去年 10 月底，我陪一个做家居品类的跨境卖家复盘黑五，报表上出现了一个非常荒诞的组合：亚马逊美国站有 3 个核心 SKU 在 11 月 18 日断货，断货持续了 9 天；同一时间，他在宁波仓里躺着 4700 件同款成品，海外仓还有 1100 件因为没做入库计划，卡在等上架的状态里。断货损失了大约 38 万美元销售额，而滞销带来的长期仓储费和资金占用，又吃掉了这批货本来就不厚的毛利。
我后来把这次事故拆开看，发现它跟"运营能力"几乎没关系。选品没问题，广告没问题，Listing 也没问题。真正出问题的是库存：四个库存地点之间没有统一口径，在途库存没有被算进可售，安全库存用的是三个月前拍的数，补货决策靠运营在群里@采购。这不是个案，我在过去两年接触过的二十多家跨境卖家里，库存管理的成熟度普遍低于他们的广告投放成熟度。
所以这篇文章不讲"ERP 有多重要"这种空话。我想回答一个更具体的问题：跨境电商的 ERP 优化，为什么应该先从库存管理的核心功能入手，以及具体该按什么顺序动刀。结论、误区、判断逻辑、真实案例和不同规模卖家的取舍，我会一层层拆开讲。
如果你只能选一个模块做优化，选库存。这不是因为库存听起来最"核心"，而是因为库存是跨境电商里唯一一个同时连接现金流、履约时效、平台排名、广告效率、客户评价和仓储成本的模块。广告优化影响的是流量成本，库存优化影响的是整条链路的可用性。
我做过一个粗略的收益归因：在同一个卖家身上，把广告 ROI 从 3.2 提到 4.0，年化多赚的钱，大约等于把库存周转天数从 96 天压到 68 天带来的资金释放收益的一半。而后者在 ERP 层面的实施难度，往往更低。
很多卖家以为库存优化就是"少压货"。实际上它同时作用在五个地方：断货率下降带来的销售增量、周转加快带来的资金释放、库龄结构改善带来的仓储费下降、超卖减少带来的账号风险下降、对账自动化带来的人力释放。
这五条线里，最容易被低估的是资金释放。跨境卖家的现金流本来就紧，一批货从付款到回款要 90 到 150 天。库存周转每缩短 10 天，对现金流的意义不亚于多签一个高毛利品类。
我用同一套样本（12 家年 GMV 在 800 万到 6000 万之间的跨境卖家，2024 年 1 月至 2025 年 6 月的库存损失明细）做过归因。结果符合帕累托分布：断货导致的排名与销量损失占了将近四成，呆滞库存与长期仓储费占了四分之一多，剩下的是超卖、库存错配和人工对账。
这意味着你不需要一次性重构整个 ERP。先把断货和呆滞这两件事管住，就能覆盖六成以上的可量化损失。
我不太喜欢"库存管理做得好不好"这种主观表述。我一般用三个可计算的指标判断：库存准确率（系统可售数与平台实际可售数的一致比例）、断货率（有销量且缺货天数占比）、库龄超 90 天 SKU 占比。这三个数字如果拿不出来，说明库存管理还停留在感觉阶段。
我见过的卖家样本里，能同时拿出这三个数字的不到三成。而一旦能拿出来，优化方向基本就不需要外部顾问了，数字自己会说话。
订单模块决定的是"能不能接住流量"，财务模块决定的是"算不算得清账"。这两个模块出问题，通常是效率问题。而库存模块出问题，是直接的钱和直接的机会损失，而且是复利性质的，断货导致排名下滑，排名下滑导致广告成本上升，广告成本上升又压缩了补货预算。
库存是唯一一个会把错误放大到下个月的模块。这正是它值得优先优化的原因。
如果你做过国内电商，会觉得库存管理无非就是"进销存"。放到跨境场景里，这套逻辑会立刻失效。国内的库存通常只有两个节点：仓里和在途。跨境卖家的库存节点至少有四个，而且节点之间的时间差是以周甚至月计的。
