做跨境电商第八年，我经手过最惨的一次断货，不是没货卖，而是一个月销稳定在 1200 单的爆款，在旺季前整整断供了 47 天。原因听起来很荒谬：这款产品的供应商交期是 38 天，MOQ 是 800 件，而我在 ERP 里给它设的安全库存只有 15 天。选品阶段它各项数据都很漂亮，毛利率 42%、退货率 3.1%、广告 ACOS 22%，可它依然是一颗定时炸弹。那次之后我彻底改变了对"选品"的理解：在采购补货场景里，选品不是选最会卖的，而是选最能被持续补货、库存不失控、利润算得清的。
这篇文章我想把这套"从补货反推选品"的方法完整讲清楚，包括评分卡怎么设、ERP 字段怎么落、数跨境这类工具在采购补货场景里到底能解决什么，以及在哪些情况下你该果断放弃一个"看起来很好卖"的 SKU。
如果你只记住一句话，我希望是这句：补货场景下的选品，考察的不是"这个 SKU 能不能卖"，而是"这个 SKU 能不能被稳定、可控、有利润地反复补货"。这两件事听起来接近，实际筛选出来的结果经常完全相反。
我先给一个反常识的判断。很多团队在 ERP 里做的所谓"选品分析"，其实就是把销量排行、毛利排行、评论数排行拼在同一个看板上，然后开会挑几个进去备货。这种做法的问题在于，它默认"卖得动"就等于"能补得上"。但补货是一个受交期、MOQ、资金占用、在途、仓储、汇率多重约束的连续动作，卖得动只是其中一个输入项，甚至不是最关键的那一项。
我自己的经验是：一个 SKU 从"市场机会"变成"可持续经营的商品"，要同时通过五道关卡，需求可持续、供应可履约、利润可覆盖、库存可控、合规物流可行。任何一道关卡崩了，前面卖得再好也白搭。我把这五道关卡合起来叫"可补货性"（Replenishability）。
把结论再压缩成三条可执行判断：
我把那次断货的完整过程复盘一下，因为它几乎踩中了采购补货场景里所有典型的坑。
这个 SKU 是一款户外小配件，当时在目标站点月销量对应市场体量约 3500 单，Top 卖家均价 19.9 美元。我们找到的供应商报价 6.8 美元 / 件，头程约 1.2 美元 / 件，平台佣金加尾程约 4.4 美元，测算毛利率 42%。评论数不多，竞争不算激烈，广告 ACOS 跑出来 22%，属于很健康的水平。
如果按"销售导向选品"打分，它几乎是满分：需求存在、毛利高、竞争温和、广告可控。我们当时就是这么判断的，直接下了首单。
问题在第一批货卖到第三周开始显现。当时库存还有大概 30 天可售，我们准备下第二批补货单，才发现几个此前完全没纳入评估的硬约束：
把这些数字代进去一算：38 天交期 + 12 天头程 + 7 天清关上架 = 约 57 天的补货前置期。而我们的安全库存只有 15 天，库存从下补货单到新货到仓，中间要经历 42 天的"裸露期"。旺季那一波，我们直接断货 47 天，销售排名从类目 80 名掉到 400 名开外，再拉回来花了将近两个月。
这次教训之后，我做了三件事：把交期、MOQ、资金占用、在途天数列为选品的一级字段，不再事后补；把安全库存的计算从"拍脑袋 15 天"改成"补货前置期 × 需求波动系数"；把供应商的产能和旺季表现做成历史档案，参与后续选品评分。
最关键的一步，是我开始把选品和补货放进同一个 ERP 工作流，而不是选品用一张表、补货用另一张表。后来我们逐步把这块迁移到了像数跨境这样的跨境电商数据与供应链协同平台上，选品评分、采购提前期、在途冲减、安全库存预警能在同一套数据里跑，断货裸露期这类问题才会在选品阶段就被暴露出来。
销量排行回答的是"过去谁卖得好"，而采购补货要回答的是"未来能不能持续供得上"。这两者之间的差距，就是补货前置期。一个 SKU 卖得再快，如果补货前置期比它的可售天数还长，它天生就是个断货定时炸弹。
