去年10月中旬，我盯着一家居收纳类目美国站店铺的广告后台，主力SKU的ACOS是21%，转化率4.8%，广告位和自然位都在前三。按所有常规标准衡量，这套广告是健康的。但两周后这个SKU断货了9天，广告重启后的第一周曝光只有断货前的61%，ACOS冲到38%，我花了18天才把排名和转化拉回来。那次复盘之后我才真正接受一件事：广告投放的天花板不是预算，是补货周期。
这篇文章不打算再讲一遍“如何降低ACOS”，而是想讲清楚一个更上游的问题：采购补货的节奏，是怎么一层一层传导到广告投放上的；ERP在这中间到底能做什么、不能做什么；当库存和投放发生冲突时，我会按什么顺序做取舍。
文中会以数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）为例，讲我在真实项目里怎么把采购、库存、在途和广告数据拉到同一条时间轴上。案例数据做了脱敏和比例调整，但逻辑、阈值和踩过的坑都是真实的。
先把结论摆出来，后面所有内容都是围绕这句话展开的。广告控制的是需求端的水龙头，采购补货控制的是供给端的水龙头，而ERP是把两个水龙头读数放在同一块表上的那个人。只拧需求端，供给端跟不上，水会断；只拧供给端，需求端不发力，水会积。
很多运营把广告当成一个可以独立优化的模块：调竞价、调预算、加否定词、换素材。这些动作本身没错，但它们能起效的前提是，库存撑得住。库存撑不住的时候，你所有广告优化动作的收益都会被断货吃掉。
我在团队里习惯把这件事拆成三个阀门。需求阀门由广告和自然流量共同组成，决定订单进来的速度；供给阀门由采购、头程、入库、上架组成，决定货能补进来的速度；同步器就是ERP和你的周会机制，负责让前两个阀门的读数对齐。
三个阀门里，最容易出错的是“对齐”。因为广告数据是实时的，库存数据是准实时的，而采购数据往往是滞后的，它躺在采购表里、供应商的微信里、货代的邮件里。当这三份数据不在同一张表上，运营做的广告决策一定是滞后的。
如果你只想记一个指标，记“可售天数”（Days of Supply，DOS）。可售天数 = 可售库存 ÷ 近期日均销量。它比库存绝对值有意义得多，因为它把销售速度算进去了。同样是3000件库存，日销30件和日销150件，是完全不同的两种处境。
我在实际项目里，广告预算的调整不是看ACOS，而是先看这个SKU的可售天数落在哪个区间。ACOS决定我要不要优化广告结构，可售天数决定我今天该不该继续加预算。顺序不能颠倒。
因为大部分广告课程都假设库存是无限供应的。在这个假设下，广告优化确实是一个纯粹的流量效率问题：出价、素材、受众、落地页。但真实业务里，库存是一个硬约束，而且是一个有交期的硬约束，你发现库存不够的那一刻，往往已经来不及补了。
这就是为什么我把采购补货放在广告前面讲。不是采购比广告重要，而是采购的决策周期比广告长得多。广告预算今天改，明天就生效；采购单今天下，40天后才到仓。一个40天的决策周期去约束一个1天的决策周期，才是正确的时间尺度。
上面那组数字不是推演出来的，是我去年Q4一个真实项目里记录的。我把完整时间线还原一下，你大概能看出问题出在哪一步。
（1）9月28日，主力SKU日销85单，可售库存约1870件，可售天数22天。广告日预算180美元，ACOS 21%，看起来一切正常。
（2）10月2日，我提交了补货申请，数量3000件。但当时供应商在国庆假期，海运报价又涨了11%，采购和老板来回讨论了两轮，采购单实际在10月13日才下出去。
（3）10月13日下单后，供应商交期35天，头程海运32天，加上清关和入库上架约7天，总补货周期74天。也就是说，下一批货要到12月26日左右才能上架。
（4）但销售速度在10月下旬因为旺季流量上升了，日销从85单涨到110单左右。可售天数不是22天，而是快速掉到了17天、14天。
（5）11月18日，库存清零，断货9天。广告被迫暂停。
（6）11月27日到货上架，广告重启，但恢复期用了18天。
问题出在第二步到第四步之间，补货周期的长度，没有反过来约束当时的广告投放节奏。我们当时还在按“ACOS健康就继续放量”的逻辑跑，却没人算过一笔账：如果继续按110单/天卖，22天可售库存其实只够撑17天。