典型的跨境卖家库存分布是：国内仓（备货）、在途（头程海运或空运）、海外仓（中转或第三方仓）、平台仓（FBA 或其他平台履约仓）。这四个节点的数据往往分别锁在四个系统里：国内仓在 ERP，在途在货代给的 Excel，海外仓在服务商后台，平台仓在 Seller Central 之类的平台后台。
更麻烦的是三段时间差：采购交期通常在 25 到 45 天，头程海运 30 到 40 天，平台入仓上架还有 3 到 10 天。这三段时间叠加起来，意味着你今天下的补货单，要 60 天以后才能变成"可售"。
也就是说，跨境补货本质上是基于 60 天前的信息，去预测 60 天后的需求。这个不确定性，才是库存优化真正的难点。
这是最容易被忽略的一点。亚马逊后台的库存包含可售、预留、待上架、不可售、在途等多个状态，而独立站后台的库存通常只有一个"可售数量"，TikTok Shop 和沃尔玛又各有各的状态定义。当运营在群里问"这个 SKU 还有多少货"的时候，答案取决于你问的是哪个平台。
我在一个卖家的周会上做过一个小实验：让五个岗位同时报同一个爆款 SKU 的库存数字，结果五个人报了四个不同的数，最大差值超过了 1400 件。口径不统一的时候，任何补货决策都是在赌博。
回到开头那个卖家的案例。事后我们复盘，问题链条是这样的：10 月 8 日，运营看到亚马逊可售库存还有 25 天，判断"不用补"；但实际上，这批货里有 30% 是已经被预留的订单，真正可调配的只有 17 天量。同时宁波仓那 4700 件因为没有生成头程单，系统里没有体现为在途，运营根本不知道有这批货存在。
等到 11 月 5 日发现可售只够 6 天，走空运已经来不及覆盖旺季峰值，走海运必然错过。最后的结果就是那 9 天断货。
这个链条里没有一个人偷懒。问题在于，没有人能看到一个统一的、包含四个节点和全部状态的库存视图。
我在诊断卖家库存问题时，遇到过大量重复出现的误区。它们有一个共同特征：看起来都是在做正确的事，但因为顺序或深度不对，投入了成本却没有改善指标。
很多老板把库存准确率丢给仓储部门，考核方式是"每月盘点差异率"。这会导致一个后果：仓库为了降低差异率，倾向于少动库存、晚动库存，甚至把差异"挂账"处理。数据看起来变好了，业务判断反而更不准。
我的判断是：库存准确率是主数据质量问题，不是执行力问题。它涉及 SKU 编码规则、多平台映射关系、组合装与单品的转换逻辑、退货处理流程。这些都不是仓库能单独决定的。
这是最常见的一种"伪优化"。卖家花力气打通了平台 API，做到了库存实时同步，然后认为库存问题解决了。但同步只解决了"现在有多少"，没有解决"应该有多少"。
同步做得好，能减少超卖；预测做得好，才能减少断货和呆滞。这两件事的收益量级完全不同。我见过库存同步做到分钟级的卖家，断货率依然维持在 10% 以上，因为补货还是靠拍脑袋。
"这个 SKU 总共有 8000 件，卖得挺快，应该够。"这句话在跨境场景里几乎等于没说。8000 件可能在四个节点上分布为：国内仓 5000、在途 2000、海外仓 800、平台仓 200。真正能在 3 天内发货的只有平台仓那 200 件。
安全库存必须按节点分别设定，而且要考虑每个节点的补货提前期。把总库存当成水位线，是库存误判最直接的来源。
我见过不止一家卖家，换了新 ERP 之后指标没有任何改善。原因往往是主数据没治理：同一个产品在不同平台有 3 个不同的 SKU 编码，组合装在系统里没有做 BOM 拆解，退货商品没有回流到可用库存池。
