去年10月，一个做户外储能的朋友把ERP的补货建议表发给我看：一款200W便携电源，系统建议补货1200台。他自己的判断是600台。差了整整一倍，两个数字摆在面前，谁也说服不了谁。他的原话是："要是信ERP，这批货压到明年春天；要是信我自己，万一爆单断货，链接权重掉下来又得重新烧广告。"
这个场景几乎每个做跨境的卖家都遇到过。补货是ERP里最容易"看起来已经跑起来了、实际没人敢用"的模块。销售预测那栏数字天天变，采购单却要一次性下出去，中间还隔着海运周期、平台仓限制、汇率和现金流。我把这几年帮卖家做ERP落地复盘的经验整理成这篇，核心不是讲ERP有什么功能，而是讲采购补货落地时，那些让人踩了才知道疼的坑。
先把结论放在最前面，省得你带着"是不是该换个系统"的疑问往下读。
补货建议不准，绝大多数情况不是ERP算法差，而是三个东西没对齐：数据口径、参数假设、场景分层。这三项任意一项是错的，再好的算法都会给你一个"看起来精确、实际有毒"的补货数字。
我见过太多卖家在补货失准之后的第一反应是换系统。换完发现新系统算出来的数字跟旧的差不多，只是报表好看了一点。原因很简单，你喂给系统的输入没变，安全库存还是拍脑袋的20%，采购周期还是供应商口头承诺的30天，多平台库存还是没打通，那结果当然不会变。
数据口径的问题，解法是"统一"。比如ERP里的可用库存到底扣不扣在途、扣不扣锁定库存、扣不扣平台仓不可售部分，这三件事如果不统一，库存数字天生就是错的。
参数假设的问题，解法是"回测"。你把过去90天的历史销量拿出来，用当前的参数配置跑一遍模拟补货，看系统建议量和实际销量的偏差率。偏差超过30%，说明参数需要调，不是系统需要换。
场景分层的问题，解法是"拆规则"。FBA补货、海外仓补货、国内直发，这三条链路的补货逻辑完全不同，用一套参数套所有场景，必然有一边是错的。
我给你一个简单的判断标准：如果你的补货建议偏差率长期在±15%以内，说明系统是可用的，剩下的是人工微调；如果偏差率超过±30%，先别动系统，去查参数台账。
这个阈值不是随便定的。跨境补货本身受海运波动、平台流量波动、竞品动作影响，能做到±15%已经是很健康的水平。追求±5%的精度的卖家，通常是在用远超收益的成本做过度优化。
ERP有很多模块。订单模块、财务模块、客服模块，这些模块即使配置得粗糙一点，业务也能勉强跑。补货模块不一样，它一旦出错，直接体现在现金流和断货率上，藏不住。
我总结过一句话：补货是ERP里唯一一个"错一天就能被业务感知、错一周就能被财务感知"的模块。这就是为什么它最能暴露一家公司ERP落地的真实水平。
国内电商补货，从下单到入库可能3到5天。跨境不一样，一条典型的FBA补货链路是这样的：采购下单、供应商生产、验货、集货、订舱、头程海运、清关、平台仓入仓上架。
这条链路里，头程海运通常占35到45天，旺季还要再加10到20天。也就是说，你今天的补货决策，实际影响的是两个月后的销售。这是跨境补货最反直觉的地方，你永远在为一个你还没看到的市场下注。
更要命的是，这条链路上的每一段都有波动。订舱要等、清关可能被查、平台仓可能爆仓限流。这些波动叠加起来，就是"我明明按计划补了货，为什么还是断了"的答案。
补货这个动作，表面上是采购在做，实际上它依赖五个环节的数据：运营提供销量预期、仓储提供库存实况、采购提供交付能力、物流提供时效数据、财务提供资金约束。
这五个环节里，只要有一个环节的数据是"人工填的、按经验估的"，补货建议的可信度就会打折。我在复盘时经常发现，ERP里最不准的那个参数，往往不是系统算出来的，而是某个人在某个下午手动填进去的。
举个我实际跟过的例子。一个卖家用同一套ERP管理6个店铺、3个平台。上线三个月后，运营反馈"补货建议没法用"。
我们把这个卖家的补货建议和实际出库做了对比，发现问题不在算法，而在于：6个店铺的库存是分开算的，但采购是合单下的。ERP按单店铺维度给建议，A店铺说该补800，B店铺说该补600，采购按两单合起来下了1400的货，结果A的货被B先领走了，A反而断货。