我在数跨境的选品看板里，通常会强制把"月销"和"补货前置期"两列放在一起看。当补货前置期 / 可售天数 > 0.8 时，这个 SKU 就必须进入高风险清单，无论它销量多好看。
很多团队的毛利是"售价 – 采购价"，顶多再减个平台佣金。但真正决定一个 SKU 能不能反复补货的，是到手动销净利：采购 + 头程 + 平台佣金 + 尾程 + 广告 + 退货损耗 + 汇率损耗 + 仓储。我见过太多 SKU，算毛利率 40%，把退货和广告摊进去之后净利只剩 9%，一次汇率波动就归零。
新品、稳定动销品、季节品、清库存品，它们的需求曲线、供应风险、资金压力完全不同。用同一张评分卡、同一套安全库存公式，结果必然是新品压死资金、季节品错过节点、稳定品频繁断货。这部分我在第四节会给出分场景的框架。
我见过不少团队，ERP 里字段很全，什么都有，但补货还是靠人拍脑袋。原因是字段没有变成规则：交期是死的数字，没有参与补货点计算；在途是记录，没有冲减可用库存；MOQ 是备注，没有参与订货量取整。ERP 用了等于没用。
一个真正的补货决策系统，至少要能回答三个问题：什么时候该补（补货点）、补多少（订货量）、这个 SKU 还值不值得补（生命周期判断）。做不到这三点的 ERP，在采购补货场景里只是个高级记事本。
下面这套框架是我这几年用得最顺手的，把选品从"看感觉"变成"看分"。五个维度，每个维度给判断问题和一个可量化代理指标。你可以直接把它做成评分卡。
判断问题：这个需求是趋势性的、季节性的，还是靠广告硬撑的？
代理指标：近 90 天销量波动系数、自然单占比、复购率、搜索趋势斜率。我的经验阈值是自然单占比低于 55% 的 SKU，广告一停销量就掉，补货风险极高。
判断问题：这个供应商在旺季还能不能按时交货？有没有备选供应商？
代理指标：历史交期达成率、交期波动幅度、MOQ 金额、备选供应商数量。我会特别关注交期波动，一个交期 30 天但波动 ±15 天的供应商，实际比交期 40 天但稳定 ±3 天的更危险。
判断问题：把全部成本算进去之后，这个 SKU 还能不能扛住一次汇率波动和一次退货率上浮？
代理指标：到手动销净利率、广告占比、退货率、汇率敏感度。我自己的底线是净利率低于 12% 的 SKU 不进补货计划，除非它是引流款且能带动其他 SKU。
判断问题：这个 SKU 的补货前置期和可售天数是否匹配？滞销风险有多大？
代理指标：补货前置期 / 可售天数、库存周转天数、滞销占比、缺货率。这个维度是补货场景专属的，也是最容易被忽略的。
判断问题：有没有认证、禁限运、包装、体积重的坑？
代理指标：认证齐全度、体积重比、是否涉及电池/液体、目的国合规风险等级。这一维度很多团队只在"出事"之后才想起来查。
把五个维度各自打分（比如每项 0-20 分），加总后分级。我的分级逻辑大致是：
| 等级 | 总分区间 | 补货策略 |
|---|---|---|
| A 级 | 80-100 | 高优先级补货，可设较长安全库存，允许适度提前备货 |
| B 级 | 65-79 | 正常补货，严格按补货点执行，不提前压货 |
| C 级 | 50-64 | 小批量试补，缩短补货周期，密切观察动销 |
| D 级 | 50 以下 | 不进入补货计划，仅清现有库存或淘汰 |
这张评分卡的价值不在于打分本身，而在于它强制团队在"选品"阶段就把供应、库存、合规这些补货约束摆到桌面上。
光有评分卡还不够，选品策略必须落到 ERP 的字段、规则和工作流，否则每次补货还是靠人翻表。这一节我结合数跨境的采购补货场景，讲清楚具体怎么落。
我把选品评分需要的最小字段集整理成下面这张表。这套字段建议直接建在 ERP 的 SKU 主数据和供应商主数据里，而不是放在运营自己的 Excel 里。
