2021 年 8 月，我接手一个深圳 3C 卖家的 ERP 上线项目，对方老板给的目标很明确：把北美站的断货率从 12% 压到 5% 以内。三个月后项目验收，断货率是 9.7%，滞销库存金额反而涨了 34%。复盘时我们发现问题不在 ERP 选得对不对，而在采购补货这个模块的落地清单漏掉了最关键的三项：SKU 与平台 MSKU 的映射关系、海外仓可用库存的扣减口径、旺季销售速率的外推窗口。
这篇文章不聊 ERP 选型，只聊采购补货这个模块怎么落地。我会把核心结论先摆出来，然后用一个真实复盘说明为什么大多数团队的补货模块上线后反而更乱，再拆解六个常见误区、三层数据模型、可直接对照执行的落地清单，最后给出不同卖家类型下的行动建议和取舍逻辑。
我做过和看过十几个跨境电商 ERP 的采购补货模块落地，一个反复出现的规律是：这个模块的失败几乎从来不是流程配置错了，而是喂给它的数据口径错了。流程可以照抄，口径抄不了。下面五个结论，是我认为你必须在上线前就想清楚的。
很多团队的验收标准是"采购申请可以走审批流、能生成 PO、能推送供应商"。这些只是单据能力，属于 ERP 最基础的部分。
补货模块真正的验收标准应该是：系统每天自动算出的建议补货量，采购负责人愿意直接采用 70% 以上，剩下 30% 的调整能说清楚原因。如果采购还在用 Excel 自己算一遍再回头改系统，那这个模块本质上没上线。
采购补货模块要吃三类主数据：商品主数据（SKU、MSKU、ASIN/Item ID、组合装关系、包装规格）、供应商主数据（交期、MOQ、阶梯价、账期、发货仓）和仓库主数据（本地仓、海外仓、平台仓、在途虚拟仓）。
这三类里，商品主数据的映射关系是最容易被低估的。一个 SKU 对应多个平台 listing 是常态，一对多映射没建好，销量数据就归集不到一个池子里，补货量必然失真。
补货回答的是"什么时候需要多少货"，采购回答的是"以什么条件、向谁、分几批把货拿到"。这两个问题的输入变量完全不同。
补货看的是销售速率、可售天数、安全库存、在途数量；采购看的是供应商交期、MOQ、阶梯价、装箱率、账期和资金占用。把它们塞进一个页面、一套公式，结果就是补货建议永远"不可执行"。
我见过最稳的落地节奏是分三步走，每步间隔 2 到 4 周。
跳过第一步直接上第三步的团队，我在实际项目里没见过成功的。
这句话我想强调三遍。很多团队花大量时间讨论用不用机器学习、要不要加季节性因子，但真正导致补货量错 40% 以上的，是"可售库存里到底扣不扣预留""在途算不算已经报关未到港的那批""退货在途算不算可用库存"这类口径问题。
下面这个案例我参与得比较深，从诊断到二次上线一共花了 5 个月，值得完整讲一遍，因为它几乎踩全了采购补货落地的所有坑。
这家公司主营蓝牙耳机和便携充电类产品，北美为主，欧洲为辅，SKU 数量大约 480 个，其中在售的活跃 SKU 约 210 个。渠道包括两个平台自营店、一个独立站，物流结构是"国内工厂 → 头程海运/空运 → 美国海外仓 → 平台仓（FBA）"。
上线前的补货决策完全靠 Excel，一个采购主管带三个跟单，每周一早上导出各平台销量，手工算一遍可售天数，然后凭经验下单。
他们的商品编码体系是"工厂型号 + 颜色 + 包装方式"，但平台上的 MSKU 是按"店铺 + 变体"生成的，两边完全没有映射表。
结果就是：同一个物理商品在两个店铺的销量被当成两个不同的东西，系统无法把两个店铺的销量合并计算安全库存。最后的表现是两边各自补货，总备货量比实际需求高出 30% 以上。
海外仓的库存表里有一个"可用数量"字段，但它没有扣除平台仓的在途预留、未发货订单占用量和质检冻结量。
系统算出来的可售天数比真实可售天数平均高出 1.8 天。听起来不多，但对一个日均出货 3000 单的 SKU 来说，1.8 天的虚高就意味着少下了一个整柜的量。
这是最致命的一条。系统默认用最近 7 天平均日销量乘以备货天数来计算补货量。
10 月是北美旺季起点，前 7 天销量已经开始爬坡，但系统把这个爬坡值当成稳定值去外推 45 天的备货周期，导致 11 月大促期间主力 SKU 全面断货，临时走空运补货 4 批，光运费差额就吃掉当季毛利的大约 6 个百分点。
