很多跨境团队上ERP时，最先讨论的是“选哪家、多少钱、多久上线”，最少被讨论的恰恰是最该先做的事：把采购补货这件事的调研做扎实。我见过不止一个团队，系统上线三个月后，运营依然在用Excel补货，理由很直接，“系统给的补货建议我不敢用”。追问下去，问题几乎从不出在算法上，而是出在口径上：同样一个“可用库存”，运营算的是平台可售，采购算的是国内仓可发，财务算的是不含在途的账面数，三方对不上，任何补货公式都会算出一个没人敢拍板的结果。
这篇内容不讲ERP功能大全，只讲采购补货相关的市场调研该调研什么、怎么调研、调研完产出什么，以及不同规模团队该怎么取舍。
如果你只记住一句话，我希望是这句：采购补货上ERP失败，绝大多数不是系统能力不够，而是业务口径没被提前定义清楚。系统只是把口径固化下来的容器，容器再好，装进去的是浑水，出来的还是浑水。
补货模型的核心输入无非几类：历史销量、在途库存、可用库存、交期、MOQ、安全库存。这几类输入里，真正需要“算法”的部分很少，绝大多数工作是把每个字段的业务定义、取数来源、更新频率、责任人钉死。
我做过一个粗略统计：在我参与复盘的补货类项目里，被团队判定为“建议不可用”的原因中，口径不一致和主数据缺失合计占到七成以上，真正归因于预测模型不合适的不到两成。这也是为什么我一直建议，调研阶段要花在“字段和口径”上的时间，应该大于花在“功能演示”上的时间。
采购补货不是一个孤立动作，它是需求侧、供给侧、库存侧、合规侧、数据侧共同作用的结果。只调研其中一两个面，其余的面一定会在上线后以“异常”的形式冒出来。
我见过太多“调研”最后变成一份谁也不会再打开的会议纪要。真正有价值的调研必须产出六类资产：调研范围表、字段字典、流程SOP、RACI责任人表、异常处理机制、上线验收指标表。没有这六样，调研就等于没做。
这里有个反常识的判断：调研做得越细，上线反而越快。因为上线阶段最耗时的不是配置，而是业务方在UAT阶段突然发现“这个字段不是我要的”，然后开始拉会、改需求、重测。调研就是把这些拉会提前到没有代码成本的时候。
讲抽象的方法论容易，但真正让我形成判断的，是几个具体项目里踩过的坑。下面这个场景做过脱敏和区间化处理，但流程和问题结构是真实的。
2024年，我参与过一个做家居品类的跨境团队项目，年GMV在3000万左右，主做亚马逊和独立站，国内有两个仓，美国有一个海外仓，旺季还要临时租用第三方仓。他们上线ERP的目标写得很漂亮：“实现智能补货、降低断货率”。
上线前，团队的一致判断是“我们数据挺全的”。上线后第一个月，采购发现系统算出来的补货量比人工判断高出40%以上，不敢用；第二个月，运营发现某几个爆款依然断货，而系统显示“库存充足”；第三个月，财务发现库存金额涨了，周转天数却变长了。三个月后，补货重新回到Excel。
运营认为可用库存是平台后台显示的可售数量；采购认为可用库存是国内仓已质检、可发头程的数量；物流认为可用库存是海外仓实际可派送的数量；财务认为可用库存是不含在途、不含退货的账面数。
四种定义都“没错”，但系统只能选一种。调研阶段没定，上线后必然各说各话。
他们的历史销量数据直接导自平台后台，没有做任何清洗。断货期间的销量是0，系统把0当成真实需求，于是断货越久的SKU，系统判断的需求越低，越不建议补货，形成“越断越不补”的死循环。促销期的高销量又没被标记，系统把大促峰值当常态，导致淡季大量压货。
调研时采购给的“平均头程时效”是28天，这是过去半年的均值。但补货安全库存要防的是波动，不是均值。实际上海运旺季可以到50天以上，清关遇到查验还能再加一周。用均值算安全库存，等于默认“永远不会遇到旺季”。
我把这类问题整理成一张对照表，你可以拿去和自己的团队对一遍。只要有三项以上对不上，就说明库存口径调研没做完。
| 库存口径 | 运营常见理解 | 采购常见理解 | 财务常见理解 | 调研要确认的点 |
|---|---|---|---|---|
| 可用库存 | 平台可售数量 | 国内仓已质检可发数 | 不含在途的账面数 | 以哪个口径作为补货公式输入，是否分场景切换 |