| 字段 | 归属 | 用途 |
|---|---|---|
| SKU 编码 | SKU 主数据 | 唯一标识，关联采购、库存、销售、财务 |
| 供应商 ID | SKU 主数据 | 关联供应商交期、MOQ、履约历史 |
| 采购提前期（天） | 供应商主数据 | 参与补货点计算 |
| MOQ（件） | 供应商主数据 | 订货量取整下限 |
| 安全库存（天） | SKU 主数据 | 补货点计算核心参数 |
| 在途数量 | 采购模块 | 冲减可用库存 |
| 日均销量（滚动） | 销售模块 | 动态更新，影响补货点 |
| 到手动销净利率 | 财务模块 | 参与选品评分 |
| 退货率 | 售后模块 | 参与选品评分 |
| 库存周转天数 | 库存模块 | 健康度监控 |
在数跨境的场景里，这些字段大多已经有对应的数据源，关键在于把它们关联起来，而不是各自为政。选品评分要能随时读到供应商交期、在途数量和净利率，这才是"选品和补货打通"的实质。
字段建好之后，核心是把选品策略翻译成补货规则。我用得最顺的是这套逻辑，写成伪代码便于理解：
补货点 = 补货前置期 × 日均销量 + 安全库存
订货量 = 补货点 – 可用库存 – 在途数量
订货量 = max(订货量, MOQ)
订货量 = 向上取整到供应商包装倍数
可用库存 = 现有库存 – 已占用 – 质检中
如果 可用库存 + 在途 <= 补货点:
触发补货建议
根据 SKU 等级调整：
A级: 允许订货量 × 1.2
B级: 按计算结果
C级: 订货量 × 0.6，且不超过 MOQ × 1.5
D级: 不补货，进入清库存流程
这段逻辑看起来简单，但它把前面所有的选品判断变成了系统动作。关键参数是安全库存，它不是固定值，而是要按 SKU 等级和交期波动动态调整。
安全库存的经典公式是：安全库存 = Z × √(前置期) × 需求标准差。其中 Z 是服务水平系数，服务水平 95% 对应 Z≈1.65，99% 对应 Z≈2.33。我一般用下面这个简化版本落地：
安全库存 = 服务水平系数 × 需求波动系数 × 补货前置期 × 日均销量
服务水平系数:
普通款 1.65
爆款/季节款 2.33
需求波动系数:
稳定动销 0.8
波动较大 1.2
新品测款 0.5（新品本来就不该设高安全库存）
这个公式在数跨境这类工具里可以用计算字段实现，触发条件一到，补货建议自动弹出。我实测下来，把安全库存从"拍脑袋 15 天"换成按这个公式动态计算后，缺货率和滞销金额都有明显改善。
规则建好之后，必须配套预警和工作流，否则还是得靠人盯。我通常设置这几类预警：
这几类预警在数跨境的看板里可以做成一个"补货健康度"总览，一眼就能看到哪些 SKU 处在风险状态。
我复盘补货策略只看四个指标：库存周转天数、缺货损失金额、补货计划达成率、滞销金额占比。这四个指标一上一下，基本就能判断选品策略是不是跑对了。
框架是通用的，但落地时你必须按自己团队的情况调整。下面我分几种典型情况给建议。
如果你团队还没有 ERP，或者 ERP 只用来打单，别一上来就搞复杂评分卡。先做三件事：把交期、MOQ、安全库存三个字段补进 SKU 表；跑一个最简单的补货点公式；选 10 个 SKU 手动验证一次。跑完一轮，再考虑上工具。
很多团队 ERP 里什么都有，但选品、采购、库存、财务四套数据互不相通。这时候核心任务不是加功能，而是把字段关联起来，让选品评分能读到交期和净利，让补货建议能读到在途和 MOQ。数跨境这类平台的价值就在这里，它先把数据打通，再谈规则和预警。
如果你的 SKU 同时分布在多个平台，各平台的补货前置期、退货率、广告成本都不一样，不能用一套安全库存。建议按平台 × 站点建独立的补货参数，评分卡也分开跑。
