先说一个我在实际诊断里反复验证过的判断：库存表上那些刺眼的红字，八成不是仓库管出来的，是选品选出来的。我做跨境卖家诊断这些年，看过太多团队在ERP里反复调安全库存、改补货公式、加预警规则，库存周转天数却始终卡在90天上下不动，而同一个后台里，真正的问题早就写得明明白白，有近三成SKU在过去180天里出货不足10件，却占着接近四成的库存资金。
这篇内容要解决的，就是《ERP跨境电商问题诊断：库存管理如何用选品策略改进》这个具体命题。我不会去讲ERP是什么、库存管理有多重要这类谁都写得出来的东西。我要讲的是：当ERP里的库存数据已经报警，你应该按什么顺序去查、查到什么程度能定性、定性之后怎么把结论翻译成具体的选品和补货动作。
文中涉及的数据，一部分来自公开的行业年报和平台规则，我会标注来源和口径；另一部分来自我对若干脱敏店铺的经验观察，这类数字我会明确写成“经验值”或“示意”，用于说明结构关系，不代表精确统计。凡是涉及平台政策和费用规则的部分，请以你后台当期实际规则为准，这类规则变动频率极高。
如果你的ERP里已经出现滞销积压、频繁断货、周转天数上升、退货率抬头这几类症状，我建议你把诊断顺序倒过来：先查选品结构，再查补货参数，最后才查仓库执行。绝大多数团队是反着做的，所以永远在治症状。
结论一：库存周转慢，本质是SKU组合的加权平均质量差。周转天数是所有SKU周转天数的加权结果，尾部SKU越多、越慢，就会把整体的数字往上拽。你优化头部爆款的补货频率，对总周转的改善极其有限，因为权重不在那儿。
结论二：断货和积压经常是同一个病根，不是两个问题。品类结构过度集中在少数几个爆款上，爆款一断就是全局断货，而为了防断货又不敢砍长尾，于是积压同时发生。这种“集中度高但又不舍得砍”的结构，是我见过最典型的库存失控组合。
结论三：选品决策一旦落地，库存结果就被锁定了一大半。一个SKU从下单那一刻起，它的采购成本、头程费用、入仓时效、动销难度就基本确定了。后面所有运营动作能做的，只是在既定约束下调参数，改不了约束本身。
这三条合起来就是本文的核心命题：库存管理不是仓库管理，是选品结构的持续校准。
我见过不少团队把库存周转天数、动销率做成每日看板，盯得很紧，但行为没有变化。原因很简单：这些是结果指标，结果指标只能告诉你“出事了”，不能告诉你“改哪里”。
真正能驱动动作的，是把结果指标拆解到SKU和品类这两个可操作的层级上。比如“整体周转82天”这个结论无法执行，但“C类长尾SKU共97个，合计占用库存资金38%，平均周转210天”这个结论可以直接变成一张淘汰清单。
所以我的诊断逻辑一直是：用ERP算指标，用选品定动作。ERP负责把真相摆出来，选品策略负责决定动谁、怎么动、动到什么程度。
顺序错了，结论就会错。我建议的顺序是：先看数据口径是否统一，再看SKU层的分布结构，接着看品类层的集中与波动，然后才看供应链的补货参数，最后才落到仓库和履约执行。前两步决定你有没有资格谈后面的优化。
跨境的库存链路比国内长得多，而且中间有多个不受你控制的节点。很多团队用国内电商的库存直觉去管跨境，从第一天起就埋了雷。这一节我讲清楚失控是怎么发生的。
变量一：头程时效的不确定性。海运快船、普船、空运、铁路，时效差异可以从十几天拉到五十天以上，而且旺季甩柜、港口拥堵会进一步拉长。头程时间不是固定参数，是分布。
变量二：平台仓的容量与考核约束。不同平台对仓储容量、库存周转、长期仓储费有各自的规则和考核周期，阈值和处罚方式会调整。你的库存策略必须把这些约束当成硬边界，而不是把平台仓当免费仓库。
变量三：合规与税务的显性成本。VAT、EPR、产品认证、标签规范，这些成本在很多团队的选品测算里根本没出现，直到货到了才发现单件成本比预估高出一截，原本算得过来的毛利变成亏损，库存想清都清不动。
