我见过最贵的一张 Excel 表，是一个做家居类目的卖家在 2023 年黑五前一周发给我的补货问题清单。表里有 43 行问题，从"这个 SKU 要不要补"到"供应商为什么不回消息"，但没有一列写清楚补多少、什么时候补、谁负责、超时怎么办。这张表在三个群里转了三天，最后断货的还是断货，滞销的还是滞销。
问题不在执行力，在清单的设计。绝大多数跨境卖家做采购补货管理，第一步就走错了：把"问题清单"做成了"疑问清单"。疑问只需要有人回答，问题需要有人决策。而决策必须靠阈值、字段、责任和时效来驱动，不能靠感觉。
这篇文章我想把过去几年做补货流程诊断时积累的方法完整讲一遍：一份能落地的采购补货问题清单，到底由哪些层组成、每个字段为什么必须存在、怎么映射进 ERP 做自动触发，以及不同规模的卖家应该在哪一步做取舍。文章里的数据来自我参与过的脱敏诊断样本和公开行业口径，标注了来源的地方可以引用，标注"示意"的地方是我的经验推演，请按你的业务实际情况校准。
如果只能记住一句话，我希望是这句：采购补货问题清单的交付物不是一张表，而是一套可执行的补货规则库。表只是这套规则的可视化外壳。表可以换、可以删、可以重做，但规则必须稳定沉淀下来。
我见过的失败案例几乎都指向同一个原因：团队把清单当成"排查工具"。每周打开一次，从头到尾看一遍，找出当下看着不顺眼的行，讨论半小时，散会。下周再重复一次。这种做法的问题在于，它依赖人的注意力，而人的注意力在跨境这种多平台、多时区、多币种的环境里是最稀缺的资源。
我把一份合格的清单拆成三层。最上层是诊断层，回答"现在哪里不对劲"，它是给人看的；中间是规则层，回答"什么条件下要做什么"，它是给系统看的；最下层是动作层，回答"谁在多久内做什么、做不完找谁"，它是给组织看的。
这三层缺一层都不行。只有诊断层，清单会变成一份漂亮的周报，看完就忘；只有规则层，系统会疯狂报警，最后所有人把通知关掉；只有动作层，团队会陷在救火里，永远不知道为什么火一直在烧。
我判断一份补货问题清单是否合格，通常看四条，不看第五条。这四条是：
这四条里最容易缺的是"可计算"。很多团队的清单上写着"重点关注动销下滑的 SKU"，听起来很专业，但动销下滑的定义是什么？7 天环比还是 30 天同比？下滑多少算下滑？没有口径，这句话等于没说。
# 反例（不可计算）
重点关注动销下滑的 SKU
库存偏紧的需要及时补货
供应商异常的尽快沟通
正例（可计算、可触发）
近 7 天日均销量 / 前 28 天日均销量 60 天
可用库存 / 近 28 天日均销量 < 采购交期 + 头程时效 + 14 天缓冲
供应商近 90 天准时交付率 < 85% 且当前有在途批次延期
反例和正例的差别，不在于谁更严谨，而在于能不能交给系统去跑。人不可能每天手动算 3000 个 SKU 的比值，系统可以。
我做过一个粗略统计：在我接触过的、已经有 ERP 的跨境卖家里，真正把补货清单跑成日常机制的不到三成。剩下七成不是没做，而是做了一段时间之后自然停掉了。停掉的原因高度集中，基本跑不出下面这几类。
这是最典型的场景。同一个仓库里，A 类 SKU 断货 12 天，C 类 SKU 躺着 180 天没动。团队的所有精力都在催 A 的货，C 就一直躺着，直到财务做季度盘点才发现资金压在里面。
问题出在清单的排序逻辑上。多数清单是按"紧急程度"排序的，而紧急程度天然偏向缺货，缺货有明确的销售损失，滞销只是"钱暂时回不来"。如果一个清单里没有把滞销做成同等优先级的独立问题类型，它永远排不到前面。
