去年冬天我帮一个做 Shopee 马来西亚站和泰国站的朋友看库存，团队 8 个人，在售 SKU 大约 1200 个，ERP 装了一年半，采购单、入库单、调拨单都在系统里跑。按道理补货这件事应该很顺，可那个季度的实际情况是：一个日出 180 单的爆款断货 14 天，同时海外仓压着 23 万货值的滞销库存，账上现金还差 18 万发不出下一批货。老板跟我说了一句话，我印象特别深，"我们不是没上 ERP，是上了以后没人告诉我到底该补多少。"
这句话基本概括了中小跨境商家在采购补货上的真实处境。工具买了，单据跑了，系统里也有库存数字，但真正决定"补多少、什么时候补、补到哪个仓"的那一层判断，还停留在老板的脑子里或者某张三天没更新的 Excel 里。这篇文章我想把这一层拆开讲清楚：ERP 能做什么、不能做什么，中小商家在什么阶段该用什么方法，以及像数跨境这类数据工具到底补的是哪一块缺口。
我先说三个结论，后面所有内容都是围绕这三条展开的。
ERP 的核心价值是把订单、库存、采购、发货这些动作串成可追溯的单据链。它回答的是"发生了什么"和"这笔单子走到哪一步了"，而不是"下一批该下多少件"。
补多少，本质上是一个预测加约束求解的问题：需要多快的销量速度、多长的覆盖期、多不稳定的交期、多少可用库存、多少在途、多少已被占用、多少资金能压。这些参数 ERP 通常能提供原始数据，但不会替你定义规则，也不会替你承担判断责任。
所以你会看到一个很普遍的现象：ERP 里的采购模块开着，采购单也照开，但开单数量是人在微信里问供应商、在 Excel 里算完再手动填进去的。系统只是把结果记下来了，没有参与决策。
很多老板遇到补货问题，第一反应是"换个更好的 ERP"。我见过至少五家在两三年内换过两三次系统的团队，换了之后问题依旧，因为缺的那一层从来没被补上。
真正缺的是一层能把多平台、多店铺、多仓数据拉到一起，按统一口径算出补货参数的地方。它可能是一个 BI 看板，可能是一套自定义的计算表，也可能是像数跨境这样的跨境电商数据分析工具。它的位置在 ERP 之上，不和 ERP 抢活。
分工可以这样理解：ERP 负责把单据跑顺、把执行落地；数据判断层负责把口径统一、把参数算准、把异常捞出来。两层各司其职，缺一层都会卡。
这是我在所有案例里最坚持的一条。补货参数不是设一次就完事的配置项，它更像是一个需要定期校准的仪表。销量速度会变、平台流量会变、供应商交期会变、汇率和运费会变，参数不变就等于每天都在用过期的地图导航。
我给中小团队的建议是：至少每两周校准一次 A 类 SKU 的销量速度和安全库存，每月校准一次 B 类，每季度清理一次 C 类。这个节奏不需要专职计划岗，兼职运营花两小时就能做完，但有没有这个动作，结果差别很大。
在往下读之前，先对照下面这张表给自己定位，后面的建议会按阶段给。
| 阶段 | 典型特征 | 补货决策方式 | 最该先补什么 |
|---|---|---|---|
| 阶段一 | 1-3 人，SKU 少于 300，单平台或双平台 | 老板凭感觉拍 | 先把补货公式和 Excel 模板用起来 |
| 阶段二 | 4-10 人，SKU 300-2000，3 个以上平台或店铺 | Excel 算，但口径混乱 | 统一数据口径，建立参数表 |
| 阶段三 | 10-20 人，SKU 2000 以上，多平台多仓 | 有 ERP，但补货仍靠人 | 补一层数据判断，做 SKU 分层和自动预警 |
| 阶段四 | 有自有工厂或深度定制，交期长且波动大 | 多部门扯皮 | 把交期波动纳入安全库存模型 |
大部分读者大概率在阶段二和阶段三之间。这两个阶段的共同点是：数据已经有了，但没被组织成可以支撑决策的形态。
要讨论怎么处理，得先把场景描述准确。我发现很多讲 ERP 补货的文章，描述的其实是中大型卖家的场景，套到中小商家身上完全对不上。
一个典型的中小跨境商家，可能在 Shopee 有马来、泰国、菲律宾三个站点，在 Lazada 有两个店，在 TikTok Shop 有一个店，还可能挂着一个亚马逊账号试水。每个平台的库存逻辑都不一样。
