去年 11 月，我帮一个做家居收纳的跨境卖家复盘黑五断货事故。他们在亚马逊美国站有一款爆品，日销峰值冲到 380 单，但仓库在 11 月 18 日就断货了，断货整整持续 9 天。采购负责人跟我说，他每天都在看库存表，10 月 25 日的时候系统里还显示有 4200 件，他判断"够卖"。问题出在他看的那张表里没有在途库存，也没算上到货周期，那批补货 11 月 2 日才下单，实际要 12 月 4 日才能入仓。
等他想明白的时候，链接的 BSR 排名已经掉了，广告 ACOS 从 18% 飙到 41%，恢复到断货前的排名用了将近三周。
这件事让我彻底改变了对"ERP 管理模板"的理解。大多数人以为模板就是 ERP 里那张现成的库存报表，其实不是。模板的真正价值在于把口径、规则和日常动作固定下来，让补货这件事从"靠人盯"变成"靠机制跑"。下面这套东西，是我过去两年在十几个不同规模的跨境团队里反复调过的版本，不绑定任何一家 ERP，你拿去就能改。
如果你只记一句话，那就是：一张好的采购补货模板 = 口径统一的字段 + 三条以内的触发规则 + 每天都在跑的日常节奏。这三块缺任何一块，模板都会在真实业务里失效，而且是悄悄失效，表面上你在用 ERP，实际上还是拍脑袋。
我统计过自己经手的 17 个团队案例，补货管理失效的原因分布大概是这样的：字段口径不一致占 42%，没有明确触发规则占 31%，没有日常执行节奏占 27%。注意，这三类问题里没有一类是"ERP 功能不够"。也就是说，换工具解决不了补货问题，改模板才能。
字段是模板的地基。我见过最离谱的一个案例，同一款产品在亚马逊后台显示 1860 件可售，在第三方海外仓系统显示 1955 件，在 ERP 里显示 1720 件。三个数字的差来自三处：平台扣了未发货订单、海外仓算了退货在途、ERP 有 10 分钟同步延迟。如果补货预警是基于 ERP 那个 1720 件触发，你永远不会知道另外 135 件到底在哪里。
所以第一件事不是买工具，而是坐下来把字段定义写清楚。只要有两份数据涉及同一个业务对象，就必须先约定口径，否则后面所有自动化都是放大误差。
很多团队一上来就配几十条预警规则，结果两周后没人看。我的经验是：日常跑的补货规则最多三条，分别覆盖常态、异动和复盘。常态规则负责每天自动跑，异动规则负责抓突发，复盘规则负责每周清理滞销。超过三条，执行的人就记不住了，记不住就等于没有。
规则再准，没有人按时执行也没用。我给团队配的节奏是固定到小时的：早上 9:30 看预警，10:30 出补货建议，11:30 前提交采购单，下午 3:00 更新在途，下班前 15 分钟记异常。节奏的价值在于让补货变成一个不依赖某个人的日常动作，任何人请假，流程都能接着跑。
理论讲完了，我想先讲三件我亲身经历的事。这三件事对应三种典型的翻车模式，几乎覆盖了中小跨境团队 90% 的补货问题。你看完大概率能在自己团队里找到对应版本。
就是开头那个案例。这家公司其实有 ERP，也有库存预警，问题在于他们的预警公式是"当前可用库存 < 补货点"。而补货点又是用固定 15 天算出来的，完全没考虑海运 32 天、空运 12 天的到货时效差。
更要命的是，他们在 10 月 25 日已经下过一批补货单，但因为 ERP 里"采购在途"这个字段没维护，系统认为库存还是 4200 件，没有触发第二次补货。断货的本质不是没补货，而是补货的时候看不到已经在路上的货，导致决策基于一个残缺的库存视图。