变量四：退货与处置效率。跨境退货的逆向物流成本很高，很多情况下退回不如弃置。如果选品阶段没考虑退货率，退货就会变成一种持续吞噬利润的隐性库存。
这四个变量的共同点是：它们都在选品阶段就已经被决定了一大半，但很多团队在补货阶段才开始应对。
某个做家居收纳的团队，旺季前把三个主推款各备了两个月销量，结果其中一个款因为平台流量结构变化，实际动销只有预期的四成。这个款单件体积大，仓储费按体积计，压了四个月之后，仓储费加上资金成本已经吃掉了它全部预期毛利。
关键细节是：这个款在选品阶段的判断依据是“去年同类款表现好”和“供应商给的价格有优势”，没有做流量结构变化的情景推演。这就是典型的用历史线性外推做选品决策。
另一个团队三年时间SKU从120个涨到430个，销售额涨了不到两倍，库存资金占用涨了将近三倍。我拉出数据看的时候发现，年出货量低于100件的SKU有180多个，其中很大一部分是“当时觉得有机会试一下”留下来的。
问题不在于试错，而在于没有退出机制。选品有准入标准，没有淘汰标准，SKU结构就一定会膨胀，库存一定会被长尾吃掉。
还有一种情况更隐蔽：整体库存看起来健康，周转也不错，但断货频繁，而且一断就是大断。查下来发现，前5个SKU贡献了七成销售额，安全库存设置却按历史均值算，没有考虑需求波动。爆款一旦需求上冲，补货周期又长，断货窗口就无法避免。
这种结构的风险不是库存多或少，而是抗波动能力太差。一旦平台流量倾斜或竞品动作，整个盘子都会晃。
在动手算任何指标之前，先确认你的“库存”到底指什么。我在诊断时，至少要区分以下五个口径，否则算出来的周转天数是没有意义的。
把“采购在单 + 在途 + 平台仓可售 + 海外仓”全部加总当作可用库存，是导致补货不足、频繁断货的最常见技术性原因。这类错误不涉及任何判断力，纯粹是口径问题，但杀伤力极大。
下面这段是我在一个数据库里做库存口径统一时的示例写法，用来说明“可售库存”应该怎么定义，实际字段名请按你自己的ERP结构替换。
-- 示例：定义"可售库存"口径，排除在途、预留与不可售
WITH sellable AS (
SELECT
sku_id,
warehouse_type,
SUM(CASE WHEN warehouse_type IN ('FBA_AVAILABLE','OVERSEAS_AVAILABLE')
THEN on_hand_qty ELSE 0 END) AS sellable_qty,
SUM(CASE WHEN warehouse_type = 'RESERVED'
THEN on_hand_qty ELSE 0 END) AS reserved_qty,
SUM(CASE WHEN warehouse_type = 'IN_TRANSIT'
THEN on_hand_qty ELSE 0 END) AS in_transit_qty
FROM inventory_snapshot
WHERE snapshot_date = CURRENT_DATE
GROUP BY sku_id, warehouse_type
)
SELECT
sku_id,
SUM(sellable_qty) AS available_qty, -- 用于补货决策
SUM(in_transit_qty) AS pipeline_qty, -- 用于预估到货
SUM(reserved_qty) AS frozen_qty -- 不计入可售
FROM sellable
GROUP BY sku_id;
这些误区我在不同规模、不同类目的团队里都反复见过，它们的共同特征不是“不懂”，而是“看起来懂”。这一节我把每个误区的表现、危害和修正动作写清楚。
最普遍的用法是：ERP里能查到每一笔库存、每一张订单、每一个采购单，但没人用它来回答“这个SKU该不该继续做”。数据在系统里，判断还是靠人拍脑袋，这等于用了一套很贵的手工账。