"库存偏低""销量波动大""供应商交期不稳"，这三句话可以描述任何一个 SKU，因此也不能描述任何一个 SKU。没有阈值的清单，本质上是把判断成本转嫁给了执行的人。执行的人每天要判断几百次，最后一定退化成凭手感。
补货不是采购一个部门的事。运营知道下周要做站内秒杀，仓库知道某个 SKU 因为包装破损被冻结了 200 件，财务知道下个月要付一笔大额供应商尾款，这三条信息如果进不了同一张清单，采购做的补货决策就是盲的。
我见过一个很典型的案例：采购基于系统里的"可用库存"补了 800 件，但仓库那边有 300 件被质检冻结，实际可用只有 500 件，补完还是断货。这个错误不是采购的错，是清单没有把"冻结库存"作为独立字段暴露出来。
跨境和国内补货最大的差别在这里。国内补货，交期是 3 天，误差 1 天。跨境补货，交期是"工厂 15 天 + 头程海运 32 天 + 清关 5 天 + 入仓 3 天"，任何一个环节的误差都是按周算的。
如果清单里的"在途库存"只有一个总数，没有按批次、按物流节点、按预计到仓日期拆开，那采购做的补货决策就是在一个巨大的不确定性上叠加另一个不确定性。
43 行问题的清单，第一周还能看完，第三周就只看前 10 行，第五周只看标红的。这不是态度问题，是结构问题。清单的长度必须和团队的处理带宽匹配，超出的部分要么自动化，要么删掉。
下面这六个误区，我在不同卖家身上反复见到。它们的共同特点是：看起来正确，执行起来会出问题，而且出问题的时候不容易被发现。
很多团队在 ERP 里给每个 SKU 设一个固定的补货点，比如"库存低于 100 件就补"。这个数字一旦设定，可能半年不动。但销量是会变的：旺季日均 20 件、淡季日均 3 件，用同一个补货点，旺季必然断货，淡季必然压货。
我的判断是：补货点应该是计算出来的结果，不是录入的参数。它至少应该是"日均销量 × 补货周期天数 + 安全库存"，其中日均销量按近期加权，补货周期包含交期、头程和清关缓冲。ERP 里存的应该是公式和输入参数，而不是最后那个数字。
日均销量按什么窗口算，直接决定了补货决策的质量。用 30 天均值，反应迟钝，销量突然翻倍时要等半个月才跟上；用 7 天均值，反应灵敏但噪声大，一次秒杀就能把补货点顶到天上，秒杀结束后立刻变成滞销。
我通常建议分层：稳定款用 28 天加权，新品用 7 天加人工复核，促销款单独走促销预估通道。三种算法对应三种 SKU 标签，在清单里用不同的字段列展示，不要混在一列里。
账面库存 = 系统里记录的库存总数。可用库存 = 账面库存 − 已售未发 − 冻结 − 预留 − 不良品。这两个数字在很多 ERP 里是两个字段，但很多清单只取了其中一个，而且没写清楚取的是哪个。
这个错误的后果是系统性的：算出来的补货量整体偏小，表现就是"每次补完还是不够"。更麻烦的是它很难被发现，因为每个环节看起来都对。
算出建议补货量 340 件，供应商 MOQ 是 500 件，装箱率是每箱 24 件。那么最终下单量不是 340，是 504（21 箱）。如果清单里没有把这两个约束做进去，采购每次都要手工调整，调整多了就会漏。
更隐蔽的是"整箱约束"对多仓调拨的影响。补 504 件到哪个仓、怎么分、分完之后每个仓的库存是否还低于补货点，这一连串计算如果靠人做，出错是必然的。
供应商交期在清单里经常是一个静态字段，比如"15 天"。但实际上，同一个供应商在旺季和淡季、在爆款和常规款、在首次合作和返单之间的交期差异可能超过一倍。