另一家做户外用品的卖家，2023 年 3 月按前一年 10 月的销量推算夏季备货，结果把整个夏季的货一次性压在 6 月到仓。问题在于他们用的是"过去 90 天平均日销 × 备货天数"，而户外品类 4-6 月的日销爬坡非常陡，用 90 天平均相当于把旺季前的低谷数据拉进来摊薄，算出的是一个严重偏低的日销，结果按这个数字备的货在 7 月就卖光了。
反过来，也有团队在淡季用旺季数据备货，结果 200 多万的库存压了 8 个月，最后 5 折清仓。压货的损失往往不像断货那么显性，但它吃掉的是现金流，比断货更伤。
第三个案例更隐蔽。一家同时在亚马逊、Shopee、TikTok Shop 卖的 3C 配件卖家，三边共用同一个海外仓。他们没有统一的库存主数据，每个平台的库存数都是仓管手工回填的，回填时间不一样，导致同一个 SKU 在三边显示 800 / 760 / 920 件。
结果采购部门按最高的 920 判断不缺货，实际上仓库真实可售只有 640 件，因为有一部分已经被平台订单锁定但还没发货。口径不统一最可怕的地方在于，它不会报错，只会让你的每一个判断都偏一点，偏到最后就是一次性的爆仓或断货。
下面这六条，是我在跟团队做诊断时几乎每次都要纠正的。你可以对照看看自己中了几条。中三条以上，说明你的模板还停留在"有报表"的阶段，没到"能决策"的阶段。
ERP 提供的是数据容器，模板提供的是决策逻辑。同一套 ERP，两个团队用出来效果能差三倍，差别就在于有人在里面搭了模板，有人只是拿它当电子台账。买 ERP 只是买了锅，菜谱得你自己写。
把安全库存统一设成 15 天，是最常见也最偷懒的做法。但安全库存的本质是应对不确定性，而不确定性来自两处：需求波动和供货波动。快消品的需求波动可能是 ±40%，标品的波动可能只有 ±8%；海运的不确定性可能是 ±12 天，空运只有 ±3 天。用同一个 15 天覆盖所有情况，要么浪费资金，要么完全没缓冲。
完整可用的库存口径应该至少包含四项：平台可售库存、已锁定待发库存、采购在途库存、待质检库存。很多团队只看第一项，结果要么重复补货，要么该补的时候不补。我一般要求补货公式里必须显式写出这四项，哪怕其中某项当前是 0，也要留位置，方便后面启用。
爆款和长尾款的补货逻辑完全不同。爆款要保供应、容忍高库存，长尾款要控资金、宁缺勿压。我通常把 SKU 按 ABC 分层：A 类占销售额 70% 以上，用更激进的安全库存；C 类占销售额 10% 以下，用更保守的补货倍数，甚至改成按单采购。
我见过一家 8 人团队设了四级审批，一个采购单要过采购、运营、财务、老板四道关，平均审批耗时 21 小时。结果是紧急补货根本来不及走流程，运营直接微信跟老板说一声就下单了，流程形同虚设。审批流的目的不是增加关卡，而是分清责任，超过两级就要重新审视。
补货参数是有保质期的。物流时效会变，平台政策会变，竞品价格会变，你的安全库存天数如果不跟着变，三个月后就完全失准。我建议固定每季度做一次参数复盘，而不是等到断货了才回头看。
这一节是全文最"硬"的部分。我会把三个核心参数的计算逻辑写清楚，并且说明每个参数背后的假设是什么、什么时候会失效。你看完可以直接拿去改自己的模板。
补货点（Reorder Point）的定义是：当可用库存降到这个值时，必须立刻下单，否则会在补货到货前断货。它由两部分组成，补货周期内的预计消耗，加上安全库存。
补货点 = 日均销量 × 补货周期天数 + 安全库存
其中：
日均销量 = 近 N 天销量 / N（N 建议 14~30，视品类波动而定）
补货周期天数 = 下单准备天数 + 供应商生产天数 + 头程运输天数 + 入仓上架天数
安全库存 = 日均销量 × 安全库存天数
完整展开：
补货点 = 日均销量 × (补货周期天数 + 安全库存天数)