修正动作：给ERP的每一张库存报表都绑定一个决策出口。库存明细表对应补货清单，滞销表对应淘汰清单，毛利表对应加价或淘汰判断。没有决策出口的报表，删掉。
这是我见过最贵的一个错误。很多团队的选品测算里，成本只包含采购价、头程、平台佣金和广告，完全没有仓储费、资金成本、滞销减值、退货处置成本。
结果就是：账面上毛利35%的SKU，算上这些之后可能只剩个位数，甚至为负。而这些SKU恰恰是“看起来还不错”的，所以长期占着采购预算，把真正优质的SKU挤掉了。
修正动作：把库存持有成本按三类拆开，仓储与操作费、资金占用成本、滞销与处置成本，按SKU维度分摊，然后重算真实毛利。真实毛利 = 销售毛利 − 仓储与操作费 − 资金占用成本 − 滞销与处置成本。
安全库存的正确逻辑应该随需求波动性和供应不确定性变化。但很多团队对所有SKU用同一个提前期、同一个服务水平系数，于是爆款安全库存不足、长尾安全库存过剩。
跨境还多一层：不同SKU的头程方式可能不同，有的走海运有的走空运，提前期分布完全不同。用统一参数算，等于放弃了安全库存的全部价值。
降价清仓是动作，不是诊断。滞销至少有六种不同的成因，对应完全不同的处理方式，而且并不是每种都该降价。
这六种成因如果混在一起用一个“清仓”动作处理，最直接的结果就是：该清的没清掉，不该清的亏了钱。
选品在很多团队的工作流里是一次性动作：选完、上架、然后进入运营阶段。但库存是持续的，SKU的表现是动态变化的，昨天的爆款今天可能变成拖累。
正确的心智模型是：选品是一个持续的再评估循环，而不是一个准入门槛。每个月都应该有SKU从“加码”滑到“观察”，也应该有SKU从“观察”重新回到“加码”。没有这种流动，结构一定会僵化。
运营算的周转天数、采购算的周转天数、老板看的周转天数经常是三个数字，原因是口径不同，有的含在途，有的不含；有的用月末库存，有的用平均库存；有的按成本口径，有的按售价口径。
口径不统一最致命的后果不是数字不准，而是无法复盘。一个动作做完，你不知道到底是有效还是无效，因为前后两次的度量标准变了。
这一节是我实际诊断时用的框架。它分成三层，从细到粗，每一层解决一个不同层级的问题；最后用一张评分卡把所有信息收敛成可执行的动作。
SKU层诊断的目标是：把每一个SKU放进一个明确的象限，并且给出它应该被加码、维持、观察还是淘汰的初步判断。以下是六个我必看的指标。
| 指标 | 计算口径 | 判断价值 | 常见警戒区间（经验值） |
|---|---|---|---|
| 库存周转天数 | 平均库存成本 ÷ 日均销售成本 | 衡量资金效率 | 高于90天需关注，高于180天需处置 |
| 动销率 | 统计周期内有销量的SKU数 ÷ 总SKU数 | 衡量SKU结构健康度 | 低于60%说明长尾过重 |
| 售罄率 | 期间销量 ÷ （期初库存 + 期间入库） | 衡量选品与备货匹配度 | 低于50%说明备货过量 |
| 滞销库存占比 | 超过180天无销量的库存金额 ÷ 总库存金额 | 衡量减值风险 | 高于15%需立即处理 |
| 缺货率 | 缺货天数 ÷ 应在售天数 | 衡量销售机会损失 | 高于10%说明安全库存不足 |
| 退货率 | 退货件数 ÷ 销售件数 | 衡量选品质量与预期管理 | 显著高于类目均值需排查选品 |
需要强调的是：这些指标不要只看均值。平均值会把极度健康和不健康的部分互相抵消。正确做法是看分布，把SKU按周转天数分成若干区间，看每个区间里有多少SKU、占多少库存金额，问题立刻显形。
SKU层告诉你哪些SKU有问题，品类层告诉你整个盘子是否健康。我用的是ABC-XYZ两个维度的交叉：ABC按销售额贡献分层，XYZ按需求波动性分层。
按销售额从高到低排序累计，累计到70%的为A类，70%，90%的为B类，剩余为C类。A类是要保证供应的，C类是要被严格审视的。