我的做法是让交期动态化：用该供应商近 90 天实际交付数据算加权平均，再叠加一个按品类设定的缓冲系数。清单里展示"承诺交期"和"实际平均交期"两列，差值超过阈值时自动升级为供应商风险问题。
业务在变，平台规则在变，物流时效在变，清单不可能不变。我建议把清单本身当成一个需要迭代的产品：每月复盘一次误报率和漏报率，季度做一次字段增删评审。
判断要不要改的简单标准：如果某个问题连续两个月触发但从不产生有效动作，它就应该被删掉或改条件；如果某类异常总是事后才发现，说明缺一个字段或阈值。
说完问题，讲结构。我把采购补货问题清单分成七层，从上到下依次是基础信息、需求预测、库存健康、采购参数、在途头程、供应商交付、资金与风险。这七层的顺序不是随意的，它对应的是决策链的推进顺序：先知道是谁，再知道要卖多少，再知道有多少，再知道能补多少，再知道多久能到，再知道靠不靠谱，最后看钱和合规。
这一层看起来最简单，实际上最容易出问题。必须包含的字段是：SKU 编码、平台、店铺/站点、目标国家、仓库、主体公司、品类、生命周期阶段（新品/成长期/成熟期/清仓）。
为什么主体公司也要进这一层？因为跨境涉及多主体运营时，库存和资金是分主体核算的，补货决策如果跨主体，涉及到内部交易和转移定价，不能只按 SKU 维度看。
核心字段：近 7 天日均销量、近 28 天日均销量、近 90 天日均销量、环比变化率、季节系数、促销计划标记、促销预估增量、可售天数。
这一层最重要的不是字段数量，而是口径统一。所有日均销量必须来自同一个数据源，并且明确是否剔除取消订单、是否剔除刷单、是否按发货口径还是下单口径。我见过最离谱的情况是采购用发货口径、运营用下单口径，两个人开会吵了半小时，其实说的不是同一件事。
核心字段：账面库存、可用库存、已售未发、冻结库存、不良品库存、在途库存、安全库存、补货点、库龄分布（30/60/90/180 天以上）、库存周转天数、动销率。
库龄必须做分桶，不能只给一个平均值。一个 SKU 平均库龄 45 天听起来健康，但如果其中 30% 超过 180 天，这个 SKU 实际上已经在亏钱了。
核心字段：供应商编码、采购单价、币种、MOQ、装箱率、阶梯价区间、承诺交期、实际平均交期、采购周期、付款条件、是否独家供应、备选供应商。
这一层是很多清单缺失的。缺失的直接后果是建议补货量算得再准也落不了地，因为采购拿着一个数字去下单时，还要重新过一遍 MOQ、装箱、价格阶梯、付款条件。
核心字段：批次号、发货日期、发货数量、当前物流节点、预计到仓日期、延迟天数、物流方式（海运/空运/快递/铁运）、货代、清关状态、是否已入仓。
关键设计是批次粒度而不是汇总粒度。在途库存按 SKU 汇总成"在途 1200 件"是没有决策价值的，因为其中 800 件还有 25 天到仓、400 件 3 天内到仓，这两部分的处理方式完全不同。前者不能算进近期可用，后者可以直接抵扣补货量。
核心字段：近 90 天准时交付率、平均延迟天数、延迟原因分类（产能/原材料/质检/物流/其他）、质量问题批次占比、返单响应时长、替代供应商可用性。
延迟原因必须分类，不能只记录"延迟了"。因为不同原因对应不同动作：产能问题要提前锁产能，原材料问题要调整采购节奏，质检问题要增加验货频次。如果只有一个"延迟"标签，复盘时就只能得出"这家供应商不行"这种没有操作性的结论。
核心字段：本次补货占用资金、预计销售回款周期、资金周转天数、汇率敞口、关税与合规风险标记、平台政策风险标记（如某平台限制品类）、库存减值风险等级。
这一层经常被忽略，但它是决定"该不该补"的最后一票。一个 SKU 从补货逻辑上看完全该补，但如果它占用资金 60 万、回款周期 120 天、且所在平台正在收紧该品类，那这个补货决策就需要更高层级的人来拍板。
