身不完整或不一致。典型情况包括：平台后台的销量和ERP里的销量对不上；在途数量有两个版本；同一个SKU在不同渠道的编码不同，导致库存被算两次或漏算。

所以在0到1阶段，把多平台、多仓库的库存与销量数据汇总到一张表里，比上任何预测模型都优先。这张表至少要有六个字段：SKU统一编码、渠道、仓库、日期、期初在库、期末在库，再加上销量、退货、在途、锁定。有了这张表，你的所有补货计算都可以用一组公式搞定。

2. 我实际怎么搭这张表：以数跨境为例

过去我用手工导表加工，一个渠道导一次，五六个渠道导完再VLOOKUP，一次更新要两三个小时，还经常因为平台字段改名而崩掉。后来我改用数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）来做这层汇总，主要是因为它的定位就是跨境电商的数据分析场景，不需要我先建数据仓库。

我的搭建顺序是这样的，跟具体工具无关，你可以直接照搬：

1. 先定SKU主键。把各渠道的SKU编码映射到自己的内部编码，这一步必须在工具里做，不能靠人脑记。我会额外加一列“渠道SKU”，保留原始值以便回溯。
2. 再拉四张事实表：每日库存快照、每日销量与退货、在途批次明细（含预计到仓日）、采购订单明细。这四张表是后续所有计算的基础。
3. 然后建三个视图：SKU可用库存视图、SKU净日均销量视图（7天/28天双窗口）、SKU补货建议视图。每个视图只做一件事。
4. 最后做看板。我把看板压缩到三屏：断货风险清单、滞销风险清单、资金占用结构。每屏不超过8个卡片，多了就没人看了。

这套流程我第一次搭用了大约两天，之后每周只需要确认数据有没有同步成功。关键收益不是省了时间，而是所有人口径一致了，运营、采购、财务看的是同一个数。

3. 一个SKU的完整补货测算过程

我用一个真实案例说明（数据已做脱敏和量级调整）。某家居品类SKU，在三个渠道销售：

这个例子里最有价值的判断不是“不补货”，而是发现了一个隐性风险：50天后到仓的900件会让总可用库存冲到2,400件以上，对应150天以上的可售天数，直接越过滞销预警线。如果只看“要不要补货”这一个问题，这个风险永远不会浮现。

这就是我说“库存计划不是补货计划”的原因。它是一个双向的、看结构的工作。

4. 一个数据观察：口径统一前后发生了什么

我在三个项目里记录了统一库存口径前后的变化（样本量小，仅作参考，不代表行业统计）。变化最明显的不是断货率，而是补货决策的讨论时长和误补货次数。前者从平均每次讨论75分钟降到28分钟，后者在两个月内下降了约六成。

断货率的改善是滞后的，通常要两到三个月才体现，因为补货周期的物理时间摆在那里。所以如果你刚做完口径统一，第一个月看不到断货率下降，不要怀疑，看“误补货次数”这个领先指标。

六、不同情况下的行动建议

下面按团队规模和管理复杂度给出具体动作。每条都标注了时间投入和优先顺序，你可以直接对号入座。

1. SKU少于50个且单量集中

你的最大风险是押注集中，所以重点不是精细化，而是分批下注。

• 把每个主推款的备货拆成至少3个批次，每批间隔约1/3个补货周期。
• 保留10%到15%的预算做“应急空运”，不要等断货了才决定。
• 每周只做一次库存例会，看两个数：可用库存、可售天数。不要引入更多指标。
• 先不建系统，用一张维护好的表格就够，但表格里必须有在途按到仓日排序这一列。

2. SKU在50到300个之间

这是最典型的“开始算不过来”的阶段，也是投入数据汇总工具的最佳时机。

• 先做ABC分层（按销售额），再叠加CV分层（按需求波动），形成九宫格。
• 对A类SKU逐个设阈值，对B/C类SKU用统一规则批量处理。
• 把四张事实表和三个视图搭起来，这一步越早做越好，因为数据积累是有时间成本的。
• 建立季度淘汰机制：连续90天动销低于阈值且贡献排名后20%的SKU，进入清货评审。

3. SKU超过300个或多渠道分销

你的核心矛盾不是单个SKU的补货，而是跨渠道的库存分配和调拨。

• 必须先建立统一SKU主键和渠道映射表，这是所有后续工作的前提。
• 按渠道分别设置安全库存，不要用全公司统一值，因为不同渠道的补货周期差异可能超过20天。
• 建立渠道间调拨规则：什么情况下从海外仓调货到平台仓是划算的，需要一个明确的成本对比公式。
• 把周例会升级为“库存+资金”双议题，因为这一阶段库存问题经常表现为资金问题。

