去年 11 月，一位做家居收纳的卖家朋友把他后台的截图发给我：亚马逊 FBA 在售库存只剩 6 天，海运在途的那批货柜已经在洛杉矶港压了 19 天，而他自己租的第三方海外仓里，还躺着 2400 件同款，因为入仓预约排到了 12 月中旬。他的 ERP 首页上，「库存总量」写着 3200 件，看上去非常健康。问题就在这里：那 3200 件里，有 2400 件既不能上亚马逊，也不能立刻在独立站发货，它们在系统字段里是「库存」，在业务上其实是「死货」。
这就是我今天想聊的核心，ERP 跨境电商方案设计里，采购补货场景的海外仓管理，难点从来不在补货公式，而在「库存口径」和「决策链」。这篇文章会把我做项目时踩过的坑、看过的数据、以及不同规模团队该怎么取舍，一次讲清楚。
很多团队一上来就问：安全库存公式用哪个？再订货点怎么设？我的回答通常是，先把你的库存状态字典写出来，写不出来，公式一定是白算的。
把海外仓理解成「一个更近的仓库」，方案就会做偏。它的真实角色是跨境链路里的前置库存节点：向上承接头程的批量约束，向下满足平台仓入仓限制和尾程时效要求。它同时承担三件事，缓冲头程波动、规避平台仓容量限制、支撑多平台共享库存。
所以海外仓的补货逻辑，和国内中心仓的补货逻辑不一样。国内仓补的是「销售需求」，海外仓补的是「销售需求 + 平台仓入仓节奏 + 头程时效分布」三者叠加后的结果。你把平台仓的那部分约束去掉再算，一定算不准。
我见过太多 ERP 的补货建议是这样生成的：当前库存低于安全库存 → 建议补货。这个逻辑在单仓、短链路、时效稳定的场景下勉强能用，跨境场景基本失效。
真正决定要不要补的，是三个数：可售天数（当前可售库存 ÷ 未来日均需求）、在途到可售的最短时间、补货后到可售的时间分布。第三个最难，也最容易被忽略。头程平均 35 天不可怕，可怕的是平均值 35 天、P90 是 61 天。你按 35 天排补货，就会在旺季集中断货。
采购补货场景会同时牵扯四类系统：ERP（计划、订单、库存账、财务）、WMS（仓库作业）、OMS（订单路由）、TMS（运输）。我在方案评审时最怕听到一句话：「这个功能 ERP 应该能做吧」。能不能做，取决于你选的是哪一类产品，而不是这个词本身。
我的判断标准很简单：ERP 管「账」和「计划」，WMS 管「实物动作」，分析层管「参数从哪来」。三者混在一起设计，最后一定是一个字段两处维护、一处改一处忘。
安全库存、服务水平、需求波动率、时效方差，这四个参数都需要用历史数据回归。没有数据底座，参数就只能靠经验值，经验值在旺季会集体失效。这也是我在方案设计里坚持先做分析层、再做执行层的原因，先有数据，再谈规则。
为了让后面的讨论有具体载体，我先把一个 SKU 从「决定补货」到「在海外仓可售」的完整路径走一遍。这条路径上，库存会不断「变形态」，而每一种形态在补货决策里的权重都不一样。
第 1 天，运营在系统里看到可售天数 21 天，触发补货建议。第 3 天，采购下 PO 给工厂，交期 25 天。第 28 天，货到国内集货仓，质检、贴标、装箱，3 天。
第 31 天，头程起运。海运 + 清关 + 提柜，计划 35 天。第 58 天，货柜到港，但港口拥堵，实际第 66 天才提到柜。第 68 天，送海外仓入库，排队 4 天，第 72 天完成上架、可售。
整个过程 72 天。而当初触发补货的那一刻，系统假设的是 55 天。这 17 天的差额，就是断货的来源。补货方案设计的第一步，不是把 55 改成 72，而是让系统知道这 17 天的分布长什么样。
跨境链路里，同一个实物会依次经过至少七个状态节点。每个节点的库存，在补货决策里的可用性完全不同：