Shopee 的跨境仓和本地仓是两套库存，Lazada 的入仓和自发货也是两套，TikTok Shop 的达人带货节奏和自然流量节奏完全不同。同一个 SKU，在不同平台上的实际可用库存、补货提前期、履约方式都可能不一样。
再加上海外仓、在途货、国内仓待发，一个 SKU 的库存可能同时散在五六个位置。这就是为什么我在前面说，第一层要解决的问题是数据归集，而不是补货算法。
中小商家的补货决策，是在三个硬约束下做出来的。
这三个约束意味着，任何要求"每天花两小时精算每个 SKU"的方案都是不可执行的。可执行方案必须做到：把手工决策集中在少数关键 SKU 上，其余交给规则自动跑。
我让几个朋友统计过他们一周的时间分配，结果很有代表性。客服和纠纷处理占掉了最大一块，平台活动报名和素材准备占第二块，广告调优占第三块，真正留给补货的时间是碎的。
补货这件事的特点是：不做不会立刻出事，出事了就是大事。所以它天然会被更紧急的事情挤掉，直到某个爆款断货，才被临时提上日程，然后在压力下做一个仓促的决定。
这也是为什么我强调"节奏"比"精度"更重要。哪怕参数不够精细，只要每两周准时跑一次，就比半年算一次精确的强得多。
这是中小商家最容易忽略的一点。同一个产品，在 Shopee 泰国站可能是稳定日出 30 单，在 TikTok Shop 可能是一条爆款视频带来三天日均 200 单然后掉到 20 单。
稳定型和脉冲型销量的补货逻辑完全不同。稳定型可以用较小的安全库存覆盖交期波动；脉冲型如果按峰值备货，视频热度一过就是一堆库存。我的处理方式是：脉冲型流量对应的补货，锁定在"可空运补货 + 小批量多批次"的策略上，而不是一次性备足海运量。
这个判断如果没有平台维度的数据支撑，就只能靠感觉。而感觉在脉冲型流量面前几乎必然出错。
下面这六个误区，是我在跟中小商家交流时反复见到的。它们单独看都不致命，叠在一起就会让补货彻底失控。
这是我见过最普遍的一个。ERP 提供的是数据源和单据流，不是决策本身。系统里能看到库存 500 件、在途 300 件、近 7 天日均出 40 单，但它不会告诉你要不要现在下单。
更麻烦的是，很多 ERP 的采购建议模块默认参数是通用值，比如统一 15 天覆盖期、统一 7 天安全库存。品类差异被抹平之后，快消品的建议明显偏低，长交期定制的建议又明显偏高。参数不调，等于把系统的默认值当成了行业标准。
营销页上常见"一键智能补货"，但真实的补货规则至少要定义五件事：用多长的历史窗口算销量速度、怎么处理大促和直播带来的异常峰值、交期取什么口径、安全库存按什么服务水平算、缺货和滞销哪个优先。
这五个问题的答案，因品类、因平台、因资金状况而不同。任何不让你定义这些参数的"智能"，本质上都是把别人的假设套在你身上。
我见过一个团队，安全库存是两年前开店时设的，之后从没改过。期间他们的主力供应商从国内工厂换成了越南工厂，交期从 12 天变成 26 天，安全库存却没动。
结果就是每个爆款在补货周期后半段都会见底，客服天天解释发货延迟。他们以为是销量涨太快，其实是安全库存的参数已经和现实脱节了。
断货是显性损失，容易被感知；滞销是隐性损失，往往到季度盘点才暴露。如果把补货目标定成"不能断货"，最直接的后果就是库存越压越多。
我的建议是把补货的考核指标定成一组而不是一个：缺货率、库存周转天数、滞销库存占比、占用的采购现金，四个一起看。只优化其中一个，另外三个一定会恶化。
假设一个 SKU 总可用库存 600 件，铺在三个平台，很多人会直接按 200/200/200 分。如果三个平台的出货速度是 10 单、30 单、5 单，这样分的结果一定是第一个平台积压、第二个平台三天后断货。
合理的做法是按各平台近期销量速度加权分配，并且给波动大的平台留额外缓冲。更关键的是，如果平台之间支持调拨或共享库存（比如部分海外仓），要优先用调拨解决，而不是各自备货。
供应商说 15 天，这个 15 天通常是"顺利情况下的生产周期"，不含排单等待、质检、订舱、头程、清关、入仓预约。真实的可补货提前期往往要在这个基础上加 50% 甚至更多。