这就是典型的"每个数字都对，加在一起就错"。多平台多店铺的补货复杂度，不是线性上升，是指数上升。
下面这七个误区，是我在复盘里出现频率最高的。你可以对照着看自己中了几个。
这是最根本的误解。ERP的补货模块不是预测模型，它是计算器。它做的事情是：拿你给的参数，套上你给的数据，算出结果。参数错了，结果必然错。
真正意义上的需求预测，需要引入季节性因子、促销日历、竞品动作、流量趋势，这些在大多数ERP里都是没有的，或者只是一个简单的移动平均。所以你看到的"智能补货建议"，本质上是"参数化的库存平衡计算"。
认清这一点之后，你的心态会变：不再问"为什么系统算不准"，而是问"我哪几个参数需要改"。
这是出现频率最高的参数错误。供应商说30天交货，你就在ERP里填30天。但实际的采购周期应该包含：下单到供应商排产确认的等待、生产时间、验货时间、集货时间、以及你内部的下单审批时间。
我见过的真实情况是：供应商承诺30天，实际从采购申请到货入仓，平均需要47天。中间这17天的差距，全靠安全库存硬扛。安全库存扛不住的那天，就是断货的那天。
更麻烦的是，不同供应商的这17天差距还不一样。有的供应商说30天实际32天，有的说30天实际55天。用一个统一的采购周期参数，等于把所有供应商的波动都压在同一个数字上。
很多卖家在ERP里把所有SKU的安全库存统一设成"日均销量的20%"或者"周销量的1.5倍"。这个做法的问题在于，它假设所有SKU的需求波动是一样的。
但现实是：一个稳定款的日销波动可能只有±10%，一个爆款的日销波动可能是±200%。用同一个百分比去覆盖，稳定款会过度备货压资金，爆款会频繁断货。
正确的做法是按SKU做ABC分层：A类（销量高、波动大）给更厚的安全库存和更短的补货触发线，C类（长尾、低销）给更薄的安全库存甚至允许阶段性缺货。
ERP里如果只有一个"总库存"字段，补货就一定会出问题。因为FBA在仓、FBA在途、海外仓可用、海外仓在途、国内可用、国内在途、锁定待发，这些状态的可动用性完全不同。
比如FBA的在途货，你看到的是"在途1200台"，但它可能还在海上，距离上架还有25天。如果系统把这1200台算进"可用库存"，补货建议就会自动少建议1200台。等货到的时候，可能已经错过销售窗口了。
补货计算的可用库存，一定要明确"可动用口径"：哪些算、哪些不算、各按多少比例折算。这件事必须在ERP配置阶段就定清楚，不能等出问题再补。
大促补货和日常补货是两套完全不同的逻辑。日常补货看的是稳定周转，大促补货看的是备货窗口和风险敞口。
用日常的日均销量去推大促需求，常见的结果是：备货量不足，同时货还到晚了。因为大促期间物流时效本身会拉长，而你的采购周期参数还是日常值。
我给的建议是：大促补货单独做一套参数组，把采购周期上调30%到50%，把安全库存上调到日常的1.5到2倍，并且把大促前的下单截止日硬性锁定。过了截止日就不补，用现有库存打，避免货到大促已经结束。
系统算出需要补货370台，但供应商MOQ是500台，一个40尺柜装480台。这时候370这个数字是没法执行的。
ERP的补货建议必须做一层"可执行化"处理：按MOQ向上取整、按装箱率取整箱、按整柜取整柜。否则采购拿到的建议是漂亮的，执行的时候全靠人工再改一遍，改完之后跟系统又对不上了。
补货参数不是一次性工作。物流时效在变、供应商在换、产品在迭代、平台政策在调。半年前配的参数，今天大概率已经偏了。
我的建议是：按月做一次参数回测，按季度做一次全面校准。回测的方法很简单，把过去30天的实际销量和当时系统给的补货建议拉出来做对比，看偏差率和偏差方向。如果是系统性偏高，说明安全库存或采购周期需要下调；如果是随机偏差，说明参数本身没问题，是需求波动导致的。