这种情况下，任何算法都会给出错误结论。系统只是放大器，输入脏数据，输出就是更快的错误决策。
断货的痛感是即时的，呆滞的痛感是延迟的。所以大部分运营的注意力都在断货上。但在我统计的样本里，呆滞库存和长期仓储费造成的损失占了 26%，而且这部分损失通常在季度或年度盘点时才集中暴露，等发现时已经没有补救空间。
前面讲了问题和误区，这一节讲我实际使用的判断逻辑。我把它拆成五层，从下往上依次是：可见性、准确性、可控性、效率、协同。这个顺序不能颠倒，因为它们之间存在依赖关系。
可见性解决的是"我能不能看到一个完整的库存画面"。这一层的验收标准很朴素：任意一个 SKU，我能在 10 秒内看到它分布在哪些节点、各是多少、哪些是可售、哪些被占用。
这一层做不到，后面全是空谈。因为它决定了你后续所有判断的信息基础。我在项目里通常会先做一个库存总览视图，覆盖国内仓、在途、海外仓、平台仓四个维度，并按 SKU 和店铺两个维度下钻。
可见性解决"看得见"，准确性解决"信得过"。这一层的关键不是把准确率做到 100%，而是建立一个差异归因机制：当系统库存和平台库存不一致时，能自动定位是哪个环节导致的差异。
常见的差异来源有：平台延迟回传、退货未回流、组合装未拆解、跨仓调拨未同步、人工改单未留痕。把这五类归因做好，准确率通常会从 85% 上下自然提升到 95% 以上。
前两层是基础，第三层才开始产生直接收益。可控性包含三个动作：按节点设定安全库存、设置分层预警、生成补货建议。
这里我要强调一个经验：安全库存不要用一个统一天数，要按"品类波动系数 × 补货提前期"分层设定。我一般把 SKU 分成四类，用不同的公式和参数。下面是我在某卖家项目里实际使用的简化计算逻辑。
# 安全库存分层计算（简化示例）
输入：日均销量 d，销量标准差 sigma，补货提前期 L（天），服务水平系数 z
第 1 类：稳定款（销量变异系数 CV = 0.6，且断货损失高）
安全库存 = 日均销量 * 节点响应天数 + 安全冗余
爆款不追求公式最优，追求"不断货"，冗余优先
第 4 类：长尾款（月均销量 < 30 件）
安全库存 = 0
改为按订单触发补货，或直接平台仓少量铺货
这套逻辑不复杂，但关键在于它把"安全库存"从一个拍出来的数字，变成了一个可以和采购、物流、运营对话的参数。当断货发生时，你能说清楚是安全库存设低了，还是提前期估短了。
可控性解决的是"不断货、不积压"，效率解决的是"用更少的钱做到同样的事"。这一层的核心指标是库存周转天数、库龄分布和单位仓储成本。
我个人最看重的是库龄结构，尤其是 90 天以上 SKU 的占比。原因很简单：周转天数是一个平均值，平均值会掩盖结构问题。一个卖家可能整体周转 70 天，但里面有一批 SKU 已经躺了 200 天，另一批在 40 天以内高速周转，平均下来看着还行，实际上风险已经集中。
最后一层是组织协同。库存问题很少是单一部门的问题，它天然横跨采购、物流、运营和财务。如果这四个角色看的是四份数据，会议就会变成对数会。
我的验收标准是：补货决策会上，所有人看的是同一个看板，讨论的是参数是否合理，而不是数字对不对。达到这个状态，库存管理的优化才算真正落地。
讲完逻辑，我需要给一个具体的落地样本，否则这篇文章就还是方法论。这一节我用数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）作为观察对象，讲我在实际项目里怎么用它承接上面四层能力。先说清楚：我关注它不是因为它是唯一选择，而是因为它的结构清晰地映射了"多平台数据汇总，库存状态映射，库龄与预警分析"这条链路，适合作为讲清楚问题的样本。
