去年 8 月的一个凌晨，做家居收纳的卖家老周给我发消息：他的一款爆款在亚马逊断货了 11 天。货其实早就到港了，问题出在入仓预约排到了两周之后。他复盘时才发现，自己在 ERP 里给这个 SKU 设的采购交期是 35 天，但真实的链路是"供应商生产 22 天 + 头程海运 28 天 + 清关 6 天 + 平台仓预约上架 12 天"，实际周期 68 天。参数差了一倍，断货几乎是必然。
这件事让我意识到一个被反复忽视的事实：跨境卖家的补货公式里，最短的那块木板往往不是销量预测，而是平台规则。销量预测错了，最多是补多补少；平台规则算漏了，就是断货、滞销、罚款、绩效下滑一起上来。
这篇文章不讲"ERP 是什么"，也不搬运平台政策原文。我想讲清楚一件事：平台规则怎么一步步变成 ERP 里的补货参数，参数又怎么变成采购员每天能执行的动作。文中涉及的所有平台规则机制，请以各平台官方后台的最新公告为准，规则几乎每个季度都在动。
我在跨境供应链这条线上做了六年多，带过 3C 配件、家居、户外三个类目的团队。如果只让我留三句话给后来者，就是下面这三条。
很多卖家对 ERP 有一个根深蒂固的误解，认为买了系统就等于有了补货能力。实际上，ERP 的补货建议是一台计算器，输入什么就输出什么。
你告诉它"采购交期 30 天"，它就按 30 天算补货点；你告诉它"安全库存 20 天"，它就按 20 天铺货。它不会去读平台后台的库容通知，也不会知道入仓预约最近排队变长了。规则识别的责任在人，参数执行的责任在系统，这条边界必须划清楚。
我见过太多团队把精力全花在销量预测模型上，纠结用 7 天均值还是 30 天加权，却对安全库存天数和采购交期这两个更粗的变量拍脑袋。
真实的敏感度是这样的：日均销量预测误差 10%，对补货量的影响大约也是 10%；但采购交期少算 15 天，在 30 天覆盖周期下可能直接导致 50% 的缺口。粗变量错一次，细变量调十次都补不回来。
这是最容易被忽略、也最有价值的一条判断。以亚马逊 FBA 为例，你同时面对三股力量：低库存水平费希望你备足货，库容与补货限制要求你少备货，长期仓储费和超量费又逼你清掉慢动销。
这三条规则方向相反，卖家被夹在中间。补货参数不是一个最优点，而是一个可行区间，你要做的是找到这个区间，而不是追求一个精确数字。
下面这个案例来自我 2024 年参与辅导的一个 3C 配件团队。数据经过脱敏和比例缩放，但结构是真实的。
团队当时的情况是：860 个在售 SKU，覆盖 5 个平台、9 个店铺，其中约 60% 的销量集中在平台官方仓，30% 走海外仓，10% 是自发货直发。
采购团队 3 个人，用 Excel 排补货计划，ERP 只用来记录库存和订单。补货决策靠"每周一上午开会，看表格，凭经验拍"。这个规模用人工还能撑住，但已经很勉强了。
2024 年 3 月，平台对库存水平相关的考核与补货限制逻辑做了调整。通知是发了的，但我后来翻聊天记录发现，这条消息在团队群里只被转发了一次，配文是"收到，运营注意一下"。没有人把它和采购交期、安全库存挂钩。
后果在 4 月集中爆发。三个高动销 SKU 因为补货量被限制、加上入仓预约周期拉长，先后断货 6 到 11 天；与此同时，团队出于恐慌性补货，把另外五个慢动销 SKU 的库存推到了 137 天的周转水平。
很多人算断货损失只算少卖的货值，这是低估的。真实损失至少包含四块：断货期间的销售损失、广告预算的无效消耗、恢复期排名的爬坡成本、以及恐慌补货带来的滞销资金占用。
那次事件里，广告 ACOS 从 18% 一路飙到 41%，因为断货期间广告还在跑，点击进来却没有货可买。这块钱等于直接扔掉。
这几年我看过的补货表没有一千也有八百张。错误的形态各异，但根子上就那么几种，而且每一种都能对应到具体的平台规则盲区。
自有仓的补货周期是"采购交期 + 头程 + 入库"，平台官方仓还要再加一段"预约与上架时效"。这段时效在旺季能拉到 10 到 14 天，且波动极大。