按需求波动系数分层：X类波动小、可预测性高；Y类有季节性但有规律；Z类波动大、难预测。不同波动性对应完全不同的库存策略。
这个九宫格的价值在于：它同时回答了“值不值得留”和“该怎么备货”两个问题，而这两个问题在大多数团队里是分开决策的，导致留了但不备货、备了但该淘汰。
前两层是选品视角，这一层是执行视角。同一个SKU，在不同波动性和不同提前期下的补货参数应该完全不同。我用的基础逻辑是：
安全库存 = 服务水平系数 × 需求标准差 × √提前期，再叠加提前期本身的不确定性。这个公式不需要精确，重要的是让参数随SKU特征变化，而不是全店一个数。
跨境场景下还要加两个修正项：一是头程时效的波动（提前期标准差），二是平台仓容量约束（可能导致无法按理想批量补货）。这两个修正项在国内场景里通常不存在。
诊断到最后，团队需要的是一个能每天执行的标准。我用六维评分卡，每个维度按1，5分打分，加权后得到总分。权重按类目调整，我不建议直接抄任何模板的权重。
| 维度 | 观测指标 | 评分逻辑 | 权重参考（经验值） |
|---|---|---|---|
| 销售贡献 | 销售额占比、排名 | 越高分越高 | 25% |
| 真实毛利 | 扣除持有成本后的毛利率 | 低于类目阈值直接判低分 | 20% |
| 库存效率 | 周转天数、滞销风险 | 周转越快分值越高 | 20% |
| 需求稳定性 | 波动系数、季节性强度 | 越稳定分越高 | 15% |
| 物流经济性 | 头程与仓储成本占售价比 | 占比越低分越高 | 10% |
| 售后与合规风险 | 退货率、认证要求、合规成本 | 风险越高分越低 | 10% |
评分卡的关键不是分数本身，而是分数变化的趋势。一个SKU连续两个月分数下降，就进入了预警；连续三个月下降，就应该进入淘汰流程。这样就把“要不要砍”这个情绪化的争论，变成了一个有明确触发条件的流程。
总分只是中间产物，最终必须落到四个动作上，并且每个动作要有明确的库存动作配套，否则评分卡就只是报表。
前面讲的是框架，这一节我讲具体怎么落地。框架要跑起来，前提是数据能拉到一起、口径能对齐、结论能落到动作上。这一步用表格工具硬做也能做，但SKU一多、平台一多，人力成本会迅速超过收益。
我的判断是：诊断阶段的核心需求是“把多源数据拉通并反复切片”，而不是“把流程跑顺”。这是两类不同的系统能力。
操作型ERP擅长的是订单、采购、库存流水的记录与流程控制；诊断阶段需要的是把销售、库存、广告、退货、物流成本放在同一张表里反复做分群、排序、透视。很多团队用操作型ERP做诊断，结果就是导出十几个Excel手工拼接。
我在实际做诊断时用的底座是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）。它给我的最大价值不是某个具体功能，而是让我能把多平台店铺的销售、库存、成本数据放到统一的模型里，按SKU维度反复切片，算周转、算动销、算真实毛利，而不需要每次重新拼表。
需要说明的是，具体支持哪些平台、哪些字段、哪些计算逻辑，请以官网当期说明和你自己的后台实际配置为准，我不在这里罗列功能清单，因为这类清单更新很快，而且每个团队的类目差异极大。
把各平台店铺的销售数据、库存数据、成本数据接进来。这一步最容易出问题的不是技术对接，而是口径确认：库存是取快照还是取流水、成本用采购成本还是含头程的落地成本、退货是否冲减销售额。
我的做法是：先定三张核心表的字段含义，写进一个文档，所有参与诊断的人按这个文档理解数字。口径文档比任何报表都重要。
周转天数、动销率、售罄率、滞销占比、缺货率、退货率，全部按SKU维度算出来，并按不同时间窗口（30天、90天、180天）分别看。时间窗口非常关键，只看30天会把季节性SKU误判为滞销。
按销售额贡献做ABC，按波动系数做XYZ，把每个SKU放进去。这一步做完，你会第一次清楚地看到自己的结构长什么样，而不只是看到一堆数字。