下面这套模板是我在实际项目里反复使用和调整过的版本，去掉了所有和具体 ERP 绑定的部分，你可以直接改成 Excel，也可以作为 ERP 配置的需求文档。
编码的作用是让问题可以被归类、被统计、被追踪。我的规则是三段式：场景码 + 层级码 + 序号。比如 RPL-INV-01 表示补货场景下的库存层第 1 号问题，SUP-DEL-03 表示供应商场景下的交付层第 3 号问题。
编码一旦确定就不要随意改，因为后续所有处理记录、复盘统计、看板指标都挂在编码上。
触发条件必须写成机器可读的表达式，哪怕你的 ERP 暂时不支持自动触发，也要先写成表达式，因为这样才能在人工执行时保持一致口径。下面是一个完整的问题定义示例：
问题ID: RPL-INV-01
问题名称: 可用库存低于补货点
所属层级: 库存健康层
优先级: P1
触发条件:
available_stock 0
AND sku_lifecycle != '清仓'
计算口径:
available_stock = on_hand – sold_not_shipped – frozen – reserved – defective
replenish_point = forecast_daily_sales * (lead_time + head_leg_days + customs_buffer)
fluctuation_factor + safety_stock
责任岗位: 采购专员（第一责任）
处理时限: 24 小时内输出补货建议
必填输出: 建议补货量、预计下单日期、预计到仓日期、占用资金
升级路径:
24 小时未处理 → 采购主管
48 小时未处理 → 供应链负责人
72 小时未处理 → 业务负责人
闭环字段: 处理结果、实际下单量、下单日期、到仓日期、偏差原因
注意其中的"计算口径"部分。很多人写清单只写触发条件，不写口径，结果是不同的人用不同的算法去验证同一个条件，得出的结论永远不一致。
责任矩阵要解决的核心问题是：一个问题的第一责任人是谁。我的经验是第一责任人必须唯一，协作方可以有多个，但只能有一个"负责推动这件事结束"的人。
| 问题类型 | 第一责任岗位 | 协作岗位 | 处理时限 | 升级对象 |
|---|---|---|---|---|
| 可用库存低于补货点 | 采购专员 | 运营、财务 | 24 小时 | 采购主管 |
| 在途批次超期未到仓 | 物流专员 | 采购、货代 | 12 小时 | 物流主管 |
| 库龄超过 180 天 | 运营负责人 | 采购、财务 | 72 小时 | 业务负责人 |
| 供应商准时交付率低于阈值 | 采购主管 | 质量、物流 | 5 个工作日 | 供应链负责人 |
| 补货占用资金超预算 | 财务负责人 | 采购、业务 | 3 个工作日 | 业务负责人 |
| 销量预测与实际偏差超阈值 | 运营负责人 | 数据分析 | 每周复盘 | 业务负责人 |
| 冻结/不良库存异常增加 | 仓储主管 | 质量、采购 | 24 小时 | 供应链负责人 |
SLA 的时长设定不能拍脑袋，要基于"这件事晚一天的实际损失"倒推。在途批次超期为什么是 12 小时而不是 24 小时？因为跨境物流一旦超期，每一天都可能产生滞港费、仓储费，而且会连锁影响到仓计划和其他批次的排期。
另一个要点是升级机制必须自动化。如果升级靠人记得去催，那升级机制等于不存在。ERP 或协同工具里应该配置超时自动通知上级，而不是等周会上问"这个事情怎么样了"。