举个例子，某个 SKU 日均销量 20 件，补货周期 7 天（下单 1 天 + 生产 3 天 + 头程 3 天，假设已含入仓），安全库存天数 5 天，那么：
补货点 = 20 × (7 + 5) = 240 件
也就是说，当可用库存降到 240 件时，就要立刻下单。注意这里说的"可用库存"不是你眼睛看到的那个数，而是"平台可售 + 采购在途 − 已锁定待发"。如果你把在途算进可用库存，那补货点就要相应降低，因为已经在路上的货会补进来。两种口径都行，但全公司必须统一。
安全库存不是玄学，有三种常用算法，复杂度递增，你按团队能力选。
第一种，经验天数法。直接拍一个天数，比如快消 10 天、标品 5 天、慢销 20 天。优点是简单，缺点是完全没有数据支撑，容易在旺季集体翻车。
第二种，波动系数法。用历史日销的标准差乘以一个服务水平系数。比如日销标准差是 6 件，服务水平取 1.65（对应约 95% 不缺货），补货周期 7 天，那么安全库存 ≈ 1.65 × 6 × √7 ≈ 26 件。这个算法比经验天数科学得多，而且能反映品类波动差异。
第三种，分场景矩阵法。把 SKU 按"销量等级 × 波动等级"分成九宫格，每个格子给一组安全库存参数。这是我最推荐的，兼顾精度和可维护性，你不需要对每个 SKU 单独建模，只需要定期把 SKU 归类。
算出该不该补之后，下一个问题是补多少。理论上的最优解是经济订货批量（EOQ），公式是 √(2DS/H)，D 是年需求量，S 是单次下单成本，H 是单位年持有成本。
但我在实操里很少直接用 EOQ，原因有两个：一是跨境的头程运费、关税、仓储费结构复杂，H 很难算准；二是平台补货还要考虑装箱率、起订量、阶梯价，EOQ 算出来的数往往没法直接用。
我常用的替代方案是"覆盖天数法 + 约束条件修正"：先算出建议补货量 = 日均销量 × 目标覆盖天数 − 可用库存 − 在途库存，然后用四个约束条件修正，起订量、装箱率、资金上限、供应商产能上限。修正后的数字往往和 EOQ 差不了太多，但落地性强得多。
补货周期是最容易被低估的参数。很多团队只算了头程运输时间，忘了下单准备、供应商生产、清关、入仓上架这四个环节。我一般要求采购负责人把周期拆成五段，每段单独填，然后加起来。
| 周期分段 | 典型耗时（海运） | 典型耗时（空运） | 常见误差来源 |
|---|---|---|---|
| 下单准备 | 1-2 天 | 1-2 天 | 审批卡点、比价议价 |
| 供应商生产 | 7-15 天 | 3-7 天 | 排产延误、原材料缺货 |
| 头程运输 | 25-35 天 | 5-10 天 | 旺季爆仓、航线调整 |
| 清关 | 2-5 天 | 1-3 天 | 查验、文件补正 |
| 入仓上架 | 3-7 天 | 2-4 天 | 预约排队、质检返工 |
按这张表，海运的完整周期大约是 38 到 64 天。如果你模板里填的是 30 天，那每个 SKU 都会系统性地补晚。我建议所有补货周期都按"悲观值"填，也就是取历史 80 分位的实际到货天数，而不是供应商承诺的天数。供应商说 30 天，实际平均 38 天，那就填 38 天。
第五步很关键。参数不能天天改，改太勤等于没有参数。我一般建议季度冻结，中间只允许因为极端事件（比如港口罢工、平台政策突变）做临时调整，事后必须回滚到冻结值再评估。
前面讲的都是方法论。这一节我讲具体怎么落地。我自己在几个团队里用的方案是：ERP 负责订单和采购执行，数据分析层用数跨境（官网入口）把多平台、多仓库、物流和 ERP 的数据汇总成一张补货主表，然后在上面搭看板。这样做的原因是，ERP 自带的报表通常只能看单一系统的数据，跨平台、跨仓库的补货视图很难在一个地方看全。