把它们分开看，就会出现一种典型的错误：采购计划明明按时到港了，但货躺在仓库里等预约，前端的可售天数照掉不误。在平台仓模式下，预约时效本身就是采购交期的一部分，必须进公式。
把整个店铺的日均销量拿去给单个 SKU 做补货，看起来省事，实际上是灾难。动销 SKU 和慢动销 SKU 的补货逻辑完全不同，混合均值既掩盖了爆款的紧迫性，又放大了滞销品的采购量。
正确的口径至少要到"平台 × 站点 × 店铺 × SKU"这一层。如果仓库和履约模式不同，还要继续拆到"履约仓"维度。
我见过最多的做法是：所有供应商统一填 30 天。但同一品类下，A 供应商的实际交期可能稳定在 18 到 21 天，B 供应商在旺季能飘到 45 天。
更靠谱的方法是用历史到货数据回算真实交期：把过去 6 个月每个供应商的"下单日→到货日"拉出来算中位数和 P90。用中位数做基准，用 P90 做压力测试。
ERP 的库存是"它以为的库存"。平台后台的库存是"平台认为的库存"。这两者之间的差异通常来自三个方面：预留库存（未发货订单占用的）、在途入库尚未上架的、以及同步延迟造成的偏差。
我建议每周固定一次对账：把 ERP 的可售库存与平台后台的可用库存做差异比对，差异超过 5% 就查原因。这个动作花不了两个小时，但能避免大量无效补货。
平台规则的更新频率，平均来看是每个季度都有实质性变化。如果你的补货参数一年没动过，那不是稳定，那是失效。
我的做法是给每个关键参数标注"最近一次校准日期"。超过 90 天没校准的参数，在补货会议上一律视为待验证项。
前面讲了问题和误区，这一节讲方法。我把它总结成四步，顺序不能颠倒，因为第二步没做完就去调参数，等于在错误的坐标系里解方程。
时效类规则：发货时效要求、入仓预约周期、上架处理时效、头程与清关周期。这类规则直接加到采购交期上。
容量类规则：官方仓库容上限、补货限制、单次入仓量约束。这类规则压的是补货量的天花板。
费用类规则：低库存水平费、长期仓储费、超量费、仓储费阶梯。这类规则同时影响下限和上限，是最容易造成"夹心"的一类。
合规类规则：认证要求、税务登记、进口限制、标签规范。这类规则通常表现为一次性前置期延长，但会周期性复现。
这是整套方法里最关键的一步。规则方向搞反，参数怎么调都是错的。
压上限的规则，会迫使你缩短目标覆盖天数、降低单次采购量。库容限制、资金预算、超量费都属于这一类。
抬下限的规则，会迫使你提高安全库存天数、拉长覆盖周期。低库存水平费、发货时效考核、断货带来的排名损失都属于这一类。
当两类规则同时存在时，你的参数空间就是一个区间。区间的宽度取决于你的品类特性和资金状况，没有通用答案。
大部分补货逻辑用下面这个结构就够了，不需要复杂的算法：
# 补货参数计算逻辑（示例结构，非通用公式）
补货点 = 日均销量 × (采购交期 + 头程时效 + 清关时效 + 入仓上架时效)
+ 安全库存
+ 平台预留缓冲
安全库存 = 日均销量 × 安全库存天数
安全库存天数 = 基础天数
× 波动系数 # 由品类销量波动率决定
× 平台时效系数 # 履约时效越不稳定，系数越高
× 季节系数 # 大促前后上浮
建议补货量 = 日均销量 × 目标覆盖天数
可用库存
在途库存
待入库库存
+ 已预留未发库存
向下取整到 MOQ 与装箱率的整数倍
可售天数 = (可用库存 + 在途 + 待入库 – 预留) ÷ 日均销量
这套结构里，真正需要人工判断的是三个系数和两个天数：波动系数、平台时效系数、季节系数、安全库存天数、目标覆盖天数。其余都是算术。
参数不是设完就完事的，要有明确的复核节奏。我的做法是分层：
上一节讲的是方法论，这一节讲我实际怎么落地的。我目前主要参考和使用的工具是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys），它本身是面向跨境电商的 ERP 产品，采购补货建议、多平台库存同步、在途管理这几块正好对应前面说的问题。下面是我实际跑下来的配置思路，不只是界面截图式的功能介绍。