| 在途库存 | 已发货即算 | 已出库未到仓才算 | 以提单/发票时点为准 | 起算时点、到仓确认时点、是否可被补货公式抵扣 |
| 锁定库存 | 已下单未付款不算 | 已付款未出库算锁定 | 按订单确认口径 | 锁定是否从可用库存中扣除，扣减时点 |
| 退货在途 | 预计可再售才算 | 通常不计入补货 | 计入库存金额不计入可用 | 退货再上架周期、可再售比例如何估计 |
| FBA库存 | 后台可售即算 | 需确认是否含预留 | 按仓储类型区分 | 可售、预留、不可售三类占比与更新频率 |
| 海外仓库存 | 以仓方报表为准 | 以入库单为准 | 以月结为准 | 对账频率、差异处理机制、数据同步方式 |
很多人觉得调研慢、费人天、看不到产出，所以压缩调研。但从项目总成本看，调研阶段的投入往往是整条链路里性价比最高的一段。
在复盘里我做过一个粗略估算：如果调研阶段少投入10个人天，上线后为了修正口径、清洗历史数据、重新配置规则、重跑UAT，通常要付出30到50个人天，还要外加业务方对系统的信任损耗。信任一旦损耗，恢复成本远高于开发成本。
下面这七个误区，几乎每个都能在上线三个月后变成一次紧急会议。我把它们按出现频率从高到低排列。
这是最普遍的一个。团队先花两个月做选型、比价、看演示，选完才开始想“我们补货流程到底是怎样的”。结果是系统按厂商的标准流程配置，业务按系统的标准流程勉强运行，中间那些真正影响结果的细节全被抹平。
正确的顺序是反过来的：先用调研把流程和口径画出来，再拿着这份调研去评估系统能不能承载。调研不是选型的附属品，而是选型的输入条件。
国内电商的补货链路短、确定性高：下单到入仓可能只要3到5天，退换货快，平台规则相对统一。跨境链路长得多，头程、清关、尾程、平台入仓、上架各有一段不可控时间，任何一个环节延误都会打乱补货节奏。
更关键的是，跨境存在国内电商几乎没有的约束：目的国认证、标签要求、禁限售品类、关税与税务规则。这些约束不是“运营细节”，而是会直接决定某些SKU能采购多少、什么时候采购、能不能分批发货。
很多调研问卷长这样：“是否需要采购管理？是否需要库存预警？”这种问题问不出任何有用信息，因为答案永远是“需要”。
有价值的问题应该落在字段上：“安全库存这个字段，是按SKU+仓库维度设置，还是按SKU+站点维度设置？谁有权限修改？修改是否留痕？历史值能不能查？”，这类问题才会在配置阶段救你一命。
安全库存的本质是对不确定性的缓冲，它应该是变量而不是常量。同一个SKU，在旺季、在头程延误期、在供应商产能紧张期，安全库存应该不一样。
调研阶段要问清楚的是：安全库存按什么维度设置？是否随交期波动动态调整？是否区分新品期和成熟期？谁来复核？如果答案只是“采购凭经验填一个数”，那ERP的安全库存功能基本等于摆设。
历史数据不清洗，是所有补货模型失效的头号原因。需要标记的至少包括：大促日期、平台活动日期、断货日期、新品上架期、下架清仓期、异常退货期。
调研阶段就要明确：这些标记由谁提供？以什么形式提供？历史数据能不能追溯到日粒度？如果运营说“大促日期要去翻邮件”，那就要评估这块数据能不能在调研期内补齐。
一个SKU在某国能不能卖、需要什么认证、标签怎么贴、关税多少，都会改变采购计划。调研阶段如果不把合规约束纳入，补货模型会算出一个“数学上最优、业务上不可执行”的方案。
这里要特别注意：具体的认证要求、税率、平台政策会随时间变化，必须以官方来源和平台最新公告为准，不能沿用旧资料。调研要做的是把“谁负责核验合规、多久核验一次、结果怎么进系统”这件事定下来。
“系统上线了”不是验收标准，“补货建议采纳率达到某个水平、缺货率下降到某个区间、库存周转天数改善到什么程度”才是。验收指标必须在调研阶段就定好，并且明确统计口径和取数来源。
前面讲的是问题和误区，这一节讲我实际做项目时用的七层调研框架。每一层都有明确的产出物和判断标准，做完一层再做下一层。
跨境补货的复杂度来自“对象太多”。平台、店铺、站点、仓库、供应商、物流商、类目、季节，每一项乘以另一项，复杂度就上去了。首期不可能全做，必须明确哪些进首期、哪些进二期。