这个项目最反常识的地方是：缺货率和滞销率同时上升了。按常识，补货多了应该不缺货，补货少了才会有滞销。但真实情况是，钱花在了错误的 SKU 上，畅销款因为口径问题算少了，滞销款因为映射问题算多了。
这不是个案。我在后面几个项目里反复验证过：补货模块上线后指标恶化，90% 的情况是结构性问题（分错钱），而不是总量问题（多花钱或少花钱）。
下面六个误区，我按"踩坑频率 × 修复成本"排序。前面三个几乎每个项目都会遇到，后面三个属于深水区。
这个误区的典型症状是：项目立项时，需求文档里 80% 的篇幅在描述审批流有几级、谁有权批多少金额、采购单需要打印哪些字段。
但审批流是 ERP 的标准件，任何一个成熟产品都能配。真正需要设计的，是补货建议怎么生成、参数谁来维护、异常怎么暴露。
判断方法很简单：如果你们的需求评审会上，讨论"补货参数维护界面"的时间少于讨论"审批流级数"的时间，这个项目大概率会返工。
我见过一个团队坚持要上"加权移动平均 + 季节性分解 + 趋势外推"的三层模型，光参数就有 11 个。上线后采购根本不敢用，因为没人能解释清楚为什么这个 SKU 建议下 800 件。
补货建议如果不可解释，采购就会绕开系统。绕开系统之后，再准的算法也等于零。
我的实际经验是：对于 80% 的 SKU，一个五参数的公式（日销、备货天数、安全库存、可用库存、在途）就足够；只有 20% 的高价值 SKU 值得上更复杂的模型，而且这些 SKU 通常不超过 50 个，完全可以人工复核。
跨境场景下的在途库存至少有五种状态：工厂已发货未报关、已报关未开船、海上在途、已到港未清关、已清关未入仓、已入仓未上架。
多数 ERP 只处理"在途"一个状态，把所有在途量加总，结果就是补货建议忽高忽低。更麻烦的是，已到港未清关的货在财务上可能是"在途物资"，在运营上却是"随时可上架"，这两个口径混用会直接导致缺货。
系统算出需要补 137 件，供应商 MOQ 是 500 件，装箱率是 40 件每箱，阶梯价在 1000 件时降 8%。
这时候"137 件"这个建议毫无意义。补货模块必须能把这三个约束条件作为后置校验，输出的是"500 件，13 箱，按第一档价格"，而不是一个裸数字。
我见过最实用的做法是：补货建议分两列显示，"理论需求量"和"可执行采购量"，两者都用，前者用于判断真实缺口，后者用于下单。
做北美市场的卖家，退货率 15% 到 30% 是常态。退货商品分两种：可二次销售的（退货在途 → 质检 → 重新上架）和不可销售的（报废或清货）。
退货在途如果不计入可用库存，系统会持续高估缺口。反过来，如果全部按可二次销售计入，又会低估缺口。
我的建议是：按品类设置一个"退货可再售率"参数，默认 60%，每季度用实际数据校准一次。这个参数不需要精确，但必须存在。
账号被限售、listing 被下架、合规审核未通过，这些都会让一部分备货瞬间变成死库存。补货模块如果不考虑这个维度，就会在风险期继续催单。
实操上比较可行的做法是：给每个 SKU 打一个"渠道风险标签"，风险期内该系统 SKU 的备货天数自动下调 30%。
这是最贵的误区。自动生成的 PO 一旦基于错误口径批量下发，供应商那边已经开始排产，撤回成本极高。
我的标准做法是：自动生成的采购单必须先进入"待确认"状态，默认不推送到供应商，由采购在每天固定时间集中确认一次，确认动作要留痕，用于后续校准参数。跑满 8 周、确认率稳定在 85% 以上之后，再考虑对低价值 SKU 放开自动推送。
把采购补货当成一个数据系统来设计，而不是一个流程系统，落地难度会下降一个量级。我通常把它拆成三层：主数据层、事实层、策略层。三层各自的职责必须清晰，不能混。
主数据层的作用是"让同一件事只有一个名字"。这一层没建好，上面两层全是沙子。
这里我想特别强调 MSKU 映射表。它看起来只是一张两列的表，实际上是整个补货模块的地基。我建议这张表由运营和采购共同维护，每周核对一次新增 listing，并且在上线前做一次全量对账，允许存在"未映射"状态，但必须让它可见。
