先建立组合关系
明确每个组合商品由哪些组件构成、每个组件的用量是多少、是否允许替代、是否有版本和包装差异。组合关系是后续需求拆解的基础，不是商品主数据中的附属备注。
- 组合编码与组件编码一一可追溯
- 区分固定套装、可选组合和赠品关系
- 记录生效日期、失效日期和渠道范围
SKU INVENTORY PLAYBOOK · 组合商品补货
sku库存：品牌零售商操作手册：补货决策中的组合商品怎么落地
组合商品不是把几个单品简单相加，而是要把套装销量、组件消耗、可替代关系、供应周期和渠道承诺放进同一套库存判断里。我会从品牌零售商的真实工作场景出发，拆解如何建立组合商品的SKU口径、怎样用需求信号计算补货优先级、什么时候拆套补单，以及如何借助E数通把数据、规则和协作流程落到日常运营中。文中数字均为演示性示例，适合用作方法设计与团队共识，不代表任何企业真实经营数据。
组合库存决策看板 · 演示视图
组合类别 可售天数 判断
入门护肤套装 12 天 关注
旅行清洁组合 6 天 优先
节日礼盒组合 31 天 正常
说明：可售天数为示例指标，实际应结合安全库存、在途、锁定库存、组件共用率和活动日期校准。
阅读指南：先回答“要不要补”，再回答“补什么”
这份手册不把组合商品当成一个孤立的销售编码，而是把它放在商品、组件、订单、供应和渠道承诺的关系中观察。建议先阅读前两部分建立口径，再用判断逻辑和案例数据检验自己的补货表，最后根据场景建议选择推进节奏。
01 · 先讲核心结论
组合商品补货的核心，不是看一个销售数字，而是还原组件级的真实消耗
我在设计库存规则时，会先把“销售对象”和“库存对象”分开。客户买的是一个组合，仓库消耗的却可能是三个单品、一个包装盒和一张赠品卡。只要这两层没有连接，表面上组合库存充足，实际就可能因为其中一个关键组件短缺而无法履约。
再看净需求与约束
补货量不能只由预测销量决定，还要扣除可用库存、在途、已分配库存和可替代库存，并叠加供应周期、最小起订量、陈列要求以及活动承诺。
- 以组件为单位计算未来消耗
- 区分可售、质检、锁定和不可用库存
- 把到货时间与销售窗口放在一起判断
最后输出动作优先级
真正有用的结果不是一张库存明细，而是“今天需要谁确认什么”。我会把建议分成正常补货、加急补货、拆套销售、替代组件、暂停投放和清理尾货等动作。
- 给出建议数量与建议日期
- 标记触发原因和责任人
- 保留人工调整和复盘记录
“组合商品的库存健康度，取决于最先耗尽且最难替代的那个组件；补货决策要围绕瓶颈组件，而不是围绕订单表面的套装销量。”
这是本手册最重要的工作原则。所有计算示例均为演示性数据。02 · 背景和真实场景
为什么组合商品会让品牌零售商的库存判断变复杂
单品库存管理通常可以围绕一个SKU的销量、库存和交期展开，但组合商品会同时改变销售口径、库存扣减口径和供应计划口径。尤其当品牌同时经营直营网店、经销渠道、门店和大促活动时，同一组件可能被多个商品共同消耗，缺货风险会被分散在不同报表里。
一个典型的组合商品场景
假设某品牌销售“旅行护理组合”，前台展示为一个组合SKU，包含洁面小样、护肤水小样、乳液小样、旅行袋和说明卡。客户下单一套，系统可能只减少组合SKU的可售数量；但仓库真正拣货时，五类物料都会发生消耗。如果旅行袋交期为45天，而其他三种小样有较多库存，单看总库存价值和组合销量都很难及时发现风险。
当营销团队又把洁面小样单独做成“买赠商品”，客服把部分套装拆成单品发货，门店为了处理临期库存进行组件替换，原本简单的BOM关系就变成了多层消耗网络。这个时候，如果补货人员只看组合SKU的库存余额，结论往往会出现三种偏差：该补的组件没有补，不该补的组件重复采购，或者为了一个短缺组件把整套商品都下架。
