去年情人节前，我盘过一家鲜花外卖店的后台数据。店铺总共37个SKU，过去30天的日均单量是300单。当时团队按“情人节流量翻三倍”的逻辑，把每个SKU平均补了3倍库存，结果情人节当天，销量集中在2个主花束和3个配草SKU上，剩下32个SKU总共只卖出去不到100单。压货金额超过11万元，最后处理了两个月才清完。后来我在复盘时想清楚了一件事：当你在搜索引擎里敲下“sku库存节日爆发 把握节日节点SKU库存爆发式备货”时，你要找的其实不是怎么一次性压货，而是怎么在节日节点让备货既覆盖爆发点，又不变成积压。
这篇文章不会告诉你“多备30%”或“3倍备货”这种正确废话。我会用自己的真实经历、后台数据和一套可执行的SKU分级方法，讲清楚节日备货的真相：爆发式备货的本质，不是对每个SKU都爆发，而是对不同SKU分配不同的爆发权重。
一、节日备货的核心结论：不是备总量，而是备确定性
先给结论。节日备货最核心的指标不是“总备货量”，而是“每个SKU的备货确定性”。确定性是指：这个SKU在特定节日场景下，销量可以被预测的程度。确定性越高，越值得重仓；确定性越低，越应该压缩、预售或干脆放弃。
我见过很多商家做节日备货，用的是同一套方法：拿过去30天的日均销量，乘一个倍率，再乘SKU数量。这个方法的问题在于：节日流量不是平均分配到每个SKU上的，而是高度集中在少数几个符合节日场景的SKU上。如果你用“全店统一倍率”备货，一定会出现两个结果：爆款不够卖，长尾款压成山。
真正可持续的做法是：先对每个SKU做确定性分级，再按分级给出不同的备货系数，最后用三阶段节奏分批下单。这样你既不会错过爆发，也不会把现金流压在仓库里。
二、真实场景：节日流量爆发背后的SKU分布真相
我们来看一张我在2023年中秋节前统计的某月饼礼盒店铺的SKU销售数据。这家店有42个SKU，在中秋节前14天的销售期内，销量排名前5的SKU占了全店总销量的87%。这5个SKU的转化率平均是6.8%，而剩余37个SKU的平均转化率只有0.9%。
这不是个例。我在多个品类（鲜花、食品、家居、美妆）中抽查过节日数据，结论高度一致：节日爆发本质上是少数SKU的爆发，而不是全店的爆发。
1. 流量集中度：二八法则的节日版本
平时可能20%的SKU贡献80%的销量，但在节日场景下，这个比例会更极端。因为我前文提到的“节日场景”会改变用户的购买决策逻辑：从“我需要”变成“我送人”或“我要过节”，所以用户搜索的品类词会高度集中到节日强相关SAKU上。
例如：平时可能会买普通筷子的用户，在春节前会搜索“高档红色筷子礼盒装”。这些关键词只落到少数几个SKU上，而不是全店分散。因此，你在备货前需要先算一下自己店铺的“节日SKU集中度”。如果过去三次节日数据都显示前20%的SKU贡献超过80%的销量，那么你的备货重心就应该放在这20%上，而不是平均分摊。
2. 节日场景下的SKU属性迁移
同一个SKU在平日和节日可能承担完全不同的角色。打个比方，一件大衣在平时是普通穿着款，但在春节前夕，它会变成“走亲戚的新衣”“防寒的体面款”，转化逻辑完全不同。这种属性迁移会让历史数据失准，你用平日的转化率去预测节日销量，通常都会低估或高估。
我自己的应对方式是：不看“全店过去30天转化率”，而看“去年同节日周期内该SKU的转化率对比平日的提升倍数”。这个倍数才是备货系数的基础。
3. 一个真实案例：情人节备货复盘
回到开头提到的鲜花外卖店。我后来重新分析了数据：那家店37个SKU中，只有5个SKU在情人节前3天的收藏加购率出现明显拉升，这5个SKU的收藏加购率是平日的4.2倍，其余SKU只有1.1倍。如果当时把备货资源全部押在这5个SKU上，总库存可以降低28%，利润反而会提高约36%。这就是“确定性”的力量。
三、拆解常见误区：为什么你年年备货年年错
我每年都会接到很多学员和同行的备货咨询，问来问去，发现他们踩的坑高度一致。下面这五个误区，如果你踩中任何一个，节日备货都很难做好。
1. 误区一：用全店整体倍率备货