很多人把补货建议当成"要么全信、要么不信"的二元问题。我的经验是，它应该是一个分层的信任结构。
一份补货建议，实际上包含三个独立的信息：补货触发时点、补货数量、补货优先级。这三部分的可靠性是不一样的。
补货触发时点最可靠，只要你把采购周期和安全库存设对了，系统告诉你"该补了"，通常就是真的该补了。这部分我建议你信到八成以上。
补货数量的可靠性居中，它依赖销售预测的准确性。销售预测本身就有误差，所以数量建议应该被看作一个区间而不是一个点。
补货优先级的可靠性最低，因为它需要综合考虑资金、仓储容量、产品生命周期等系统通常拿不到的信息。这部分建议，我建议只作为参考。
这是我最推荐的一个动作，也是很多卖家从来不做的。做法很简单：拉出过去90天的历史数据，用当前参数跑一遍模拟补货，把系统建议的补货数量和实际发生的销量做对比。
对比的时候看三个指标：偏差率、偏差方向、偏差稳定性。偏差率告诉你差多少，偏差方向告诉你是系统性偏高还是随机波动，偏差稳定性告诉你是所有SKU都偏还是只有特定SKU偏。
如果偏差方向稳定为"系统性偏高"，那基本可以确定是安全库存或采购周期设得过于保守。如果偏差是随机的，那说明参数没大问题，是需求本身波动大，这时候要做的不是改参数，而是接受波动并做好资金预案。
我把补货建议的偏差分了三档，你可以直接拿去用：
下面这六个案例，都来自我实际参与过的复盘。涉及具体数字的部分，有些做了脱敏和区间化处理，但问题的结构和解决路径是真实的。
在讲案例之前，先说明一下工具层面的选择。这类补货场景，如果要落地到系统里跑通，通常需要一个能把多平台数据打通、并且支持按SKU和仓库分层配置规则的工具。我自己在做复盘时，比较常用的是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys），主要因为它的数据聚合层做得比较清楚，能看到不同口径下的库存和销量拆分，方便定位到底是哪一段数据出了问题。
下面案例里涉及系统配置的部分，我会以它的配置逻辑来举例说明。
一个做厨房小家电的卖家，SKU大概180个，主要走FBA。上线ERP半年后，运营反馈"系统总是建议补太多货"。
排查之后发现，ERP里的"可用库存"字段没有扣除两样东西：一是已经锁定但未发货的订单占用，二是在FBA仓里处于"不可售"状态的库存（比如被买家退货后待检的货）。
结果是，系统认为的可用库存比实际能卖的货多了将近三成。可用库存虚高，补货建议自然虚高。
判断信号很简单：把ERP的可用库存和平台后台的可售库存放在一起对比，如果长期存在稳定比例的正偏差，就是口径问题。这个卖家的情况是，ERP可用库存稳定比平台可售库存高28%到35%。
解决的路径是重新定义可用库存的计算口径。在数跨境的库存拆分视图里，可以清楚看到总库存被拆成了在库可售、在库锁定、在途、待检、不可售几个部分。我们把这几个部分的勾选规则重新配了一遍：锁定库存扣除100%，待检和不可售库存扣除100%，在途库存按到仓时间折算。
重新配置之后，同样的180个SKU，补货建议总量下降了37%，而实际断货率并没有上升。说明之前那37%确实是过度备货。
一个做宠物用品的卖家，供应商在国内，主要走海运到美国FBA。ERP里所有SKU的采购周期统一填的是"35天"。
35天是供应商承诺的生产交期。但实际从采购申请提交到货入FBA仓，平均是52天。中间差的17天包括：内部审批2天、供应商排产等待5天、验货3天、集货3天、订舱等待4天。
这17天全靠安全库存扛着。一旦某个月海运延误，安全库存被击穿，就直接断货。
如果你发现断货总是发生在"按计划应该到货"的那几天前后，而且断货时间集中在3到10天这个区间，那基本可以确定是采购周期参数短于实际。
这个卖家的实际数据是：改用35天参数后的三个月，月均断货SKU数从2个上升到7个，断货平均持续6天。
我们做了一件事：把采购周期从"一个数字"拆成"四段"。生产交期、验货集货、订舱等待、头程运输，每段单独设置，并且每段都有一个波动区间。