我更建议把场景拆成三个视角。第一是客户视角：客户承诺要收到什么组合；第二是仓储视角：实际要拣选和消耗哪些组件；第三是供应视角：每个组件的补货周期、起订量和替代性是什么。只有三者在同一张分析表里对齐，补货建议才有执行价值。
组合商品至少有四种关系
- 固定BOM：每套固定消耗若干组件，适合礼盒、标准套装和固定规格组合。
- 可选组合：客户从多个单品中任选，实际组件需求取决于选择结构和历史偏好。
- 赠品关系：主商品销售会带动赠品消耗，但赠品未必出现在前台订单金额中。
- 替代关系：组件短缺时可用相近规格替代，但必须满足渠道、法规、包装和客户承诺。
这四类关系不能共用同一个“套装库存”字段。建议在商品主数据或分析模型中增加关系类型、组件用量、替代优先级和生效区间。
销售端的信号
订单量、组合转化率、客单价、渠道占比、促销折扣、连带购买率和取消率，共同说明客户正在购买什么。组合销量增长不一定意味着所有组件均匀增长，某个高偏好的选项可能先成为瓶颈。
仓储端的信号
可用库存、拣货差异、拆套率、损耗率、临期量、质检待处理量和库位分散程度，说明“账上有货”能否转化成“今天能发货”。库存状态必须有明确口径，不能把所有数量直接相加。
供应端的信号
采购交期、到货稳定性、供应商最低订货量、箱规、产能排期和运输方式，决定补货建议是否可落地。对交期长且不可替代的组件，应提前锁定，而不是等库存跌破红线才处理。
03 · 常见误区
六个看似合理、实际容易让补货失真的做法
误区并不一定来自技术能力不足，更多时候是业务口径没有被写清楚。下面这些做法在短期内可能方便，但当组合规模、渠道数量或促销频率上升后，误差会快速放大。
误区一：把组合SKU当成普通单品管理
这是最常见的问题。组合SKU的销售数量只表示客户购买了多少套，并不直接告诉我们每一个组件消耗了多少。若组合中存在可选组件，或者不同渠道的组合结构不同，套装销量乘以固定用量也可能不准确。
更稳妥的做法是建立“订单行—组合关系—组件消耗”的拆解链路。每次分析都能回答：这批组合订单使用了哪些组件、各自消耗多少、是否包含赠品、是否发生替代。没有这条链路时，预测只能停留在表面。
误区二：只看库存金额，不看可售天数
库存金额适合观察资金占用，却不适合单独判断短期履约风险。一件高价值组件可能库存金额很高，但销量极低；一件低价值包装材料可能金额不大，却因高频消耗迅速短缺。补货优先级应同时参考需求速度、交期和不可替代程度。
我通常会把库存金额、覆盖天数和缺货影响放在同一张表中。这样既能避免盲目追求低库存，也能避免因为金额小而忽略关键包装或赠品物料。
误区三：把在途库存全部当成可用库存
在途数量只有在到货时间早于需求窗口、质量状态可接受、目的仓与渠道匹配时，才真正能缓解缺口。一个预计下月到货的组件，无法解决本周大促的缺货；一个已经分配给重点客户的在途，也不能重复承诺给普通订单。
建议将库存拆为现货可用、质检中、已分配、运输中、已下单未交、冻结和不可用等状态，并为每个状态定义能否进入净需求计算。
误区四：用平均销量掩盖活动峰值
平均销量在平销期有参考价值，但无法代表节日礼盒、直播间专属组合或会员日的短期需求。若把活动周和普通周混在一起求平均，可能得到一个既不能满足峰值、又会在淡季造成积压的数字。
更好的方式是把基础需求、活动增量、渠道迁移和异常订单分开。活动增量可以使用相似活动、预售量或转化率建立范围，而不是假装有一个精确预测值。
误区五：发现缺组件后直接停掉整套商品
暂停销售有时是正确动作，但并非唯一选择。如果缺少的组件可替代、客户对颜色不敏感、渠道允许拆套发货，品牌可以通过替代组件、拆套销售、延迟发货或调整推广顺序降低损失。
当然，替代不能只由库存人员口头决定。要先确认质量、法规、包装标识、价格承诺和客户体验，记录替代规则的有效期，并让客服、仓库和渠道团队看到同一结论。