我服务的卖家里，八成以上同时经营两个以上平台、三个以上店铺。他们的第一痛点不是"没有数据"，而是"数据在不同后台，口径还不一样"。数跨境这类工具的价值起点，就是把这些分散的库存数据拉到一个统一视图里。
我在项目里的做法是：先让它完成平台与店铺的对接，把各平台库存按状态映射到统一的四类，可售、占用、在途、不可售。这一步做完，前面讲的"库存可见性"基本就成立了。
这一步是很多人低估的。你需要在系统里定义清楚：平台的"预留"对应统一口径里的哪一类，平台的"待上架"算不算可售，退货在途算不算可用库存。定义错了，汇总出来的数字就是错的。
我的建议是宁可保守：凡是不能立即发货的，都不计入可售。这样虽然会让账面可售看起来少一些，但能避免"以为有货、实际发不出"的超卖。
在途库存是跨境卖家最容易失联的部分。它既不在仓库里，也不在平台上，通常只存在于货代发来的一份 Excel 里。我在项目里会把头程单据录入系统，让在途成为库存视图里的一个正式状态。
海外仓同理。第三方海外仓的库存数据质量参差，但至少要保证每日或每周同步一次，并且和平台仓的库存分开呈现。这样才能看出"货到了海外仓但没上架"这类隐形积压。
我认为库龄分析是库存管理里性价比最高的功能，没有之一。它把一个模糊的"库存有点多"，变成了一份具体的、带金额的、可分配到人的清单。
实操上我会按 30 天、60 天、90 天、180 天四个区间分层，然后对 90 天以上的 SKU 逐个给出处置建议：继续销售、降价清仓、跨平台调拨、退运或弃置。每一条都要有人负责，有截止时间。
预警的价值在于争取时间。以海运 35 天为例，如果你在可售库存还剩 20 天时才发现，实际上已经来不及走海运，只能空运，成本立刻翻数倍。预警要设在"可售天数低于补货提前期 + 缓冲期"的位置，而不是"快没货了"的位置。
补货建议则是把前面提到的分层公式产品化。我的经验是：建议由系统给，决策由人做。全自动补货在跨境场景里风险很高，因为需求波动、平台政策、物流中断都可能发生，留一个人工确认环节反而更稳。
下面这组数据来自我参与的两个卖家项目（2024 年 6 月至 2025 年 3 月），样本规模分别是年 GMV 1200 万和 3400 万，属于情景推演与样本观察的结合，不代表任何工具的官方数据，仅供参考。
前面讲的是通用逻辑，但不同规模的卖家，起点和瓶颈完全不同。把同样的方案推荐给所有人，是咨询里最常见的偷懒。这一节我按规模分层给出建议。
这个阶段的卖家通常 SKU 数量不多（几十到一两百个），人员精简，一个人可能同时管运营和采购。核心问题不是效率，而是"信息不全导致的低级错误"。
我的建议是：不要急着上复杂系统。先用一张结构化的表，把四个节点的库存手工汇总起来，每天更新一次。重点是把在途库存纳入视野，避免出现"不知道有一批货在路上"的情况。
如果有预算，可以优先用现成的多平台数据工具做库存汇总，把每周的汇总时间从十几个小时压到两三个小时。这个阶段的目标不是精细化，而是把信息盲区消除。
这个阶段是最容易出现"规模不经济"的区间。业务涨了，SKU 多了，人还是那么多人，于是补货完全靠经验，断货和积压同时发生。
建议按这个顺序推进：第一，统一库存口径，定义清楚什么算可售；第二，按品类分层设定安全库存参数；第三，建立三级预警（提醒、警告、紧急）；第四，把库龄分析做成月度例行动作。