把仓储费、资金成本、滞销减值按合理方式分摊进去，重算毛利。这一步经常会翻出一些“销售额不低但实际在亏钱”的SKU。
下面这个案例来自我对一个做家居类目的店铺做的脱敏诊断。为保护商业信息，绝对金额做了区间化处理，比例关系保留原始结构，用于说明方法而非精确统计。
诊断前的状态：SKU总数380个，库存资金占用约600万，800万区间，整体周转天数约96天，动销率约54%，180天以上无销量的SKU有103个，占库存金额约31%。团队当时的判断是“仓库管理有问题”和“运营不够努力”。
诊断过程的关键发现：真正的问题集中在中长尾。C类SKU有241个，贡献销售额不到12%，却占了库存金额的58%。进一步看，这241个SKU里有77个属于“当年试款后遗留”，有41个属于季节性错配（实际在正确季节是能卖的），真正需要清仓的是103个。
诊断还翻出了一个隐性亏损群体：有29个SKU账面毛利看起来有20%以上，但算上体积仓储费和资金占用成本后，真实毛利为负。这些SKU是团队完全没意识到的。
执行动作：第一批淘汰77个遗留试款SKU；41个季节性SKU移入观察清单并按季节调整补货节奏；29个隐性亏损SKU分两批处置；同时对A类SKU重新计算安全库存，把提前期标准差纳入参数。
四个月后的观察结果（脱敏，含季节性影响，不构成承诺）：SKU总数从380降到214，库存资金占用下降约三成，整体周转天数从96天降到约70天，动销率从54%提升到约78%，同期销售额没有明显下降。
这里我必须说实话：销售额没有下降这件事，很大程度上是因为被砍掉的SKU本来就是低效的，释放出来的采购预算和运营精力被重新投入到A类和B类SKU上。如果砍掉的是有效SKU，结果会完全不同。这也是为什么必须用数据分层而不是凭感觉砍。
我在用数跨境的整个过程中，最大的体会是：它能把事实算出来，但不能替你做取舍。SKU该不该砍、清仓价格定多少、是否继续投入某个类目，这些都需要业务判断。
另外还有两点要提醒。第一，数据质量决定结论质量，如果源数据本身有缺失或错误，工具算出来的指标就是精致的错误。第二，指标体系不要一次建太多，先把六个基础指标跑通、跑准，再考虑加新颖指标，否则团队会被报表淹没。
同一个框架，在不同起点下的第一动作完全不同。这一节我按五种常见情况给出具体建议，你可以直接对号入座。
这是最舒服的一种情况，因为你有时间做正确的事，而不是被迫做便宜的事。
第一动作：先分层，后清仓。不要一上来就全场打折，先把积压SKU分成“季节性错配”“定价问题”“选品误判”“内容问题”四类，分别处理。
第二动作：重建采购纪律。在清仓的同时，立刻给新品和长尾SKU设置采购上限，避免一边清一边进。这一步做不到，清仓就是白清。
第三动作：建立淘汰机制。明确规定SKU触发淘汰的条件，比如连续90天动销为零且真实毛利低于阈值，自动进入处置流程。
这类情况优先解决供应弹性，而不是简单加库存。加库存能缓解断货，但会同时放大积压风险。
这类团队的瓶颈不是库存策略，而是数据基础。此时最该做的不是优化，而是统一。
建议先花一到两周把口径文档写出来，明确库存、销售、成本、退货四类数据在各平台的定义与映射关系，然后用一个统一的数据底座把它们接起来。在口径统一之前，任何跨店铺的对比结论都不可信。
SKU少的时候，最容易犯的错是过早引入复杂体系。这个阶段真正重要的是记录，而不是建模。
建议只做三件事：一是每个SKU记录真实的落地成本（含头程、佣金、仓储估算）；二是记录每个SKU的实际动销节奏；三是每上一个新品就设一个明确的观察周期和退出条件。简单记录坚持六个月，比复杂模型用三个月更有价值。
季节性品类的库存判断必须以年为单位看，不能只看最近30天或90天。用短期窗口做判断，会在淡季把好SKU误判为滞销。