很多团队算断货损失只算断货那几天的GMV，这是低估的。真实损失至少包含四块：断货期间的直接GMV损失、恢复期额外增加的广告支出、排名下滑带来的自然流量损失、以及断货后期被迫降价清库或补货溢价的机会成本。
按当时的数据粗略估算：断货9天，日均110单，客单价29.9美元，直接GMV损失约2.96万美元。恢复期18天里，为了把曝光拉回来，广告日预算从180美元加到260美元，多支出约1440美元。自然流量下滑导致这18天的自然订单占比从62%降到44%，按18天总订单反推，自然订单少了约370单，折算约1.1万美元。
三项加在一起，一次断货的隐性成本大约是4.2万美元。而这批货的采购总货值不过6万美元出头。一次补货节奏判断失误，几乎吃掉了一整批货的利润。
把这件事抽象一下，会发现广告、库存、采购这三条链，各自的数据时效完全不同。广告数据是分钟级的，库存数据是小时级的，采购数据是天级甚至周级的。三条链的时间粒度不统一，就会产生断点。
广告链关注曝光、点击、转化率、ACOS、TACOS、订单速度；库存链关注可售库存、在途库存、待上架、仓容上限、可售天数；采购链关注供应商交期、MOQ、头程时效、补货点、安全库存。这三组数据如果分别躺在三个后台里，运营每天要做的不是决策，而是搬运数据。
更麻烦的是，订单速度在变化时，三条链的反馈速度不一样。广告投放带来的订单增长，会立刻消耗库存，但不会立刻触发采购动作，因为采购动作是由“补货点”触发的，而很多团队的补货点是按月设的固定值。
讲完场景，我说几个具体的认知误区。这些不是教科书上的错误，是我自己在项目里真金白银交过学费的。
ACOS只衡量广告花费和广告销售额的关系，它完全不知道你的库存还剩多少。一个ACOS 18%的广告，如果对应的SKU可售天数只剩11天，它就是危险的；一个ACOS 35%的广告，如果对应SKU可售天数90天、库龄接近120天，它反而是应该继续跑的。
我现在看广告的判断顺序是：先看可售天数，再看库龄，再看ACOS和TACOS。ACOS是效率指标，不是健康指标。效率高但方向错，跑得越快亏得越多。
很多团队在年初设一次补货点，之后一年都不改。但补货点 = 日均销量 × 补货总周期 + 安全库存，这三个变量里，日均销量会随季节波动，补货总周期会随海运价格和港口拥堵变化，安全库存会随供应商稳定性变化。三个变量都在动，补货点怎么可能不动。
我们的做法是按月复算一次补货点，旺季按周复算。特别是在平台大促前60天，日均销量往往已经比平时高30%以上，如果补货点还按淡季数据算，必然断货。
这是最典型的操作。断货了，赶紧把广告暂停；到货了，赶紧把预算加回去。听起来很合理，实际上两头都在犯错。
断货前如果提前预判，正确动作是逐步降预算、缩定向、稳住转化，而不是等到清零那一天才关。清零当天关广告，平台已经积累了一段时间的低转化信号。恢复时全额放量，等于在Listing权重最低的时候用最高出价去抢流量，ACOS必然飙升。
我见过太多人被“智能补货”“一键补货”这类说法误导。ERP能做的是：把订单、库存、在途、采购、广告数据聚合起来，按你设定的规则算出建议补货量并发出预警。但规则是你设的，异常是你判断的，供应商是你谈的。
一个没有明确补货参数和审批流程的ERP，本质上只是一个数据展示工具。系统给出建议之后，谁审批、什么额度内自动执行、什么情况下必须人工介入，这些才是ERP能不能真正跑起来的关键。
这是我踩过最贵的一个坑。广告团队只看ACOS和ROI，采购团队只看库存周转和采购成本，两边各有一套KPI，中间没有交接点。结果是广告说要放量，采购说预算不够；采购说这批货便宜赶紧订，广告说这个SKU已经卖不动了。
后来我们强制加了一个机制：每周一次库存-投放同步会，广告、采购、运营三方参加，只看一张表。这张表上必须有可售天数、在途、广告订单贡献、断货风险等级。会议不超过30分钟，但必须对下两周的广告预算和补货节奏达成书面结论。
讲完误区，进入方法论部分。这一节是全文的技术核心，我会给出公式、分档和校准方法。如果你只想要一个能直接落地的东西，就是下面这套“可售天数分档法”。