最常见的做法是：去年节日全店卖了100万，今年目标120万，所以备货额度做到120万，然后按SKU数量平均分配。这几乎必错。因为整体增长不代表每个SKU都同步增长，更不代表每个SKU的确定性相同。全店倍率只能作为总预算参考，不能作为SKU级别的备货依据。
2. 误区二：爆款备货越多越好
很多人认为既然是爆款，就拼命加量。但爆款SKU也有转化上限，一旦超过节日周期的需求池，多备的量全部变成库存。我见过一个家居店铺，三年前的双11爆款是“磁吸刀架”，当时卖了2000件，第二年这个老板直接备了5000件，结果整个节日周期只卖出去1700件，因为他忽略了一个关键变量：这个品类的搜索热度会逐年下滑。所以爆款的备货倍数应当根据历史趋势、竞品增长和平台流量变化综合设定，不能只凭“去年卖爆了”就拍脑袋。
3. 误区三：忽视SKU在节日中的属性迁移
前文提到属性迁移，很多商家没意识到这点。比如一个零食店铺，平时“芒果干”是主要销量来源，但中秋节日场景下，用户更倾向于买“蛋黄酥”或“月饼礼盒”，芒果干的转化率可能不升反降。如果你不看节日相关性，依然给芒果干备大量库存，一定会压货。判断属性迁移的方法很简单：看这个SKU在去年同期节日窗口的销量同比变化，而不是全店总变化。
4. 误区四：一次性锁单
一次性把备货量下给供应商，看似省事，实则把风险全部揽到自己身上。如果某个SKU销售不及预期，你连调整的机会都没有。正确做法是分批锁单：先锁定产能，再按节点分批提货。这样你可以在前两周根据加购数据调整后两周的提货量。
5. 误区五：没有清仓预案
很多人备货时只想着“怎么卖得出去”，没想过“卖不完怎么办”。结果节日结束后，大量库存变成滞销品，占用仓储成本和资金。我建议每次备货前先写清楚三个清仓方案：节日后第3天开始打折的折扣梯度、组合促销的配比、以及分销渠道（闲鱼、拼多多、线下渠道）的承接能力。
四、专业判断逻辑：SKU确定性分级模型
既然节日爆发集中在少数SKU上，那么我们的任务就很明确：找到那些确定性高的SKU，并把备货资源向它们倾斜。我用的方法叫“SKU确定性分级模型”，一共分三步。
1. 什么是确定性：SKU在特定节日中销量可预测的程度
确定性不是玄学，它由四个维度组成：节日相关性、历史同期环比、搜索热度趋势、转化率稳定性。每个维度都可以打分，最后加权得出一个综合分。综合分越高，说明这个SKU在节日中的表现越可预测，备货时越敢上量。
2. 三个级别：S级、A级、B级
我倾向于把SKU分成三级，而不是太多级，这样便于快速决策。
- S级（确定性高）：核心流量款。这类SKU承担引流任务，具备节日礼品属性或强场景关联，过去大促有稳定转化。备货系数：1.5-2.5倍起。
- A级（确定性中）：核心利润款。这类SKU不是单日爆发主力，但能有稳定销量，通常是复购型产品。备货系数：1.2-1.5倍。
- B级（确定性低）：长尾款/形象款。这类SKU在节日中销量波动大，容易受推荐流量影响，或仅作为品类丰富度存在。备货系数：0.5-1倍，建议改用预售。
这里要特别说明：备货系数不是标准答案，是建议基准。不同店铺的转化率基数和供应链响应速度不同，你可以根据自身情况上下浮动。但分级本身必须做，因为分级的目的是强迫你思考每个SKU的节日角色，避免平均主义。
3. 节日敏感度评分：四个维度的打分规则
具体操作中，我会在节前30天导出过去90天的销售数据，给每个SKU手动打分。评分维度如下，每个维度1-5分：
（1）节日相关性：这个SKU是否直接匹配节日场景？例如礼物、食品、装饰品、新衣等。强相关给5分，弱相关给1分。
（2）历史同期环比：去年同节日周期内，该SKU销量对比平日有没有明显上升？例如去年中秋前2周，某SKU销量是平日的3倍，给5分；没有明显变化给1分。
（3）搜索热度趋势：该SKU的核心关键词在近30天的搜索热度是上升还是下降？可以用平台后台或第三方工具查看。上升明显5分，平稳3分，下降1分。