更稳妥的做法是记录每批货的实际到仓天数，用它来估算交期的均值和波动区间。没有历史到仓数据的团队，第一件事就是把这个字段记起来。
这一节是全文最核心的部分。我会把公式、参数、算法都讲清楚，让读者拿回去就能用。
我把补货量的计算拆成五个部分，这个结构在大多数跨境场景里都成立。
建议补货量 = 覆盖期需求量 + 安全库存 – 可用库存 – 在途库存 + 已占用库存
其中：
覆盖期需求量 = 日均销量速度 × 覆盖天数
安全库存 = 日均销量速度 × 安全天数（简化法）
可用库存 = 各仓可售库存之和
在途库存 = 已下单未到仓的在途数量
已占用库存 = 已被活动、预售、达人带货锁定的数量
这五个部分里，最容易被忽略的是"已占用库存"和"在途库存"。很多团队算补货时只看可用库存，结果在途的货还没到就又下了一单，最后库存翻倍。
另一个常见错误是把在途库存直接抵扣。如果交期波动大，在途货有可能延期两周才到，这时候按在途全额抵扣就会导致断货。我的处理方式是：在途库存按"预计到仓时间"分段抵扣，只有落在覆盖期内的在途数量才参与抵扣。
公式是骨架，参数才是血肉。下面是我给中小团队的参数设定建议。
| 参数 | 定义 | 中小商家建议做法 | 常见错误 |
|---|---|---|---|
| 销量速度 | 日均出单量 | A 类用近 14 天，B 类用近 30 天，剔除单日异常峰值 | 用近 3 天，被促销噪声带偏 |
| 覆盖天数 | 一次补货要撑多久 | 海运 45-60 天，空运 15-25 天，按渠道分开设 | 所有 SKU 用同一个覆盖期 |
| 交期 | 从下单到可售的天数 | 用近 3 批实际到仓天数的均值加波动量 | 直接采用供应商承诺值 |
| 安全库存 | 应对波动的缓冲 | A 类 7-10 天，B 类 5-7 天，C 类 0-3 天 | 所有 SKU 统一 7 天 |
| MOQ/装箱 | 最小起订与整箱约束 | 算完向上取整，并核算取整后的资金占用 | 为了凑整箱多压 30% 库存 |
这五个参数里，覆盖天数和安全库存是杠杆最大的两个。它们决定了资金占用和缺货风险的平衡点，也是不同团队之间差异最大的地方。
（1）简化法：安全库存 = 日均销量 × 安全天数。适合 SKU 多、人手少、销量相对稳定的阶段。它的好处是简单可执行，缺点是忽略了销量波动和交期波动的差异。
（2）波动法：安全库存 = 服务水平系数 × √(交期 × 销量方差 + 销量² × 交期方差)。这个公式考虑了销量波动和交期波动两个来源，更适合交期不稳定或销量波动大的场景。
我的建议是分层使用：C 类 SKU 用简化法，A 类 SKU 用波动法。全量用波动法在中小团队里往往因为数据质量不够而失真，反而增加混乱。
交期是补货里最容易被低估的参数。我建议把交期拆成五段分别记录：下单到排产、生产、质检包装、头程运输、清关入仓。每个环节都记录实际天数和偏差。
有了分段数据之后，你会发现瓶颈往往不在生产，而在排产等待和入仓预约。有的卖家生产只要 10 天，但排产等待 8 天、入仓预约 7 天，实际交期 30 天以上。
知道瓶颈在哪，才知道该优化什么。是要提前锁定产能，还是改用能快速入仓的渠道，还是把安全库存加厚，判断依据完全不同。
算出来的建议补货量只是一个起点，落地前还要过三道约束。
第三道约束是最容易在计划阶段被忽略、却在实际执行时被迫生效的。与其等到下单时被迫临时砍单，不如在算补货建议时就把可支配采购现金作为输入。
如果一个团队有 1200 个 SKU，全部人工复核是不现实的。我的做法是先分层，把人工精力集中到真正重要的部分。
分层的两个维度是销量速度和毛利贡献，再叠加一个库存金额作为气泡大小。四象限分出来之后，处理策略完全不同：高销量高毛利的需要精细管理，高销量低毛利的可以粗放但要盯周转，低销量高毛利的适合小批量多批次，低销量低毛利的应该直接考虑淘汰。
前面讲的公式和参数，如果只停留在 Excel 里，通常撑不过三个月。原因不是方法不对，而是维护成本太高，数据要手工导、口径容易变、人一忙就断更。