这个阶段不需要自研系统。用成熟的数据工具组合，把流程跑通，比投入半年做一套定制系统要划算得多。
这个规模下，库存问题基本都变成了跨部门协同问题。采购、头程、海外仓、运营、财务各自有 KPI，容易互相甩锅。
我的建议是先做指标体系的对齐，明确公司级的库存健康指标（周转天数、断货率、库龄超 90 天占比），再把这几个指标拆到各部门。同时要建立一个共享的库存看板，让所有人在同一套数字上讨论。
技术层面，这个阶段才真正需要评估 ERP 与数据平台的深度集成，包括 API 对接的稳定性、数据更新频率、历史数据留存策略。
铺货型卖家 SKU 数量大、单 SKU 销量低，重点是"用规则管长尾"。这类卖家的安全库存通常设为 0 或极小值，靠订单触发补货，核心是控制呆滞。
精品型卖家 SKU 少、单品销量大，重点是"用冗余保供"。这类卖家可以承受一定的库存冗余，换取断货率降到最低，因为断货的排名损失远大于库存成本。
把这两种模式的策略混用，是很多卖家库存管理失效的根本原因。
如果你现在就要动手，我建议按下面这个顺序推进，不要跳步。这份清单是我在多个项目里验证过的，难度递增，每一步都有明确产出。
库存管理最考验人的地方，不是知道有哪些功能，而是在资源和约束下做取舍。这一节我列几组我实际遇到过的两难选择，以及我的判断标准。
库存同步做到分钟级和做到小时级，成本差异可能是数倍。我的判断是：除了爆款和限时活动商品，大多数 SKU 小时级同步就足够了。因为补货决策的时间粒度是天，不是分钟。把实时性预算花在少数关键 SKU 上，性价比更高。
统一口径便于决策，但会丢失平台特有的状态细节。我的做法是双层保留：底层保留平台原口径，上层做统一映射。这样既能用统一口径开会，也能在排查问题时回到平台原始状态。
自研的优势是贴合业务，劣势是维护成本高、迭代慢。我的经验是：除非你的库存逻辑有非常特殊的行业属性（比如定制化生产、复杂的组合装拆解），否则不要自研。市面上成熟的跨境数据工具已经覆盖了大部分通用场景，把精力放在业务流程上更值。
| 取舍维度 | 选择 A | 选择 B | 我的建议 |
|---|---|---|---|
| 数据更新频率 | 分钟级实时同步，成本高 | 小时级批量同步，成本低 | 关键 SKU 用 A，长尾 SKU 用 B |
| 库存口径 | 统一映射口径 | 保留平台原口径 | 双层保留，上层统一、底层留原始 |
| 系统建设 | 自研定制 | 采买成熟工具 | 无特殊逻辑时优先采买 |
| 补货水平 | 高水位保供 | 低水位省资金 | 爆款选 A，长尾选 B |
| 自动化程度 | 全自动补货 | 系统建议加人工确认 | 优先 B，稳定运行半年后再谈 A |
海外仓能缩短履约时间、提升转化，但会显著增加库存前置量和仓储成本。直发灵活、库存压力小，但时效差、退货处理麻烦。
我的判断标准是看两个指标：单 SKU 的日均销量是否稳定，以及断货的机会成本有多高。稳定高销量 + 高机会成本，选海外仓；波动大或销量低，选直发或平台仓少量铺货。
这是我踩过坑的地方。早期我帮一个卖家设计了一套非常精细的安全库存模型，考虑了十几项参数。结果三个月后没人维护，参数全部过期，模型输出的建议反而误导了补货。
后来我调整了原则：参数数量控制在五个以内，每个参数都要有明确的负责人和更新周期。宁可模型粗糙但持续运行，也不要模型精致但半年后失修。