我的判断标准是：首期只纳入“销量占比高、流程稳定、数据可得”的对象。销量占比低、流程特殊、数据靠人工维护的对象放二期。不要为了“一次性解决”把所有场景都塞进首期，那只会让项目无限延期。
| 划分维度 | 建议进首期 | 建议放二期 | 判断理由 |
|---|---|---|---|
| 销量占比 | 前80%销量SKU | 长尾SKU | 首期验证口径，长尾用规则兜底即可 |
| 流程稳定性 | 流程已固化 | 流程仍在调整 | 流程不定，配置必改 |
| 数据可得性 | 可从系统取数 | 依赖人工表 | 依赖人工的数据无法支撑自动补货 |
| 仓库类型 | 主仓+海外仓 | 临时仓+第三方仓 | 临时仓差异率过高，先做人工干预 |
需求侧调研要回答四个问题：谁做预测、按什么粒度、按什么周期、误差容忍度是多少。这四个问题里最容易被忽略的是“粒度”和“周期”。
粒度指的是按SKU、按SKU+仓库、还是按SKU+站点+仓库预测。粒度越细，数据越稀疏，预测越不稳定；粒度越粗，补货越不精确。我的经验是：首期按SKU+主仓粒度做预测，颗粒度不要一开始就打到站点级。
周期指的是补货决策的频率：按日、按周、还是按采购批次。这个直接决定系统需要多快的数据同步能力。
判断标准很直接：如果连在途库存都不能实时拿到，就不要上系统建议触发，先做规则触发。系统建议触发对数据的要求是三者中最高的。
供给侧调研决定了补货的“上限”。需求侧算出要多少，供给侧决定能不能拿到、多久拿到、最少拿多少。
要调研的字段包括：标准交期、交期波动区间、产能上限、最小起订量（MOQ）、账期、备料周期、是否有替代供应商、质检不合格率、返工周期、退换货处理方式。这些字段如果不进系统，补货建议就只是“理想值”。
这是我最强调的一点。采购给的“平均交期30天”里，隐含了大量“顺利情况”的信息，而安全库存要防的恰恰是不顺利的情况。调研时至少要到三个数：最好情况、最常见情况、最差情况。
| 评估维度 | 权重建议 | 数据来源 | 判断标准 |
|---|---|---|---|
| 交期稳定性 | 25% | 历史到货记录 | 波动区间越小越优先进入自动补货 |
| 产能上限 | 20% | 供应商提供+历史峰值 | 旺季是否会被其他客户挤占 |
| MOQ与起订弹性 | 15% | 合同+实际订单 | MOQ是否导致资金占用过高 |
| 质检合格率 | 15% | 验货记录 | 低于阈值需增加安全库存 |
| 账期与结算方式 | 10% | 合同 | 影响现金流与采购节奏 |
| 替代可切换性 | 10% | 品类/模具依赖度 | 单一供应依赖度高的需重点备货 |
| 配合意愿 | 5% | 沟通记录 | 影响异常处理效率 |
这是复杂度最高的一层，也是我在项目里花时间最多的一层。核心问题只有一个：补货公式到底该用哪个库存数？
我的做法是先定义四类库存，再明确每一类在补货公式中的角色：
这四类的起算时点和更新频率必须在调研阶段逐一确认，并且明确由谁维护、多久对账一次、差异怎么处理。
我通常要求团队至少提供三种情况下的时效：正常情况、旺季情况、异常情况（查验、港口拥堵、天气）。这三种情况对应三套安全库存参数，而不是一个平均值。
这一层最容易被跳过，因为它看起来“不是供应链的事”。但合规直接影响采购：某些品类需要认证才能销售，认证周期可能是数周；某些国家有标签要求，贴标环节会拉长入仓时间；税务规则会影响成本结构和定价，从而影响补货量。
调研要做的不是自己成为合规律师，而是把责任和流程定下来：谁负责核验目的国合规要求、多久核验一次、核验结果怎么进系统、不合规的SKU如何自动阻断采购。具体法规内容必须以官方来源和平台最新政策为准，不能凭经验沿用。
这一层是调研的技术落地层。核心是两件事：字段字典和权限链路。
字段字典要写清楚：字段名、业务定义、计算逻辑、数据类型、取数来源、更新频率、责任人。权限链路要写清楚：谁能改预测、谁能改交期、谁能改安全库存、改动是否留痕、审批几级。