清单在 Excel 里跑通之后，下一步一定是进系统。原因很简单：Excel 没有并发、没有权限、没有审计、没有自动触发。当 SKU 超过 500 个、参与人超过 3 个时，Excel 就会开始拖后腿。
映射的第一步是主数据治理，包括 SKU 主数据、供应商主数据、仓库主数据、平台店铺主数据。这一步不做，后面所有规则都会因为数据不一致而失效。
我通常建议在主数据阶段就定义好三件事：SKU 编码规则（避免一个商品多个编码）、供应商唯一标识（避免同一供应商多个名字）、仓库与主体公司的对应关系。这三件事做好，能省掉后面一半的对账工作。
需要打通的数据包括订单数据、库存数据、采购数据、物流数据、财务数据。重点是口径对齐，比如库存快照的时点（是每天 24:00 还是每天 08:00）、销量统计口径（下单还是发货）、采购到货口径（到港还是入仓）。
我的经验是：口径这件事必须在项目启动会上写进文档并签字确认，否则一定会在上线后扯皮。而且一旦确认就不要轻易改，改一次口径意味着所有历史对比数据失效。
触发方式有三种：定时扫描、事件触发、人工复核。
实际落地时通常是三者组合：定时扫描兜底，事件触发处理高时效场景，人工复核处理例外。
采购想看的是"哪些 SKU 要补、补多少、什么时候到"，运营想看的是"哪些 SKU 会缺货影响销售、哪些滞销要清"，财务想看的是"这次补货要占多少钱、回款周期多长"，老板想看的是"整体库存健康度和风险敞口"。
把这四类需求塞进一套表，结果就是所有人都要在一堆无关字段里找自己要的部分。正确的做法是一套底层规则、多个角色视图。
在实际项目里，我会优先考虑用像数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）这类专门面向跨境电商场景的数据与经营管理平台来承载这套清单的核心部分。原因不是功能多，而是它的数据模型天然是按"平台 + 店铺 + 站点 + 仓库 + SKU"这个跨境维度组织的，而通用 ERP 往往要先做一层维度映射才能对上。
具体落地时我会按这个顺序推进：先把 SKU、供应商、仓库、平台主数据对齐进来；再把库存健康层和采购参数层的字段配置成可计算指标；然后用定时任务跑补货点、可售天数、库龄分桶这三组核心规则；最后把结果按采购、运营、财务三个角色分成不同视图推送。
在途与头程这一层是难点，也是最值得投入的地方。跨境的在途数据通常散在货代、物流商、平台后台，人工汇总一次要几个小时。把这部分接进来之后，批次粒度、预计到仓、延迟天数才能自动更新，整个补货决策的准确度会有一个明显的台阶式提升。
需要说清楚的是：任何系统都只能把可规则化的部分自动化。像新品首批补货、大促备货这种依赖判断的决策，系统能做的是把决策所需的数据准备好，而不是替代决策本身。把不能自动化的部分也硬塞进系统，是 ERP 实施里最常见的失败原因。
我不建议一上来就做完整版本。清单设计的正确姿势是先跑通最小闭环，再逐步加字段、加规则、加自动化。下面是我常用的节奏，你可以根据团队规模压缩或拉长。
把当前团队实际在处理的补货相关问题全部列出来，不做筛选，不做优化，先求全。然后按七个层级归类，看看哪一层是空的。空的那一层往往就是当前最大的盲区。
给每个问题定义计算所需的字段，标注数据来源（系统/人工/外部），然后设定初始阈值。初始阈值不需要精准，可以先用经验值，重点是先有，后面靠数据校准。
这一步的关键是每个字段都要写清数据来源和更新频率，否则后面配自动化时会发现有些字段根本没有稳定的数据源。