我不用单一维度的日均销量，而是同时看四个窗口：7 天（抓近期变化）、14 天（避开单日异常）、30 天（主口径）、90 天（判断季节性基线）。
在数跨境里配置补货规则时，我会把主口径设成 30 天加权，但把 7 天和 30 天的偏离度作为一个独立预警条件。当 7 天均值比 30 天均值高出 40% 以上时，系统提示我人工复核，而不是自动放大补货量。
这个设计的逻辑很简单：销量暴涨可能是真实需求，也可能是短期流量波动或者一次未标记的活动。让系统自动跟涨，风险远大于收益。
很多 ERP 默认只有一个"采购交期"字段，我会把它拆成四段：供应商生产周期、国内集货与头程、清关、入仓上架。
拆开的好处是，当某一环出问题时你能第一时间定位。去年年底有一批货，困在清关整整 9 天，如果是一个合并的交期字段，你只能看到"总周期变长了"，却不知道是供应商慢了还是物流卡了。
供应商交期我会用历史到货数据回算，取中位数作为设置值，同时记录 P90 作为压力测试依据。设置值是日常用的，P90 是用来回答"最坏情况下我还撑不撑得住"。
这是最容易出错的地方。在途库存如果口径不清，采购员就会重复下单：以为没补，其实已经在路上了。
我的口径定义是这样的：
计算建议补货量时，可用库存、在途、待入库都要减掉，预留要加回来。这四者任何一个漏掉，补货建议就会系统性偏移。
我从来不用全自动补货。系统的角色是"把 860 个 SKU 分成三类：该补的、不该补的、需要人看一眼的"。第三类才是采购员的战场。
实际执行里，我会设置这样几个复核触发条件：
命中任意一条，建议就进入人工复核队列。这样采购员每天需要深度判断的 SKU 从 860 个降到 60 到 90 个，其余按系统建议走。
下面是这套方法落地前后三个月的对比数据，仍然来自那个 3C 配件团队，已脱敏。
金额层面的变化更直观。项目启动时，该团队的库存资金占用约 480 万元。经过三个月调整，降到约 400 万元，同时缺货率还在下降。
这说明一件事：库存资金占用高，往往不是"备货多"的问题，而是"备货结构错"的问题。爆款不够、滞销过多，两边同时占用资金。
下面这张表是我自己一直在用的映射框架，覆盖四类主流履约场景。表格里的参数名称是通用叫法，不同 ERP 的字段命名会有差异，但逻辑是通的。所有平台规则的具体数值和考核口径，请以官方后台最新公告为准，这里只讲结构关系。
| 规则类别 | 典型平台规则 | 影响的 ERP 参数 | 对应的补货动作 | 建议复核频率 |
|---|---|---|---|---|
| 履约时效类 | 发货时效要求、迟发考核、有效追踪要求、入仓预约周期 | 采购交期、头程时效、入仓上架时效、安全库存天数 | 把预约时效单独列为一段前置期，安全库存天数上浮 | 每月 + 旺季前专项 |
| 容量约束类 | 官方仓库容上限、补货限制、单次入仓量约束 | 目标覆盖天数、单次补货上限、补货批次 | 缩短覆盖天数、拆分成多批次小批量补货 | 每周 |
| 费用敏感类 | 低库存水平费、长期仓储费、超量费、仓储费阶梯 | 安全库存下限、滞销清货阈值、目标覆盖天数上限 | 设定"库存天数走廊"，过低触发补货、过高触发清货 | 每月 |
| 合规前置类 | 认证要求、税务登记、进口限制、标签与包装规范 | 采购交期的一次性前置段、供应商准入清单 | 新品首批下单预留额外前置期，列入采购日历 | 按品类 + 按站点 |
四类规则里，费用敏感类是最容易让人陷入两难的。低库存水平费的逻辑是鼓励你保持足够的库存覆盖天数，长期仓储费的逻辑是惩罚你库存放太久。这两者的区间可能非常窄。
我的处理方式是把它变成一条"走廊"而不是一个点。走廊的下沿由低库存费和履约时效决定，上沿由长期仓储费和库容决定。日常补货只需要保证可售天数落在走廊内，不追求落在中点。