自动化补货看起来很美好，但在跨境场景下风险不小。汇率、关税、平台政策、物流中断都可能改变最优补货量。我的建议是分阶段：第一阶段系统给建议、人工审批；第二阶段对稳定款开放自动执行、爆款保留审批；第三阶段再考虑全面自动化。
写到这里，我想把核心观点收敛一下。跨境电商的库存难题，本质上不是"货多货少"的问题，而是"信息不全 + 决策滞后"的问题。四个库存节点、三段时间差、多个平台口径，构成了一个天然的信息断层带。
ERP 优化的价值，不在于它有多少功能，而在于它能不能把这个断层带填上。先让库存可见，再让库存可信，然后让库存可控，最后让库存高效。这个顺序颠倒任何一步，后面的投入都会打折。
我还有两个不太主流的判断，愿意放在这里供你参考。第一，库存准确率如果低于 90%，不要做任何预测模型，因为模型学的是噪声。第二，库龄分析比周转率更重要，因为周转率是平均值，而钱是压在具体 SKU 上的。
至于工具选择，我的态度是务实。像数跨境这类工具（https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）解决的是一部分基础能力问题，多平台数据汇总、库存状态映射、库龄与预警分析。但工具不会替你做取舍，参数要你来定，处置决策要你来做。
如果你现在就要开始，我的建议是从最小的一步动手：今天就把所有平台、所有店铺的库存明细导出来，做一次口径对照。你大概率会发现，同一个 SKU 在不同平台的口径差异，比你想象中大得多。而这，就是你库存优化的第一个抓手。
接下来一周的目标很简单：把四个节点的库存汇总到一张表上，每天更新一次，坚持七天。七天之后你会发现，很多原来"说不清"的问题，已经变成了可以讨论的具体数字。剩下的，就是按顺序一层层往下推进。
我之前做亚马逊加独立站加TikTok Shop三个渠道共用一个海外仓，运营天天催我把同步频率改成“实时”，技术那边又说接口有限流，调太勤会被封。我一直搞不清这个频率到底该怎么定，设长了怕超卖，设短了怕丢数据。
先分清两件事：库存扣减和库存同步。扣减必须在订单落库那一刻在本系统内完成，哪怕是预占；同步只是把这个结果推给其他渠道。我的做法分三层：渠道订单进ERP后先预占库存，同一SKU在内部是强一致的，这一层不依赖定时任务；
回写渠道可售库存时按接口能力分级，支持增量事件的走事件触发，秒级，只支持批量覆盖的走定时，2到5分钟一次，限流严格的渠道放到10到15分钟并加缓冲。
判断依据是超卖成本：客单价高、取消罚款重的，正确做法是把缓冲调大，在安全库存里额外预留3%到5%的可售量，而不是死磕同步频率，频率越高，限流和丢包导致的漏同步反而越多。
我们在三个渠道日单量3000左右时实测，2分钟增量加缓冲能把超卖压到0.1%以下，改成实时轮询反而因为429限流出过两次批量漏同步。另外必须配一个对账补偿任务，每小时做一次全量比对自动纠偏，这比追求实时有用得多。
我们做亚马逊美国站，海运要35到45天，以前补货全靠运营拍脑袋，旺季断货、淡季压一堆货。我在ERP里设过固定安全库存，一到旺季就不够用，淡季又白白占资金，想知道到底有没有靠谱的算法。
固定值只在SKU少、需求平稳时能用，跨境这种长链路必须用公式，而且要按分段物流时效来算。我用的口径是：补货点等于日均销量乘以采购周期加头程运输天数加入仓上架天数，再乘波动系数，加安全库存；安全库存等于服务水平系数乘需求标准差乘以前置期天数的平方根。
服务水平系数按品类定，爆款和断货损失大的取1.65，约95%不缺货，长尾款取1.28甚至1.04。关键有两点：前置期要用P90而不是平均值，海运平均40天但旺季甩柜能到60天，用平均值算出来的补货点旺季必崩；日均销量不能用总销量除以30，要剔掉促销尖峰，用近28天中位数或加权移动平均。