我的观察是，中小跨境商家的系统建设普遍是"执行层超前、判断层滞后"。ERP、打单工具、物流系统该有的都有，但在需要做补货判断的时候，大家还是打开 Excel。
这不是 ERP 的问题，而是职责边界的问题。ERP 的设计目标是单据闭环，它的数据结构围绕订单和出入库，不擅长做跨平台、跨店铺的任意维度分析和自定义指标计算。
所以我更倾向于把这类工作交到专门的数据分析层。以数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）为例，它的定位就是跨境电商场景下的数据分析工具，做的是把多平台、多店铺的数据归集起来，再按自定义口径计算指标和看板。
补货算不准的第一个原因，往往不是公式错，而是数据不齐。三个平台的库存、两个海外仓的可用量、一批在途货的预计到仓时间，如果分散在四五个后台里，任何人手工汇总都会出错。
数据归集要解决三件事：口径统一、时间对齐、更新及时。口径统一指的是"可用库存"在所有平台必须定义一致，是扣掉已占用还是没扣，必须写死；时间对齐指的是各平台数据的时间戳要能对齐到同一天；更新及时指的是不能靠人工每天导。
这三件事听起来简单，但在我接触过的团队里，能同时做到的不超过三成。多数情况是口径靠记忆、时间靠感觉、更新靠心情。
数据齐了之后，第二层才是把前面讲的公式跑起来。这一层的价值不在于算得多复杂，而在于"可持续维护"。
具体来说，我希望这一层能输出四样东西：
这四样东西如果能每天自动更新，补货决策的时间成本会从两三个小时压缩到半小时以内。省下来的时间才是最有价值的产出，因为它让"每两周校准一次参数"这件事真正变得可执行。
补货做得好不好，不能只看有没有断货。我习惯用一组四个指标做季度复盘：缺货率、库存周转天数、滞销库存金额占比、呆滞 SKU 数量占比。
这四个指标要放在同一个看板上按周看，才能看出趋势。单看某一天的数字意义不大，看趋势才能知道参数是该收紧还是放松。
另外一个很实用的动作是"库存账龄分层"：把库存按在仓天数分成 0-30 天、31-60 天、61-90 天、90 天以上四档，看金额分布。90 天以上的金额占比超过 15% 时，就要开始考虑清货，而不是继续补货。
如果你已经在用 ERP，不需要推倒重来。我推荐的路径是把数据判断层叠加在现有 ERP 之上，四周左右能跑起来。
第三周到第四周是关键的验证期。不要在第一周就追求准确率，而要追求"每个差异都有原因"。差异有原因，参数就能迭代；差异没原因，说明口径还没统一。
我跟踪过的团队里，改善的顺序基本一致。最先动的是"补货决策耗时"和"缺货率"，因为这两项直接受流程改善影响。库存周转天数的改善会滞后一到两个月，因为已经压在仓里的货需要时间消化。滞销库存金额的改善最慢，通常要到第三个月甚至更久才看得出趋势。
理解这个顺序很重要。如果第二个月看到周转天数没怎么变就放弃，等于在效果显现前停掉了动作。
方法讲完了，接下来按团队规模分阶段给具体动作。请对号入座，不要跨阶段跳。
这个阶段不需要买任何工具，Excel 三张表就够了：SKU 参数表、库存快照表、补货建议表。
参数表记录每个 SKU 的日均销量、覆盖天数、交期、安全库存；库存快照表记录各仓可用、在途、已占用；补货建议表用前面给的公式自动算出建议量，再人工复核。
这个阶段最容易犯的错是直接跳到"买 ERP"，结果工具很重、流程很轻，反而更乱。先用三张表跑三个月，把参数习惯养起来，再考虑工具。
到了这个阶段，Excel 的维护成本会明显上升，尤其是多平台数据每周手工导的时候。我建议做两件事。
第一件是把数据归集自动化，哪怕是每周固定时间从平台批量导出再汇总，也比每天零散更新强。第二件是建立参数表的所有权，明确谁负责更新、多久更新一次。
如果团队里有人能做基础的表格和函数，这一阶段仍可以用 Excel 撑着。但如果每周花在导数据和核数上的时间超过 4 小时，就该考虑引入数据工具了。
这个阶段我强烈建议在 ERP 之上补一层数据判断。理由很简单：人工已经无法在多平台多仓的组合里保持口径一致了。