在数跨境的参数配置里，这类分段参数可以按供应商维度分别设置，同一供应商的不同产品线也可以有差异。配好之后，系统用的采购周期从35天变成了52天（按各段平均值加总），安全库存需求反而下降了，因为不再需要用安全库存去补偿参数误差。
一个同时做亚马逊、独立站、TikTok Shop的卖家，三个渠道各自有库存，ERP按渠道分别给补货建议，采购统一合单下单。
各渠道独立算补货，都按最坏情况留了安全库存。三个渠道的安全库存叠加起来，等于同一批货被预留了三次。
更麻烦的是，货到了之后按谁的需求分配没有明确规则，导致有的渠道库存积压、有的渠道断货。这个卖家的情况是，三个渠道的安全库存叠加后多占了约80万元资金。
判断信号是：把各渠道安全库存加总，和整体实际需要的最低安全库存做对比。如果前者明显大于后者，说明存在重复预留。
解决思路是把"渠道安全库存"改成"总仓安全库存+渠道分配规则"。安全库存只在总仓层面算一次，渠道之间通过调拨规则而不是重复备货来满足。
做这件事的前提是库存数据要能按"物理仓+逻辑渠道"两个维度看。数跨境在这块的拆分比较直观，同一个物理仓的货可以同时被多个渠道引用，补货建议基于物理仓总量计算，渠道层面的需求通过分配比例体现。
一个做3C配件的卖家，参加Prime Day。7月的大促，4月中旬就按系统建议下了补货单。
系统用的是日常参数：日常采购周期52天，日常安全库存系数。按这个算，4月中旬下单，6月上旬到货，看起来来得及。
但大促期间头程海运的实际时效从38天拉长到了55天，订舱等待从6天变成了16天。实际到货时间是7月8日，大促已经在收尾了。
一个很简单的判断方法：把大促期间的实际物流时效和日常时效做对比，如果差距超过20%，就必须单独配一套大促参数。
做两件事。第一，建一套大促专用的参数组，采购周期在日常基础上上浮40%，安全库存系数上调到1.8倍。第二，倒推一个"大促补货下单截止日"，过了这个日子就不再补，避免出现"货到了活动结束了"的情况。
把这两件事做进流程之后，这个卖家在下一年的活动中，大促备货的到货准时率从原来的61%提升到了89%。
一个卖家同时做FBA和国内直发。在ERP里，两类货用了同一套安全库存规则和同一个补货触发线。
FBA的补货周期是45天以上，直发的补货周期是7到10天，两者的补货逻辑完全不同。用同一套触发线，结果是FBA经常补晚了，直发经常补早了。
FBA补晚的代价是断货掉权重，直发补早的代价是库存积压。两边都不讨好。
如果你的ERP里只有一条补货触发线，而且同时管着平台仓和直发，那基本可以确定有这个坑。判断方法是看两类渠道的补货建议偏差方向是不是相反的，如果FBA偏低、直发偏高，就是这个问题。
把补货规则按"履约链路"分层，而不是按"渠道"分层。同一个履约链路内的所有渠道共用一套补货参数，不同履约链路之间完全隔离。
具体来说，至少分为三层：平台仓补货（长周期、低容错）、海外仓补货（中周期、中容错）、直发补货（短周期、高容错）。这三层的采购周期、安全库存、补货触发线都应该独立配置。
一个做家居收纳的卖家，SKU不多但体积大，一个柜子装不了几件。ERP算出的补货量经常不是整箱数，采购每次都要手动调整。
系统算出的补货量是"理论最优量"，没有考虑MOQ、装箱率、整柜容量。采购手动改完之后，实际下单量和系统建议量就对不上了，下次做回测的时候数据又乱了。
判断信号很直白：如果你的采购单和ERP补货建议的吻合度低于70%，说明补货建议缺少可执行化处理。
在补货建议和采购单之间加一层"取整规则"，并且把取整后的结果回写到系统里，让下次回测用的是实际执行数据。
常见的取整规则有这么几种，可以按SKU分别配置：
补货取整规则配置示例
规则A｜按MOQ向上取整
适用：供应商有最低起订量要求
逻辑：补货量 < MOQ → 取 MOQ
补货量 ≥ MOQ → 按 MOQ 向上取整
规则B｜按装箱率取整