（4）转化率稳定性：该SKU在过往大促中的转化率波动是否小？如果多次大促的转化率都能维持在平均值±20%以内，给5分；波动很大，给1-2分。
| 评分维度 | 1分 | 3分 | 5分 |
|---|---|---|---|
| 节日相关性 | 无节日关联 | 有一定关联 | 强相关（如礼物/食品/新衣） |
| 历史同期环比 | 基本持平 | 提升1-2倍 | 提升3倍以上 |
| 搜索热度趋势 | 下降 | 平稳 | 明显上升 |
| 转化率稳定性 | 波动超过50% | 波动20%-50% | 波动小于20% |
4. 如何用评分结果决定备货系数
四个维度加起来，综合分12-20分。我通常这样划分：
- 15分以上 → S级，备货系数1.5-2.5倍。
- 10-14分 → A级，备货系数1.2-1.5倍。
- 10分以下 → B级，备货系数0.5-1倍，或走预售。
你不需要把分数算得非常精确，重点是：每个SKU都必须有一个“备货依据”，而不是“感觉这个款能卖”。
五、三阶段梯度备货节奏：30天定方向、14天追热销、7天只补爆款
有了分级和系数，接下来是执行节奏。一次性把库存全备齐是最危险的动作，我强烈建议改用三阶段梯度备货：30天定首批，14天看数据追单，7天只补爆款。这样你的库存水位会随着销售信号不断调整，既不会错过爆发，也不会过度积压。
1. 节前30天：确定备货清单和首批下单量
在节前30天，完成上面提到的SKU评分和分级。然后列出首批下单量：
- S级SKU：首批可以下到预估节日销量的60%-70%。
- A级SKU：首批下到40%-50%。
- B级SKU：首批下到20%以内，或者干脆挂预售。
为什么首单不要下满？因为距离节日还有30天，市场热度、竞争对手动作、供应链价格都可能变化。首单下满意味着你没有调整余地。同时，你需要和供应商确认产能和补货周期，确保后面两阶段能及时提货。
2. 节前14天：依据收藏加购数据做二轮补货
这个阶段的信号是真实用户反馈：收藏加购率、页面停留时长、客服询单关键词、以及直通车/超推的点击率。我通常会在节前14天导出数据，筛选出加购率高于日常2倍的SKU，对它们追加订单。
追加的量一般是S级原定总量的20%-30%，A级可以追加10%-20%。如果某个SKU加购率很高但还没有销量，说明需求在积累，可以再追加一些。对于那些加购率不升反降的SKU，要果断压缩二轮补货，甚至取消。
3. 节前7天：只补S级爆款
最后一周离节日太近，补货容易踩到物流和发货时效的线。这个阶段只补S级SKU，因为它们确定性高、爆发力强，值得快速补货。A级和B级补货的意义已经不大，如果它们真的卖得好，大概率是因为S级断货后流量溢出，但这种溢出不稳定。
这个阶段的另一个重要动作是：检查所有SKU的可用库存和承诺发货时效。平台大促有48小时发货率考核，如果库存不足导致无法履约，会被降权罚款，得不偿失。
4. 一个模拟计算：某SKU三阶段累计下单量
假设一个S级SKU预估节日销量为1000件。按我的节奏：首单下60%，即600件；节前14天线加购数据不错，追加25%，即250件；节前7天发现爆款即将售罄，再追加15%，即150件。总下单量1000件，刚好覆盖。
如果没有这个节奏，一次下单1000件，结果节日只卖出700件，剩下300件全部压仓。而三阶段法在发现销量没到预期时，可以取消二轮或三轮补货，库存自然降下来。
六、不同SKU类型的行动建议与取舍
确定性分级是通用原则，但不同SKU类型在执行和取舍上仍有差异。这一部分针对三类典型SKU给出具体建议。
1. 高确定性流量款：重仓但设上限
S级SKU是节日利润的核心来源，但重仓不代表无限量。我建议设定一个“心理止损线”：如果节日开始前3天，该SKU的加购率仍低于去年同期的80%，那么就算它级别再高，也不追加补货。流量款的作用是抢搜索入口和带动店铺权重，一旦表现不及预期，就要及时止损，把资金留给其他SKU。
2. 中确定性利润款：梯度补货，跟着转化走