如果你把这七个节点的数量加起来显示成一个「总库存」，那这个数字在补货决策里基本没有意义。
我的观察是三个因素叠加：一是平台仓的入仓限制和容量管理变得更严格，旺季预约难度上升；二是头程时效的波动幅度变大，平均值的参考价值下降；三是多平台、多站点经营成为常态，同一批货需要在不同渠道之间灵活分配。
这三点共同指向同一个结论，海外仓从「临时中转」变成了「常备前置节点」，它的补货逻辑必须从 ERP 的计划层去设计，而不是当作一个仓库在 WMS 里管。
下面这六个误区，几乎每个跨境团队至少命中三个。我把它们的表现、后果和修正动作列在一起，方便你对照自己的系统。
这是最普遍的。它的隐含假设是「补货提前期稳定、需求稳定、库存状态唯一」。在跨境场景里，三个假设全部不成立。
更合理的触发条件是：预计可售天数 < 补货提前期的 P90 + 安全缓冲。注意这里用的是 P90，不是平均。用平均会让你在 90% 的情况下「刚好够」或「不够」，上限很低。
「我已经补了 2000 件在途，不用再补了。」这句话在时效稳定时是对的，在时效波动时是灾难。在途库存应该按「到货时间分布」折算成不同时点的可用量，而不是一个固定的数字。
我的做法是给在途库存打上两个日期：最早可售日和最晚可售日。补货建议计算时，只把「在安全库存覆盖期内能到货的部分」计入供应。这样在旺季会自动触发提前补货，而不是等货到不了才发现。
同一个实物，在 ERP 里是国内 SKU，在亚马逊是 MSKU / FNSKU，在独立站是另一个编码，在第三方海外仓又是一套 SKU。如果这四套编码靠 Excel 手工维护，出问题是时间问题。
典型症状是：平台仓的可售库存和海外仓的可售库存被算成两个独立供应源，补货建议同时向两边下单，最后总库存超了 40%，但两个地方各自都「缺货」。
跨境退货率高，退货品的处置周期长。如果退货仓的库存不进补货计算，会出现两个方向的错误：一是可再售的部分没被计入，导致过度补货；二是不可再售的部分没有及时清理，仓储费和库龄费持续累积。
我的建议是把退货库存拆成三级：可直接再售、需处理后可售、不可再售。只有前两级中的第一级可以计入可用库存，第二级要按处理周期折算。
这不是概念问题，是会影响字段设计和集成方案的实际问题。ERP 关心的是「账上有多少、计划补多少」，WMS 关心的是「货在哪个库位、下一步做什么动作」。把库位管理、拣货路径这类需求塞进 ERP，最后的结果通常是两边都不好用。
如果系统给出补货建议，运营或采购看一眼就改数字，改完直接下单，那么系统里的建议和历史数据就脱离了。半年后你想复盘「补货准确率」，会发现没有任何一份数据能支撑这个指标。
我的做法是把审批动作结构化：接受、修改、驳回，三种结果都要留痕，修改必须填原因码。原因码不用多，六到八个就够，例如「促销计划」「供应商交期变化」「资金安排」「平台仓容量限制」。这些原因码积累半年，就是你优化补货参数最值钱的输入。
| 误区 | 典型表现 | 直接后果 | 修正动作 |
|---|---|---|---|
| 低于安全库存就下单 | 只比较一个数字 | 旺季集中断货 | 改用可售天数对比提前期 P90 |
| 在途当可用 | 在途数量直接计入供应 | 提前期错配、积压 | 给在途打最早/最晚可售日 |
| SKU 映射靠人肉 | 四套编码 Excel 维护 | 重复补货或漏补 | 建立主数据映射表并锁定维护责任人 |
| 退货残品不入视图 | 退货仓单独一套表 | 高估缺口 + 仓储费失控 | 退货库存三级分类并折算可用量 |
| 系统边界混淆 | ERP 里管库位和拣货 | 集成成本高、维护难 | 按「账/动作/分析」三层切分 |