第一个是可售天数：可售天数 = 可售库存 ÷ 日均销量。日均销量的口径很关键，我一般同时看7日、14日、30日三个口径。用7日口径反应快但波动大，用30日口径稳定但滞后。我的做法是：判断紧急程度用7日，做补货计算用14日，做年度规划用30日。
第二个是补货点：补货点 = 日均销量 × 补货总周期 + 安全库存。补货总周期不是供应商交期，而是从下单那一刻到货能上架可售的全部时间，包括供应商生产、质检、头程运输、清关、入仓、上架。
第三个是安全库存：安全库存 = 日均销量 × 波动系数 × 交期标准差。这个公式看着复杂，实际用的时候简化成“覆盖7到14天的额外销量”就够用了。对于爆款和季节性强的SKU，安全库存要往高了取；对于长尾SKU，可以压到3到5天。
# 示例：SKU级可售天数与补货点计算逻辑（伪代码，非具体产品语法）
目的：把广告订单变化实时反馈到补货判断上
for sku in active_skus:
avg_sales_7d = mean(orders[sku].last_7_days) # 反应快，用于紧急判断
avg_sales_14d = mean(orders[sku].last_14_days) # 相对稳定，用于补货计算
available_qty = inventory[sku].available # 可售库存
inbound_qty = inventory[sku].in_transit # 在途
pending_qty = inventory[sku].pending_shelving # 待上架
dos = available_qty / max(avg_sales_14d, 1) # 可售天数
lead_time = supplier_lead_time[sku] \
+ qc_days[sku] \
+ first_leg_days[sku] \
+ customs_days[sku] \
+ inbound_days[sku] # 补货总周期
safety_stock = avg_sales_14d * safety_days[sku] # 安全库存
reorder_point = avg_sales_14d * lead_time + safety_stock
if available_qty + inbound_qty <= reorder_point:
alert(f"{sku} 触发补货点，建议补货 {suggest_qty(sku)} 件")
广告预算系数：由可售天数决定，而非由ACOS决定
budget_factor = lookup_budget_factor(dos)
ad_budget_next_week = ad_budget_base[sku] * budget_factor这段伪代码里有两点值得强调。第一，补货用的是14日日均销量，而不是7日，因为7日数据在促销期间会严重虚高，用它算补货容易过量。第二，也是更关键的：广告预算系数由可售天数决定，而不是由ACOS决定。这是我整个方法论里最核心的一行逻辑。
我把可售天数分成四档，每档对应不同的广告策略。这套分档不是理论推导，是我在多个类目上试错后收敛出来的，具体阈值你需要按自己的类目和补货周期调整。
（1）防御档：可售天数低于15天。广告动作是收缩而非关停。降预算、提高出价精准度、砍掉低转化词、暂停广泛匹配。目的是保住核心转化，减缓库存消耗速度，为补货争取时间。这个阶段可以适当提价3%到8%，用价格降低需求速度。
（2）维持档：可售天数15到35天。广告保持现有预算，重点是稳定排名和转化数据，不做激进放量。补货动作同步启动，如果此时还没下单，就必须按最快速的物流方案走。
（3）放量档：可售天数35到60天。这是最舒服的区间，可以逐步加预算、拓词、测试新素材。但要注意，放量的前提是在途库存已经在路上，否则一次性放量可能在两周内把可售天数打到15天以下。
（4）清货档：可售天数高于60天，或库龄超过90天。广告的目标从ROI转向去化速度，可以接受更高的ACOS，配合促销、捆绑、站外引流加速清货，同时停止补货。这个阶段最忌讳的是“舍不得花钱”，库存压着的资金成本和仓储成本往往比广告费更高。
上面的15天、35天、60天是我的经验起点，不是标准答案。校准方法只有一个：用你自己的补货周期倒推。