{
"field": "available_stock",
"name_cn": "可用库存",
"definition": "某SKU在某仓库中已完成质检、未被订单锁定、可立即发运的数量",
"formula": "on_hand_stock – locked_stock – pending_qc_stock – unsellable_stock",
"source": "WMS 库存快照表",
"update_frequency": "每小时同步一次",
"granularity": "SKU + 仓库",
"owner": "仓储主管",
"used_in": ["补货建议量计算", "覆盖天数计算"],
"exception_rule": "若连续2小时未同步成功，触发告警并回退至上一快照"
}
把每个关键字段都写成这样的结构，配置阶段几乎不会出现歧义。字段字典的价值不在于好看，而在于它把口头共识变成了可验证的约定。
要调研的异常至少包括：超卖、缺货、断货、在途丢失、清关卡关、质检不合格、系统同步失败、供应商延期。每一项都要明确：谁发现、谁处理、处理时限、是否影响补货建议。
验收指标必须在调研阶段定好，否则上线后无法判断成败。我常用的指标分为三类：结果指标、过程指标、健康指标。
| 指标类别 | 指标名称 | 统计口径 | 参考目标区间 |
|---|---|---|---|
| 结果指标 | 缺货率 | 缺货SKU天数 / 总可售SKU天数 | 较上线前下降30%以上 |
| 结果指标 | 库存周转天数 | 平均库存 / 日均销货成本 | 不劣于上线前，力争改善10%以上 |
| 结果指标 | 滞销率 | 库龄超阈值SKU金额 / 总库存金额 | 控制在既定阈值内 |
| 过程指标 | 补货建议采纳率 | 被采纳建议数 / 系统建议总数 | 上线3个月后达到60%以上 |
| 过程指标 | 预测偏差率 | 预测销量与实际销量偏差绝对值 / 实际销量 | 成熟SKU控制在20%以内 |
| 过程指标 | 人工干预次数 | 人工修改建议量的次数 / 建议总数 | 逐月下降 |
| 健康指标 | 主数据完整度 | 必填字段完整的SKU占比 | 85%以上才考虑自动补货 |
| 健康指标 | 库存准确率 | 盘点差异率（按金额） | 控制在1%以内 |
下面这个案例来自我参与过的一个项目，数据做了区间化和脱敏处理，用于说明调研动作与结果之间的关系，不代表行业普适水平。
团队做家居品类，年GMV约3000万，亚马逊加独立站双渠道，国内两个仓，美国一个海外仓，涉及海运、空运、快递三种头程方式，核心供应商12家，SKU数量约900个，其中主力SKU约180个。
调研起点是一份“痛感清单”：断货集中在爆款、滞销集中在长尾、采购大量时间花在核对库存、财务对不上库存金额、旺季经常出现“系统显示有货但发不出去”。这份清单成为调研的问题来源。
调研阶段最费时间的不是访谈，而是把散落在平台后台、仓库表、供应商邮件、财务台账里的数据归集到一起，然后才能判断哪些字段真实可得。这个项目里，团队用数跨境来做数据底座的取证工作，官网是 https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys 。
具体怎么用的，我拆成四步说明。
团队原先的最大问题是同一个产品在不同平台、不同店铺、不同仓库有不同编码。调研阶段第一步就是建立统一SKU映射，把平台编码、仓库编码、供应商料号对应起来。这一步不做，后面所有补货计算都是白算。
用数跨境的库存数据视图，把可用、锁定、在途、质检待定、不可售拆开看，团队第一次直观看到“账面库存”和“可发库存”之间差了近两成。这个发现直接推动了后续的口径统一讨论，之前不是没人提，而是没有可视化证据，讨论无法收敛。
调研阶段团队把过去18个月的销售数据导出，逐字段检查：能不能到日粒度、断货日能不能标记、促销日能不能标记、退货数据能不能按SKU归集。结果发现大约三成SKU的历史数据存在断档，这部分SKU被明确排除在首期自动补货范围之外。