| 审批流走过场 | 建议被随意改掉 | 无法复盘、参数老化 | 三种审批结果留痕 + 原因码 |
把这六个模块按顺序串起来，就是一套完整的海外仓采购补货方案。我按模块讲我的判断标准，你按自己的现状挑着改。
我会在方案文档的第一页放一张状态字典表，把所有库存状态的定义、归属系统、更新频率、是否计入可用库存写清楚。这张表看起来枯燥，但它决定了后面所有计算的正确性。
我的分类标准是：可售、预留、在途（按节点再分）、待检、残次、退货待处理、调拨中、平台仓在途、平台仓可售。九个状态，不多不少。少于七个说明你漏了场景，多于十二个说明你在用状态掩盖流程问题。
我通常用下面这套计算框架，注意它只是一个起点，参数必须用你自己的数据校准：
补货点 = 日均需求 × 补货提前期(P90)
+ 安全库存
安全库存 = Z(服务水平) × √( 提前期 × 需求方差
+ 日均需求² × 提前期方差 )
建议补货量 = 补货点 + 目标覆盖期需求
可用库存 – 可到货在途
已确认未发货PO
向上取整到：MOQ / 装箱率 / 整柜量 的最小可行倍数
这里面有两个参数最容易被拍脑袋：服务水平 Z 值和提前期方差。前者决定你愿意为「不断货」付多少钱，后者决定你的安全库存要留多厚。我的经验是，从 Z=1.28（对应约 90% 现货率）起步，跑三个月看实际缺货率，再调整。
单一触发机制一定会漏场景。我一般会配置四类触发，并按优先级排序：
四类触发的输出应该写进同一张补货建议表，但标注不同的触发来源。这样运营看到建议时，能判断这条建议是「常规」还是「临时」，处理方式不同。
补货建议不等于采购订单。中间至少要过六道闸门：需求确认、资金确认、供应商交期确认、装箱率与拼柜确认、入仓方式确认、审批留痕。任何一道闸门缺失，都会在下游变成异常。
我特别看重「装箱率与拼柜确认」这道。很多团队补货量按安全库存算得很准，但实际下单时因为凑不满一个柜，被迫加量或减量，最后参数全乱。补货量的计算必须把批量约束放进公式，而不是放在人工调整环节。
货到海外仓不等于可售。待检、贴标、换标、上架，每一步都有耗时。这些耗时如果不在系统里体现，补货计算就会把「已到仓」当成「已可售」，结果又一次高估供应。
调拨同理。海外仓到平台仓的调拨在途，应该单独设一个状态，并在计算可用库存时按「预计可售日」折算。我见过最典型的错误是：海外仓库存和平台仓在途同时被计入可售，导致补货建议被压掉，最后两边都没货。
预警规则不难写，难的是「报警之后谁做什么」。我的方案里每条预警都绑定三件事：责任人、处理时限、处理动作。没有这三样，预警就只是一个数字。
常见的预警我一般配五条：可售天数低于补货提前期 P50、在途超期率超过阈值、库龄超过 180 天占比过高、平台仓容量使用率过高、补货建议被修改率过高。最后这条最容易被忽略，但它是参数健康度的直接信号。
说明: 这张图展示同一「总库存」数字背后的结构差异，说明为什么补货计算必须按状态分列，而不能看汇总数。
前面讲的是逻辑，这一节讲我实际怎么落地。核心思路是一句话：先用分析层把参数算出来，再回到 ERP 里配置规则。顺序反了，规则就只能拍。
在项目里，我几乎从不第一天就动 ERP 的补货参数。原因很实际：你需要至少 6 到 12 个月的历史数据，才能算出需求波动率和提前期分布。而这些数据通常散在平台后台、海外仓系统、物流商账单、财务表里。
所以第一步一定是把数据拉到一起，做成能持续更新的看板。看板的价值不只是「看得见」，更重要的是它把参数计算变成了一个可以重复执行的动作，而不是一次性的分析。