A级SKU通常会有稳定销量，但不会有爆发性增长。我给的建议是：首单只备预估销量的50%，然后观察节前14天到7天的转化率变化。如果转化率持续上升，再追加；如果上升不明显，保留首单量，节日期间通过搭配销售来消化。
3. 低确定性长尾款：预售或压缩，不要硬备
B级SKU要不要备货？我通常会问三个问题：这个SKU有没有搜索热度？有没有稳定产出的评价基础？有没有可能成为节日流量溢出的承接款？如果三个问题都是否，那就不备货，顶多挂一个“预售7天发货”的链接，用来防止S级SKU断货时自动推荐流量无处承接。
4. 不同品类的节日敏感度差异
如果你做的是礼品、食品、美妆、服饰，节日敏感度天生高，备货系数可以适当调高。如果你做的是工具、日用百货、数码配件，节日敏感度低，备货系数建议压低，把资源投到“节日场景组合”里，比如“工具箱春节套装”。
| 品类 | 节日敏感度 | 建议备货策略 |
|---|---|---|
| 礼品/鲜花/食品 | 高 | S级SKU重仓，启用预售测款 |
| 服饰/美妆 | 中高 | 关注属性迁移，主推节日限定款 |
| 家居/日用 | 中 | 组合销售，梯度补货 |
| 工具/数码 | 低 | 压缩库存，聚焦场景套装 |
5. 取舍：放弃部分SKU的节日流量
很多商家不敢压缩SKU备货，是因为担心损失流量。但你要算一笔账：一个B级SKU备了100件，最后只卖10件，剩下90件要占用仓储、资金、管理成本，综合成本远高于它带来的那一丁点流量。节日的本质是取舍，与其让100个SKU平均备货，不如让20个SKU精准备货。
七、把“备错了”的成本算清楚：三道风险缓冲设计
再精准的备货也可能出错，所以我们必须提前设计风险缓冲。节日备货不是追求“零风险”，而是把风险控制在可接受的成本范围内。我常用三道缓冲来应对不确定性。
1. 预售测款：不确定的款先上预售测反应
B级SKU，或者新开发的节日专属款，我都会建议先上预售。预售期一般5-7天，不需要真实库存，只需设置“付款后7天内发货”。通过预售的加购率和实际付款转化率，就能判断这个SKU值不值得追加现货。比如：预售期间有100人加购、30人付款，说明需求真实存在，可以追加一批现货；如果加购都很低，直接下架，不浪费一分钱库存。
2. 分批入仓：锁定产能而非锁定库存
和供应商谈判时，尽量谈“分批提货”，而不是“一次下单”。你可以先和供应商确认总需求，锁定产能和原材料，然后约定分三次提货。这样即使你临时调整提货量，供应商的损失也小，你的库存压力也小。具体操作是：供应商那边只确认预估量，但合同里写明“提货前7天确认最终数量”，这样你就有了调整空间。
3. 节日专属款“可变身”设计：让节后库存不“死”
很多节日专属款卖不完就死掉了，因为包装和形态过于“节日化”。我的做法是：在选品阶段就设计“可变身”机制。比如，把圣诞包装设计成可拆卸的，节后拆掉包装变成普通款继续卖；或者把节日礼盒设计成可拆分的，礼盒拆开是单品，能分别进入日常销售渠道。这个做法能让你的库存“活”到节后。
八、节日结束只是开始：7天复盘建立备货档案
很多人的节日备货复盘是看看总销量，然后感叹一句“今年还行”就结束了。但这样你永远不会进步。节日结束后的7天，是建立你下一轮备货竞争力最重要的窗口。
1. 四张复盘表：看透每个SKU的实际表现
我要求团队做四张表，每张表一个维度。
（1）销量达成率：每个SKU的实际销量 / 备货前的预估销量。达成率在80%以上说明预估合理，超过120%说明可能错失更多机会，低于60%说明备货过高。
（2）库存剩余：每个SKU的剩余库存数量及占备货总量的比例。这个比例超过30%的SKU，要重点分析是备多了还是卖慢了。
（3）折扣损失：每个SKU为清理库存所付出的折扣成本。例如原价100元，清仓卖70元，那就是30%的折扣损失。把折扣损失加总，再除以总销售额，就是你的“节日利润泄漏率”。
（4）补货及时率：计划补货批次与实际补货批次的时间差。这个指标可以帮你评估供应链响应能力。如果实际补货总比计划慢3天，那下次备货就要把补货周期多算3天。
2. 用复盘数据校准备货系数