如果你的补货总周期是30天，那么防御档的下限应该设在30天附近，因为低于这个数意味着补货已经来不及，只能靠压缩需求。如果你的补货总周期是75天，防御档的下限就要设到75天以上，否则你其实一直在“来不及”的状态里。
这也是为什么很多卖家学别人的阈值会失效。别人的补货周期是40天，你的是75天，用同一套分档，你必然断货。
方法论讲完了，说工具。前面所有的判断都依赖一个前提：广告数据、库存数据、采购数据能在同一个界面、同一个时间轴上被看到。如果做不到这一点，再好的方法也会在“翻后台”这件事上失效。
我试过用表格手动拼。每周导出广告报表、库存报表、采购台账，用VLOOKUP拉到一起。做一张表大概要2到3小时，而且只能做周频，等表做出来，库存数据已经过期了。
真正的问题在于，广告决策是日频的，库存预警需要准实时，采购动作是周频的。三个频率的东西用手工拼，注定只能取最低频率，也就是周频。这就是为什么很多团队的库存问题总是“发现太晚”。
我在项目里用数跨境这类跨境数据工具，主要解决的是“把分散数据拉到一条时间轴上”这件事。核心看四块内容，我把它们列出来，你可以对照自己现在的工具看能不能做到。
（1）SKU级的库存-销售联动视图。同一个SKU上，能同时看到可售库存、在途、待上架、7日和14日日均销量、可售天数曲线。这条曲线是判断所有事情的基础。
（2）广告订单贡献与库存消耗的对照。广告带来的订单占总订单的比例是多少，这些订单消耗了多少库存。如果广告订单占比从40%涨到65%，但库存没同步补，那广告越成功，断货越快。
（3）补货预警与建议补货量。按前面那套公式算出补货点和建议补货量，在低于阈值时给出提醒。提醒的价值不在于“告诉你要补货”，而在于“告诉你哪天必须下单”。
（4）多店铺共享库存的分配视图。如果你的库存要在多个店铺或多个站点之间分配，这块尤其重要，因为超卖的代价比断货更高，会直接带来差评和账号风险。
需要说明的是，具体功能名称和覆盖范围会随版本变化，以官网和你实际开通的版本为准。我更想强调的是使用姿势：不要把它当成一个看板，要把它当成一个触发器。看板解决的是“我看到了”，触发器解决的是“我必须今天做决定”。
还是那家居收纳店铺，在11月那次断货之后，我做了一次系统性改造，核心就是两件事：把补货点从“按月固定”改成“按周重算”，把广告预算从“看ACOS”改成“看可售天数”。
改造在12月中旬上线，跑了接近一个完整的季度。四个关键指标的变化大致是：断货天数从季度9天降到0天；库存周转天数从96天降到71天；广告ACOS从26%降到22%；TACOS从14.5%降到11.8%。广告总花费其实没有降多少，但因为断货和滞销减少，资金效率和利润结构明显改善。
这里我要诚实一点：改善不是单一工具带来的，工具只是把决策周期从“周”压缩到“天”。真正起作用的是补货参数被重算、部门周会被建立、广告动作跟库存状态绑定了。工具是这三件事的放大器，不是替代品。
这一段补充一个细节，就是断货之后的恢复到底长什么样。很多运营以为货一到、广告一开，销量就回来了，实际上恢复是有形状的。
我记录的那次恢复用了18天。第1到3天曝光只有断货前的六成左右，转化率也低，这几天其实是在“重新教育”算法。第4到10天曝光缓慢爬升到八成，ACOS在这个阶段最高，因为流量质量还没恢复但出价已经被迫提高。第11到18天，转化率基本回到断货前水平，曝光接近九成，ACOS才回落到正常区间。
所以我的建议是：恢复期不要一次把预算拉满，按四阶梯走。第一阶梯先恢复到断货前的50%，观察3天；第二阶梯到70%，观察3天；第三阶梯到90%，观察5天；第四阶梯再考虑超过断货前水平。整个周期预留14到21天。
前面讲的是通用逻辑，但真实业务里情况差别很大。这一节按四种常见处境分别给建议，你可以直接对照自己的情况取用。
这种情况最简单，也最容易被忽视。我的建议是不要急着上复杂工具，先用一张手工表跑两周。表上至少要有六个字段：SKU、可售库存、在途、7日日均销量、可售天数、补货总周期。
每天更新一次，坚持两周，你就会发现两个问题：一是你的补货周期实际比自己以为的长多少，二是哪些SKU的可售天数在快速下滑。这两周的数据会成为你设阈值的基础。