事实层解决的是"现在到底有多少货、卖得多快"。这一层的关键是口径定义，我一般会要求团队把下面这些口径写成文档，而不是靠口头约定。
| 口径名称 | 定义 | 常见错误 |
|---|---|---|
| 可售库存 | 仓库实物库存 − 未发货订单占用 − 平台仓预留 − 质检冻结 | 直接用实物库存，虚高 1-3 天可售量 |
| 有效在途 | 已发货且预计在备货周期内到仓的在途量 | 把所有在途都算进去，包括延期 30 天的批次 |
| 有效日销 | 清洗后的日均销量（剔除测评单、取消单、批发单） | 直接取平台后台销量，混入异常大单 |
| 可售天数 | （可售库存 + 有效在途）÷ 有效日销 | 分母用 7 天均值，旺季严重失真 |
| 退货在途 | 已退回但未质检、按可再售率折算后的数量 | 完全不计入或全额计入 |
这张表我在每个项目里都会重新过一遍。经验数据是：只要把"可售库存"和"有效日销"这两个口径修正，补货量的准确率通常能从 55% 左右提升到 75% 左右，不需要动任何算法。
策略层是"给不同的 SKU 配不同的规则"。参数本身不多，但必须可维护、可追溯、可回滚。
补货建议量 =
MAX(
日销 × 备货天数 + 安全库存 − 可售库存 − 有效在途,
0
)
其中：
备货天数 = 供应商交期 + 头程时效 + 上架缓冲（默认 7 天）
安全库存 = 日销 × 安全系数 × 交期波动标准差
安全系数 = 按 SKU 分层设定（A 类 2.0，B 类 1.5，C 类 1.2）
后置约束：
采购量 = CEILING(补货建议量 / 装箱率) × 装箱率
IF 采购量 IF 供应商有阶梯价 THEN 触发阶梯价试算对比
这段公式看起来简单，但每一行都对应一个需要配置和维护的参数。我的建议是把参数分成"全局默认值"和"SKU 级覆盖值"两级，只对 A 类 SKU 做单独覆盖，其他全部走默认。这样参数总量能控制在 20 个以内，团队才维护得动。
再展开说一下"有效日销"这个最容易出错的地方。多数系统的做法是取最近 N 天平均，N 默认 7 或 30。这个做法在平稳期没问题，在旺季前后必然出事。
我比较推荐的替代做法是"双窗口取值 + 上架天数修正"：
这四条规则加起来，配置成本大约一个工作日，但能把旺季的补货偏差压缩一半左右。
补货建议变成采购单，中间必须过四道闸门，任何一道不通过就退回人工。
讲完理论，说点更落地的。前面提到的"三步走"里，第一步是补货看板。这一步很多团队会用 ERP 自带的报表，但实际情况是，ERP 的报表往往以单据为中心，不擅长做跨系统、跨口径的分析视图。
我最近两年在几个项目里，会用「数跨境」（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）来搭补货看板这一层。它不是 ERP，定位是跨境电商的数据分析平台，优势在于能把多个来源的数据拼到一张表里。
补货建议算不准，常见原因有两个：数据源本身不对，或者数据源对但没拼在一起。
平台后台有真实的销量，ERP 有库存和采购单据，物流服务商有在途和签收节点，财务有资金和账期。这四份数据各自都不错，但没有一个系统天然把它们放在一起看。
采购每天要做的是"横向比对"，而不是"纵向查单"。纵向查单是 ERP 的强项，横向比对是分析工具的强项。这就是为什么我建议把补货看板独立出来做。
具体做法不复杂，大致分四步。我把它写成步骤，你可以直接对照。
这套看板的实际价值在于：它把"补货到底缺不缺、缺多少"这件事从采购的个人经验，变成了团队共享的一张表。参数怎么调、口径怎么定，都可以在这一层先跑通，再同步给 ERP。
下面是一组来自我参与项目的数据观察（示意数据，取自一个家居品类卖家的 6 周灰度期）。这个卖家 SKU 数量 320 个，主要市场美国，使用海外仓 + 平台仓双仓结构。
| 周次 | 紧急缺货 SKU 数 | 滞销风险 SKU 数 | 采购人工改单率 | 补货工时（小时/周） |
|---|---|---|---|---|
| 第 1 周 | 46 | 58 | 68% | 26 |