季节性 SKU 的选品评分要额外加一项"备货节点可达性"。假设旺季在 11 月，倒推：上架准备 10 天 + 头程 15 天 + 生产 40 天，最晚 9 月中旬就必须下单。选品如果发生在 9 月底，这个 SKU 当季就不要做了。
如果你的核心供应商旺季产能紧张，选品阶段就要评估备选供应商的可切换性。做法是同类 SKU 保持至少两家可切换供应商，并在 ERP 里维护两套交期和 MOQ 参数。
选品策略没有绝对正确答案，只有取舍。我把最常见的几组取舍列出来，供你按自己的阶段对号入座。
高毛利 SKU 通常意味着低动销或长交期，周转慢；高周转 SKU 毛利往往被压到很薄。我的建议是：初创阶段优先周转，用现金流活下来；稳定阶段优先毛利，用利润撑规模。不要两种 SKU 用同一套补货参数。
爆款的补货前置期往往最长，风险也最大。我一般会给爆款设更高的服务水平系数（比如 2.33），但严格控制单次订货量，宁可多补几次，也不要一次压大货。这就是"高频小批量"和"低频大批量"的取舍。
SKU 越多，选品和补货的管理成本越高，但覆盖需求的能力越强。我的经验是：在供应链和 ERP 能力不足以支撑之前，宁可少 SKU、深单品。等补货规则跑顺了，再逐步扩宽。
依赖平台流量的 SKU 受政策、费用、排名波动影响大；自主品牌 SKU 补货可控性更高但起量慢。这两类 SKU 的选品评分权重应该不同：平台款重点看广告依赖度和平台政策风险，品牌款重点看复购和供应稳定性。
规则跑起来之后，最大的诱惑是全部自动化。我的建议是保留一个人工复核节点，尤其是 A 级爆款和季节款的补货建议。规则能处理 90% 的情况，剩下 10% 靠人的判断，这个组合最稳。
最后我把整套方法压成一个可执行清单，你可以按顺序推进。
如果你正在用数跨境这类跨境电商数据平台，建议把选品评分卡和采购补货看板放在同一个项目里，让选品数据、采购数据、库存数据能相互校验。这样当某个 SKU 的评分下降或者交期变长时，补货建议会自动调整，而不是等到断货了才发现。
回到最初那个问题：采购补货场景的选品策略怎么做？我的答案是，不要从"哪个好卖"开始，而要从"哪个能补"开始。选品不是选爆款，是选可持续经营的商品。把交期、MOQ、库存、净利、合规这些补货约束提前到选品阶段，把选品判断翻译成 ERP 的字段和规则，让系统替你做重复决策。一个好的选品策略，最终要落到一句话：这个 SKU，我能不能在正确的时间、用可控的成本、稳定地补上货。能，就做；不能，卖得再好也要放弃。
我之前做选品就是看销量、看竞品、看利润，选出来一堆看着能卖的东西，结果真到采购环节才发现交期太长、起订量太高，根本补不上货。后来才意识到，能卖和能持续补货完全是两回事。
核心差别在于约束条件前置。普通选品是先找需求再想办法供货，采购补货场景的选品必须先用供应约束筛一遍：采购提前期、最小起订量、供应商产能、在途在库、质检稳定性，这五项里任何一项不达标，销量再好也只能划进不可补货清单。
具体做法是先给每个候选 SKU 打一个可补货性评分，交期超过补货周期、MOQ 导致库存周转超过目标天数、只有单一供应商且无备选，这三类直接降级，不进入主推池。判断口径建议用可售天数对比补货提前期：可售天数必须大于采购提前期加物流时效再加安全缓冲，否则这个 SKU 结构上就会断货，不是运营能救回来的。
我们团队之前选品靠几个人开会拍脑袋，A 说这个能爆，B 说那个毛利高，最后谁也说服不了谁。我想搞一套相对客观的评分标准，但网上的选品模型大多只看市场端，没有供应和库存维度。
可以按五个维度做加权评分卡，每项 0 到 5 分，总分 100。需求可持续性占 25 分，看近 90 天销量趋势、复购率、是否严重依赖广告、季节性波动幅度。供应可履约性占 25 分，看采购提前期、MOQ、产能余量、是否有备选供应商、历史质检合格率。