4. 旺季前8到12周

这是全年库存计划最关键的窗口，动作和时间点高度绑定。

1. 第12周：确定旺季主推SKU清单，逐款确认供应商产能上限，问清楚旺季排产周期会延长多少。
2. 第10周：把补货周期切换到“中位数×1.4”口径，重新跑一遍补货点。
3. 第8周：完成第一批旺季备货下单，走海运。这是主力批次，也是成本最低的一批。
4. 第5周：根据前几周的动销数据修正预测，决定是否需要补第二批。此时如果发现销量超预期，立即启动空运。
5. 第3周：冻结备货决策，转入监控模式。此时再下单已经来不及，只能靠调拨和现货采购。
6. 旺季期间：每日盯断货风险清单，但不要临时大幅调整策略，频繁变动的代价通常大于收益。

七、不同情况下的取舍

库存计划说到底是一连串取舍。下面四个取舍是绕不开的，我给出自己的判断标准和边界条件。

1. 断货和滞销，选哪边犯错

我的判断是：在项目早期（0到6个月）宁可滞销，也要保不断货；在项目成熟期（12个月以后）宁可偶尔断货，也要保周转。

原因是早期最缺的是数据和学习速度。断货意味着你失去了测试市场反应的机会，也失去了排名和评价的积累，这些是后续所有优化的基础。而滞销虽然损失钱，但损失是可量化的、可以用清货回收一部分的。

成熟期则相反，此时你已经有稳定的排名和复购，偶尔断货的代价可控，而资金效率成为增长的瓶颈。所以阈值应该随着项目阶段动态调整，而不是一套规则用到死。

2. 海运和空运，临界点怎么算

不要靠感觉决定。我用一个简单的不等式：

空运划算的条件：
(空运单件成本 − 海运单件成本) × 补货数量

< 断货损失

其中 断货损失 ≈ 日均净销量 × 断货天数 × 单件毛利

+ 排名恢复成本（通常按 3 到 4 周的额外广告投入估算）

举个例子：单件毛利25元，日均净销量20件，如果不断货可以提前20天到仓，那么多赚的毛利约1万元。如果这批货是500件，空运比海运每件贵36元，总差价1.8万元，不划算，应该等海运，或者只空运一半。

我通常的做法是：空运只运“能撑到海运到仓的那一部分”，而不是整批。这样既避免了断货，又不会为全程付溢价。这个思路能把空运的临界点显著下移。

3. 集中备货和分散备货

集中备货的优势是物流成本低、管理简单；分散备货的优势是灵活、能快速响应需求变化。我的分界线是需求变异系数。

CV低于0.4的稳定款，集中备货，一次备足一个补货周期加安全库存。CV高于0.8的高波动款，分散备货，每批只备1/3个周期，宁可多付物流费。中间地带看单品资金占用，占用超过10万元的走分散，低于的走集中。

4. 自建看板和用现成工具

这个问题我在很多团队里被问过。我的判断标准是三条：

• 如果你的数据源少于3个，且不涉及海外仓，表格足够，自建看板没有必要。
• 如果数据源在3到8个之间，且有跨渠道库存合并需求，用现成的跨境数据分析工具明显更快，两三天就能跑通，自建通常要两三周且维护成本高。
• 如果数据源超过8个，且涉及自研ERP或定制业务逻辑，那么应该先用现成工具跑通分析层，再考虑在ERP侧做数据沉淀，而不是反过来。

我见过最常见的浪费是：团队花两个月自建看板，做出来发现口径还在变，最后废弃。0到1阶段的正确顺序是先跑通口径、再固化工具，而不是先固化工具、再倒逼口径。

八、一份可以打印出来的问题清单

下面这份清单是我在实际项目里用的版本，共24个问题，分五组。新接手一个跨境店铺时，我会按顺序问完，通常在90分钟内就能判断出它的库存计划水平处在哪个阶段。

1. 口径类问题

1. 你们说的“可用库存”包含在途吗？在途是按到仓日拆分的还是给的总数？
2. 锁定库存包含哪些？已下单未发货、促销预留、调拨占用，分别算不算？
3. 平台后台的库存和ERP的库存差多少？差异率超过3%吗？
4. 同一个SKU在多个渠道的编码是不是同一套？有没有映射表？
5. 退货是从销量里扣掉的，还是单独记录？

2. 需求口径类问题

1. 算日均销量用7天、28天还是90天？有没有做加权？
2. 促销期的销量有没有从日均里剔除？怎么剔除的？
3. 有没有算过需求变异系数？高波动SKU占比多少？
4. 有没有季节性调整？如果有，用什么方法？
5. 新品的日均销量怎么估？有没有参考同类款的爬坡曲线？