落地时优先做三件事：统一库存口径、按 SKU 分层配参数、建立异常预警。前两件是基础，第三件是让方案能自我维持的关键。
另外一个具体建议是设置一个"补货复核岗"，不需要专职，由运营主管兼任，职责是每周固定时间过一遍补货建议清单，处理例外情况。系统给建议、人处理例外，这个分工比让人从零开始算效率高得多。
这类卖家的交期波动远大于普通卖家，简化法算出的安全库存往往不够。我用波动法，并且把交期方差单独拉出来看。
具体做法是记录每批货的分段交期，算出各段的均值和标准差，再代入安全库存公式。如果交期标准差超过均值的 25%，就说明供应链稳定性是主要矛盾，光靠加厚安全库存只能治标。
这种时候更值得做的是供应商侧的改善，比如提前锁定产能、增加备选供应商、把部分量转到交期更稳定的渠道。
这是最常见也最值得投入的一类。我的建议是不要换系统，先用一个月时间把下面这件事做完。
把 ERP 里的库存、在途、采购单数据，和各平台的订单、销量数据，统一汇到一个分析口径下，先做三张看板：库存总览、销量速度、补货建议。三张看板跑通之后再谈优化参数。
数跨境这类工具在这个阶段的适配度比较高，因为它不需要替换现有 ERP，而是作为数据层接在上下游之间（https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）。
补货这件事本质上是多目标权衡，任何方案都是取舍的结果。下面五组取舍，是我认为最需要提前想清楚的。
资金紧张的时候，唯一正确的方向是提高周转、牺牲一部分缺货率。具体做法是降低覆盖天数、提高补货频次、把长尾 SKU 改成按需采购甚至预售。
反过来说，如果现金流健康、且某个 SKU 的缺货损失远大于库存成本，那就应该主动加厚安全库存，用资金换确定性。
关键是要明确当前的优先级，而不是两边都想要。两边都要的结果通常是既压了货又断了货。
很多中小商家对成本极度敏感，倾向于只用免费工具。这个判断在阶段一是成立的，但到了阶段二、阶段三就要重新算账。
算账的方式不是比"哪个便宜"，而是比"因为判断错误损失了多少钱"。一次爆款断货 14 天的销售损失，加上一次错误备货造成的滞销库存，金额通常远超一年的工具费用。
我的建议是：执行层可以先用免费工具，判断层该花的钱不要省。因为执行层的价值是省人力，判断层的价值是省现金。
我的立场很明确：系统给建议，人处理例外。让系统做全量判断，会错过那些数据里看不出来的信息，比如供应商突然产能紧张、平台即将调整政策、某个产品即将被替代。
但让人从零开始算，效率太低且不可持续。合理的比例是：系统覆盖 80% 的常规 SKU，人工复核 20% 的高影响 SKU 和所有系统标记的异常项。
铺货型卖家的长尾 SKU 往往占用了远超其贡献的库存金额。我见过一个店铺，SKU 数量前 20% 贡献了 78% 的销售额，后 50% 的 SKU 合计贡献不到 8%，却占用了 34% 的库存金额。
这不是说要砍掉长尾，而是要给长尾不同的补货逻辑：小批量、高频次、不做安全库存、允许偶尔缺货。把长尾当成主力款去备货，资金一定不够用。
补货周期长，单次采购折扣可能更好、物流成本更低，但资金占用大、应变能力弱。补货周期短，资金灵活、能快速响应，但单件成本高、管理频次高。
我的经验是：A 类稳定款走长周期海运，B 类走中周期，新品和脉冲型流量走短周期空运。不要所有 SKU 用同一个周期，也不要为了省运费把新品也压上海运。
| 补货周期 | 资金占用 | 缺货风险 | 单件成本 | 适合的 SKU 类型 |
|---|---|---|---|---|
| 7-15 天（空运/快递） | 低 | 低 | 高 | 新品测试、脉冲型流量、A 类紧急补货 |
| 20-30 天（空派/快船） | 中 | 中 | 中 | B 类稳定款、季节性过渡款 |
| 40-60 天（海运） | 高 | 中高 | 低 | A 类主力款、确定性高的长销款 |
| 60 天以上（海运+定制） | 很高 | 高 | 最低 | 定制款、大件、有明确预售的品类 |