误区六：只输出建议数量，不解释建议原因
没有原因的补货数字很难被采购和财务接受，也无法在复盘时判断规则是否有效。建议结果至少应显示需求来源、库存扣减口径、交期、建议到货日、目标覆盖期、风险等级和人工调整说明。
在E数通这类分析工具中，我会优先设计可追溯的指标层和动作层，让使用者能够从“建议补货1200件”下钻到“由三个组合消耗、一个门店活动和一个在途排除规则共同产生”。
04 · 专业判断逻辑
用一套可解释的框架，把组合销量翻译成组件补货建议
我不建议一开始就追求复杂算法。对于多数品牌零售场景，先把数据口径、业务规则和例外处理建立起来，再逐步引入预测模型，往往比直接做一个看不懂的自动补货数字更可靠。
第一层：定义需求窗口
先决定要保障哪一段时间。可以是从今天起覆盖供应周期加安全期，也可以是某场活动开始到结束的完整窗口。窗口不同，需求总量就不同，不能用一个固定的30天规则处理所有商品。
演示公式：
窗口需求 = 基础日均需求 × 窗口天数 + 活动增量需求 − 已确认取消量
基础日均需求应明确取数范围，例如近28天、剔除缺货天后的有效销售日或相似活动周期。活动增量可以是区间值，建议同时输出保守、基准和积极三种情景。
第二层：按照组件关系拆解
将组合商品需求乘以组件用量，并叠加单品销售、赠品消耗和其他业务占用，得到组件层面的总需求。对于可选组合，要按历史选项占比或已确认订单结构拆分，而不能默认每个选项各占一半。
| 组件 | 组合需求 | 单品及赠品需求 | 合计消耗 | 备注 |
|---|---|---|---|---|
| 旅行袋A | 800套 × 1 | 120件 | 920件 | 不可替代，交期45天 |
| 洁面小样B | 800套 × 1 | 260件 | 1060件 | 可由B-Plus替代部分需求 |
| 水乳组合C | 800套 × 1 | 80件 | 880件 | 需按批次管理效期 |
第三层：扣除真实可用量
库存扣减要有状态边界。可用现货、预计在窗口前到货且未锁定的在途，可以进入扣减；质检中、已分配、冻结、过期或目的仓不匹配的数量不能直接抵减。
净缺口 = 窗口消耗 + 安全库存 − 可用现货 − 有效在途
第四层：加入安全库存
安全库存不是越高越好。应结合需求波动、供应波动、服务水平、缺货损失和资金成本决定。高波动且不可替代的组件可以提高保护水平，稳定且容易采购的组件不必过度囤积。
安全库存可按需求标准差、交期波动和服务目标分层设定
第五层：转换为可执行数量
净缺口还要经过箱规、最小起订量、采购倍数和供应商排产的约束，才能生成建议采购量。若结果为零，也要说明是“无需补货”还是“缺口被替代规则覆盖”。
建议量 = 向上取整后的净缺口，并保留人工调整原因
建议使用的判断字段
| 字段类别 | 关键字段 | 判断用途 | 缺失时的风险 |
|---|---|---|---|
| 商品关系 | 组合编码、组件编码、用量、关系类型、生效日期 | 还原每个组合订单对组件的实际消耗 | 套装销量无法准确转成组件需求，重复或漏算 |
| 销售需求 | 订单日期、渠道、数量、取消、活动标记、选项占比 | 区分基础需求与活动需求，识别结构变化 | 平均值掩盖峰值，预测方向错误 |
| 库存状态 | 可用、锁定、质检、在途、分配、冻结、效期 | 计算真正能覆盖需求的数量 | 把不可用库存当成可售库存，造成虚假安全感 |
| 供应约束 | 交期、起订量、箱规、供应商、到货稳定性 | 把理论缺口转成能下单的补货方案 | 建议数量无法执行，反复人工改表 |
| 经营影响 | 毛利、履约承诺、缺货损失、替代成本、临期风险 | 决定不同缺口之间的优先级 | 只按数量排序，忽略关键客户和利润影响 |
05 · E数通示例数据观察