适用：标准包装箱，箱规固定
逻辑：补货量 ÷ 每箱数量 → 向上取整 → 乘回每箱数量
规则C｜按整柜取整
适用：体积大、走整柜的品类
逻辑：补货量 ÷ 每柜装载量 → 向上取整 → 乘回每柜装载量
规则D｜组合取整（推荐）
适用：同时受MOQ和整柜约束的SKU
逻辑：先按规则A取整 → 再按规则C取整 → 取两者中较大的值
配好这一层之后，这个卖家的采购单与系统建议吻合度从62%提升到了91%，采购每天手动改数的时间从大约1.5小时降到了15分钟以内。
补货优化没有标准答案，取决于你现在的规模、平台结构和团队配置。我按几种典型情况分别给建议。
这个阶段的卖家，其实不太需要复杂的补货算法。核心做好两件事就够了：把采购周期按实际链路拆开填准，把安全库存按销量分三层（高、中、低）。
这个阶段最容易犯的错是过早追求系统自动化。我见过不少卖家在这个阶段就花大价钱上全自动补货，结果因为参数不准，系统天天给错误建议，最后大家都不看了。
这个阶段的正确姿势是：系统给建议，人工做决策，同时把每次人工调整的原因记录下来。积累三个月，你就有了第一批真实参数。
这个阶段的核心矛盾是库存口径统一。你必须先把"什么算可用库存"这件事定义清楚，并且所有渠道用同一套定义。
具体动作有三个：把物理仓和逻辑渠道分开建模；把在途、锁定、不可售拆成独立字段；总仓层面的安全库存只算一次，渠道之间用调拨而不是重复备货来满足。
这个阶段可以开始用系统化的工具了。像我前面提到的数跨境这类工具，价值主要在于它能让你看到同一批货在不同渠道、不同状态下的分布，这种透明性是纯Excel很难做到的。
到这个规模，人已经算不过来了。核心任务变成建立一套可维护的参数体系。
我建议的做法是：按"品类+供应商+履约链路"三个维度建立参数矩阵，每个格子里的参数独立维护，并且每个月做一次回测打分。参数矩阵的好处是，当某个格子的偏差率变高时，你能快速定位到是哪个品类、哪个供应商、哪条链路出了问题。
同时，这个阶段一定要引入异常预警。补货建议本身可以不是100%准确，但当某个SKU的库存覆盖天数低于某个阈值时，系统必须主动提醒，而不是等你去查。
这部分讲的是"做不到全都要"的时候，应该怎么选。补货优化里几乎所有的决策都是取舍，没有两全方案。
补货频率越高，理论上库存越精准、资金效率越高。但每一次补货都需要人做判断、下单、跟进，是有成本的。
我的建议是：按SKU的销量贡献度决定补货频率。A类SKU（贡献80%销量）做到每周甚至每三天一次补货检视；C类SKU（长尾）做到每月一次就够，允许阶段性缺货。
不要对所有SKU一视同仁。全SKU高频补货的团队，最后往往是因为精力分散导致A类SKU反而跟得不够紧。
这是最经典的取舍。安全库存每加厚一档，断货风险下降，但资金占用上升，而且上升是非线性的。
实际的经验值是：从零安全库存加到"覆盖一个采购周期波动"的安全库存，能消除大约70%的断货风险；再加厚一倍，只能再多消除15%左右。后面的边际收益很低。
所以我的建议是，把安全库存加到能覆盖采购周期的正常波动就够了，剩下的极端情况用应急补货（比如空运、调拨、临时采购）来兜底，而不是靠堆库存。
完全自动化的补货听起来很美，但前提是你的参数长期稳定且准确。在参数还没校准到健康区间之前，全自动补货的风险大于收益。
我推荐的路径是分三步走：第一阶段系统只给数据不给建议；第二阶段系统给建议但人工必须确认；第三阶段对偏差率长期在健康档的SKU开启自动补货，预警档的SKU继续保持人工确认。
这种分级自动化，既享受了效率，又保留了风险控制。
参数分层做得越细，理论上补货越准。但分层越细，维护成本越高，也越依赖人的执行力。
这里有个很实际的判断：如果一个参数维度，分与不分带来的偏差差异小于5%，那就不值得分。因为5%的精度提升，抵消不了团队每周多花的时间。
我见过有卖家把安全库存分成了十几个层级，结果没人记得住每层对应什么场景，最后全部退回到"拍一个数"。规则太复杂等于没有规则。