归集完成后，团队把每个关键字段的定义、来源、更新频率、责任人写成字段字典，作为ERP配置的直接输入。这是我在所有项目里都坚持的一步：调研的终点不是一份报告，而是一份可以直接配置的字段清单。
需要说明的是，数跨境在这里承担的是数据归集与口径验证的角色，具体功能和版本能力请以官方渠道的最新说明为准，本文不对其功能做绝对化承诺。
项目上线6个月后，团队做了一次复盘。下面这组数据是区间化的复盘结果，用于说明调研投入与结果的关系，不是行业基准。
上面这组数据来自项目内部复盘，样本为单一团队，统计周期为上线后6个月，缺货率按主力SKU计算，库存准确率按金额口径统计。样本量小，不适合直接外推到其他团队，但趋势关系值得参考。
另一个值得注意的观察是：主数据完整度越高的SKU，补货建议的可用性越高，而且不是线性关系，而是存在明显的门槛效应。在主数据完整度低于某个水平时，建议几乎不可用；越过门槛后，可用性提升很快。
调研清单不能一刀切。不同规模的团队，调研重点、投入方式、上线节奏都应该不同。
这个阶段的团队SKU数量通常不多，供应商集中，流程还在快速变化。我的建议是：把调研做成手工版，用Excel跑通口径，先验证流程，不急着上系统。因为流程还在变，系统配置会不断推倒重来，成本不划算。
调研重点放在三件事：统一SKU编码、明确可用库存定义、记录交期波动区间。这三件事用表格就能做，不需要系统。
这个阶段是ERP落地最划算的区间，也是我认为最需要认真做调研的区间。建议调研与选型并行推进，调研成果直接作为选型评估表的一部分。
首期范围建议控制在：主力SKU（前80%销量）、主仓加一个海外仓、单平台或多平台中的主力平台。不要一次把所有平台所有仓都纳入。
这个规模的团队，调研本身就是一个项目，需要拆成需求侧专项、供给侧专项、库存专项、合规专项、数据专项，每个专项有独立负责人和交付时间。
建议设立一个“口径仲裁人”角色，专门负责在业务方口径冲突时做最终裁定。没有仲裁人，口径讨论会无限循环。
| 角色 | 核心调研任务 | 关键交付物 | 常见误区 |
|---|---|---|---|
| 运营负责人 | 销量预测逻辑、促销标记、新品处理 | 需求侧调研表 | 只给结论不给数据来源 |
| 采购负责人 | 交期区间、MOQ、供应商能力、账期 | 供应商能力评估表 | 只给平均值不给波动区间 |
| 仓储物流 | 库存口径、在途、质检、对账机制 | 库存口径对照表 | 以仓库报表为唯一事实来源 |
| 财务 | 成本口径、库存金额、结算规则 | 成本口径说明 | 事后才参与，口径已定死 |
| 合规/法务 | 认证、标签、禁限售、税务约束 | 合规约束清单 | 用旧资料代替最新核实 |
| IT/数据 | 字段字典、接口能力、权限、同步频率 | 字段字典+权限矩阵 | 先谈技术方案不谈业务口径 |
| 项目经理 | 范围、排期、风险、验收指标 | RACI+验收指标表 | 把调研当流程走过场 |
| 团队规模 | 调研首要目标 | 调研投入建议 | 上线节奏建议 | 不建议做的事 |
|---|---|---|---|---|
| 500万以下 | 统一SKU与库存口径 | 3-5人天，手工表完成 | 先手工跑通再考虑系统 | 不要为小规模流程做深度定制 |
| 500万-5000万 | 口径统一+主力SKU数据清洗 | 10-15人天，跨部门参与 | 首期聚焦主力SKU与主仓 | 不要一次纳入全部平台全部仓 |
| 5000万以上 | 专项调研+口径仲裁机制 | 25人天以上，分专项推进 | 分批上线，每批设独立验收 | 不要在没有仲裁人时启动大范围讨论 |
调研的目标不是把所有问题都解决，而是在有限资源下做出正确的取舍。以下是我在项目里最常遇到的四组取舍。
自研的优点是贴合业务，缺点是维护成本高、人才依赖强；采购成熟产品的优点是上线快、功能全，缺点是流程要迁就系统；组合方案（数据层自建、业务层用成熟产品）是很多中型团队的最优解。
