先说一个我复盘过多次的真实场景。去年第四季度，一位做家居收纳的卖家找我算账：他有一个 SKU 日出单稳定在 55～65 单，毛利率 38%，在选品表里评分很高，于是他一次下了 2000 件。问题出在后面，供应商交期 35 天，头程海运再加 18 天，算下来从付款到可售差不多 55 天。第一批货还没到仓，平台同款开始打价格战，售价降了 12%；等货到齐，仓储费、退货处理费一叠加，这个"高毛利爆款"最终净利只剩 4.7%，而他为此压了 6 万多现金整整两个月。
真正让他亏钱的不是选错了需求，而是选错了补货结构。这也是我写这篇文章的起点：选品策略的上限，往往不是由需求决定的，而是由补货能力决定的。围绕采购补货来拆解选品，把 ERP 从"打单工具"重新理解为"补货规则引擎"，是我这几年来在跨境业务里验证过最省学费的一条路。
大部分人选品的顺序是：找需求 → 看竞争 → 算毛利 → 上架 → 卖不动再换。这套顺序的问题在于，它把最难反悔的环节放在了最后。采购一旦下单，现金就出去了，起订量、交期、头程、退货率这些变量全部锁死，此时再发现"这个品不适合我"，代价已经产生。
我更推荐的顺序是反过来的：先算补货账，再决定要不要看需求。下面四条是我在实操中反复验证过的判断，也是全文的骨架。
一个 SKU 能不能做，先看三件事：能不能按我需要的节奏补到货、能不能用我承受得起的资金量补、能不能在货到之前不被市场变化打穿。这三件事都过线，再去看需求和竞争。反过来，需求再好但补货结构不成立，那就是一道注定做不长的生意。
我见过太多"选品表打 90 分、实际做三个月就放弃"的案例，最后统计原因，七成以上落在补货环节：交期太长、MOQ 太高、供应商断供、资金周转不过来。需求判断错误的其实只占少数。
如果 ERP 只是用来抓单、打面单、导报表，那它和选品策略没有直接关系。真正有价值的是把散落在采购、仓储、平台后台里的数据，变成可以自动执行或半自动执行的规则：再订货点、安全库存、补货建议单、供应商交期评分、SKU 分级标签。
规则的稳定性，决定了选品能不能规模化复制。一个靠人盯着的补货流程，最多管 50 个 SKU；一个靠规则跑的补货流程，管 500 个 SKU 也不会明显失控。
毛利率是单件视角，资金周转是全局视角。同样两个 SKU，A 毛利 35%、60 天周转一次，B 毛利 22%、20 天周转一次。粗看 A 更赚钱，但如果资金有限，B 的年化资金回报往往更高，而且抗风险能力强得多。
我的经验是：当资金规模小于 50 万时，周转速度的权重应该高于毛利率；当资金规模足够大、能承受多批在途时，才可以适度放宽周转，去换更高毛利。
每一轮补货都会产生真实数据：实际到货天数、实际售罄天数、退货率、断货天数、清库存折价幅度。这些数据不回写到选品标准里，下一轮选品就还是在猜。我通常会把这些数据折算成供应商评分和 SKU 标签，作为下一轮初筛的门槛。
下面这张图是我在多个店铺上观察到的选品漏斗：从初筛 200 个候选 SKU，到最后能稳定放量的，通常不到 15 个。
我最早做选品，用的是一张很标准的 Excel：平台销量、竞品数量、价格带、毛利预估、评分。表格做得越复杂，越给人一种"科学决策"的错觉。真正让我改方法的，是连续两次事故。
那是一个客单价 19.9 美元的厨房小工具，日销 40 单左右，供应商交期报价 25 天。我第一次补货时按"日销 × 30 天"下了单，自以为留了缓冲。结果生产排期延后 6 天，头程清关又卡了 4 天，实际到货用了 38 天。
断货那 22 天里，链接排名从类目前 200 掉到 800 名开外，重新推起来花了将近两个月广告费。这次事故让我意识到，交期不是一个固定数字，而是一个有波动的区间。用平均值做补货决策，等于假设供应商永远不掉链子。
第二次是方向相反的错。我同时上了三个毛利率 40% 以上的 SKU，每个都按 MOQ 最低档下单，加起来压了 11 万现金。这些货周转周期都在 75 天以上，其中一个还因为尺码问题退货率高达 14%。半年后清库存，平均折价 30% 出手。