多店铺的核心风险不是断货，是超卖。同一批库存在三个店铺共享，任何一个店铺的广告突然放量，都会把库存提前抽干，导致其他店铺无货可卖。
我的建议是先定分配规则，再谈广告。规则至少包含：每个店铺的最低保底库存、共享池的动用条件、单店广告放量的上限比例。广告放量前必须先做一次库存声明，而不是放量后补通知。
季节性类目的常见错误是，旺季前一个月才开始加大广告投放，而此时产能已经排满，交期从35天拉到55天。等到大促结束货才到，直接变成滞销。
我的做法是倒推：从大促日期往前推补货周期，再往前推一个月作为下单决策点。也就是说，大促前两个半月就要决定这批货下不下。而广告的准备工作在这个时间点就已经开始了，包括素材、关键词、测评计划。
海运价格和时效波动大的时候，用“海运32天”这种点估计做补货计算很危险。我改用区间：乐观28天、中性35天、悲观48天。补货点按悲观值算，广告的放量上限按中性值算，这样即使时效恶化，也不至于断货。
代价是库存会多一些，资金占用高一点。但对比一次断货4万元的损失，多压两周库存的成本是划算的。这是一个用资金成本换确定性的交易。
这一节讲取舍。很多人问我要不要上自动化，我的回答永远是先分清哪些动作可逆、哪些不可逆。
可逆的动作可以自动化。比如广告预算按可售天数分档自动调整，这就是可逆的，调错了明天改回来就行。比如库存低于阈值自动发预警，也是可逆的，最多是误报。再比如数据汇总、日报生成、异常标记，这些都属于可逆且高频的动作。
我一般建议把这类动作的自动化程度做到70%以上，因为人工做这些事的边际价值很低，而且容易因为忙碌而漏掉。
不可逆的动作必须人来做。下采购单是不可逆的，钱出去了，货在生产线上；调整供应链结构是不可逆的，换供应商有磨合成本；清仓降价是不可逆的，价格体系一旦破坏很难恢复。
还有一类是“涉及多方利益”的动作，比如在多个店铺之间重新分配库存，它会影响不同团队的业绩，必须人来协调。这类动作即使系统能算，也不该让它自动执行。
我的框架是两个维度：可逆性 × 信息完备度。可逆且信息完备的，交给系统全自动；可逆但信息不完备的，系统给建议、人确认；不可逆但信息完备的，系统算方案、人审批；不可逆且信息不完备的，必须人主导，系统只提供数据。
按这个框架，广告预算调整落在第一、二象限，采购决策落在第三、四象限。这也解释了为什么ERP在广告侧可以做得比较自动，在采购侧永远需要人工介入。
前面讲的都是理想节奏。真实业务里，异常才是常态。这一节给几个异常场景的处理顺序，顺序很重要，因为顺序错了会放大损失。
如果你能在断货前7到14天预判到，处理空间很大。动作顺序是：先提价（3%到8%），观察两天销量变化；再收缩广告定向，砍掉低转化和高花费词；然后降低日预算，但不要关停。
这三步的核心目的不是省钱，是降低库存消耗速度，同时保住核心排名。只要Listing还在正常出单，哪怕量小，权重也不会掉得太狠。
完全清零之后，很多人的做法是全店关广告。我的做法是保留极低预算的品牌词广告，如果能走FBM或其它仓发货，就保持最小可售状态。没有任何流量的Listing，权重下滑速度比低流量Listing快得多。
恢复期的关键是耐心。第一周不要看ACOS，只看曝光恢复率和加购数据；第二周再看转化率；第三周ACOS才有参考意义。如果第一周就因为ACOS高而砍预算，恢复周期会更长。
供应商说延期10天，实际可能延期20天。我的处理是拿到延期通知当天就重算可售天数，把广告预算按新的可售天数重新分档。不要等确认最终交期再动作，因为等你确认的时候，库存已经又少了一批。
爆单是好事，也可能是陷阱。如果爆单发生在可售天数本来就低于25天的SKU上，那它其实是一个加速断货的信号。这时候的正确动作是：不加大广告预算，同时立刻评估能否加急补货，必要时主动提价来平抑需求。
我把这个判断写成一条规则：可售天数低于30天时，任何销量增长都要先当作风险信号看，而不是机会信号。这条规则帮我避免过至少两次断货。
如果你看完想动手，我给一个四周的落地节奏。不用一次全做，按周推进更容易坚持。
目标是把广告、库存、采购三类数据对齐到SKU级别，时间口径统一到天。这一周不需要做任何决策，只需要确认数据能不能拉到一起，以及补货总周期的真实值是多少。