我的判断标准是：如果补货逻辑是你的核心竞争力，就自己做数据层；如果补货只是支撑能力，就用成熟产品。跨境卖家里，补货逻辑极少构成真正的护城河，所以大多数团队不该自研全套。
全量上线看起来省时间，实际风险极高。一旦口径有问题，全量数据都会被污染，回滚成本巨大。我几乎总是建议分批：先主力SKU和主仓，验证口径后再扩。
分批的代价是并行期长、两套流程同时跑，短期看起来“更麻烦”。但并行期的麻烦是可控的，全量上线后的麻烦是不可控的。
这个取舍的本质是信任度。在数据完整度不足时强行用系统建议，会导致采购频繁推翻建议，最后系统被弃用；反过来，在数据完整度高时仍然全靠人工，就浪费了系统的价值。
我的建议是设置“建议采纳率”这个中间指标：采纳率低于40%说明数据或口径有问题，高于70%说明可以进一步放开自动化。不要用“感觉准不准”来判断。
追求100%的数据精度会让项目永远上不了线，追求速度则会让系统不可用。折中方案是：对主力SKU要求高精度，对长尾SKU用规则兜底。资源永远应该优先投在贡献80%销量的那部分SKU上。
| 取舍场景 | 倾向A | 倾向B | 建议选择 | 判断依据 |
|---|---|---|---|---|
| 系统建设方式 | 全自研 | 采购成熟产品 | 多数选B，数据层可自建 | 补货逻辑极少是护城河 |
| 上线范围 | 全量上线 | 分批上线 | 选B | 口径错误的污染成本不对称 |
| 补货决策方式 | 全人工 | 全自动 | 按采纳率动态调整 | 采纳率是可信度代理指标 |
| 数据要求 | 100%精度 | 尽快上线 | 主力高精度，长尾规则兜底 | 资源应按销量贡献分配 |
| 安全库存设置 | 固定值 | 动态值 | 先固定后动态 | 动态参数需要数据积累才稳定 |
| 合规约束处理 | 人工把关 | 系统自动阻断 | 先人工，后逐步自动化 | 合规规则变化快，需持续核验 |
这一节把前面所有内容落成可以直接拿去用的模板结构。不要照抄内容，要按自己的业务替换字段。
字段字典是调研最核心的交付物。下面给出一个结构示例，可以直接扩展成多行表格或JSON配置。
{
"fields": [
{
"field": "safety_stock",
"name_cn": "安全库存",
"definition": "为应对交期波动和需求波动而额外持有的库存量",
"formula": "Z * sqrt(交期 * 需求方差 + 需求均值^2 * 交期方差)",
"granularity": "SKU + 仓库",
"source": "采购维护 + 系统计算",
"update_frequency": "月度复核，异常时即时调整",
"owner": "采购负责人",
"approval": "采购主管 + 供应链负责人",
"exception_rule": "变更超过30%需二级审批"
},
{
"field": "lead_time_range",
"name_cn": "交期区间",
"definition": "供应商从接单到货物可发运的最短、最常见、最长天数",
"formula": "来源为历史到货记录的分位数统计",
"granularity": "SKU + 供应商",
"source": "采购历史到货记录",
"update_frequency": "季度更新",
"owner": "采购专员",
"approval": "采购负责人",
"exception_rule": "连续两批实际交期超出最长值时触发复评"
}
]
}
| 调研事项 | 负责（R） | 审批（A） | 咨询（C） | 知会（I） |
|---|---|---|---|---|
| 可用库存口径定义 | 仓储主管 | 供应链负责人 | 运营、财务 | IT |
| 交期区间采集 | 采购专员 | 采购负责人 | 仓储 | 计划 |
| 历史数据清洗 | 数据分析 | 运营负责人 | 采购 | 财务 |
| 合规约束清单 | 合规专员 | 法务负责人 | 运营、采购 | IT |