两次事故的共同点不是需求判断错，而是我在选品阶段完全没有把补货结构、资金占用、退货成本纳入评估。选品表里的"毛利 40%"是账面毛利，不是到手利润。
从第三次开始，我改了流程：任何 SKU 在进入测款前，必须先跑一遍补货模型，包括实际交期区间、MOQ 对应的资金占用、预计周转天数、退货率区间、头程成本占比。跑不过的，需求再好也先放一边。
这个改变的效果非常直接。我把改流程前后六个月的店铺数据做了对比，最明显的变化是滞销 SKU 占比和资金占用天数。
补货模型要跑得起来，前提是数据在系统里，而不是在七个 Excel 里。这是我开始认真看工具的原因。我近期比较关注的一个方向是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys），它的定位偏向跨境电商的数据与供应链协同场景，正好落在"采购补货，库存，选品"这条主线上。
我判断一个工具值不值得用，不看它的功能列表有多长，而看三件事：基础数据字段能不能承载补货模型、采购与库存能不能联动、报表能不能直接回答"补什么、补多少、什么时候补"。下一节会具体展开这三条判断标准。
我在交流中见过大量"上了 ERP 但选品还是靠感觉"的情况。工具没问题，问题在于使用方式和评估口径都偏了。下面六个误区，是我自己踩过或者反复见别人踩的。
平台显示的销量是"已成交"，不是"可持续成交"。它包含了大促堆量、广告强推、达人一次性带货带来的脉冲。如果直接拿这个数字做补货基数，很容易在脉冲结束后形成库存积压。
我的做法是用近 8 周的周销中位数替代平均日销，同时看变异系数。变异系数超过 0.6 的 SKU，补货基数要打七折，安全库存要往上加，而不是照搬均值。
账面毛利 = 售价 − 采购价。实际净利 = 售价 − 采购价 − 头程 − 平台佣金 − 支付手续费 − 仓储费 − 退货处理 − 清库折价。我在前面提到的那个家居收纳案例，账面毛利 38%，实际净利 4.7%，差额就是被这条链路吃掉的。
下面这张瀑布图是我常用的成本拆解模型，能很直观地看出利润在哪一层被消耗掉。
"免费 ERP"是这个关键词下的强钩子，我理解它的吸引力。但免费通常有边界：店铺数上限、订单量上限、协作人数上限、增值模块单独收费、数据导出受限。真正的成本不在订阅费，而在你的流程被工具的边界卡住时，需要付出的人力补位成本。
判断方法很简单：把你要跑的补货模型写成字段清单，逐条去对免费版能不能支持。支持不了的字段，你是打算人工补，还是升级？人工补的话，一个月多少工时？这个换算做完，"免费"两个字的分量就清楚了。
不同平台的销售节奏、退货率、履约时效要求差别非常大。一个在新兴平台日销 30 单的 SKU，挪到成熟平台可能只有 8 单，但退货率翻倍。用同一套再订货点，必然一边缺货一边积压。
正确做法是按"平台 × 仓库"维度分别维护补货参数，而不是按 SKU 维度一刀切。这一点在系统配置里如果做不到，人工维护的成本会随 SKU 数线性上升。
有些品类天生退货率高：服装尺码、鞋类、需要安装的家具、电子配件兼容性。这些品类不是不能做，而是需要更高的毛利垫底，或者更强的本地售后能力。
我给自己定过一条线：退货率长期高于 8% 且毛利低于 30% 的品类，不进主推位。这条线帮我避开过几次看起来很美、实际一直在填坑的选品。
这是最普遍的一种浪费。打单只是数据流的下游，真正有价值的是上游，采购建议、库存预警、周转分析、供应商交期达成率。系统里明明有这些数据，但从来没人拿它做过一笔采购决策，等于花了钱只用了 20% 的功能。
讲完误区，说方法。我的判断逻辑可以概括成一句话：把补货约束前置成选品的硬门槛，把需求判断放在门槛之后。具体拆成五个约束维度、两个核心公式、一张评分卡。
任何一个候选 SKU，我会先用这五个维度过一遍，任何一项不达标就暂缓，而不是"先做起来再说"。
| 约束维度 | 核心问题 | 不达标的典型表现 | 可接受的参考区间 |
|---|---|---|---|
| 采购交期 | 从付款到可售需要多久 | 交期超过 45 天且波动大 | 轻小件 ≤ 30 天，重货 ≤ 45 天 |