这样做的代价是精度下降，好处是抗波动能力大幅提升。在规则频繁变化的平台生态里，抗波动能力比单点精度值钱得多。
很多人一看到库容受限，第一反应是把补货总量砍掉。这是错的。库容限制压的是"单次入仓量"，不是"总需求量"。
正确的做法是把一次大补货拆成多批次小批量。假设原本计划补 3000 件、覆盖 60 天，库容只允许 1500 件，那就拆成两次 1500 件，间隔 30 天。总量不变，只是节奏变了。
这么做会增加头程成本和管理复杂度，但比断货便宜得多。具体的批次平衡点，需要按你的头程单价和缺货损失比例来算。
方法论讲完，落到具体场景。补货这件事没有万能解，只有"对你这个阶段最不坏的选择"。
这个阶段不要上复杂的补货模型。一张 Excel 表，四个字段就够：日均销量、可售天数、在途数量、建议补货量。
重点是把平台规则的"时效"和"下限"这两个变量填对，尤其是入仓预约时效。SKU 少，你完全有能力每个月手工校准一次。
如果一定要用系统，用它来做库存同步和预警，而不是用来生成补货建议。这个阶段人的判断比系统准。
到这个规模，人工一定会失效。必须把销量口径、交期、在途、安全库存这四个变量系统化。
建议的推进顺序是：先统一库存口径（消除 ERP 与平台的差异），再统一销量口径（按平台 × 店铺 × SKU），最后才做补货建议。顺序反了会白做。
我见过团队一上来就买补货模块，结果因为库存数据不准，系统给的每一条建议都要人工推翻，三个月后模块彻底弃用。
典型如家电、家具、户外大件。这类品类的特点是单次采购金额大、交期长、退换货成本高。
补货策略上要偏保守但不极端：安全库存天数可以设高一些（因为断货损失大），但目标覆盖天数不宜过长（因为资金占用大）。核心是提高交期数据的准确性，交期每准一天，就是真金白银。
这类品类我建议至少维护两个交期值：正常交期和旺季交期。旺季交期通常比正常值长 30% 到 50%，不提前区分，旺季必踩坑。
典型如手机配件、饰品、日用消耗品。特点是销量波动大、单价低、平台仓限制多。
这类品类的核心是提高周转速度，宁可多批次小批量。安全库存天数可以压得低一些，但复购和动销监控要做得密。
另外，这类品类特别适合用"在途占比"来对抗库容限制。把库存放在路上，比放在仓里更灵活。
这两个阶段都不能用常规补货逻辑。新品期没有历史销量，安全库存没有依据；清货期的目标不是不断货，而是尽快清空。
我的做法是给这两类 SKU 打独立标签，直接排除在自动补货建议之外，全部人工决策。系统负责提醒，人负责决定。
补货的本质是一连串取舍，没有全赢的方案。把取舍讲清楚，比给你一个"最佳参数"有用得多。
这是最根本的一组矛盾。多备货，缺货率下降，但资金占用和仓储费上升；少备货，资金效率提高，但缺货风险和排名损失上升。
两者的关系不是线性的。安全库存从 7 天加到 14 天，缺货率可能从 9% 降到 6%；但从 28 天加到 35 天，缺货率可能只从 2.8% 降到 2.2%，而周转天数要多出 15 天。
边际收益递减点就是你的最优区间边界。这个点每个品类都不一样，必须自己算。
全自动补货的好处是快、省人；坏处是规则变化时反应迟钝，容易在异常情况下放大错误。全人工的好处是灵活；坏处是规模一大就崩。
我的取舍是：让系统覆盖 80% 的常规 SKU，把 20% 的异常 SKU 留给人工。异常的定义由前面说的五条触发条件决定。
这个比例不是固定的。团队成熟度高、数据质量好的，可以做到 90/10；数据基础差的，建议先做 60/40。
集中采购能拿到更好的价格和账期，但单一供应商的风险高、交期弹性小。分散采购能对冲风险，但失去规模议价。
我的建议是主辅结合：核心 SKU 用两到三家供应商，主力占 70%，辅助占 30%。辅助供应商平时只下小单维持关系，旺季或主力出问题时顶上。
平台仓的优势是流量倾斜和履约时效，劣势是库容约束和费用复杂；海外仓的优势是灵活和成本可控，劣势是流量上不占优；直发的优势是零库存压力，劣势是时效和绩效风险。