具体的产出物是一张SKU清单，包含可售库存、在途、7日和14日日均销量、可售天数、补货总周期五个字段。能用工具拉就用工具，不能就手工，但必须做。
按自己的补货周期设四档阈值，把防御档下限设在补货周期附近。同时给每个SKU设定安全库存天数和补货点。这一步最容易出现的问题是照抄别人的数字，记住阈值必须由自己的补货周期倒推。
选3到5个主力SKU，按可售天数分档调整广告预算，观察一周。重点是验证两件事：一是广告预算的调整有没有按计划执行，二是执行后可售天数的变化是否符合预期。
把广告、采购、运营拉到一起开一次30分钟的会，只看一张表，形成书面的下周预算和补货结论。会议的价值不在于讨论，而在于让三个角色对同一组数据达成共识。
| 周次 | 核心任务 | 关键产出 | 常见卡点 |
|---|---|---|---|
| 第一周 | 三类数据对齐到SKU级 | SKU主数据清单（含补货总周期） | 采购数据在个人手里，没人愿意整理 |
| 第二周 | 设定四档阈值与补货点 | 阈值表 + 预警规则 | 直接抄别人阈值，未按自身周期校准 |
| 第三周 | 3-5个主力SKU试跑联动 | 预算调整记录 + 可售天数变化 | 只看ACOS，忽略了库存状态 |
| 第四周 | 建立周会机制并复盘 | 书面预算结论 + 补货结论 | 会议变成汇报会，没有决策输出 |
能用，而且我建议小卖家先用表格跑。核心不是工具，是三个数：可售库存、日均销量、补货总周期。这三个数用表格算完全够。等SKU数量超过100个、店铺超过2个，再考虑上工具，否则工具反而增加维护成本。
两个都要用，用途不同。判断紧急程度用7日，因为它反应快；做补货计算用14日，因为它抗促销干扰。30日口径只在做年度规划和预算时用，不要用它做补货决策，太滞后。
如果你能保留最小可售状态（比如换个发货方式），不要完全关停，保留极低预算的品牌词投放即可。如果确实完全无货，那只能暂停，但要提前把预算降下来，而不是清零当天才关。
要注意两点：一是库存同步延迟，多平台之间通常有1到4小时甚至更久的延迟；二是分配规则，每个店要设最低保底库存。放量前先做库存声明，放量后每两小时看一次可售天数，而不是一天看一次。
取决于两件事：供应商稳定性和交期波动。供应商稳定、头程时效波动小的，3到5天够用；供应商不稳、旺季头程拥堵的，建议7到14天。爆款和季节性强的SKU取上限，长尾SKU取下限。
两种情况。第一种是产品生命周期极短，比如快时尚或潮流品，补货周期根本赶不上流行周期，这时候应该靠小批量快返而不是靠参数计算。第二种是需求本身极度不稳定，比如完全依赖单一网红带货的品类，日均销量的参考价值有限。这两种情况要换一套逻辑。
这篇文章的核心观点其实只有一句：广告投放的稳定性，取决于采购补货的确定性。广告可以放大需求，但它无法创造供给。当你把供给的节奏搞清楚了，广告的每一个动作才有意义。
我见过很多运营花大量时间研究竞价策略、素材迭代、受众分层，却从没算过自己主力SKU的可售天数和补货周期。这不是能力问题，是视角问题，大家习惯了在广告后台里找答案，而答案其实在采购表里。
如果你今天想做一件事，就做这一件：挑出你销量最高的5个SKU，算出它们的可售天数和补货总周期。不用工具，Excel就行。算完之后你大概率会发现，至少有一个SKU的可售天数已经低于你补一次货所需的时间。那个SKU，就是你今天最该处理的事。
工具层面，如果你需要把采购、库存、在途和广告数据拉到一条时间轴上，可以看看数跨境（https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys），但请记住，工具解决的是“看得见”，真正决定结果的是你设定的阈值、你建立的周会、你在库存告急时敢不敢踩下广告刹车。这三件事，没有任何工具能替你做。
我做亚马逊和独立站各一个店，广告刚把排名推上去，货就没了，等补货到仓排名又掉回去，来回折腾了三次。我一直用感觉补货，销量好的时候多备一点，但总踩不准。想知道有没有一个能直接套用的算法，把补货点和广告节奏绑在一起。