利润可覆盖性占 20 分，算到手成本加头程加平台佣金加广告加退货损耗加汇率缓冲后的净毛利，建议净毛利低于 20% 的 SKU 不进主推。库存可控性占 20 分，看可售天数、周转次数、滞销金额占比、缺货频次。合规与物流可行性占 10 分，看认证要求、是否禁限运、体积重是否吃亏。
分级规则可以是 80 分以上 A 级正常补货，60 到 80 分 B 级小批量试补，40 到 60 分 C 级只做清库不补，40 分以下 D 级淘汰。权重不是固定的，现金紧张时把利润和库存权重调高，供应不稳时把履约权重调高。
我们已经有 ERP 了，但选品还是在线下用表格做，做完再手工录采购单，两边完全脱节。老板问我为什么系统里的补货建议和实际选品结论对不上，我也答不上来。
关键是让 ERP 承接选品的输出，而不是让 ERP 自己猜。第一层是主数据字段，每个 SKU 必须维护采购提前期、MOQ、供应商编码、备选供应商、安全库存天数、目标周转天数、净毛利、退货率，这些字段就是评分卡的落地载体。
第二层是规则引擎，补货点等于日均销量乘采购提前期加安全库存，建议补货量按经济订货量算完再按 MOQ 向上取整，同时冲减在途和在库可用量。第三层是分级联动，A 级 SKU 走自动补货建议，B 级走人工确认，C 级和 D 级在系统里锁掉补货入口或直接标记停采，防止误下单。
第四层是预警，设置断货预警、超储预警、滞销预警、低毛利预警、供应异常预警五类，每类指定责任人和处理时限。判断落地是否成功，看三个数：补货建议采纳率、补货达成率、缺货率，如果采纳率长期低于 60%，说明评分标准和规则阈值没对齐，要回去调权重而不是怪系统。
我们店铺里新品、老爆款、季节款、清库款混在一起，用同一套补货规则跑，结果新品压了一堆库存，老爆款反而断货，季节款过了季还在补。我觉得肯定不能一套逻辑打天下，但不知道怎么分。
按生命周期分四类处理。新品测款期用小批量短周期策略，首单量控制在预估 2 到 3 周销量以内，补货周期缩短到一周一次，重点看转化率、加购率、退货率和广告投产比，两周内不达标就停补进入观察。
稳定动销期以动销和补货周期为核心，安全库存按需求波动和交期波动取较大值，目标是缺货率控制在 5% 以内、周转维持在目标天数区间。季节和活动款要倒推备货节点，从上架日往前推采购提前期加物流时效加清关时间加安全缓冲，锁定供应商产能和物流舱位，销售季末尾设置明确的停补日期，宁可少赚也不压货。
清库存和淘汰款直接停止补货，用捆绑、调价、站外清货处理，同时把这个 SKU 的失败原因回写到选品评分卡里，比如是需求判断错了还是供应跟不上，避免下次再踩同一个坑。判断分类是否准确，看每季度的滞销金额占比和断货损失金额，这两个数同时下降，说明分类策略在起作用。
读者评论
断货47天那段太真实了。我们去年也踩过类似坑，供应商交期按付款起算而不是下单起算，光这一条就吃掉半个月。文章把补货前置期拆成生产、头程、清关三段，比笼统说'交期'有用得多。想再问一句：在途库存具体怎么冲减可用库存，是按到仓日还是按清关日？
净利率低于12%不进补货计划这条我持保留意见。引流款和利润款本来就不该共用一套门槛，文章虽提了例外，但五维等权打分是否该按SKU角色调权重？另外交期波动±15天和±3天的对比很到位，选供应商确实不能只看均值，旺季被大客户挤产能是常态。
评分卡逻辑清晰，难在数据源落地。历史交期达成率、自然单占比这些字段，多数中小卖家ERP里压根没有，靠手工维护坚持不了几个月。同意字段要变成规则，但现实里先把补货点和在途冲减跑顺，可能比直接上五维评分更可行，否则评分卡只会变成又一张没人更新的表。