我的建议是：季节性SKU单独建一张表，记录每个SKU的历史旺季节奏、峰值月份、清仓截止时间，用去年同期数据做参考，同时把当季的流量结构变化作为修正项。季节品的库存决策本质是时间点决策，不是数量决策。
库存和选品的决策几乎全部是取舍，很少有双赢选项。这一节我把五组最实际的取舍写清楚，帮你在具体场景下做判断。
这两个风险不可能同时消除，只能选择承担哪一个。判断依据是两边的单位损失对比。
断货的损失包括当期销售机会损失、平台权重下滑、客户流失，其中权重下滑的影响可能持续数周。
积压的损失包括仓储费、资金占用成本、最终减值的折价损失，其中减值损失通常一次性且不可逆。
我的经验判断是：对于A类高贡献SKU，倾向于承担适度积压风险保供应；对于C类长尾SKU，倾向于承担断货风险控制资金占用。用统一策略对待所有SKU，是取舍上最贵的错误。
清仓越快，回收现金越快，但单位回收金额越低。这不是凭感觉决定的，可以算出来。
如果你有资金周转压力，资金回笼速度的价值可能超过折价损失；如果现金流健康，慢慢清可以回收更多。可以用一个简单判断：清仓折价率 × 库存金额，与持有一个季度的仓储费加资金成本做对比。
SKU宽度带来试错机会和流量覆盖，单SKU深度带来采购议价、物流经济性和库存管理效率。两者在资源有限时必然冲突。
我的建议是分阶段：增长期适度宽容宽度，用较小批量试错；稳定期收窄宽度、加深重点SKU；收缩期严格执行淘汰，只保留能进A类和B类的SKU。
这个问题我被问过很多次。判断标准不是规模，而是“差异是否构成竞争力”。
自动化补货能大幅提升效率，但也会放大错误。参数设错加上自动执行，可能在一周内造成大规模误采购。
我的做法是分级自动化：低价值、高稳定性的SKU可以完全自动补货；高价值或高波动SKU必须人工复核；季节性SKU的补货建议必须结合季节节奏表人工确认。自动化的边界应该划在“错误成本是否可逆”这条线上。
写到这里，我想把整篇文章收敛成一个判断：你在ERP里看到的库存问题，是过去若干次选品决策的累积结果。在结果层反复调参数，只能缓解症状；回到选品结构层动刀，才能改变趋势。
这个判断背后有三个我认为值得记住的观点。
第一，库存指标是诊断工具，不是管理工具。周转天数、动销率、售罄率告诉你哪里出了问题，但只有SKU层级的分层结论才能驱动动作。任何不能落到具体SKU清单的库存报表，都是噪音。
第二，选品需要准入标准，也需要退出标准。绝大多数团队的选品流程只有准入没有退出，这是SKU膨胀和库存失控的结构性原因。退出机制的价值不在于砍掉多少SKU，而在于让采购预算和运营精力持续流向更有效的地方。
第三，真实毛利必须包含库存持有成本。不含仓储费、资金成本和减值风险的毛利，是账面毛利，不是决策依据。很多看起来赚钱的SKU，其实是在慢慢消耗你的现金。
如果你现在就想动手，我给一个最小可行的第一步：不要先建体系，先做一次口径统一，然后在SKU维度算出周转天数、动销率、滞销占比这三个指标，按分布排出前20个问题SKU。把这份清单拿出来，和团队一起逐条判断成因。这一步通常能在两周内完成，而且立刻就能产生可执行的动作。
第二步，用同样的方法算一次真实毛利，把仓储费、资金成本和减值风险分摊进去，找出那些“销售正常但实际亏损”的SKU。这一步的价值往往超出预期，因为它会推翻一些固有认知。
第三步，才是建立持续的评分卡和淘汰机制，把一次性的诊断变成周期性的运行流程。到这里，库存管理才算真正从仓库层面升到了选品结构层面。
最后提醒一句：所有涉及平台仓储规则、收费标准、税务合规要求的内容，都会随时间变化，请务必以你后台和官方公告的最新版本为准。方法可以复用，具体参数必须自己核。
我自己做亚马逊和独立站，ERP里库存数据一堆，周转天数、动销率、售罄率、缺货率、滞销占比都有人讲，但我不知道先看哪个，也遇到过平台仓、海外仓、在途和采购在单混在一起算，越看越乱。到底哪些指标是诊断库存问题必须看的？跨境场景下口径怎么统一？