自建表格的优势是灵活、成本低、完全贴合自己的业务逻辑；劣势是维护成本高、依赖个人、难以多人协作和自动更新。
我的分界线是：当"维护表格本身"占用的时间超过每周 4 小时，或者表格只有一个人会维护时，就该考虑工具了。这两个信号出现，意味着你已经不是在用表格解决问题，而是在为表格打工。
如果你看完想立刻动手，我把最可行的启动路径整理成一个 7 天计划。不需要额外预算，也不需要换系统。
这一步的产出是一张"SKU 全景表"。不要追求数据完美，先跑通结构，缺失的字段标出来后续补。
敏感度分析很有用：把覆盖天数上下各调 3 天，看资金占用和缺货风险怎么变。这会让你对参数的杠杆有直观感受。
差异原因是这一周最有价值的产出。它直接告诉你，你的公式在哪一段失真，下一步该改哪个参数。
满一个月时，看四个数字：缺货率有没有下降、库存周转天数有没有下降、滞销库存金额占比有没有下降、补货决策耗时有没有缩短。
（1）如果缺货率降了但周转天数升了，说明安全库存加得太厚，要收紧覆盖天数。
（2）如果周转天数降了但缺货率升了，说明参数偏激进，要给 A 类 SKU 加安全库存。
（3）如果两个都没变，说明参数没有真正被执行，检查一下差异原因记录是否完整。
（4）如果两个都变差了，大概率是数据口径有问题，回到第一步重新对齐。
最后回到开头那句话：中小商家的补货问题，本质上是判断层缺位，而不是工具不够多。你完全可以先用 Excel 把公式和参数跑起来，这是零成本的起点。
但如果你已经在阶段二、阶段三，多平台多店铺的数据手工汇总已经明显拖累决策效率，那就值得考虑在现有 ERP 之上补一层数据判断。像数跨境这样的跨境电商数据分析工具，做的正是把多平台数据归集、参数计算、库存健康度复盘这几件事放到一个可持续维护的地方（https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）。
我的建议是先做 7 天计划里的前三步，把口径和参数跑通。跑通之后你自然会知道，自己缺的是方法，还是缺一个能持续维护方法的载体。先解决判断，再解决工具，顺序反了，两个都解决不好。
我自己管三个平台十几个店，SKU 有两百多个，以前补货全靠感觉，看后台销量差不多就下单，结果旺季爆款断货、淡季一堆货压在仓里；后来想照搬大公司的补货模型，又发现参数太多根本填不满。所以我特别想知道，中小商家能不能用一套简单到两个人就能跑起来的算法。
可以，先把补货量公式压缩成四个能采集的参数：补货量 = 覆盖期需求 + 安全库存 − 可用库存 − 在途库存 + 已占用未发。覆盖期需求按近 7 天和近 28 天日均销量加权取，比如 7 天日均占 0.6、28 天日均占 0.4，这样既跟得上最近起量，又不会被单日大促数据带偏。
安全库存按日均销量 × 交期波动天数来定，交期波动天数用最近 5 次实际到货天数的最大值减平均值来估：供应商很稳（波动不超过 2 天）就把安全库存压到 3 天销量，波动大就留 7 到 10 天。在途和已占用必须在系统里看得到，否则算出来的补货量会重复下单。
判断标准不是公式多精确，而是盯三个数：断货天数占比、库存周转天数、滞销 SKU 占比（超过 60 天没动销的 SKU）。我的经验是中小团队先只做 A 类爆款（占销售额 70% 的那 20% SKU）的精细补货，B、C 类用固定周期加 MOQ 批量补，先把断货率从两位数压下来，再谈优化。
参数每两周复盘一次，大促前单独再跑一遍。
我把同一批货同时挂在亚马逊、Shopee 和独立站上，共享一个海外仓，最头疼的是三个平台同时出单，谁先扣库存谁后扣，经常一边显示有货一边已经被卖空；我又不敢把每个平台的库存都调得很低，怕流量和排名掉下来。想问问有没有中小商家能用的分配办法，而不是一上来就搞很复杂的系统。
核心是把“物理库存”和“可售库存”分成两层。物理库存是仓里真实数量，可售库存是分配给每个平台的上限，两者之间的差额就是缓冲池。