这块我拿实际用过的工具举例。我在这类项目里常用的分析层工具是数跨境（官网：https://shukuajing.jiushuyun.com/），它属于跨境电商的数据分析/BI 层，不是 ERP，也不是 WMS。
这个定位很重要。它不替你下采购单，也不替你管库位，它做的是把多平台、多店铺、多海外仓的销售与库存数据整合到一起，形成可持续更新的分析视图。对我做补货方案来说，它解决的是「参数从哪来」这个问题。
我会明确告诉客户：数跨境管「算」，ERP 管「做」，WMS 管「搬」。三者边界清楚，集成成本反而低。
第一张是库存健康度看板：按 SKU 展示可售天数、周转天数、库龄分布、缺货率。这张图用来做 SKU 分层，区分急补、健康、冗余三类。
第二张是提前期分布看板：把每个供应商、每条头程线路的实际时效按 P50、P80、P90 拆开。这张图是安全库存计算的核心输入。
第三张是补货建议对比看板：系统建议量 vs 实际下单量 vs 实际到货量，三条线放一起。差异大的 SKU 会自己跳出来。
第四张是资金与成本看板：库存资金占用、仓储费、头程费、退货损耗，按 SKU 和仓别拆。这张图回答的是「这个补货策略值不值」。
在一个家居品类的项目里，我们做了一次上线前后的对比。上线前，补货建议靠运营每周拉 Excel，一个人一周花约 16 小时在数据整理和手工比对；上线后，看板自动更新，人工时间降到约 3 小时/周，剩下的时间用于异常处理。
更关键的变化是冗余库存。项目上线四个月后，库龄超过 180 天的库存金额占比从约 21% 降到约 13%。这个改善的构成里，约 45% 来自补货点参数调整，约 30% 来自多仓库存打通后的调拨替代补货，约 25% 来自退货库存的及时处置。
这些数字是单个项目的观察，不能当成行业基准，但它说明了改善的来源结构。补货准确率的提升，一半以上不来自算法，而来自库存口径和调拨能力。
需要说清楚的边界有三条。第一，不要指望分析工具替你做采购审批，审批流应该在 ERP 或专门的流程工具里。第二，不要把它当实时库存源，看板有更新频率，实时扣减要回到交易系统。第三，不要用它替代 WMS 的作业管理，库位、拣货、上架这些动作它不负责。
把边界说清楚，工具才能真正用起来。我见过太多项目失败在「什么都要一个系统做」。
同一套方案，放在不同规模、不同仓储模式、不同品类上，优先级完全不同。下面按四个维度给建议。
年 GMV 低于 300 万美元：不要上复杂的预测模型。先做两件事，把可售库存和海外仓待检库存分开，把在途按预计到货日入账。这两件事做完，断货率通常就能明显改善。
300 万到 2000 万美元：开始做 SKU 分层和参数化补货。重点是把补货建议生成从人工拉表变成规则触发，并建立审批留痕机制。
2000 万美元以上：需要区分计划层和执行层，引入独立的分析层做参数回归和滚动预测，并建立跨部门共担的库存 KPI。
以平台仓为主：核心约束是入仓限制和预约时效，方案重点应放在「海外仓备货 + 平台仓补货节奏」的联动上，而不是单纯的库存量计算。
以第三方海外仓为主：核心是多平台共享库存和尾程履约，方案重点是把海外仓可售库存准确地按渠道拆分，避免同一批货被两个渠道重复承诺。
自建海外仓：核心是作业效率与账实一致，方案重点是与 WMS 的集成和库位级库存同步，补货计算可以做得更精细。
标品、需求稳定：可以用较标准的再订货点模型，参数季度复盘即可。
季节品、强促销：必须做活动驱动的独立补货计划，且要提前锁定头程运力，不能等到触发点再补。
长尾非标品：不建议按 SKU 精细补货，改用定期补货加人工判断，把管理成本控制在合理范围。