| 起订量（MOQ） | 最小采购批量占用多少资金 | MOQ 折算金额超过月净利 3 倍 | 首单占用不超总流动资金的 15% |
| 资金周转 | 多久能回本并产生二次采购能力 | 周转天数超过 75 天 | 目标 45 天以内，容忍上限 60 天 |
| 退货率 | 售后会吃掉多少毛利 | 退货率高于 10% 且毛利低于 35% | 退货率 ≤ 8%，或毛利足以覆盖 |
| 仓储与体积 | 长期仓储费和体积重成本 | 抛货、体积重大、易损 | 体积重占实重比例 ≤ 1.5 |
再订货点回答"什么时候补"，安全库存回答"留多少缓冲"。这两个公式是整个补货模型的地基。
再订货点 = 日均销量 × 采购总交期 + 安全库存
安全库存 = 安全系数 × 日销标准差 × √采购总交期
这里的"采购总交期"不是供应商报的生产天数，而是生产 + 质检 + 头程 + 清关 + 入仓上架的全链路天数。很多人只算生产天数，这是断货最常见的根因。
# 再订货点与安全库存计算示例（示意参数，请按实际业务替换）
日均销量取近8周周销中位数 / 7，而非平均值
avg_daily_sales = 42 # 件/天
daily_std = 12 # 日销标准差，反映波动
lead_time_days = 38 # 采购总交期：生产25 + 质检3 + 头程8 + 清关2
service_level = 0.95 # 目标服务水平 95%
z_score = 1.65 # 95% 服务水平对应安全系数
safety_stock = z_score * daily_std * (lead_time_days ** 0.5)
reorder_point = avg_daily_sales * lead_time_days + safety_stock
print(f"安全库存: {safety_stock:.0f} 件")
print(f"再订货点: {reorder_point:.0f} 件")
输出结果约为：安全库存 122 件，再订货点 1718 件
注意：服务水平从95%提到99%，安全系数从1.65升到2.33，
安全库存增加约41%，资金占用同步上升，这是必须做的取舍。
这段代码里有两个容易被忽略的细节。第一，我用日销标准差而不是最大值，避免安全库存被极端值推高。第二，服务水平每提高一个档位，安全库存会非线性上升，95% 到 99% 意味着多压 40% 以上的缓冲库存，这个成本必须被明确看见。
供应商不是同一类角色。我会把供应商按交期达成率分三层：A 层达成率 95% 以上，可按标准交期计算；B 层 85%～95%，交期上浮 15% 并使用更厚安全库存；C 层低于 85%，只用于测款小批量，不进主推。
这个分层带来的直接好处是，你不会因为一两个不靠谱供应商，把整体安全库存都抬高。过去我吃过这个亏：为了迁就一家经常延期的工厂，把全线 SKU 的交期都按最长值算，结果整盘库存成本上去了，只有那个供应商受益。
为了让团队能一致执行，我把这套逻辑做成了评分卡。总分 100，补货相关占 55 分，需求相关占 45 分。补货项低于 30 分的 SKU，无论需求分多高，一律不进测款。
| 评分项 | 权重 | 评分标准（满分） | 数据来源 |
|---|---|---|---|
| 采购交期合理性 | 15 | ≤25天=15分，26-35天=11分，36-45天=6分，>45天=0分 | 采购系统实际到货记录 |
| MOQ 资金适配度 | 12 | 首单占用≤10%流动资金=12分，≤20%=7分，>20%=0分 | 采购模块 + 资金台账 |
| 预计周转天数 | 15 | ≤40天=15分，41-55天=10分，56-70天=5分，>70天=0分 | 库存周转报表 |
| 退货率区间 | 8 | ≤5%=8分，6-8%=5分，9-12%=2分，>12%=0分 | 平台售后数据 |
| 供应商交期达成率 | 5 | A层=5分，B层=3分，C层=0分 | 供应商评分表 |