成熟团队通常三种都用，关键是给每个 SKU 分配清楚"主场"。动销稳定的爆款走平台仓，中等动销的走海外仓，长尾和新品走直发试水。
参数拆得越细，理论上越准，但维护成本也越高。拆到"平台 × 站点 × 店铺 × SKU × 供应商 × 履约仓"这一层，你的参数表可能有上万行，没人维护得过来。
我的判断标准是：只对那些"错了会疼"的维度做细分。贡献 80% 销售额的那 20% 的 SKU，可以拆到最细；剩下的用品类级参数就够了。
把前面所有内容压缩成一张可执行的清单，这是我最想让读者带走的东西。
| 频率 | 动作 | 责任人 | 输出物 |
|---|---|---|---|
| 每日 | 检查可售天数跌破警戒线的 SKU，确认是否有异常原因 | 采购/运营 | 异常 SKU 清单 |
| 每日 | 核对当日入仓预约状态与预计上架时间 | 物流 | 预约延误预警 |
| 每周 | ERP 可用库存与平台后台可用库存差异比对 | 库存计划 | 差异明细与原因 |
| 每周 | 在途与待入库数量核对，清理重复下单 | 采购 | 采购去重记录 |
| 每周 | 复核系统补货建议中的高偏离项 | 采购主管 | 人工调整清单 |
| 每月 | 供应商实际交期与设置交期偏差分析 | 采购主管 | 交期校准表 |
| 每月 | 安全库存天数与目标覆盖天数合理性复盘 | 库存计划 | 参数调整记录 |
| 每月 | 滞销库存扫描，触发清货动作 | 运营 | 清货计划 |
| 事件触发 | 平台发布库存/库容/履约相关规则更新后的影响评估 | 负责人 | 参数影响评估表 |
做了这么多年，我最大的体会是：跨境电商的补货能力，本质上是一种"规则翻译能力"。同样的商品、同样的供应链、同样的 ERP，有人缺货率 4%，有人 12%，差别不在算得多精细，而在有没有把平台规则准确地翻译成参数。
ERP 是执行工具，它不会替你做判断，也不该替你做判断。平台规则变了，参数必须跟着变；参数变了，动作必须跟着变。这条链子任何一环断了，前面的努力都会打折扣。
另一个判断是：不要把"不断货"当成唯一目标。库存是一笔资金，任何时刻都在产生机会成本。真正健康的补货体系，是在你能承受的缺货率下，让资金效率最大化，而不是把缺货率压到零。
如果你现在就要动手，我建议从最小的一步开始：今天花两个小时，把你销量前 20% 的 SKU 拉出来，逐个填一张表，只填五个字段，真实采购交期、头程时效、清关时效、入仓上架时效、过去 90 天日均销量。
填完之后你大概率会发现，其中有相当一部分 SKU 的交期，你在 ERP 里设置的值和真实值差了一大截。这个差距，就是你现在所有补货问题的起点。
把这张表填准，再谈要不要上自动补货。顺序对了，后面每一步都会轻松很多。
我做的是自发货为主的店铺，平台考核迟发率，但 ERP 里的补货点还是按以前的默认值在跑，结果一到大促就被时效追着打。我一直搞不清到底是该改安全库存天数，还是改采购周期，还是干脆手动压单。
先把平台时效规则拆成三个数：订单处理时限、物流妥投时限、履约考核阈值，再把它们换算成 ERP 里的可用天数口径。做法是：在 ERP 的 SKU 或仓库维度维护一个“平台时效天数”，它等于处理时限加物流在途天数再加 1 到 2 天缓冲；
补货点用“日均销量乘以（采购交期加头程时效加平台时效天数加安全库存天数）”来算，而不是只填一个安全库存。判断依据是履约风险发生在缺货之后，所以时效越长，补货点应该越靠前。注意别写死数值：不同站点、不同物流线路的时效差别很大，应该按线路分别维护，并且每月用实际妥投数据回校一次。
如果平台考核阈值收紧，优先调的是缓冲天数和补货点，而不是简单加大批量，否则容易把资金压在库存上。
我们主要用平台官方仓，旺季前想多备货但系统提示有库容限制，ERP 又还在按历史销量推补货建议。我最困惑的是：到底该按平台给的库容上限去砍采购量，还是先补一部分、剩下的走海外仓？