| 第 2 周 | 41 | 52 | 54% | 22 |
| 第 3 周 | 33 | 47 | 43% | 19 |
| 第 4 周 | 27 | 41 | 35% | 15 |
| 第 5 周 | 21 | 37 | 28% | 12 |
| 第 6 周 | 18 | 34 | 24% | 11 |
这组数据里，我认为最有价值的是"采购人工改单率"这一列。它从 68% 降到 24%，说明采购开始信任系统的建议。这个指标比断货率更能反映模块是否真的落地了，因为它衡量的是人的行为变化，而不是结果指标。
另外注意第 1 周和第 2 周的滞销风险 SKU 数下降得比较慢。这是正常的：滞销库存的处理周期远长于缺货，前者需要清货或调拨，后者只需要下单。评估效果时应该把这两个指标分开看，不要混在一个综合分里。
说完优势，也要说清楚边界。分析型工具解决的是"看见"和"算对"，不解决"执行"。
它不会自动生成采购单，不会推送给供应商，不会管审批流，不会处理收货质检。所以正确的定位是：用它把补货口径跑通、把参数调准，然后把成熟的逻辑固化到 ERP 的补货模块里。两者的关系是前后工序，不是替代关系。
另外一个边界是数据时效。如果 ERP 的库存数据本身是每天凌晨同步一次，那看板最快也只能做到 T+1，做不到实时。做补货决策，T+1 通常够用，但要提前和业务方对齐预期，避免上线后被质疑"数据不准"。
还有一个容易被忽略的点：分析层的字段一旦被业务用起来，就会变成事实标准。也就是说，看板上"可售天数"怎么定义，很快就会成为全公司的定义。这是好事，但也意味着口径变更必须走流程，不能随手改。
采购补货没有一套通用打法，卖家类型不同，重点完全不同。我按四种典型类型给出建议，你可以对号入座。
特征是 SKU 数量大（上千甚至上万）、单 SKU 销量低、生命周期短、供应商分散。
这类卖家的核心矛盾是"管理成本 > 库存收益"。给每个 SKU 配精细参数是不现实的。
特征是 SKU 少（几十到几百）、单 SKU 销量高、生命周期长、供应商集中、备货金额大。
这类卖家是补货模块收益最高的群体，因为一个 SKU 的缺货损失可能顶得上铺货型卖家一百个 SKU。
特征是自有产能、可以按订单排产、没有外部供应商交期的强约束，但生产周期和原料采购周期长。
这类卖家的补货逻辑要往上游延伸一层：补货模块要能触发原料采购，而不是只触发成品采购。
特征是同一批货可能发往多个平台仓、多个海外仓，需要在仓之间调拨。
这类卖家的核心问题是"总量够但分布不对"。
落地过程中有几个关键取舍，没有标准答案，但有判断标准。
这是最常被问到的问题。我的判断框架是看三个变量：SKU 数量级、业务特殊度、团队技术能力。
| 方案 | 适合场景 | 实施周期 | 主要风险 |
|---|---|---|---|
| 通用 ERP 自带模块 | SKU 500 以内，业务标准化程度高 | 4-8 周 | 口径不匹配时改动成本高，容易被产品路线图绑架 |
| 垂直分析工具 + ERP | SKU 300-3000，需要跨系统看数 | 2-4 周（看板层） | 只解决看数不解决执行，需要和 ERP 配合 |
| 自研 | SKU 3000 以上，或有独特业务模型 | 6-12 个月 | 维护成本高，人员流动后系统容易烂尾 |
我的实际建议是：先用垂直分析工具把口径和参数跑通，同时用通用 ERP 承载单据和流程，等业务规模确实超过 ERP 的承载能力时再考虑自研。直接上自研的团队，一半以上会在 12 个月内因为维护成本放弃。
我的建议是分 SKU 分层处理，而不是一刀切。
判断标准是"错误成本"而不是"SKU 价值"。有些 SKU 金额不大，但一旦断货会导致整条产品线掉排名，这类反而要人工确认。
按天补货听起来更精细，但实际收益未必高。因为供应商交期通常是周级甚至月级，按天算出来的差异在交期面前会被抹平。
我的经验是：备货周期在 30 天以内的，按天补货有意义；备货周期超过 45 天的，按周补货足够，按天只会增加噪音。更有价值的做法是按天监控、按周下单。
这是采购补货模块里最容易被忽略的战略问题。系统通常按最低价推荐供应商，但单一供应商的风险在旺季会集中爆发。