补货点的核心是让「下一批货到仓的时间」早于「现有库存卖完的时间」。可用公式：补货点 = 日均销量 ×（供应商交期 + 头程时效 + 入仓上架缓冲天数）+ 安全库存。日均销量不要用全周期平均，取近 14 天或近 28 天加权，并把广告带来的增量单独标出来，否则大促期的爆量会把补货点算低。
安全库存建议按波动设置，日销标准差大或季节性强的类目取 7 到 14 天销量，稳定款取 5 到 7 天即可。关键动作是把「可售天数 = 可售库存 ÷ 近 7 天日均销量」做成日报，可售天数跌到 30 天就准备下单，跌到 20 天必须已经发出，跌到 15 天以下就不再放广告预算。
阈值不是通用的，你要用自己历史断货记录反推：把过去几次断货时的可售天数拉出来，取一个「不难受」的值作为红线。
我经常遇到两种情况：一种是库存多到要交长期仓储费，我想猛砸广告清掉，又怕 ACOS 失控；另一种是库存不多，但链接排名正好，舍不得降预算。到底按什么指标来决定加预算还是减预算，我心里没底。
用「库存可售天数」和「库存周转阶段」两个维度一起判断，而不是看 ACOS 单项。可售天数大于 90 天且属于清货款，广告目标就从利润转为回款，允许 ACOS 高于毛利，但设一个亏损上限，比如单件亏损不超过售价的 15%，到线就停。
可售天数 45 到 90 天属于健康区间，此时广告以维持排名和稳定订单速度为主，预算按周调整，每次调整幅度控制在 20% 以内，避免转化率数据被打乱。可售天数 30 到 45 天进入防御期，收缩低效词和宽泛匹配，把预算集中到核心出单词，同时暂停拓词测试。
低于 30 天直接降预算、缩定向，甚至可以小幅提价来压需求。判断依据是订单速度要匹配补货能力，广告订单涨得比补货快，最后只会用断货换来一次排名下跌。
我之前断货两周，货一到就把预算和出价调回原来的水平，结果广告跑得很差，转化率比断货前低一半，ACOS 高得离谱。后来我把预算调小一点慢慢加，感觉好一些，但不确定是不是心理作用。想知道有没有更清晰的恢复步骤。
断货期间广告的学习数据、转化权重和自然排名都会受损，所以恢复要分阶段，不能一步拉回。第一步先补库存可售天数到 30 天以上再开广告，库存没到位就开，等于把预算再烧一次。
第二步用 3 到 5 天做低价小预算重启，出价设在历史出价的 60% 到 70%，只保留转化最好的 5 到 10 个精准词，目的是重新积累点击和转化样本。第三步观察 7 天，当转化率恢复到断货前 70% 以上、ACOS 落在可接受区间，再把预算按每 3 天 20% 的幅度往上加。
第四步再放开匹配方式和拓词。这里要特别注意归因窗口，不同平台归因周期不一样，别用刚开广告 2 天的数据下结论，至少看满一个完整归因周期再判断。
我上 ERP 的初衷就是不想每天手工拉表格对库存和广告，但销售跟我说系统能自动算补货建议，采购又担心系统自动下单会买错。我也怕全自动之后广告预算失控，所以想搞清楚哪些环节真的能自动化，哪些必须留人工卡点。
ERP 能做的是数据同步、规则计算和预警，不能替代你的经营判断。可以放给系统自动执行的部分包括：订单与库存同步、在途库存合并计算、可售天数日报、低于补货点触发提醒、广告订单与自然订单拆分、库存与广告数据合并看板。必须保留人工审批的部分包括：实际下单数量、供应商选择、广告预算调整幅度、清货定价。
落地时先做三张看板：库存健康度看板、在途与到仓计划看板、广告订单贡献看板；再设三条预警：可售天数低于阈值、广告订单突增超过日均 50%、供应商交期延期；最后定两条 SOP：广告调整超过 20% 需运营主管审批，补货下单需采购确认。
判断系统是否可用，不看功能清单有多长，而看数据同步延迟有多久，库存同步延迟超过 1 小时的多平台卖家，超卖风险会明显上升，这种情况宁可先做人工双检。
读者评论
断货后曝光恢复慢于转化率这点很真实。我们店也遇到过，货到后ACOS飙到40%多，花了两周才压回来。文章把可售天数放在ACOS前面看，这个顺序确实该改。
采购周期74天却按22天可售天数备货，问题不在广告而在补货点没随日销更新。我们团队也是按月设补货点，旺季前经常来不及，打算改成按周复算试试。
损失拆解里自然流量那1.1万美元最扎心，因为它不进广告报表，复盘时根本看不见。不过ERP只能同步数据，供应商交期和货代节点还是靠人工回报，这部分延迟不好解决。