处理顺序是：先从平台后台拿到当前库容上限、可补货数量和入仓预约情况，把这些作为 ERP 补货建议的硬约束，而不是让它只按销量算。
做法上，在 ERP 里给平台仓单独设一个“仓位可用上限”字段，补货建议生成后做一次闸门校验：建议量加现有库存加在途库存，超过上限的部分自动转入待定池，人工决定是延后下单、拆批入仓，还是改走海外仓或自发货。
判断依据是平台仓的限制通常是阶段性的，跟库存绩效和动销相关，所以补货策略应该是“先保动销款、后压长尾款”，而不是平均砍单。实操上建议每周看一次库容变化和入仓预约排队时长，把补货节奏从前置囤货改成小批量多批次，同时把海外仓当作缓冲池，而不是复制一份同样的库存。具体上限和规则以平台后台最新公告为准。
我们同时跑几个平台，仓库是共享的，ERP 里各店铺的库存同步有延迟，有次一个链接断货了另一个还在卖，采购又按两边销量加起来补了一批，最后压了一堆货。我想知道这种共享库存到底该怎么在 ERP 里设，才不会互相打架。
核心是分清“物理库存”和“渠道可售库存”两层。做法是：ERP 里以实际仓库库存为唯一物理层，各平台店铺只维护预留比例或安全水位，补货计算用物理库存加在途库存减去各渠道已预留量，而不是把各店铺销量直接相加去推采购。
防超卖的关键是同步频率和预留机制：同步间隔越慢的平台，预留水位要留得越高，通常按该渠道日均销量乘以同步间隔再乘 1.5 倍作为预留；补货建议只在物理可用库存低于总补货点时触发，避免各店铺各自触发。判断依据是补货算重多发生在多店铺独立跑建议、又没有共享在途库存的时候。
实操上建议把在途库存按采购单挂在物理仓，别按店铺拆，同时每周核对一次各渠道预留和实际物理库存的差额，差额持续偏大就说明同步频率或者预留比例需要重新校准。
我刚开始做采购计划，供应商说交期 15 天，物流说头程 20 天，ERP 里默认值又是另一个数，导致补货建议忽早忽晚。我不确定安全库存应该按天数设还是按件数设，也不知道多久要重新校一次这些参数。
建议全部统一成天数口径，再换算成件数，这样跨 SKU 才可比。采购交期用“供应商实际交货天数的近三次平均值”而不是承诺值，头程时效按具体物流线路分别维护，两者相加再加清关和入仓缓冲，构成补货提前期。安全库存天数则看两个变量：断货成本越高、销量波动越大，天数越高；
通常可以用“最长提前期减平均提前期”再加几天缓冲起步，再按实际缺货记录逐步调。判断依据是安全库存的作用是吸收波动，不是覆盖预测错误，如果天天靠安全库存救火，说明提前期或者销量预测本身失真了。
复核频率上，采购交期建议每月按实际到货记录回校一次，安全库存天数按品类每季度复看，遇到大促、换季、换物流商要单独重算，别用一套参数跑所有 SKU。
读者评论
采购交期填默认值这个问题太常见了。我们之前所有供应商统一30天，旺季经常断货。后来按供应商拉过去6个月到货数据，算中位数和P90分档，ERP建议采纳率才上来。不过前提是到货日期要准确，否则只是把错误算得更细。
入仓预约时效确实容易被漏掉。我们做官方仓，旺季预约排两周很常见，货到港也上不了架。可售天数跌破7天再补基本来不及，因为头程和清关还要时间。建议每周拿平台后台可用库存和ERP对账，不然补货建议会偏乐观。
ERP只是计算器这个比喻很到位。系统不会读平台公告，参数没人维护，补货建议就是废的。我们上线时花最多时间的不是配公式，而是让采购、运营、财务对齐日均销量、交期和安全库存口径，并定好月复核，否则规则一改又乱。
断货损失拆成四块很真实。广告ACOS飙升和自然订单占比下滑，很多老板只看少卖货值，会低估损失。恐慌补货推到137天周转也见过，资金占用和仓储费比断货还难消化。参数超90天不校准，确实等于失效。
把规则分时效、容量、费用、合规，并判断压上限还是下限，这个框架挺实用。很多团队只盯库容限制，忽略低库存水平费在抬下限，结果参数在上下限之间拍脑袋。案例是脱敏的，不能照搬数字，但复核机制值得写进SOP。