我的建议是：对 A 类 SKU 强制配置至少一个备份供应商，并在补货逻辑里设置"主供应商占比不超过 70%"的约束。这个约束会让采购成本上升 2% 到 5%，但能显著降低断供风险。
最后给一份可以直接对照打勾的清单。我把它分成三段：上线前、灰度期、上线 30 天。每一段都有明确的验收标准，达不到就不要进入下一阶段。
| 序号 | 事项 | 验收标准 |
|---|---|---|
| 1 | 完成 MSKU 与内部 SKU 的全量映射 | 映射覆盖率 ≥ 98%，未映射项有明确责任人 |
| 2 | 定义可售库存口径并写入文档 | 明确列出扣减项，与仓库实际盘点差异 ≤ 2% |
| 3 | 定义有效在途的判定规则 | 明确哪些在途状态计入、哪些不计入 |
| 4 | 建立有效日销的清洗规则 | 剔除测评单、取消单、批发单的规则可配置 |
| 5 | 完成供应商交期与 MOQ 数据补录 | 覆盖全部在用供应商，交期区分淡旺季 |
| 6 | 补录装箱率与阶梯价 | A 类 SKU 100% 覆盖，B/C 类 ≥ 80% |
| 7 | 设定 SKU 分层规则 | A/B/C 三类分层标准明确，比例合理（如 15%/30%/55%） |
| 8 | 配置补货参数默认值 | 全局参数 ≤ 20 个，每个参数有默认值和取值范围 |
| 9 | 建立退货可再售率参数 | 按品类设置，默认 60% |
| 10 | 完成历史数据回测 | 用过去 3 个月的销售和库存数据回测，补货建议准确率 ≥ 70% |
第 10 项我想单独强调。回测是唯一能在上线前验证补货口径是否正确的办法，成本很低但收益极高。具体做法是：拿过去某个月的库存快照，用现在的公式算一遍补货建议，然后和当月实际销量对比，看建议量是否覆盖了真实需求、有没有严重过量。我经手的项目里，回测阶段平均能发现 3 到 5 个口径错误。
灰度期建议控制在 4 到 8 周，期间不放开自动生成 PO。每周固定时间看以下 6 个指标。
回到最开始那个项目。二次上线时我们做的第一件事不是换 ERP，而是花了两周时间把 MSKU 映射表补齐、把可售库存口径写成文档、把补货参数的默认值从 7 天窗口改成双窗口取值。三个月后断货率降到 5.4%，滞销库存金额下降了 27%。没有换系统，没有上算法，改的全是数据和口径。
如果你读到这里只记一句话，我希望是这句：采购补货模块的落地难度，90% 在于把口径定义清楚并让所有人遵守，10% 才是工具和算法。
关于下一步，我建议按这个顺序做：
这个节奏不快，但每一步都可验证。补货模块最怕的不是慢，是在口径还错的时候快速自动化，那只会让错误以更快的速度、更大的金额被放大。
我是做亚马逊加独立站的，去年上线ERP时一直以为采购补货就是「采购单加库存」两件事，结果跑到旺季才发现到处是断链。现在我要重新梳理一份落地清单去和供应商对需求，但不确定哪些功能是必须有、哪些是加分项，怕漏掉关键项后面返工。
清单按四条主线核对，缺一条后面都是废数。第一层是主数据与规则：SKU多平台映射表、供应商交期分段（下单到出厂、出厂到开船、开船到到港、清关到上架）、MOQ、整箱倍数、阶梯价。
第二层是库存口径：必须拆成可售库存、锁定待发、在途（已下单未发货、在途运输、清关中、待上架）、海外仓在库、平台仓在库与在途，每个数字都要能点进去看到明细单据。
第三层是补货计算：安全库存、销售峰值天数、运输延误缓冲天数三个参数要能按SKU、站点、仓库分别设置，建议补货量等于目标库存减有效库存减在途，公式要可视化，允许人工覆盖但必须留痕。第四层是执行闭环：采购申请、审批、PO、分批到货、部分收货差异、质检贴标、头程货件、入库上架，单据双向可追溯。
我的经验是第四层最容易被糊弄，很多工具只做到PO，到货件和实际入库就对不上账。验收标准很简单：随机挑一个SKU，能不能在三次点击内从补货建议一路点到采购单、物流提单、海外仓入库单，做不到就说明清单没落地。
我们自己搭的补货表一直用最近7天日均，上新期看着挺灵敏，但一到大促前后就完全失真，不是超补就是少补。我怀疑是口径问题，但不确定到底该用几天、要不要剔除断货日，也不清楚不同平台能不能混在一起算。