实操上按平台近 30 天销量占比分配可售库存：某款共 300 件，三个平台销量占比 5:3:2，就分 150/90/60，再从总库存里留 10% 到 15% 作为公共缓冲池（约 30 到 45 件），哪个平台先卖完就从池子里补，而不是让所有平台按同一个数字自动同步。
缓冲池比例按交期定：补货周期 7 天以内留 10%，海运或 30 天以上的留 15% 到 20%。要不要调整分配，看两个信号：某平台连续 3 天出现库存告急或实际超卖取消，说明分少了；某平台 7 天动销为零，说明分多了，把它的可售量下调 20% 释放给缓冲池。
系统层面只要求一件事：库存同步频率至少做到 15 分钟一次；订单回传不完整的平台宁可手动核，也不要开自动同步，否则账实差异会比超卖更麻烦。
预算有限，我先用了免费版的跨境电商 ERP，订单和库存看起来能同步，但一碰到采购单、在途跟踪和多平台规则就各种受限。我不确定是自己不会用，还是这个阶段本来就不该指望免费版；也不清楚该在出现什么信号时掏钱升级，怕花冤枉钱也怕拖太久。
把免费版能不能用拆成五个能力来验：多平台订单与库存归集、库存同步时效、采购单与在途跟踪、补货规则是否可自定义参数、数据能否导出。前两项免费版通常够用，后三项才是分水岭。判断标准很直接：如果只有 1 到 2 个平台、SKU 少于 100、补货靠一张 Excel 就能覆盖，免费版做订单和库存归集完全够。
一旦出现下面任意两条，就该考虑付费或换工具：SKU 超过 200 且长尾占比过半、同时在售平台 3 个以上、需要按供应商记录交期和 MOQ、需要多人协作（采购、运营、仓管各一个账号）、需要把补货建议导出做二次加工。
选型时重点问五个问题：免费版限制的是店铺数还是订单量、库存同步间隔多少分钟、采购模块能不能记录在途和到货差异、补货参数能否自定义（覆盖期、安全库存、MOQ 必须可改）、超出后按什么口径计费。别只看月费，按年订单量折算单均成本，再跟每月因断货损失的销售额比，通常一两个爆款的断货损失就超过一年软件费。
另外提醒一句：免费版最大的隐性成本是流程迁就工具，如果为了省钱把采购流程拆到工具外面用微信传，那等于没有系统，这种时候升级比换工具更值。
我遇到过最崩溃的情况是某个款一周销量翻了四倍，供应商说原材料要等，交期从 15 天变成 40 天；同时仓里还有一批三个月没动销的老货占着资金和仓位。人只有两个，不可能所有 SKU 都精细管，所以想知道这种时候的排补货优先级怎么定。
先做一次 ABC 分层，按近 30 天销售额排序，A 类占前 70%、B 类占 20%、C 类占 10%，不同层用不同策略。A 类爆款遇到交期拉长，动作顺序是：先按最坏交期（比如 40 天）重算安全库存和覆盖期，资金允许就把覆盖期从 7 天提到 20 到 30 天；
同时立刻找第二供应商做小批量试单，首单不超过正常量的 30%，不要等第一家回复；如果两件都做不到，就按平台毛利排序，把有限库存优先留给毛利最高、断货后权重恢复最慢的平台，把低毛利渠道的可售库存主动下调甚至暂停广告，避免卖出去发不出货。
C 类长尾和 60 天以上没动销的 SKU 要做反向操作：停止补货、设置清仓价、把释放出来的资金和仓位让给 A 类。判断依据用三个数：A 类的断货天数、滞销库存占用的资金金额、现金周转天数。
我的经验是中小商家不需要复杂预测，只要把 A 类那 20% 的 SKU 盯住、把 C 类的补货权限直接关掉，采购补货的救火频率就会明显下降。每次大促后做一次复盘，把实际销量和当时补货量对比，偏差超过 30% 的 SKU 单独记下来，下一轮调它的覆盖期参数。
读者评论
我们团队用ERP两年，库存数据准确，但每周补货还是靠Excel拉出各平台可用库存再手动算。文里说'上ERP没人告诉补多少'太真实了，缺的是判断层，不是换系统。
多平台库存按比例平均分确实踩过。Shopee和TikTok流量节奏完全不同，脉冲型按峰值备海运货，热度一过全是滞销。文中建议小批量空运补，这个策略很实用。
安全库存两三年没改过，供应商交期从12天变26天，爆款后半段总断货。按SKU分层每两周校准A类、每季度清C类，兼职运营确实能执行，关键是得有人负责节奏。