最后给你两份可以直接用的清单。一份是自查用的，一份是跟系统供应商沟通时用的。
把这八项逐一核对，任何一项答不上来，就说明这一块还有隐患。
| 核对项 | 怎么判断自己配错了 | 建议动作 |
|---|---|---|
| 可用库存口径 | ERP可用库存长期高于平台可售库存10%以上 | 重新定义扣除项：锁定、待检、不可售是否全额扣除 |
| 在途库存折算 | 补货建议明显偏低，但实际到货后仍有缺口 | 在途货按到仓时间折算，30天以上的在途不计入可用 |
| 采购周期分段 | 实际到货时间与系统预测相差7天以上 | 拆成生产、验货集货、订舱、头程四段分别配置 |
| 安全库存分层 | 稳定款积压、爆款断货同时存在 | 按ABC分层，A类加厚、C类允许阶段性缺货 |
| MOQ与装箱率 | 采购单与系统建议吻合度低于70% | 加入取整规则，并把执行结果回写系统 |
| 场景分层 | 平台仓和直发的补货偏差方向相反 | 按履约链路分层配置，不同链路参数隔离 |
| 大促参数组 | 大促期间到货准时率低于70% | 单独配大促参数组，并锁定下单截止日 |
| 参数回测机制 | 超过3个月没有回测过参数 | 建立月度回测，按偏差率给SKU打分分级 |
如果你正在选系统，下面这四个问题建议当面问供应商。回答得含糊的，说明这块能力可能是弱项。
好的回答应该是能讲清楚：销量数据取自哪个时间窗口、是否剔除异常值、安全库存怎么算、在途怎么折算。含糊的回答通常是"我们的算法很智能"。
重点问冲突处理。同一个SKU在两个平台同时出单但库存只剩一件时，系统怎么处理？这个问题能问出系统的真实能力。
如果只能全局配置一套参数，那基本上无法满足多场景需求。至少要支持按仓库和按品类两个维度分层。
这一条最容易被忽略，但长期来看最重要。系统必须能让你看到"当时给的建议是什么、实际结果是什么"，否则你永远无法判断参数该往哪个方向调。
我在前面几个案例里用了数跨境作为说明工具，不是因为它功能最多，而是因为它在"数据拆分的透明度"这件事上做得比较到位。
补货这件事，最怕的就是只有一个最终数字，看不到数字是怎么来的。能看到库存按状态拆分、销量按渠道拆分、参数按维度拆分，你才有诊断问题的能力。这一点比任何算法都重要。
当然，工具只是工具。我见过用Excel把补货管得很好的卖家，也见过花了几十万上系统结果补货还是靠拍脑袋的。差别不在工具，在于有没有把参数当资产来经营。
回到开头那个朋友的例子。他最后没有换系统，而是花了两个周末把采购周期和可用库存口径重新捋了一遍。改完之后，系统建议量从1200台降到了740台，跟他自己的判断600台已经很接近了。剩下的140台，就是我们讨论后认为值得为那款产品多备的一点缓冲。
这就是我想表达的独特观点：补货模块的价值，不在于它能替你做决定，而在于它能让你看清自己做决定的依据是什么。当你把口径、参数、场景这三件事理清楚之后，系统给的是1200还是600，你自己就能判断哪个更接近真相。
下一步我建议你做三件事，按顺序来：
这三件事做完，你会发现大部分"ERP补货不好用"的问题，其实都能在参数台账里找到答案。系统不背这个锅，参数才背。
我上ERP三个月，最头疼的就是月底对账时发现ERP显示可售800，平台后台只有620，补货建议直接按800算，结果一批货压在海外仓。我一直搞不清这180的差是哪里来的，也不知道该先修数据还是先改补货逻辑。
先别急着改补货逻辑，先定位差异来源。跨境电商库存差异通常来自四类：一是平台已扣减但ERP未回传的在途订单，包括发货中、退货中、取消中；二是平台仓的预留库存没有同步；三是ERP只在固定时间点抓取，两次抓取之间的变动被吃掉；四是多店铺共用同一实物库存，ERP做了重复计算。