复盘不是算完就完，你必须把结果反馈到下一轮备货系数里。比如你发现某SKU去年节日备了2倍，实际销量只有1.2倍，那今年的备货系数就要下调到1.2左右。如果一个SKU备了1.5倍，实际销量3倍，那说明它的确定性被低估了，今年可以上调到2.5倍。
你可以给每个SKU建立一个“备货档案”，记录每次节日的预估销量、实际销量、备货系数、达成率。坚持几个节日后，你的备货系数会越来越精准。这也是我常说的“把备货从经验驱动变成数据驱动”。
3. 长期复利：让每一次备货都比上次更准
我自己的经验是：连续做三个节日复盘后，低确定性的SKU占比会大幅下降。因为你会慢慢把那些常年备不准、表现不稳定的SKU从节日主推中剔除，或者转移为预售模式。这样你的备货结构会越来越聚焦，库存周转率会显著提升。
回到开头那个问题。当你在搜索框里敲下“sku库存节日爆发 把握节日节点SKU库存爆发式备货”时，你想要的不只是一篇读完就忘的文章，而是一套能落地到下次节日的方法。现在这套方法摆在这里了：先用确定性分级，给每个SKU打分；再按S/A/B三级分配不同的备货系数；然后用三阶段梯度备货把风险控制住；最后靠三道缓冲和节后复盘，让备货体系越来越准。
下一步很简单：打开你的Excel，把店铺里的SKU全列出来，按节日相关性、历史同期环比、搜索热度趋势、转化率稳定性四个维度打分。先不用急着备货，只是走一遍流程。等你打完分，你会发现，原来答案都在数据里。祝你下一次节日，不再押注，而是精准爆发。
常见问题解答（FAQ）
1. 节日SKU备货，为什么“全店备货3倍”最不靠谱？到底该按什么节奏分批备货？
我做了三年电商，每次大促前都习惯全店备货3倍，结果双11过后还剩一堆货压在仓库里，仓储费比利润还高，可有一次我减少备货，又眼睁睁看着爆款断货被平台扣分。到底怎么备货才是对的？分批备货的节奏具体怎么定？
先说我踩过的坑。2022年双11，我有家40个SKU的店，按同行建议全店备货3倍，结果节日流量根本不是均匀分布，70%的订单集中在8个SKU上，其余32个SKU花了我近15万进货，最后只卖了不到三成。库存周转天数超过90天，仓储费加上年底降价清仓，那一波白干。
后来我换了思路：不再问“今年备多少”，而是问“每个SKU分别在什么节点到位”。我把备货拆成三个时间节点，每批订单对应一个明确目的。节前30天只下首批订单，数量控制在总预估的60%-70%；节前14天根据收藏加购数据追单20%-30%；节前7天只补S级爆款，其他SKU宁缺毋滥。举个例子。
一款日常日销30件的保温杯，过往节日销量是平日的2.3倍，备货窗口期按45天算，预估节日总销量约3100件。首单我下1800件（约58%），靠预售和收藏数据观察；节前14天加购率冲到12%，追加900件；
节前7天发现搜索热度还在涨，但剩余库存只有600件，我只对这款再补400件，其他款式一律不再加单。这种梯度备货的核心不是“按比例备”，而是“把每次下单变成一个独立决策”。首单试水，追单看数据，补单只押最确定的。这样就算判断失误，你的风险敞口也只停留在第一批货，而不是全部身家。
2. SKU确定性分级是什么？怎么给SKU打分决定备货系数？
网上很多文章都说“爆款多备、普通款少备”，但具体怎么分级？怎么判断一个SKU在节日里值不值得重仓？我有60多个SKU，总不能每个都翻历史数据主观拍脑袋吧？有没有一套打分表可以直接套用？
我自己的定义是：备货确定性 = 这个SKU在特定节日中销量可预测的程度。确定性越高，越值得重仓；确定性低，就该轻仓甚至转预售。我给SKU打分用四个维度，每个维度1-5分，权重不同：节日相关性（30%）、历史同期环比（30%）、搜索热度趋势（25%）、转化率稳定性（15%）。
综合分4.5以上是S级，3.5-4.5是A级，3以下算B级。操作流程很简单：导出近90天销售数据，每个SKU标注节日属性，按四个维度打分，加权算综合分。