如果团队还没有专职的补货计划岗，那么方案设计要偏向「少参数、强预警」，用少量规则覆盖大部分场景，把异常交给预警系统。反过来，如果已经有计划团队，就应该把参数配置权交给他们，系统只负责计算和留痕。
| 维度 | 情况 | 第一优先动作 | 不建议现在做 |
|---|---|---|---|
| 规模 | 年 GMV < 300 万美元 | 拆分可售/待检库存，在途按预计到货日入账 | 引入复杂预测模型 |
| 规模 | 年 GMV 300 万-2000 万美元 | SKU 分层 + 补货建议规则化 + 审批留痕 | 追求全自动补货 |
| 仓储 | 平台仓为主 | 海外仓备货与平台仓补货节奏联动 | 只看平台仓库存算补货 |
| 仓储 | 第三方海外仓为主 | 按渠道拆分可售库存承诺 | 用总库存做多平台分配 |
| 品类 | 强季节/强促销 | 提前锁定运力 + 独立活动补货计划 | 沿用常规再订货点 |
| 品类 | 长尾非标 | 定期补货 + 人工判断 | 逐 SKU 精细建模 |
方案设计本质上是取舍。下面五组取舍，是我在评审时最常被问到、也最容易做错的。
实时同步听起来更好，但成本高、稳定性差，而且在补货场景里并不必要。补货决策是「天级」甚至「周级」的动作，库存快照延迟 2 小时通常不影响结果。
我的建议是分场景：交易扣减必须实时，补货计算可以定时。平台仓可售库存需要高频同步防超卖；海外仓库存和头程在途按天同步足够。
追求极限预测精度，容易过拟合。我见过团队把模型调到 MAPE 8%，结果上线后因为参数每周大幅波动，运营完全不信任系统建议，最后又回到手工。
我的取舍是：宁可精度低一点，也要参数稳定。参数调整设阈值触发，比如连续三周偏差超过 15% 才调，避免频繁抖动。
全自动补货在跨境场景风险偏高，因为参与方太多，供应商、货代、清关、海外仓、平台。任何一个环节的临时变化，都可能让自动决策出错。
我倾向于「系统生成 + 分级审批」：金额小的常规补货自动通过，超阈值或非常规触发的补货走人工审批。这样既控制风险，也不至于让审批变成瓶颈。
多仓分备能缩短尾程时效、降低单点风险，但会增加总库存和调拨成本。判断标准是：你的销量是否足以支撑每个仓的最低运营量。
如果某个区域月销量撑不起一个仓的安全库存，那就不要分仓，改成单仓集中加尾程覆盖。分仓带来的时效收益，可能抵不过多出来的库存占用。
这是最根本的一组取舍。现货率每提升一个百分点，安全库存都需要非线性增长。从 90% 提到 95% 的成本，远高于从 80% 提到 85%。
我的做法是按 SKU 分层设不同的服务水平：爆款和引流款设高一些，长尾和清仓款设低一些。全品类统一 98% 现货率，资金占用会失控。
最后给一个我常用的推进节奏。三个阶段，每个阶段都有明确的交付物和验收标准，避免方案停在文档阶段。
交付物是库存状态字典 + 主数据映射表。验收标准是：任意一个 SKU，你能在系统里准确回答「现在有多少可售、多少在途、多少待检、多少残次」。这一条不达标，不要进入阶段二。
交付物是自动生成的补货建议表 + 结构化审批流。验收标准是：补货建议的生成不再依赖人工拉表，且每一条被修改的建议都有原因码。
交付物是基于历史数据的参数回归 + 多仓调拨建议。验收标准是：安全库存参数来自数据计算而非经验值，且调拨能够替代一部分新采购。
我一般会盯六个指标，覆盖「供应能力」和「资金效率」两个方向：
我的建议是：需求参数月度复盘，提前期参数季度复盘，服务水平年度复盘。节奏太快会导致参数抖动，太慢会让参数老化。旺季前后各加一次专项复盘。
说明: 这张图说明三个阶段的收益不是线性的，帮助读者建立合理的预期，避免在阶段一就要求缺货率大幅下降。