| 需求热度与稳定性 | 25 | 按周销中位数与变异系数综合打分 | 平台数据 + 搜索词工具 |
| 竞争强度与价格带 | 20 | 按竞品数量、价格分布、头部集中度打分 | 竞品分析 |
这张表最大的价值不在于分数本身，而在于它把"我觉得这个能做"变成了"它在哪一项上不够格"。团队讨论的效率会完全不一样。
抽象的方法讲完，换成具体场景会更容易落地。下面三个场景都是我在实操中处理过的类型，其中会用数跨境（https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）作为工具侧的举例，说明采购补货数据怎么进入选品判断。需要提前说明：以下数值为脱敏整理与情景推演，用于展示判断过程，不代表任何具体企业的经营结果。
这类产品的特点是单价低（8～20 美元）、体积小、日销稳定、补货频率高。它们对补货模型的要求是快速响应而不是精确预测。
我的做法是把交期压到 20 天以内，再订货点按 12 天日销算，每周跑一次补货建议，供应商保持两家以上备选。这类 SKU 单个利润薄，但周转快，只要不断货，就是稳定的现金流来源。
工具侧的关键是库存同步的准确性和采购建议的自动化程度。如果两个平台的库存数据不同步，很容易出现"卖超"。这也是我在评估数跨境这类工具时最先看的一项能力：多平台库存能否实时对齐、在途库存是否计入可用量。
独立站的长尾 SKU 逻辑完全不同。它们的需求更分散，单 SKU 月销可能只有 20～50 件，但因为客单价高，可以容忍更长的周转。
这类场景我的策略是用低起订量换宽 SKU 覆盖，用高毛利覆盖慢周转。具体来说，MOQ 控制在小批量、供应商就近，允许 60～75 天周转，但要求净利率不低于 25%。低于这条线的长尾 SKU，我会果断砍掉，而不是"留着看看"。
这里有个反直觉的判断：长尾 SKU 的淘汰速度应该比爆款更快。因为长尾占用的是同样的采购和管理精力，但产出低，长期挂着会持续消耗注意力。
这是很多人纠结的问题：什么时候该从一件代发切到自备货？我的判断标准不是销量绝对值，而是三个信号同时出现。
三个信号缺一个，我都会选择继续代发或者做混合模式。提前切换最常见的后果是现金被压住，而原来的代发渠道又已经放弃了，等于两头受损。
下面这张雷达图，是我对三类场景在补货能力要求上的适配度对比。
我把近一年做过的 SKU 按"是否通过补货模型筛选"分成两组，看它们在三个月后的表现差异。结论比我预想的更明显：通过筛选的 SKU，三个月存活率高出近 30 个百分点，而单个 SKU 的平均净利贡献也更高。
| 观察指标 | 未通过补货模型 | 通过补货模型 | 差异解读 |
|---|---|---|---|
| 三个月存活率 | 51% | 79% | 筛选前置显著降低了试错成本 |
| 平均周转天数 | 68 天 | 44 天 | 资金回收速度提升约 35% |
| 平均退货率 | 9.6% | 6.2% | 高退货品类在筛选阶段被剔除 |
| 单 SKU 月均净利 | 980 元 | 2130 元 | SKU 数减少但总产出上升 |
| 补货达成率 | 63% | 88% | 规则化补货后的执行稳定性提升 |
这张表的样本量不大，属于我自己的经营样本，不能当作行业基准。但方向上是一致的：补货可行性筛选会减少 SKU 数量，却提升单位 SKU 的经营质量。
我在看数跨境这类跨境电商数据与供应链协同工具时，会重点核对四项能力，因为它们直接决定了前面那套模型能不能跑起来。
（1）基础数据承载力。SKU 档案里能不能维护供应商、交期、MOQ、采购价、体积重这些字段，而不是只有一个商品名和编码。
（2）采购与库存的联动。采购单是否自动增加在途库存、到货是否自动转入可用库存、在途是否能参与可售量计算。这一步做不好，补货建议就会失真。
（3）报表的决策指向性。报表能不能直接输出"建议补货清单"，而不是让人自己去 Excel 里算。周转天数、售罄率、滞销天数这几张表是必须有。
（4）多平台多仓库的维度灵活性。补货参数能不能按平台、按仓库分别设置，前面提到过，这是最容易踩坑的地方。