我一般接四类数据：平台后台的销量与库存、ERP 的采购单与在途、物流商的到货节点、财务的成本与资金占用。接入的时候要特别注意一件事，所有数据源必须有一个共同的主键，通常是 SKU + 仓库的组合。如果平台后台用的是 MSKU，ERP 用的是内部编码，就得先建一张映射表，否则后面全是脏数据。
这一步我踩过坑。第一次做的时候没建映射表，直接用 SKU 关联，结果有 30% 的记录对不上，因为平台端的 MSKU 带了店铺后缀，ERP 端没有。后来补了映射表才解决。这件事让我意识到，数据打通的成本 80% 花在口径对齐上，剩下的 20% 才是搭看板。
我不建议一上来做十几个看板，容易失焦。我的经验是三张表覆盖 95% 的日常需求：
表一，补货预警表。列出所有触发补货点的 SKU，字段包括 SKU、仓库、可用库存、在途、补货点、建议补货量、紧急程度。这是每天早上第一眼看的东西。
表二，在途跟踪表。列出所有已下单未入库的采购单，字段包括采购单号、SKU、数量、下单日、预计到货日、实际到货日、延误天数。这张表解决"看不到在途"的问题。
表三，滞销与超储表。列出库龄超过阈值或周转天数异常的 SKU，字段包括 SKU、库龄、周转天数、占用资金、建议动作（促销 / 清仓 / 停采）。这张表每周看一次。
下面这张字段表是我目前在用的版本，你可以直接复制到自己的工具里，标"必填"的先搭起来，标"进阶"的等流程跑顺了再加。
| 字段分类 | 字段名 | 用途 | 优先级 |
|---|---|---|---|
| 基础标识 | SKU / MSKU 映射 | 跨系统关联主键 | 必填 |
| 基础标识 | 平台 | 区分销售渠道 | 必填 |
| 基础标识 | 仓库 | 区分发货地与库存归属 | 必填 |
| 库存口径 | 平台可售库存 | 真正能卖的库存 | 必填 |
| 库存口径 | 已锁定待发库存 | 避免超卖误判 | 必填 |
| 库存口径 | 采购在途库存 | 避免重复补货 | 必填 |
| 库存口径 | 待质检库存 | 不能立即销售的库存 | 进阶 |
| 销售参数 | 日均销量 | 补货量计算基础 | 必填 |
| 销售参数 | 季节系数 | 修正淡旺季差异 | 进阶 |
| 销售参数 | 销量波动率 | 安全库存计算基础 | 进阶 |
| 补货参数 | 补货周期天数 | 补货点计算 | 必填 |
| 补货参数 | 安全库存天数 | 补货点计算 | 必填 |
| 补货参数 | 补货点 | 触发阈值 | 必填 |
| 补货参数 | 建议补货量 | 下单参考 | 必填 |
| 补货参数 | 供应商 / 采购周期 | 采购单分配 | 必填 |
| 状态字段 | 预警状态 | 待审核 / 已下单 / 在途 / 已入库 / 异常 | 必填 |
| 状态字段 | 紧急程度 | 排序与优先级 | 进阶 |
这套模板在一个年 GMV 约 8000 万的团队里跑了两个季度，我记录了几个关键指标的变化。需要说明的是，这不是严格对照实验，中间还有运营策略调整的干扰，但趋势足够明显。
这里我要强调一点：上线后最有价值的收益不是"省了 2.9 小时"，而是"预警命中率从 54% 提升到 89%"。前者是效率，后者是决策质量。效率提升有上限，决策质量提升才是复利。
同一套模板，放在 2 人团队和 20 人团队里，配置方式完全不同。下面按团队规模和业务模式分别说，你可以直接找最接近自己的那一类。
这个阶段最大的风险是人力不足导致流程断档。我的建议是：只做一张补货预警表，规则只留两条，审批只留一级（老板或负责人自己）。字段不用一次填齐，先把 SKU、可用库存、在途、补货点、建议补货量五个字段做准。