| 字段字典定稿 | IT/数据 | 项目经理 | 各业务方 | 管理层 |
| 验收指标定义 | 项目经理 | 业务负责人 | 财务 | IT |
| 验收项 | 验收标准 | 数据来源 | 验收时点 | 不通过的处理 |
|---|---|---|---|---|
| 主数据完整度 | 主力SKU必填字段完整率≥85% | 系统报表 | 上线前 | 补齐数据后再上线 |
| 库存准确率 | 盘点差异率≤1% | 盘点报告 | 上线前+每月 | 暂停自动补货，回归人工 |
| 补货建议采纳率 | 上线3个月内≥60% | 系统日志 | 上线后第3个月 | 复盘口径与参数设置 |
| 预测偏差率 | 主力SKU≤20% | 系统报表 | 每月滚动 | 检查数据清洗与促销标记 |
| 缺货率 | 较基线下降30% | 平台+系统 | 上线后第6个月 | 检查交期参数与安全库存 |
| 采购核对耗时 | 较基线下降50% | 工时记录 | 上线后第3个月 | 检查异常处理流程 |
如果你现在正准备做采购补货的ERP调研，我建议按30天排期推进。核心原则是：前两周解决口径，后两周解决数据和验收标准。
确定调研范围表，访谈运营、采购、仓储、财务、IT五个角色，收集痛感清单和历史问题清单。这一周的产出是调研范围表和问题清单，不是解决方案。
集中解决可用库存、在途库存、锁定库存、退货在途四个口径，产出库存口径对照表和成本口径说明。这一周通常争议最大，需要口径仲裁人参与。
导出历史数据做字段可得性验证，标记断货期、促销期、新品期，评估主数据完整度，确定首期纳入的SKU范围。这一周的产出是数据可得性报告和首期SKU清单。
定稿字段字典、RACI责任人表、异常处理机制、上线验收指标表。这一周的产出直接作为ERP配置和选型评估的输入。
没有绝对标准，但我的经验是：调研时间应该与首期纳入的SKU数量和仓库数量成正比。首期只做主力SKU加主仓，10到15人天通常够用；涉及多平台多仓，25人天以上更稳妥。关键不是时长，而是六类交付物是否齐备。
能上，但要调整上线策略。数据不全时不要上系统建议触发，先用规则触发加人工审核，同时并行补数据。把数据完整度当作一个持续改进指标，而不是上线前置条件。
不要依赖供应商的口头承诺，用你自己的历史到货记录统计。历史记录比承诺更可信。如果历史记录也不足，就按最保守估计设置，并在运行中逐步修正。
业务定参数范围，系统做计算，采购负责复核。不要让采购一个人凭经验填一个固定数字，也不要让系统独立决定而不设人工复核。安全库存是业务判断和系统计算的结合点。
看上线后的UAT。如果UAT阶段主要在核对字段和口径，说明调研做扎实了；如果UAT阶段还在争论“这个数到底指什么”，说明调研没有真正落地。调研的质量，最终会在UAT的争吵次数上体现出来。
回到最开始那句话：采购补货上ERP失败，绝大多数不是系统能力不够，而是业务口径没被提前定义清楚。这篇内容里我反复强调的七层调研框架、六类交付物、四组取舍，本质上都指向同一件事，在写第一行配置之前，先把“我们说的这个词到底指什么”这件事说清楚。
调研不会直接带来GMV增长，也不会立刻降低缺货率，但它是所有后续动作的地基。地基不牢，系统越先进，错得越快。
我的独特判断是：跨境补货的难点从来不在算法，而在“多平台、多仓、多角色”带来的口径分裂。同一个词在四个部门有四个含义，这不是沟通问题，而是组织问题，所以必须用调研把口径固化成可验证的约定，再让系统去承载它。
下一步建议你这么做：先用第七节的取舍对照表，判断自己团队该走哪条路径；再用第九节的30天排期，把调研拆成每周任务；最后用第八节的字段字典和验收表，把调研结论变成可以直接配置和验收的资产。做完这三步，你再去选ERP，判断标准会清晰得多。
我们公司准备上ERP，老板让我负责采购补货这块的调研，但我一打开文档就懵了，功能列表几百项，不知道从哪里下手。我之前没做过跨境，国内电商那套补货逻辑直接搬过来又怕踩坑，所以想先搞清楚调研本身的先后顺序。