用过去 3 到 6 个月的历史数据回测这套规则，重点看两个指标：误报率和漏报率。误报率高说明阈值太松，漏报率高说明阈值太紧或者缺字段。
这一步常常会推翻一些假设。我经历过的典型情况是：团队以为自己缺货主要是补货不及时，回测之后发现 60% 的缺货是因为销量预估偏低，问题出在预测环节而不是补货环节。
把每个问题类型对应的第一责任人、协作方、处理时限、升级路径全部确认一遍，并且让责任人本人签字确认。这一步看起来是流程工作，实际上是整个清单能否运转的分水岭。
上线后的第一个月是最关键的校准期。每周做一次异常复盘，看三类情况：触发但没有产生有效动作的（可能是误报）、应该触发但没有触发的（可能是漏报）、触发了但处理超时的（可能是 SLA 不合理或责任人不合适）。
一个月之后，规则基本会稳定下来。之后改成月度复盘、季度评审即可。
同一套方法，在不同规模下的落地重点完全不同。下面按三个典型阶段给建议。
这个阶段最重要的是把补货从"人脑记忆"变成"纸上规则"。不需要 ERP，不需要自动化，一张结构化的 Excel 加一次每周固定的补货会就够。
优先做三件事：把可用库存的口径统一（这一条能解决大部分"补了还是不够"的问题）、把在途按批次拆开、给每个 SKU 算出可售天数。这三个字段有了，补货决策质量会立刻上一个台阶。
这个阶段要克制的冲动是买系统。系统解决的是规模和协同问题，不是认知问题。规则没想清楚，上了系统只是把混乱搬到了另一个地方。
这个阶段 SKU 数量和参与人数都上来了，Excel 开始撑不住，同时缺货和滞销会同时出现。核心任务是建立可计算的规则体系，并且把主要流程搬进系统。
优先做四件事：建立分层销量预测（稳定款/新品/促销款分开）、把补货点从静态参数改成公式计算、建立在途批次追踪、给每类问题定义责任人和 SLA。
这个阶段最容易犯的错是追求"全自动"。实际上这个阶段真正值得自动化的是库存健康层和在途层，需求预测和供应商管理还是需要大量人工判断。
这个阶段的核心矛盾从"单个 SKU 补不补"变成了"整体资金怎么分配、多主体多仓怎么协同、风险怎么控制"。清单的重点要往资金与风险层上移。
优先做四件事：建立资金占用与回款周期的联动视图、建立多仓调拨的优化规则、建立供应商分层管理与备选机制、建立库存减值风险的分级预警。
这个阶段还有一个隐性问题：组织大了之后，补货决策的链条变长，每一层都可能加一道人工确认。这时候要反过来做减法，把已经稳定的规则重新设为自动执行，只在异常时人工介入。
清单设计本质上是做取舍。下面四组取舍是我在项目里最常被问到的。
自动化不是越高越好。判断标准是：这件事的判断是否可以被完整规则化。库存低于补货点要补货，这个可以规则化；新品首批备多少货，这个很难规则化，硬做规则的结果通常是备少或备多。
我的经验是把 80% 的高频、低判断复杂度的事情自动化，把 20% 的低频、高判断复杂度的事情留给人，并且把数据准备做足。全自动和全人工都是极端选择，实际收益都不好。
把安全库存的算法从"日均销量 × 7 天"升级到带波动率、带季节系数、带服务水平目标的统计模型，准确度会提升，但维护成本也会显著上升：需要更多的历史数据、更稳定的数据质量、更懂统计的人。
判断要不要升级的标准是缺货成本。如果缺货一天损失几千块，用简单算法足够；如果缺货一天损失几十万，那就值得投入做精细模型。
不同平台的补货逻辑确实不一样：有的平台备货周期短、周转快，有的平台一旦断货排名掉得厉害恢复很慢，有的平台退货率高需要额外留库存。完全统一会失真，完全分散会失控。