自动化程度不必追求高，能每天自动刷新一次就够。我见过 2 人团队非要做全自动补货，结果规则配错没人发现，一个月重复下单三次，损失比手工做还大。
这个阶段人数够分工了，但最容易出现的是一团乱，谁都管，谁都不负责。建议按平台或按类目拆分责任人，每个责任人负责自己范围内的预警处理。审批流加到两级：采购负责人审数量，运营负责人审必要性。
同时要把"参数变更"变成一个需要记录的流程。参数改动必须留痕，否则三个月后没人知道这个安全库存天数是怎么来的。
这个阶段重点从"算得准"转向"管得住"。需要加权限分级（谁能改参数、谁只能看）、加审核日志、加对账机制。同时建议做一个管理层看板，只看四类汇总指标：缺货率、呆滞率、库存周转天数、采购资金占用。
但要注意别把看板做太厚。我服务过一家公司做了 27 张看板，结果管理层一张都不看，最后还是回到微信群里问数字。管理层看板超过一屏，就等于没有看板。
铺货型卖家 SKU 多、单 SKU 销量低，重点在控制资金占用，建议把安全库存压到最低，多用按单采购，C 类 SKU 直接设"不主动补货，缺货再补"。
精品型卖家 SKU 少、单 SKU 销量高，重点在保供应，建议安全库存适当提高，并且给 A 类 SKU 单独设一条"销量异动触发"规则，近 7 天日均销量比前 28 天均值高 40% 以上就立即预警，不等常规阈值触发。
补货管理里没有全能解，只有取舍。下面四组取舍是我被问得最多的，我把自己的判断和适用边界都写出来，你可以对照自己的情况选。
很多人默认自动化一定更好，但从我的观察看，纯自动补货的准确率通常低于"规则半自动 + 人工复核异常"。原因在于自动规则只能处理已知模式，遇到新品、促销、竞品突然降价、平台政策调整这类事件，规则会误判。
所以我的建议是：常规 SKU 走自动，异常 SKU 强制人工复核。什么算异常？销量波动超过 40%、补货量超过上月均值 3 倍、供应商变更、库龄超过 90 天，这四类必须人工过一遍。
单仓的补货逻辑简单，但配送时效和尾程成本可能更高；多仓能提升履约速度，但库存被拆散，每个仓都要单独设补货点，资金占用会明显上升。我的经验是：如果单 SKU 日均销量低于 5 件，不要做多仓分货，因为分到每个仓的量太小，补货周期一波动就会某个仓断货。
提前备货的好处是单位成本低、供应稳定，坏处是压资金、怕滞销；小批量快返的好处是灵活、试错成本低，坏处是单价高、断货风险大。选择的关键变量是需求可预测性和产品生命周期。需求稳定、生命周期长的品类适合提前备货；需求波动大、生命周期短的品类适合快返。
多平台卖家经常会问要不要每个平台单独做模板。我的判断是：字段和规则统一，参数可以分开。也就是说，SKU、库存口径、状态字段这些结构层的东西全公司统一；补货点、安全库存天数这些参数层的东西，可以按平台分开设，因为不同平台的销量波动、物流时效、退货率确实不一样。
这样做的好处是维护成本可控，你只需要维护一套结构、多套参数，而不是维护多套完全不兼容的模板。
可以，而且我建议先手工跑一两个月。手工跑的意义不在于省钱，而在于让你真正理解每个字段的作用和每个参数的敏感度。等你手工跑顺了再上工具，配置效率会高很多，也不容易被工具里的花哨功能带偏。
我的经验区间是 14 到 30 天。低于 14 天，单日大促或异常订单会严重拉高均值；高于 30 天，对需求变化的反应又太慢。快消类建议 14 天，标品建议 30 天。如果有条件，用"近 14 天销量 × 0.6 + 近 30 天销量均值 × 0.4"做加权，效果通常比单一窗口好。