先把调研顺序定死，再谈选型。第一步确认业务边界：涉及哪些平台、站点、店铺、仓库（国内仓、海外仓、FBA、在途），首期纳入哪些，哪些放二期。第二步梳理补货流程链路：谁发起补货、按什么周期、看哪些表、经过几级审批、谁有权限改预测和安全库存。
第三步盘点数据源：历史销量从哪取、平台API还是手工表格、更新频率多少、缺货日和促销日有没有标注。第四步才是对照ERP功能看能不能承接上述流程和字段。顺序反了，就会变成拿功能列表去凑业务，上线后补货建议没人用。调研阶段建议产出一张范围表、一张流程SOP、一份字段字典，这三样定了再进入选型。
我们的库存口径一直很乱，运营看到的可用库存和采购算出来的对不上，海外仓、FBA、在途、退货在途这几块到底算不算可用，每个人说法都不一样。上ERP之前我想把这个口径统一了，不然系统上线后补货建议肯定是错的。
可用库存必须写成一行业务能看懂的定义，而不是只写字段名。建议拆成四个口径分别定义：可售库存（当前可立即发货的数量）、锁定库存（已被订单占用但未出库）、在途库存（已采购未到仓、已发货未上架，需区分头程在途和调拨在途）、退货在途（已退回但未质检上架）。
补货计算通常用可售加在途减安全库存，但退货在途是否计入要按质检通过率打折，不能全额算。每个平台和仓库的同步规则不同，比如平台后台库存、海外仓系统、FBA可售数量更新时间不一致，调研时要逐平台记录同步频率和延迟，并在ERP验收时用同一时点数据比对，误差超过约定阈值就判不通过。
我们补货基本靠采购拍脑袋，销量好的就多备，销量差的就少备，结果不是断货就是滞销。我想借上ERP的机会把这些参数定下来，但不知道这些数应该由运营定还是采购定，也没有历史依据。
这三个参数不能由单一角色拍板，调研时要拉三方对齐：运营提供销量预测和促销计划，采购提供交期和MOQ，供应链或负责人确定安全库存策略。安全库存建议用交期内的需求波动来定，简单做法是取近8到12周周销量的标准差乘以交期周数的平方根，再乘以一个服务水平系数，而不是直接拍一个天数。
备货天数要拆开算：供应商交期、头程时效、清关时间、上架时间、退货处理周期，每一段都取近期实际值而非合同值。MOQ是硬约束，要记录每个供应商每个SKU的最小起订量和箱规，当补货建议量低于MOQ时，系统应提示凑单或合并采购，而不是直接按建议量下单。调研时把这些规则写成参数表，注明数据来源和复核周期。
系统快上线了，供应商问我们验收标准是什么，我发现我们只写了功能能用，没写效果怎么衡量。我怕上线后大家还是照旧用表格补货，ERP变成摆设，所以想提前定几个能真正反映补货好坏的指标。
验收指标要分两层：一层是数据准确性，一层是业务效果。数据层看库存准确率、在途数据同步及时率、字段完整率，可以用抽样盘点比对，误差超过约定比例就不通过。
业务层看几个核心指标：库存周转天数、缺货率（有需求但无货的SKU占比）、滞销率（超过设定库龄未动销的占比）、动销率、售罄率、库存金额，以及补货建议采纳率、预测偏差率、人工干预次数。建议上线前先跑一个月并行期，用ERP建议和人工实际补货做对比，采纳率低于约定值说明参数或流程没调好，先优化再正式切换。
验收表里每个指标要写明计算公式、取数来源、目标值和复核人，避免上线后各说各话。
读者评论
我们做亚马逊三年，最大的教训就是可用库存口径。运营看后台可售，采购看国内仓已质检，财务看账面，每次补货会都要吵半小时。这篇文章把库存口径对照表列得很清楚，准备拿去和团队逐项核对。
讲真，调研阶段多花两周定字段字典，比上线后改需求便宜太多。我们去年补货模块返工就是因为安全库存字段维度没定清楚，UAT阶段才发现要按SKU加仓库，重测了三轮。文章里人天对比的估算虽然粗糙但方向对。
跨境补货的历史数据清洗这块太真实了。断货期销量为0被系统当成真实需求，越断越不补，这个死循环我们踩过。促销期数据不标记也是大坑，淡季压了一堆货。调研阶段就该把标记责任人和格式定死。
文章偏方法论，落地时中小团队可能没这么多人天做全套调研。我觉得可以按SKU集中度做取舍：头部SKU做精细口径，长尾先用简化规则跑。另外合规认证对采购节奏的约束确实容易被忽略，这块值得单独展开讲。