3. 供给与周期类问题

1. 补货周期拆成了几段？每一段有实测数据吗？
2. 中位数和最差批次差多少天？旺季用哪个值？
3. 供应商在旺季的排产周期会延长多少天？问过吗？
4. 海外仓或平台仓的接收上架时间算进周期了吗？
5. 有没有出现过甩柜或海关查验？最长延误了多少天？

4. 阈值与决策类问题

1. 断货预警线和滞销预警线是同一个数字吗？
2. 补货点是算出来的还是凭经验定的？有公式吗？
3. 多长时间跑一次补货建议？一周一次还是每天？
4. 谁有权决定补货？金额上限是多少？超出上限走什么流程？
5. 过去三个月有多少次“该补没补”和“不该补却补了”？

5. 资金与结构类问题

1. 现金周期是多少天？从付款到回款。
2. 库存资金占总流动资金的比例是多少？超过60%了吗？
3. 前10大SKU占库存金额的多少？超过50%了吗？
4. 180天以上账龄的库存占多少？清理计划是什么？

这24个问题里，如果第1、11、16、17题有一题答不上来，说明你的库存计划还处在“凭感觉”阶段，先不要上工具，先把这四题答清楚。如果前20题都能答上来，但第21到24题答不上来，说明你的问题不在运营侧，在资金侧，需要财务一起进来。

九、常见问题快答

1. 起步阶段要不要一开始就上库存管理系统？

不需要，但需要一张结构正确的表。判断标准是：如果你的数据源少于3个且没有海外仓，表格足够；一旦出现跨渠道库存合并需求，手工作业的错误率会快速上升，此时用成熟工具搭分析层比自建更快。关键是先把口径定下来，工具只是固化口径的容器。

2. 库存周转率做到多少算健康？

这个问题没有统一答案，因为品类差异巨大。我的建议是不看绝对值，看两个相对指标：一是自己过去6个月的周转趋势，二是同品类中你排在第几档。如果一定要给参考，跨境消费品类目里，年周转4到6次算正常，低于3次要警惕，高于8次通常意味着你把风险推给了断货。

3. 断货了到底要不要空运？

用一个简化判断：如果断货会影响到主力款的排名权重，且批量小于500件，空运通常划算；如果批量超过1000件，优先考虑只空运“撑到海运转运到仓”的那一部分数量。不要整批空运，也不要完全不运，中间的解法是把批次切开。

4. 新品首单应该备多少？

我的经验是首单备“预计45天销量”的量，而不是90天。原因是新品数据最不确定，首单的作用是测市场反应而不是压成本。同时把首单拆成两个批次，第二批在首批开卖后第15天根据实际动销决定是否追加。这比一次性备足90天更安全，代价是物流成本略高。

5. 多平台卖同一款，库存怎么分？

先按各渠道的补货周期设不同的安全库存，再按各渠道的历史动销占比分配主库存，最后保留一个10%到15%的“公共池”用于应急调拨。切忌平均分配，因为不同渠道的补货周期差异可能超过20天，平均分配会导致周期长的渠道先断货。

结语：库存计划管的是决策速度，不是数字精度

写到最后，我想把这篇长文压缩成一个判断：0到1阶段的库存计划，本质上是在缩短“从发现异常到做出决策”的时间，而不是在提高数字的精确度。

你不可能预测准。任何声称能帮你把预测误差压到个位数的方案，在只有几个月历史数据的情况下都值得怀疑。但你可以做到：今天发现某个SKU可售天数掉到了补货周期以下，今天晚上就能决定补不补、走什么物流、补多少，并且这个决定基于全公司唯一的一套口径。

这四件事，口径、周期、阈值、例会，的投入加起来不到30个人时，但它们决定了你后面所有工具的发挥空间。反过来，如果口径不统一就上预测模型，你只是在更快地产出错误答案。

如果你现在就想动手，我建议按这个顺序做：

1. 今天：把“可用库存”的定义写下来，发到团队群里，让每个人确认。只做这一件事。
2. 这一周：找最近的10个补货批次，把五段周期实测出来，算出中位数和最差值。
3. 下一周：按第16、17题，把断货线和滞销线分开，给主力SKU算出补货点。
4. 第三周：把这三个动作固化到一张表或一个看板里，然后开第一次15分钟库存例会。

一个月之后，你会发现断货率可能只降了几个百分点，但你的团队不再在群里零散地吵库存了，他们开始用同一套语言讨论同一件事。这才是0到1阶段最值钱的成果。

免费注册

咨询方案

扫码咨询方案