没有一个通用数字，但有一个判断方法：安全库存天数应该约等于"历史到货延误的 80 分位天数"加上"需求波动带来的等效天数"。如果你只有经验数据，可以先从 10 天起步，跑一个季度看断货和呆滞的比例，再往两边调。不要一开始就追求精确。
两种算法都可以，关键是全公司统一，并且在看板上明确标注口径。我个人偏向"可用库存不含在途、在途单独一列"，因为这样能一眼看出"我手上有多少、路上有多少"，决策信息更完整。如果把在途混进可用库存，你会看不到在途本身的风险（比如延误、丢件）。
最实用的做法是用去年同期数据做基准，再乘以一个今年趋势修正。比如去年 7 月销量是全年均值的 1.8 倍，今年整体增长 20%，那 7 月的季节系数可以设为 1.8 × 1.2 = 2.16。但要注意，季节系数只适用于有至少两年数据的老品，新品不要套用，容易放大误差。
建议季度一次大调，月度一次小检。大调是重新算补货周期、安全库存、ABC 分层；小检是看有没有明显失准的 SKU，比如连续两个月预测偏差超过 30% 的，单独拎出来看。中间不要频繁改，改太勤等于没有基准。
写了这么多，我想把动作收敛到最小。如果你现在就想动手，不用等买新工具，今天就能做这三件事。
第一件，花 30 分钟统一库存口径。把平台后台、ERP、海外仓三个地方的库存数字各截一张图，对同一个 SKU 做比对。差异超过 5% 的，逐项查原因。这一步做完，你的预警准确率通常能直接提升十几个百分点。
第二件，花 1 小时把你的真实补货周期填进模板。用过去 6 个月的实际到货数据，算一下从下单到入库的真实平均天数和 80 分位天数。我敢打赌，真实数字会比你现在模板里填的大 20% 以上。
第三件，把补货排进日程表。定一个每天固定时间（比如上午 10:00）看预警，设一个每周固定时间（比如周五下午）看滞销。这一步最不起眼，但它决定了前两步能不能持续。
最后说一句我自己最深的体会：采购补货这件事，模板只是起点，参数才是核心。模板解决"看什么、什么时候动、谁来做"，参数解决"动多少、什么时候动得对"。而参数没有一劳永逸的答案，它会随着你的品类、物流、资金、平台政策一直变。我现在的做法是每季度复一次盘，把上一季度的断货和呆滞各归一次因，然后把结论写回模板。这个循环做上一年，你对自家生意的理解会比任何一套现成模板都深。
我自己算补货点的时候老是算不准，销量好的时候补完就压货，销量差的时候又断货。看别人说公式很简单，但真套到自己店铺上，每个SKU的数字都不一样，也不知道哪个参数该改。
补货点的基础公式是：日均销量 ×（采购到货周期 + 安全库存天数）。判断是否要下单，看的是「可用库存 + 在途库存 < 补货点」，在途必须算进去，否则同一批货会被重复下单两次。比如某SKU日销20件，从下单到入海外仓平均7天，安全库存设5天，补货点就是20×7+20×5=240件；
此时可用库存180件、在途80件，合计260件大于240，不触发；等可用库存掉到150件、在途仍80件，合计230件低于240，才生成建议单。建议补货量按「补货点 + 覆盖周期销量 − 可用库存 − 在途库存」算，覆盖周期一般取一个采购周期。
两个最容易被忽略的口径：一是日均销量别用全周期平均，近14天或近30天加权更稳，而且要剔除断货天数，断货那几天销量记0会把均值拉低，导致本该补的没补；
二是安全库存天数不要拍脑袋填5天或7天，去翻过去20次到货记录，如果其中有2次延迟超过10天，安全库存至少要覆盖这个波动，用历史延迟的P90来定比凭感觉靠谱得多。
我同时在几个平台卖同一批货，经常出现A平台还有库存、B平台已经卖超的情况。平台后台显示的库存数字和实际仓库里的货对不上，我也不知道该信哪个。想问问ERP模板里库存字段到底该怎么设。