我的做法是底层字段统一，参数分层。字段口径、责任矩阵、SLA 框架全公司统一；补货周期、安全库存系数、退货率预留按平台分别设定。这样既保证一致的管理语言，又保留各平台的必要差异。
自建的优势是贴合业务，劣势是维护成本高、迭代慢，而且一旦核心人员离职，系统就可能变成无人能改的黑箱。采购现成平台的优势是开箱即用、持续迭代，劣势是部分个性化需求无法满足。
我的判断标准是：如果你的补货逻辑是行业通用的，用现成平台；如果你的补货逻辑本身就是竞争优势，才考虑自建。绝大多数卖家的补货逻辑属于前者，真正差异化的是选品、流量和供应链资源，不是补货算法本身。
需要提醒的是，无论自建还是采购，主数据治理和口径统一这两件事都必须自己做，没有任何系统能替你完成。
回到最开始那张 43 行的 Excel 表。它的问题不是内容不够多，而是缺少四样东西：可计算的字段、可触发的阈值、唯一的责任人、可闭环的时效。这四样东西补上，43 行可以缩减到 15 行，但执行力会上升一个量级。
我特别想强调一个反常识的判断：一份好的采购补货问题清单，衡量标准不是它能发现多少问题，而是它能自动过滤掉多少不需要人处理的情况。清单越长越详细，往往说明规则越不清晰。
另一个容易被忽略的点是清单的迭代机制。业务在变、物流在变、平台在变，清单必须跟着变。我在项目里会固定留出每月一次、每次两小时的"清单校准会"，专门看误报、漏报和超时处理的情况，只做规则调整，不做具体业务决策。这个机制坚持一年之后，效果比任何一次性的流程优化都明显。
下一步你可以这样开始：
清单设计这件事没有终点，但它有明确的起点：把"感觉"换成"字段"，把"关注"换成"阈值"，把"一起看看"换成"谁在多久内做什么"。做到这三点，你的补货管理就已经超过了绝大多数同行。
我们公司做亚马逊和独立站，之前采购同事用一张 Excel 记补货，结果运营说缺货、采购说没到时候、仓库说在途还没到，三边吵得不可开交。我自己接手后想重新设计清单，但不知道该放哪些字段，放多了没人填，放少了又判断不了。
按"判断这条问题需要看什么"倒推字段，而不是按部门习惯罗列。一张可落地的补货清单，最小可用字段分五组：一是标识组，问题ID、平台、店铺、SKU、仓库/国家；二是需求组，近7天/30天日均销量、销量趋势方向、是否处于促销或旺季；三是库存组，可用库存、在途库存、安全库存、库龄分段；
四是采购组，补货点、MOQ、供应商交期、头程时效、采购周期合计；五是决策组，建议补货量、触发原因、责任岗位、处理时限、处理结果。判断标准很简单：每条问题必须能回答"为什么现在触发、该补多少、谁在什么时间内处理、处理完怎么验证"，缺任何一环这条就不算完整。
字段总数建议控制在 20 个以内，超过 25 个通常就意味着有人在填无效信息。多平台多仓场景下，SKU+仓库+平台要作为联合主键，否则同一个 SKU 在不同仓的库存状态会互相覆盖。
我们做的是美妆类目，海运头程要 35 到 45 天，加上供应商生产 20 天，我按公式算出来的安全库存经常不是太高就是太低，高了压资金，低了断货。我一直在纠结是不是公式本身就不适合跨境，还是我的参数取错了。
跨境场景不能直接套用国内那套安全库存公式，核心差异是补货提前期不是固定值而是区间，且波动来源更多。可执行的做法是分两步：第一步算补货提前期，用"供应商生产天数 + 头程运输天数 + 入仓上架天数"，并且不要用平均值，用 P75 或 P90 分位数，比如历史 20 批货里第 15 慢的那一批的天数。