关于「ERP 跨境电商方案设计：采购补货场景的海外仓管理怎么做」，如果只允许我说一句话，我会说：这件事的瓶颈不在补货算法，而在库存口径和数据底座。
我在项目里见过的成功案例，几乎没有一个是靠更复杂的模型赢的。赢的通常是那些把「可售、在途、待检、残次、退货」这五个状态分得清清楚楚，把「平均时效」换成「分位数时效」，把「人工拉表」换成「参数触发」的团队。这些动作不炫技，但每一个都直接减少断货和冗余。
另一个被低估的点是：海外仓的补货方案，本质上是多系统协同方案。ERP 负责计划，WMS 负责作业，分析层负责参数回归，任何一层缺位都会让另外两层空转。所以在选型和设计时，先问「数据从哪来」，再问「规则怎么设」，最后问「动作谁执行」。
如果你现在就要动手，我建议按这个顺序走：这周先把库存状态字典写出来，确认每个状态在哪个系统、多久更新一次；下周选三个 SKU，手工跑一遍「可售天数 vs 提前期 P90」的对比，看看结论和你现在的补货动作差多少；再往后，考虑用数跨境这类分析层工具把多平台、多海外仓的库存与销量数据拉到一起，把参数从经验值换成计算值。做完这三步，你已经比大多数同行更接近一个可落地的海外仓补货方案了。
最后提醒一句：所有涉及平台仓容量、入仓预约、仓储费、税务合规的规则，都以平台和官方渠道的最新文档为准，本文提到的方法框架可以参考，具体阈值必须用你自己的数据校准。
我负责一个做家居品类的跨境团队，销售在亚马逊和独立站，货放美国第三方海外仓。以前我就是拿日均销量乘一个补货周期当安全库存，结果旺季前总是断货，淡季又压一堆货，运营天天催我改参数，我也不知道从哪儿改起。
安全库存不是一个乘法公式，它是需求波动加补货时效波动共同决定的缓冲量。可执行的做法分三步。第一步先固定口径，用最近 8 到 12 周的周销量（不是日销量）算需求标准差，同时统计头程加上架周期的分布，重点看 P85 到 P95 的分位值而不是平均值，因为平均时效意味着大约一半批次会晚于它。
第二步按目标现货率定系数，现货率 95% 对应约 1.65 个标准差，90% 对应约 1.28 个，安全库存约等于该系数乘需求标准差再乘补货周期的平方根（周期以周为单位）。第三步做业务修正：新品前 4 到 8 周没有历史数据，别硬套，用同类老品或运营预估人工兜底；促销和新品期单独一套参数；
清仓品把再订货点直接压到 0，只出不进。判断参数合不合理不看公式好不好看，而是跑 3 个月后看缺货率和冗余库龄有没有同时改善，如果缺货率降了但 180 天以上库龄占比上升，说明参数偏保守，应该下调安全库存系数，而不是继续加货。
我们同时用第三方海外仓和平台仓，经常出现一个 SKU 明明已经发了两个柜在海上，系统还是提示要补货，采购就真下单了，等货到仓发现堆了三个月的量。我一直搞不清在途到底该怎么进补货公式。
核心是给每批货打上状态和预计可用时间两个标签，而不是只记一个在途数量。可落地的做法是：把库存拆成可售、预留、待检、残次、在途（再细分为头程在途、海外仓调拨在途、平台仓在途）、退货在途，每个状态在 ERP 里是独立字段。
补货建议的统一口径是，可用库存等于海外仓可售加平台仓可售，再加预计到货日不晚于本次补货到货日的在途数量。关键是那个时间条件：如果某批在途预计到货晚于新补货的到货日，它不该抵扣本次补货量，否则会出现永远补不上货的假象；反过来，如果它早于本次到货日，就必须抵扣，否则重复补货。
还要卡两道防重复的闸门：一是采购单、头程物流单、海外仓入库预约单关联到同一个批次号，同一批次不能既算头程在途又算海外仓在途；二是调拨单生成后，源仓立刻转为调拨中不可售、目的仓生成调拨在途，两边相加等于调拨数量。