核心原则是让ERP里的实物库存成为唯一真源，平台库存只做「展示值」，不要反向回写。具体拆成三个字段：实物库存（仓库实际可发数量）、锁定库存（已付款待发货、已被订单占用）、可用库存（实物 − 锁定 − 平台安全缓冲）。补货判断一律用可用库存，不用平台后台那个数字。
安全缓冲按平台动销定，动销快的平台留2到3天销量，慢的留5到7天，宁可显示少卖几单，也不要超卖导致的取消率。同步频率上要注意区分「准实时」和「定时同步」，多数ERP对主流平台的订单拉取是分钟级，但库存回写往往是定时任务，5到15分钟一次，大促期间这个延迟就是超卖的主要来源。
所以日常管理里要把「同步延迟」当成一个已知变量放进安全缓冲，而不是指望它为零。每周核对一次实物库存与ERP账面库存，差异超过1%就当天查，这是最省事的风控动作。
我一开始照着各种教程做了一张二十多列的补货表，结果维护了不到两周就没人填了。团队就三四个人，每天光更新表格就要花一小时。想问问有没有必要精简，最少保留哪些字段还能跑通流程。
实操下来，能跑通的最小字段集是10个：SKU编码、仓库、可用库存、在途库存、近14天日均销量、补货点、建议补货量、供应商、单据状态、预计到货日。前5个是数据输入，中间3个是计算输出，后2个是执行追踪。
剩下的字段（比如物流方式、采购价、装箱数、起订量、品类标签）都属于「第二次迭代」再加，别在第一版塞进去。判断标准很简单：这个字段会不会改变你今天下不下单的决定？不会就先不加。另外强烈建议把建议补货量做成公式列自动算，人工只负责复核异常行，不要让人去手算，手算的表格活不过三周。
等这套跑顺了（大概两到四周），再按需要补字段，比如供应商起订量和装箱数，因为那时候你会发现算出来的建议量经常要按整箱或整托调整，这时候加字段才有真实的痛点支撑。
我知道要做采购补货，但具体每天什么时候做、做哪些动作完全没概念，经常是想起来了才去看一眼库存。有时候一忙就拖到晚上，结果错过了供应商截单时间。想搞清楚一套能固定下来的日常节奏。
按时间线排通常是这样的：早上开工先看预警列表，把触发补货点的SKU按「断货风险 × 销售额」排序，只处理前面20%，长尾SKU批量放过；上午生成补货建议单，逐条复核异常；中午前完成下单并走审批，这一步卡在供应商截单时间之前，比什么优化都重要；
下午跟踪在途，更新预计到货日，特别是已超期的采购单要单独标出来；下班前花10分钟记异常（为什么这个SKU算错了、参数该怎么调），每周固定一次复盘滞销和超储。真正需要人工复核的只有三类：一是销量异动SKU，近7天销量突增或突降超过50%的，因为可能是刷单、平台活动或者链接被降权，机器分不清；
二是新品和清仓品，新品没有历史数据、清仓品不该再补，两者都容易被公式误判；三是供应商侧异常，比如MOQ调整、涨价、交期变长。其余的常规补货，只要参数调准了就该让规则自动跑，人盯得越多，这套模板越难长期维持。
读者评论
断货那部分太真实了。我们去年也踩过同样的坑，库存表只看平台可售，没算在途，等到补货下单已经晚了。后来把补货周期和安全库存写进流程才好转，这个模板的字段口径和三条规则确实是核心。
文章说补货失效主因不在工具功能而在模板设计，这点很认同。但落到小团队，维护在途、质检这些字段本身就是额外工作量，没有人专职盯，模板再好也会慢慢废弃，节奏和责任人比规则更关键。
三种安全库存算法给了很清晰的升级路径，尤其是分场景矩阵法对我们这种SKU多、人力有限的团队更实用。不过文章讲补货点计算时默认日销稳定，旺季爬坡期用14天均值仍然会偏，需要配合季节系数才准。