同样一套补货，选品逻辑，在不同阶段的落地方式差别很大。下面按四种典型情况给具体动作，都是我自己跑过或看别人跑通的版本。
这个阶段不需要复杂的系统。用一张表把五个字段维护起来就够：SKU、供应商、总交期、MOQ、日均销量中位数。每周固定一天算一次再订货点，人工下单。
关键动作是养成记录实际到货天数的习惯。三个月后你就有自己的交期数据，而不是依赖供应商的口头承诺。这一步看起来笨，但它是后面所有模型的基础。
多平台最容易出现的问题是超卖和重复采购。行动顺序应该是：先统一 SKU 编码 → 再打通各平台库存 → 再建立在途库存池 → 最后才是补货规则。
如果在库存同步没解决的情况下就上补货建议，系统会基于错误数据给你错误建议，反而比人工判断更糟。这也是我在评估工具时把"多平台库存对齐"排在第一位的原因。
如果你有供应链优势，选品策略可以更激进：允许更低毛利，因为交期短意味着周转快、安全库存低、资金占用小。这类卖家最适合做"高频次、小批量、多 SKU"的组合。
反过来，如果供应链优势不在你手里，就应该选择高毛利、低周转要求、需求稳定的品类，用利润空间覆盖较长的资金占用。
我见过最常见的组织问题是：选品的人只考核上新数量，采购的人只考核不断货。结果选品的人不断引入交期长、MOQ 高的品，采购的人拼命加班补窟窿。
我的建议是把"补货达成率"和"库存周转天数"同时纳入选品岗的考核。当选品的人要为新品的周转负责时，他自然会在选品阶段就把补货账算清楚。
下面这张图展示的是我在团队里设的补货达成率目标区间，以及不同达成率对应的处理动作。
讲完方法，必须讲取舍。任何一套补货，选品模型都是在多个目标之间做权衡，没有全赢的选项。我把最常见的四组取舍列出来，方便你在自己的业务里做判断。
交期短、起订量低、资金占用小，这三件事几乎不可能同时满足。供应商愿意给你短交期，通常是因为你量大；愿意给你低起订量，通常是因为价格更高或交期更长。
我的取舍原则是：测款阶段优先保起订量低，放量阶段优先保交期短。也就是用高单价的小批量测试需求，用低单价的大批量换取交期保障。不同阶段用不同策略，比全程追求一个"完美供应商"更现实。
如果免费版能满足你的字段需求，人工处理每月不超过 5 小时，那就没必要升级。但如果它导致你每个月要花 20 小时以上在 Excel 里搬数据，或者因为库存不准产生超卖罚款，那省下的订阅费远远不够补这个洞。
判断标准不是"贵不贵"，而是"它让你多花了多少人的时间"。把人力成本折算进去，答案通常很清楚。
宽 SKU 的好处是能覆盖更多需求、测试更多可能；坏处是管理成本高、单个 SKU 采购量小、议价能力弱。深 SKU（少而精）的好处是采购集中、周转快、供应商关系深；坏处是抗风险能力弱，一个爆款掉量就是大缺口。
我的经验是：资金规模小于 100 万时，深 SKU 更安全；资金规模较大且供应链稳定时，可以适度做宽。宽的前提是有足够的人手和系统支撑，否则会变成"宽而乱"。
自研的好处是字段和流程完全贴合自己；坏处是维护成本高、迭代慢、依赖技术人员。SaaS 的好处是开箱即用、平台对接持续更新；坏处是个性化空间有限。
我的判断是：除非你的采购补货逻辑本身就是核心竞争力，否则不要自研。大部分卖家的问题不是工具不够贴合，而是根本没建立起补货规则。先有规则，再谈工具的适配度。
| 取舍维度 | 选择 A | 适用条件 | 选择 B | 适用条件 |
|---|---|---|---|---|
| 交期 vs 起订量 | 短交期、高 MOQ | 需求已验证、资金充裕 | 长交期、低 MOQ | 测款阶段、需求不确定 |
| 免费 vs 付费 | 免费版 + 人工补位 | SKU 数 < 100、流程简单 | 付费版 + 自动化 | 多平台多仓、SKU 数 > 200 |
| 宽 SKU vs 深 SKU | 宽覆盖 | 系统成熟、团队齐全 | 深聚焦 | 资金有限、人手紧张 |
| 自研 vs SaaS | 自研 | 补货逻辑是核心壁垒 | SaaS | 规则尚未成型、追求快速落地 |