建议每周跑一次在途对账，把系统明细和物流商实际轨迹比对，超期未更新的批次单独列出来人工处理，这批数据不准，补货建议就是废的。
我们同一款产品在亚马逊有 MSKU 和 FNSKU，在独立站是另一套编码，在海外仓又是服务商自己编的 SKU，还有一个组合装。运营说某个链接断货要补，仓库说货还在，最后发现两边说的根本不是同一个东西。
要建一个以内部主 SKU 为根的三层映射：主 SKU 是唯一真相源，往下挂平台 SKU（各平台的 MSKU、ASIN、FNSKU 等）、仓库 SKU（各海外仓服务商编码），以及组合装与子件的 BOM 关系。
三个落地要点：第一，所有库存、采购、补货运算只在主 SKU 层做，平台 SKU 和仓库 SKU 只作为映射存在，这样多平台共用同一批库存时不会算重。第二，组合装必须是父 SKU 带子件 BOM，补货按子件算、按父 SKU 卖，否则组合装卖爆了会误以为子件还够。
第三，映射表要有维护流程和字段：谁在什么时候新增、对应哪个平台店铺和仓库、生效时间、是否一对多，并保留变更记录，每加一个店铺或换一家海外仓服务商就更新一次。判断映射是否健康看两个指标：一是库存同步失败的 SKU 数量，正常应接近 0，出现就说明有映射漏了；
二是同一主 SKU 在不同系统的可售库存差异率，超过 2% 就要查是否有未映射或重复映射。映射看着是脏活，但它是补货准确率的地基，这块不干净，后面所有参数和预测都是白搭。
我们海外仓每个月光退货就有几百件，仓库说货在，但很多是包装破损或被拆过，运营拿去卖经常被投诉。我在做补货建议时就很纠结，这批货到底算不算库存，如果不算，海外仓经常显示库存充足但其实不能卖。
默认不算可售，必须作为独立状态进系统，再由质检结果决定它能不能回到可售池。可执行的做法分三档：第一档待检，货到仓或退货到仓后进入待检，这段时间既不计入可售，也不抵扣补货，但要设 SLA，比如 48 到 72 小时内完成质检，超期未质检的进预警，因为待检堆积会同时造成看着有货实际缺货和资金占用。
第二档可再售，质检通过后由海外仓换标、重新包装，状态从待检转为可售，这一步转换要能回写 ERP。第三档不可再售，包括残次、过期、无法换标，走维修、拆件、销毁或弃置流程，这部分单独立账并定期核算损耗，它不该出现在补货建议的可用库存里，但必须出现在库存资金和滞销分析里。
补货参数上建议加一条规则：退货率和残次率高的 SKU，安全库存要相应上调，因为它的有效补给量比账面少。判断标准看两个口径：退货可再售率（可再售数量除以退货总量）和待检库存平均在仓时长。如果可再售率长期低于 50%，要回头查产品包装或物流环节，而不是只调补货参数。
读者评论
文章把库存口径放在补货算法之前讨论，这个顺序很对。我们之前用安全库存公式怎么算都不准，后来发现是待检和退货库存混在可售里，口径统一后问题少了一半。
在途时效只取平均值这个坑太真实了。去年旺季我们按平均35天排补货，结果P90拉到60多天，连续断货三周。后来把分位数纳入计算才缓过来，建议同行都查查自己的时效分布。
多平台SKU映射靠人工维护这条深有体会。我们在亚马逊、独立站和海外仓各有一套编码，有次两边同时补货，总库存超了40%还各自显示缺货，后来建了主数据映射表才解决。
文章说的ERP管账、WMS管动作、分析层管参数，这个三层切分很实用。我们之前把库位管理塞进ERP，结果字段两处维护，改一处忘一处，集成成本高得离谱。
审批流形同虚设这点值得所有团队自查。我们系统出建议、运营直接改数字下单，半年后想复盘补货准确率，发现没有任何留痕数据，参数优化根本无从下手。