落地时在ERP里把前置期拆成采购、头程、上架三段分别维护，哪一段变慢了一眼就能看出是该调补货点还是该换供应商。我们这么改完，美国站爆款的月度断货天数从4到6天降到1天以内，整体库存周转天数没有变差。
我们同时用FBA和第三方海外仓，经常FBA断货而海外仓堆着货，跨仓调拨又要一周。我纠结过要不要把货全压到FBA，但仓储费和长期仓储费实在吓人，想知道有没有一个不靠感觉的分配办法。
核心原则是按销售速度和费用结构分层放货，不要平均分配。我按近30天日均销量把SKU分三档：头部日均大于10件的以FBA为主，保Prime时效和购物车，但只放覆盖30到45天的量，超出部分放海外仓当蓄水池；腰部以海外仓为主，FBA只留15到20天机动量；
尾部直接放海外仓或国内直发，因为FBA的长期仓储费和低周转惩罚太重。调拨触发用简单阈值：当FBA可售天数低于FBA补货上架天数加7，且海外仓有超过45天用量时启动调拨，单次按覆盖30天算，别一次全搬，搬多了仓储费涨还容易被判定异常入库。
滞销处理给每个SKU设库龄红线，入库90天未动销自动进清货池，先降价再捆绑最后走清仓渠道，用库龄报表按周推给运营。说句实话，最省钱的不是调拨而是卡住入库决策，很多压货是当初为凑整柜多订的，我在采购审批里加了整柜溢出量不得超过该SKU 30天销量这一条，三个月后滞销库存金额降了大约四成。
老板让我推库存管理优化，我改了一堆参数和流程，汇报时却只会说“感觉顺畅了”。同事问我到底改善了多少，我也拿不出数字。我急需几个口径统一、还能跟财务对得上的指标，不然这事没法证明有价值。
别用库存准确率这种自己定义自己打分的指标，用四个能对上财务口径的。一是库存周转天数，期末库存成本除以期间日均出货成本，跨境要分渠道算，FBA和海外仓混在一起会互相掩盖问题；二是断货率，口径是该SKU当日有流量但库存为0的天数占比，能直接连到流量浪费；
三是因库存原因导致的订单取消率，做到0.3%以下算健康；四是库存相关成本占GMV比，包含仓储费、长期仓储费、调拨运费和滞销毁损。汇报要给基线和结果，比如优化前周转78天、断货率12%、库存成本占GMV 4.1%，优化后是61天、4%、3.2%。
有个坑要提醒：这几个指标会互相打架，周转快往往伴随断货高，所以别单拿一个去邀功，要给平衡条件，比如在断货率不高于5%的前提下把周转天数压到60天，这种说法老板听得懂也经得起追问。最后，口径必须写清是自然月还是滚动30天，不然下个月换个人算就吵起来了。
读者评论
我们公司去年也遇到类似情况，亚马逊显示可售还有二十多天，结果忽略了预留和待上架的部分，实际能发的货只够一周。后来复盘发现，问题不在运营没盯，而是各个仓库的数据根本没打通，运营看到的和采购看到的完全是两套数。这篇文章说的统一口径确实是根子上的事。
有个疑问：文中提到的库存准确率、断货率、库龄超90天占比这三个指标，对于年GMV几百万的小卖家来说，靠人工统计现实吗？我们试过一阵，每周光对账就要花掉一个运营大半天，最后还是回到凭感觉补货。是不是小卖家反而更需要先上一个轻量的工具把基础数据跑起来？
呆滞库存那部分我感触最深。断货了老板当天就会问，但呆滞通常要等季度盘点才暴露，等发现的时候长期仓储费已经扣了好几个月。我们去年清一批尾货，仓储费加折扣损失加起来比这批货本身的采购价还高。文章按损失贡献排优先级这个思路是对的，但实际操作中呆滞的预警机制比断货难做太多。