最后给一份可以直接照着做的清单。这套节奏我自己跑过两轮，也帮朋友落地过几次，节奏上比较稳妥。
这一周的目标不是做决策，而是让数据在同一个地方能被查、被算。如果这一步没做完就急着补货，后面全是返工。
这一个月最重要的产出不是补货单，而是一套属于你自己的交期数据和周转基线。有了基线，后面的选品判断才有参照。
90 天之后你会看到一个明显变化：SKU 总数可能减少了，但总利润反而上升。这正是补货前置筛选的价值所在。
回到文章开头那个 38% 毛利、4.7% 净利的案例。如果当初在选品阶段就跑一遍补货模型，他会发现三件事：交期 55 天意味着安全库存要按近两个月销量准备；2000 件的 MOQ 对应的是五万以上的资金占用；而平台的降价风险在这个周转周期里几乎必然出现。这三条中的任何一条，都足以让他先做小批量测试，而不是一次性下重注。
我的核心观点可以用一句话概括：选品不是先找需求，而是先确认这个需求能不能被稳定、低成本、可重复地补上货。ERP 的价值不在于替你选品，而在于把采购、库存、补货、利润相关数据变成可执行的选品规则。
如果你现在就准备动手，我建议从最小的动作开始：今天先把交期和 MOQ 这两个字段补进你的 SKU 表，下周算出第一批 20 个 SKU 的再订货点。跑完这一轮，你会对哪些 SKU 值得投入、哪些应该放弃，有一个完全不同以往的判断。
工具层面，如果你正处在需要系统化承载采购补货数据的阶段，可以了解一下数跨境（https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）这类偏跨境电商数据与供应链协同的工具，它更适合已经有明确补货规则、需要把规则落进系统的团队；如果你还没建立起基础字段和交期数据，先用表格跑三个月，反而是更省钱的路径。
我做跨境两年多，一直在 Excel 里手动记库存，补货基本靠感觉。有几次爆单前刚好补上，纯属运气；更多时候是货到了卖不动，或者断货两周眼睁睁看着排名掉。我想知道有没有一套能写进 ERP 的计算口径，而不是每次都拍脑袋。
先把两个概念分清：再订货点是“什么时候下单”，安全库存是“为波动留的缓冲”。基础口径是：再订货点 = 日均销量 ×（采购交期 + 头程与入库天数）+ 安全库存；安全库存 = 日均销量 × 交期波动天数 × 服务水平系数，服务水平系数简化取 1.3（约 90% 满足率）到 1.65（约 95%）。
举个示例：某 SKU 近 30 天日均出 30 件，供应商生产 15 天、头程加清关入库 7 天，历史到货最多比承诺晚 5 天，那么再订货点 = 30 × 22 + 30 × 5 × 1.5 = 660 + 225 = 885 件（以上为假设示例，不是真实经营数据）。
三个关键细节：一是日均销量用近 14 天和近 30 天加权，取较大值更保守，别用累计平均值，会被几个月前的高峰带偏；二是交期必须用 ERP 里实际到货日期减去下单日期算出的“实际交期”，而不是供应商口头承诺的交期，我只用实际交期；
三是促销、旺季、平台大促前把再订货点整体上浮 20% 到 50%，这类 SKU 在 ERP 里单独打标签、单独设规则，不要和日常 SKU 共用一套阈值。
我看别人推荐选品就是看搜索热度、看竞品销量、看利润空间，但真正上手之后经常发现：货是卖得动，就是补不上，或者起订量太高不敢压。我怀疑选品的第一步根本不该是找爆款，而是先看这个品能不能被稳定地补。
把采购补货当成选品的准入考试，我一般设三道硬门槛，任何一道不过就直接放弃，不做测款。第一道是交期门槛：实际采购交期加上头程入库天数，必须小于你能承受的断货天数，比如你做的是高频复购类目，断货 10 天就会明显掉权重，那么总交期超过 20 天就不适合做主推款，只能做长尾备货款。
第二道是资金门槛：起订量 × 采购单价必须小于你为单个测款 SKU 设定的预算上限，我自己的红线是单 SKU 初始占用不超过可动用采购资金的 15%，否则一个品压住现金流，后面看到机会也上不了。