先看五个基础指标：库存周转天数、动销率、售罄率、滞销库存占比、缺货率。跨境再加三个变量：头程在途周期、平台仓容或仓储限制、退货与合规处置周期。口径上建议把可售库存、在途库存、采购在单、不可售或退货库存分开，不要合并成一个库存总数；
周转天数用近30天或90天出库成本除以平均可售库存，动销率按有销量SKU数除以总SKU数，滞销占比按超过设定天数无销量的库存成本除以总库存成本。具体天数阈值按类目和补货周期定，比如快消类30天、慢消类60到90天，不要照搬别人的固定值。
我遇到过一批货在海外仓压了几个月，运营说广告没打起来，物流说头程太慢，采购说当时选品数据很好。大家都觉得不是自己的问题。我想知道有没有一套判断顺序，能把选品、运营、物流的责任拆开，而不是拍脑袋。
用排除法加数据对照。先看同款或同类目在相同平台、相同价格带、相同流量周期下的动销表现：如果同类品能卖、你的SKU点击和转化都低，优先怀疑选品或详情页匹配度；如果点击高、转化低，查价格、评价、退货原因和详情页预期；如果转化正常但补货后长期卖不完，查采购批量、头程时效和安全库存设定。
具体看三个数：上架90天累计动销率、广告点击率与转化率、退货率中与质量或尺码相关的占比。选品问题的典型特征是低点击、低转化、高退货且同类竞品正常；运营问题多表现为有流量但转化差；物流问题多表现为断货后权重下滑或批次到货错过销售窗口。别只看一个月的销量，至少拉90天数据。
我们SKU越铺越多，ERP里有些产品一个月卖几单，但占着库存和仓位；有些产品销量一般但毛利高，我又舍不得砍。我想做一张评分卡，但不知道维度怎么选、权重怎么定，也怕一刀切把潜力款砍掉。
评分卡不要追求统一权重，先定四个硬门槛：毛利率、库存周转天数、退货率、月动销件数。硬门槛不过的SKU直接进淘汰或清仓池，比如连续90天无销量、退货率超过类目均值两倍、毛利扣掉头程和平台费后为负。通过门槛后再用销量趋势、毛利贡献、广告投入产出比、复购或关联购买、库存深度做加权评分。
权重按阶段调：新品期看点击、转化和加购，成长期看动销和补货频率，成熟期看毛利和库存周转，衰退期看清仓速度。输出三档动作：加码备货、观察四周、淘汰清仓。观察档要设退出条件，比如四周内周销未达到安全库存的四分之一就转淘汰，避免无限期占仓。
我店铺里爆款经常断货，但另一些SKU又压着不动，整体库存周转越来越慢，现金流很难受。我知道要优化选品，但不知道是先砍SKU、先补爆款，还是先改补货策略。有没有一个先后顺序？
先把SKU分成四类：高销量高周转、高销量低周转、低销量高毛利、低销量低周转。高销量高周转的爆款优先解决断货，核心是缩短补货周期、提高预测频率、设置动态安全库存，安全库存可按过去8到12周销量的波动来定，而不是固定天数。低销量低周转的SKU先停止采购并清仓，释放的仓位和现金再投给爆款或高潜力款。
高销量低周转通常是采购批量或物流节奏问题，不是选品问题，要改小单多频和分仓。低销量高毛利可以保留但限制库存深度，用预售或按单采购控制风险。顺序上建议先清淘汰池、再保爆款、最后测新品，否则一边断货一边压货，整体周转很难改善。
读者评论
库存表上的红字八成是选品选出来的，这个判断太真实了。很多团队整天调安全库存、改补货公式，却不敢砍长尾SKU，根源就在这。
周转天数偏高的主要原因是价格带和物流成本结构决定了单SKU上限，运营提速空间有限。这点深有体会，选品阶段没算好头程和仓储成本，后面怎么调都白搭。
数据口径不统一那段说到痛点了。把采购在单、在途、平台仓可售全加总当可用库存，补货决策不出错才怪。建议再展开讲讲怎么统一多平台多仓的口径。
旺季押注式备货的案例很典型，用去年表现和供应商价格做决策，没做流量结构变化推演。跨境链路本来就长，线性外推风险太大，选品比补货更关键。
选品有准入没淘汰机制，SKU就一定会膨胀。年出货低于100件的SKU占库存资金一大块，定期做SKU退出比优化补货参数有效得多。