我的做法是分三段口径，而不是只用一个数字。短期看7天日均，用于上新期和爆款，响应快但对促销和站内秒杀极敏感；中期用28天日均作为主口径，覆盖一个完整月度周期，能摊平周末波动；旺季或断货频繁的SKU用剔除断货天数后的28天加权。
关键在剔除：断货日的销量是0，不能算进分母，否则日均被系统性低估，补货越补越少，形成死亡螺旋。具体做法是把库存为0的天数从分母扣掉，再按上周0.4、上上周0.3、前三周0.3做加权，然后乘季节系数，比如去年第四季度是第三季度的1.8倍，今年同期主口径就乘1.6到1.8，大促日单独手动覆盖。
另外要分平台算：平台站内广告位和榜单波动大，独立站受邮件和社媒推送影响大，同一SKU在两个渠道的日均最好分开计算再汇总进补货池，直接合并会互相污染。判断依据是上线后用两到三个月的回测，看建议补货量与实际销量的偏差，偏差超过正负25%就该调权重和季节系数，而不是改公式。
我们美国站走平台仓，欧洲站走第三方海外仓，独立站又是自己发货，之前把所有销量加在一起算总补货量，结果一个店狂补一个店断货，货还堆在同一个仓里调不动。我实在分不清什么情况下该合并，什么情况下必须拆开。
判断原则是「谁承担库存风险、谁决定补货节奏」。如果两三个店铺发的是同一批海运货、共享同一个海外仓，就必须合并成一个补货池，按合计销量算总补货量，否则会出现A店猛补、B店断货、货在同一个仓里调不动的尴尬。
如果各店独立发货、独立报关、独立备货，比如美国走平台仓、欧洲走第三方海外仓、东南亚走本地仓，就必须分开算，因为运输时效、关税、退货政策甚至包装标签都不同，合并会算出根本执行不了的数字。
落地时建议在ERP里建「补货单元」这个中间层：一个单元可以对应多个店铺加多个仓库，规则挂在单元上，销量和库存按单元汇总。两点经验：一是平台仓在库和海外仓在库不能简单相加，平台仓可售里含大量不可控因素（长期仓储费、移除、仓库间调拨），我一般只把平台仓的可用加在途按85%到90%折算计入；
二是同一SKU不同站点要做主SKU映射表，同一款产品在美国叫A、欧洲叫B、独立站叫C，系统会当成三个SKU各补一遍。
我们刚上线三个月，功能都能跑通，但老板问「到底省了多少」我答不上来。我自己也怀疑，缺货率是降了，可海外仓库存好像涨得更快，不知道这是不是正常的代价，还是我们参数设偏了。
别看功能有没有，看四个运营指标，上线前先记两个月基线，上线后按月对比。第一，缺货率，即有销量但库存为0的SKU天数占总SKU天数的比例，跨境做到5%以内算及格，10%以上说明安全库存保守或补货周期算错。
第二，库存周转天数与超90天库存占比必须一起看，加权平均库存成本除以日均出库成本得周转天数，只压周转不看长库龄，很容易砍出断货。第三，补货建议采纳率与手工干预率，如果运营改了70%以上的建议，说明模型和业务脱节，问题多半出在交期参数和季节系数，而不是算法。
第四，订单到上架周期的方差，不是平均值，比如平均45天到上架但标准差有18天，安全库存永远不够，这时该做的是缩短方差（换船期稳定的船公司、提前锁舱、把贴标前置到工厂），而不是单纯把安全库存调高。
我自己踩过的坑是：上线第一个月只看缺货率下降就宣布成功，第二个月海外仓爆仓、长库龄库存翻倍，本质是拿库存换缺货率，并不划算。所以验收至少跑一个完整补货周期再加一个旺季，通常要三到六个月才敢下结论。
读者评论
SKU与MSKU映射这段太真实了，我们做家居类目，一个SKU对应七八个listing是常态，维护映射表的人力成本比想象高得多。想问下退货可再售率默认60%是否偏乐观？我们服装类退货二次销售率不到40%，按品类校准频率一个季度够吗？
补货和采购解耦我认同，但小团队采购就一两个人，看板→单据→自动PO走两三个月，老板根本等不了。还有自动PO先待确认，实际采购可能直接批量点确认，跟全自动区别不大，除非系统能强制逐条看差异。
天销量外推旺季确实坑，但换成14天或30天窗口又容易把促销脉冲当趋势。我们试过按平台活动日历分段算速率，维护量不小。海外仓可用库存扣预留，平台仓的预留数据接口经常延迟，系统算出来还是偏乐观。