我店里某款圣诞主题礼盒，节日相关性5分，历史同期环比4分（去年该时段销量是平日的3.2倍），搜索热度在12月第一周开始涨（4分），转化率稳定（4分），综合分4.35，归为A级。备货系数我一般这样定：S级备1.5-2.5倍平日销量，A级1.2-1.5倍，B级0.5-1倍或直接走预售。
注意，这个系数不是标准答案，而是让你强制思考每个SKU的节日角色，一旦你开始为每个SKU打分，就不会再“全店统一备3倍”了。打分不是为了精确预测，而是为了逼自己面对每个SKU的真实底细。
3. 节日备货，断货和压货哪个更可怕？怎么提前设计退路？
每次大促前我都在纠结一个问题：备多了怕压一堆尾货，资金全被套住；备少了又怕断货，链接权重掉了，下次活动报名都难。断货和压货到底哪个损失更大？有没有办法两头都防住？
先说结论：断货损失的是“当次收入+链接权重”，压货损失的是“现金流+后续利润”。我自己的经验是，对中小商家来说，压货通常比断货更危险，尤其货单价高的品类，一批压货就能吃掉你三个月的利润。
2023年中秋，我有一款高定月饼礼盒，为了安全备了2000盒，最后只卖出700盒，剩下的1300盒在中秋后成了废品。算一笔账：生产成本36元/盒，节后清仓价19.9元都卖不动，光这一款就亏了2万多。
而同期另一款茶叶礼盒，我只备了300盒，节前三天售罄，后台还有2000多人加购，断货损失了近4万销售额，但至少没压钱，链接权重后面靠补货慢慢追回来了。后来我给自己设计了三道退路：第一，不确定的款先上预售，用定金测试真实需求再决定加单；
第二，跟供应商谈“分批提货、锁定产能”，先付30%定金锁住原材料和排产，但货不一次性拉回来；第三，节日专属款从设计阶段就做“可变身”方案，比如礼盒包装可拆、换上日常包装继续卖，或者把节日赠品从主商品里剥离出来单卖。
三道退路分别防三种风险：预售防判断失误，分批锁产能防资金占用，可变身设计防节后库存变死货。
4. 节后复盘到底要复盘什么？怎么把这次备货数据变成下次更准的备货系数？
每次大促结束，我只知道看一眼仓库剩多少货，然后发愁怎么清仓，从来没想过怎么把这次的经验好好留下来。真正的备货复盘应该看哪些数据？怎么用这些数据让下一次备得更准？
复盘不是看“卖得好不好”，而是看“每个SKU的预估和实际差在哪”。我自己做四张表：销量达成率（实际销量/预估销量）、库存剩余金额、折扣损失（清仓价差×尾货数量）、补货及时率（追单到货时间是否赶上了销售高峰）。拿2023年中秋某款竹篮礼盒举例。我预估节日销量600盒，实际卖出720盒，达成率120%；
但因为首单只下了400盒，二轮追单时供应商排期晚了3天，导致节前最后一周有两天断货，少了约80盒生意，这就是补货及时率的问题。另一款香薰蜡烛，我预估500件，实际只卖180件，库存剩320件，清仓打5折还花了28天才卖完，折扣损失接近5600元。复盘之后我会校准每个SKU的备货系数。
校准公式很简单：明年系数 = 今年系数 ×（1 + 日销增长幅度） ×（0.5 + 销量达成率的归一回旋）。达成率120%，说明系数可以上调0.8-1倍；达成率40%，说明这个SKU的节日属性没那么强，明年降级处理。我强调一个容易被忽略的点：备货档案一定要按节日、按SKU单独建，不要只记总量。
连续记录三个节日后，每个SKU的备货系数会越来越精准，你不再靠感觉，而是靠自己的历史数据做决策。这就是复利：每一次备货都比上一次更接近真实需求。
读者评论
文章说的SKU分级法很实在，我以前就是全店统一倍数备货，结果爆款缺货长尾积压。去年我按这个思路把备货分成S/A/B三级，只重仓高确定性款，库存占用降了差不多两成，节日后清仓压力小了很多。
作为财务人员，我很认同作者对现金流的提醒。备货不是简单多压货，而是要算清每个SKU的确定性和周转周期。文章里提到的分批锁单和清仓预案，确实能避免把资金变成死库存，值得收藏照着做。
最有价值的是那张帕累托图，前5个SKU贡献87%销量，太真实了。我之前做节日活动也是流量集中在几个链接上。现在我会提前30天做节日敏感度评分，把资源和推广预算集中到高确定性SKU，不再平均用力了。