排查方法很土但有效：任选一个SKU，把ERP库存、平台可售、预留、在途、退货中五项拉出来做一张对账表，连续对七天，差异项会自己浮出来。判断口径上，补货建议应该基于可用库存等于实物库存减预留减已售未发，而不是页面上的可售数。落地时要求库存同步频率至少每小时一次，并且把同步失败做成告警而不是静默失败。
在差异率降到百分之一以内之前，补货建议只当参考，不当指令。
我一直以为采购周期就是供应商说的那个天数，填进ERP就完事了。但实际跑下来总是在补货建议该下单的时候货还没到，旺季更是频繁断货，我开始怀疑是不是ERP算错了。
供应商承诺交期只是工厂出货那一段。跨境采购的实际周期要拆成五段：下单到工厂确认、生产、工厂到国内仓或货代、头程运输、目的仓上架可售。很多人只填了生产那一段，等于把周期少算了一半。
可执行做法是按SKU或按供应商分别建采购周期，并且在每次实际入库后回填真实周期，用最近三批的实际周期取一个偏保守的值，比如取分位数偏高的一档或者直接取最大值，而不是用平均值。
另外要设两个参数，采购提前期和安全缓冲天数，安全缓冲按历史断货率反推：过去半年断过几次货、每次平均断几天，这个天数就是缓冲底线。判断信号是，如果ERP建议的下单日期和你凭经验想下单的日期差三天以上，基本就是采购周期设短了。旺季前一个月，头程海运段要额外再加七到十五天。
我们做平台店、独立站，还有两个分销渠道，共用一批库存。以前每个店各算各的销量，结果经常A店补了、B店也补，仓库堆了一堆，C店反而断货。用ERP之后还是这样，感觉系统并没有帮我解决这个问题。
根因是补货的计算单元设错了。多店铺共用实物库存时，补货必须按SKU加仓库为一个计算单元，而不是按店铺加SKU。做法分三步：第一，在ERP里建立库存归属关系，明确哪些SKU是共享池、哪些是独占池，比如平台仓的货不能给独立站发；
第二，把所有渠道的销量合并成该SKU的总需求预测，再减去共享池可用库存和在途，得出的才是真正要补的量；第三，给每个渠道设一个分配优先级或预留比例，避免一个爆单渠道把共享库存吃光。判断信号很简单：如果你在ERP里看到同一个SKU在同一天出现两条以上的补货建议，说明计算单元还是按店铺拆的。
另外要防一个隐性坑，退货回来的货如果被重复计入可用库存，等于虚增了补货基数，退货入库要单独设一个待检状态，检验合格才转可售。
去年大促前我用ERP的日常参数跑了补货计划，结果备货量明显偏保守，主推款第四天就断货，另一批货却堆了三个月。今年我想提前把参数调好，但不确定是不是所有履约方式都按一个逻辑调。
不能混用，至少要按履约场景和时间窗口两个维度拆开。履约场景上，平台仓补货和国内直发是三套逻辑：平台仓受入仓时效、仓储容量限制和不可售库存影响，补货周期长、一旦断货恢复慢；海外仓补货取决于头程船期和当地仓作业节奏；国内直发周期短、可以小批量高频次。用一套参数套三种场景，结果必然是有压货有断货。
时间窗口上，大促前应该做三件事：把预测窗口从近三十天日均换成去年同期加今年预热期增速的混合口径；把安全库存系数上调，通常按日常的一点三到一点五倍，具体倍数看你历史大促的断货天数；把最后一个下单截止日，也就是过了这天再补就来不及上架，明确写进ERP的提醒规则。
判断信号是，如果大促结束后畅销款断货率超过百分之五，同时滞销库存周转天数比平时翻倍，说明参数没分场景配。
读者评论
文章说补货失准九成不是ERP不行，这点很认同。我们之前也以为是系统算法差，换了系统结果一样。后来发现是安全库存统一设20%，爆款和长尾用同一套参数，调整分层后才好转。
多店铺合单采购那个案例太真实了。我们六个店铺也遇到A店领走B店库存，系统建议各自看都对，合在一起就断货。现在必须按店铺做库存预留，否则补货建议没法执行。
采购周期用供应商承诺交期确实是坑。我们填30天，实际验货集货订舱加起来快50天，安全库存根本扛不住。文章建议按供应商分别设参数，这点很实用。
回测和偏差率阈值这个方法可以落地。以前不知道系统补货准不准，现在拿历史数据跑一遍，偏差超30%就查参数，比盲目换系统靠谱。大促单独参数组也值得试。