第三道是供应弹性门槛：至少两家供应商能供货，且其中至少一家接受低于标准起订量的小批量翻单，否则第一次补货就可能被卡死。具体动作上，我会在 ERP 里先维护供应商、采购交期、起订量、采购价这四个字段，然后用历史到货记录算出每个供应商的准时率；
只要实际交期波动超过承诺交期的 50%，这个供应商就降级为备选，主推款不挂在他身上。这三道门槛走完，剩下的品才值得进入测款，选品的命中率会明显比只看热度高。
公司预算有限，我看很多系统都写着免费，功能列表也很长，多平台多店铺、一键刊登、订单同步都有。但我真正想解决的是补货和利润核算，不太确定免费版是不是刚好把这块阉割掉了，也不知道后面会不会有各种加钱的地方。
判断标准很简单：看三件事能不能做到，缺一件就说明它只能当打单工具，补货还得靠人工。第一，库存是不是分“可售、占用、在途”三个口径同步到各平台，如果只有一个笼统的库存数字，多平台同时出单一定会超卖。
第二，能不能按 SKU 生成采购建议单，并且建议里带供应商、交期、起订量、本次建议数量，还能走审批和到货跟踪；如果只能手工建采购单，那补货规则写不进系统，等于没落地。第三，有没有 SKU 级别的利润报表，能把采购价、头程、平台佣金、退货、仓储摊销都算进去；
只有毛利率没有全链路成本的报表，会持续给你错误信号。至于隐性成本，签约前一定要问清单：月订单量上限、店铺数量上限、API 或插件是否单独收费、超出后单价多少、是否需要额外购买仓储模块、导出数据和接口是否受限。
核算方式我建议不要看标价，而是算总持有成本：把月订单量乘上超量单价，再加上必需的付费插件和可能的仓储模块，和付费方案横向比。很多“免费”方案在订单量上来以后，实际成本会比直接买付费版更高，而且你的采购数据、供应商交期这些核心资产全被锁在一个能力不全的系统里，迁移成本才是最贵的那部分。
我现在是一部分品用一件代发试水，一部分自己备货。问题是很难判断哪个品该升级，往往是我感觉卖得不错就压了一批货，结果反而把周转拖慢了。我想用数据来定这个切换点，而不是凭感觉。
先设放量门槛，再谈切自备货，顺序不能反。放量门槛我用三个指标同时达标：一是连续 3 到 4 周有稳定动销，且周销量波动幅度小于 30%，波动太大的品放量等于赌；二是 SKU 级净毛利在扣掉采购价、头程、平台佣金、退货损耗和仓储摊销之后，仍高于你给该类目设定的目标毛利线；
三是退货率不高于同类目平均水平，退货率高的品放量会把售后成本成倍放大。三个都过，才进入放量，且第一次放量只备 2 周销量的 1.5 倍，跑完一个完整补货周期再决定是否加码。
切换自备货的触发条件可以量化成这样几条：一是代发模式下单位履约成本加上代发加价，把你的净毛利压到目标线以下 3 到 5 个百分点，且这个差距在近 4 周持续存在；二是近 8 周内因为代发导致的延迟发货或断货累计超过你设定的次数阈值，比如超过 3 次，说明供应端不稳；
三是在 ERP 里算出的再订货点已经稳定可预测，日均销量波动收窄到 30% 以内，这时候自备货的库存风险才是可控的。切的时候不要一次性全切，先拿 1 到 2 个 SKU 小批量自备，把实际交期、到货准时率、真实仓储成本这三项数据补进 ERP，再作为其他 SKU 的切换依据。
整条链路上，选品只是补货模型的前端，真正决定成败的是能不能稳定地把货补上、把钱转回来。
读者评论
做家居类的深有同感。我们一个SKU账面毛利36%，算上头程、仓储和退货后净利不到8%，压了四万多现金三个月。后来开始按近8周周销中位数去定补货基数，断货次数明显少了。不过交期波动这块确实难，供应商口头说30天，实际排期一延就是一周，安全库存到底留多少还是靠经验。
补货做第一道筛子这个方向我认可，但漏斗图里初筛200个最后只剩14个，这个淘汰率对刚起步的小卖家参考意义有限。资金不到20万的时候，很多时候不是不想按模型筛，而是根本没得选，能拿货、能起订就不错了。等SKU多起来，这套规则才真正跑得动。
文章讲ERP是规则引擎这点说到点子上了。我们之前用的系统就只能打单导表，再订货点和供应商交期达成率全靠人工算，SKU一过80个就乱。选工具时确实该先列补货模型需要的字段，再看系统能不能支撑，不然免费版用着用着人力成本比订阅费还高。