第二步算安全库存，用"日均销量 ×（最长提前期 − 平均提前期）+ 安全系数 × 销量标准差 × √提前期"，安全系数按目标有货率取，95% 有货率约 1.65，98% 约 2.05。补货点 = 日均销量 × 平均提前期 + 安全库存。
建议每季度用实际到货数据回测一次：如果过去一个季度缺货次数超过你设定的目标，就上调安全系数或改用 P90 提前期；如果在库天数持续超过 90 天且滞销占比上升，就下调。参数不是一次算完就不动，是要跟着物流和销量波动校准的。
我们最头疼的就是系统里显示库存还有两百多件，运营放心大胆投广告，结果一周后仓库实际可发只有几十件，剩下的全在海上或者在清关。我被这个坑过两次，一次还因为超卖被平台警告。想问问在途这块清单该怎么设计才不会看走眼。
关键是把"库存"拆成状态而不是一个总数，并且让每个在途批次带预计到仓日期。清单里至少要有这几列：可用库存（可立即发货）、锁定库存（已被订单占用）、在途库存（按批次一行，含发货日期、物流节点、预计到仓日、延期天数）、待上架库存（已到仓未完成入仓）。
判断逻辑上，可用库存扣掉锁定库存才是真正可售量，在途库存只有在"预计到仓日 ≤ 补货提前期覆盖窗口"时才能拿来抵扣补货需求。设置两个预警规则：一是当可用库存 − 锁定库存 低于未来 15 天预测销量时立即告警；二是当某批在途延期天数超过 7 天，自动把该批次从可用预测里剔除并重新计算补货需求。
这样能避免用一批还不知道什么时候到的货去撑销售计划。
我们清单设计得挺全，但跑了两周就荒废了，采购还是凭经验下单，运营也不看预警。我怀疑是不是不该一次上全套，应该先跑最简单的部分。想听听有没有分阶段的落地节奏，以及怎么让 ERP 真正自动触发而不是靠人盯。
落不了地通常不是清单问题，而是一步上太全、没有责任人、没有验证闭环。建议按 30 天节奏分三段推进。第 1 到 7 天，只做"库存健康 + 补货点"两层，字段压到 8 个以内，先用历史数据回跑一个月，看预警准确率，目标是误报率控制在 20% 以内。
第 8 到 20 天，把在途批次和供应商交期接进来，设置两条自动触发：定时扫描（每天固定时间跑一次生成补货建议单）和事件触发（库存跌破补货点、在途延期超阈值立即推送）。
第 21 到 30 天，再补责任分工和复盘机制，每条预警必须指定唯一责任人、处理时限（比如缺货风险 4 小时内响应、在途延期 24 小时内确认），ERP 里记录处理结果并每周复盘一次误报和漏报。判断是否真的落地，看三个指标：预警处理率、补货建议采纳率、缺货与滞销同时发生的次数。
如果预警处理率低于 80%，说明要么规则不准要么责任没落实，先修规则再谈自动化。
读者评论
文章把补货清单拆成诊断层、规则层、动作层很实用。我之前做采购时最怕清单只写“库存偏低”，却不定义口径，最后每天凭手感判断。小团队可以先落地可计算字段，比如可用库存、近28天日均销量、在途批次和MOQ，再逐步加自动触发。
从ERP实施角度看，规则库方向是对的，但字段映射和主数据治理是前提。可用库存、冻结、在途节点如果系统里没拆开，自动触发只会误报。建议先统一库存口径，再给每个问题设唯一责任岗和SLA，否则清单又会退回群里催办。
财务视角看，文章提到缺货和滞销要同等优先级很关键。很多卖家只盯断货损失，忽略滞销占用的现金流。若清单加入库龄、动销、MOQ和装箱率，补货量会更接近真实可执行量，供应商交期动态化也能避免安全库存被动抬高。
作为运营，最认同一句：清单不是问卷，是规则库。运营的促销计划、仓库的冻结库存必须进同一张表，否则采购补货就是盲的。建议每月复盘误报漏报，连续触发却从不产生有效动作的条目直接删掉，清单太长没人看。