用E数通把“组合卖得好”拆解成“哪个组件先有风险”
下面以E数通中的演示性分析场景为例：某品牌在四周内销售三个组合商品，同时存在单品销售和一次促销活动。数据并非真实企业数据，目的在于展示分析过程、字段关系和可视化结果应该怎样服务于补货动作。
四周需求与组件可用库存对比
折线用于观察组合拆解后的组件需求，柱形用于观察期末可用库存。实际工作中，可以把图表筛选到某一渠道、仓库、活动或供应商，避免所有维度同时堆在一张表里。
示例解读：旅行袋A的需求曲线增长较快且库存下降明显；洁面小样B虽然需求更高，但存在可替代组件，因此不能只按绝对数量判断优先级。
A
45天
旅行袋A的示例交期
交期长、不可替代时，补货触发点应早于普通组件。
B
2层
组合需求与单品需求
只有合并两层消耗，才能还原组件的总需求压力。
C
3档
建议输出情景
保守、基准、积极三档，帮助团队讨论而不是假装精确。
三种补货策略的结果比较
第二张图不比较某个品牌的真实经营结果，而是帮助团队看清策略取舍：只按组合SKU补货、按组件净需求补货、按组件净需求并纳入替代规则补货，可能带来不同的缺货量和库存占用。
演示单位为相对指数，数值越低不代表所有场景都更优；策略仍需结合品牌服务承诺、资金成本、替代体验和供应商约束。
在E数通中建议搭建的分析页面
- 组合关系页：展示组合、组件、用量、替代关系及生效时间，支持从组合下钻到组件。
- 需求拆解页：将组合订单、单品订单、赠品和活动增量分层呈现，避免来源混在一起。
- 库存健康页：按组件展示可用量、可售天数、净缺口、在途有效性和临期风险。
- 补货动作页：输出建议量、建议到货日、优先级、原因、责任人和审批状态。
- 复盘页：比较预测、建议、实际到货和实际消耗，追踪规则偏差。
工具的价值不只是把表格搬到线上，而是让口径、关系和动作变得透明。使用者可以沿着同一条路径从“为什么预警”走到“应该采取什么动作”。
示例数据的拆解结果
| 组件 | 未来窗口需求 | 安全库存 | 可用现货 | 有效在途 | 净缺口 | 建议动作 |
|---|---|---|---|---|---|---|
| 旅行袋A | 920 | 180 | 610 | 0 | 490 | 优先下单，确认交期；活动前评估拆套或替代包装 |
| 洁面小样B | 1060 | 160 | 920 | 240 | 60 | 核实在途到货，必要时用B-Plus覆盖部分需求 |
| 水乳组合C | 880 | 150 | 1240 | 0 | 0 | 暂不补货，检查效期并优先安排正常出库 |
| 说明卡D | 800 | 100 | 280 | 600 | 20 | 确认在途可用于当前版本，避免重复印刷 |
注：以上数值均为演示性数据，实际项目必须替换为经过业务确认的订单、库存、供应和BOM数据。
06 · 从数据到动作
建议用六步把补货规则落到日常工作
流程设计的目标不是让每个人都成为数据专家，而是把关键判断变成可重复、可解释、可协作的动作。每一步都应有输入、输出和负责人，避免最后又回到个人维护的离线表格。
01
盘点商品关系
整理固定套装、可选组合、赠品、替代组件和包装物料。先从销量最高、缺货影响最大的组合开始，不必一开始覆盖所有长尾商品。
02
统一库存口径
约定什么叫可用、锁定、在途有效、临期和不可用。把仓库、财务、采购和电商团队对“库存”的不同理解写成字段规则。
03
拆分需求来源
将基础销售、活动需求、单品消耗、赠品消耗、门店配货和已确认大客户订单分开。来源越清楚，预测偏差越容易解释。
04
建立预警分层
不只设置一个红线。可以按可售天数、交期、替代性、毛利和履约承诺设置关注、优先、加急和暂停四级状态。
05
配置动作模板
每种预警对应动作：下采购单、调整活动、锁定库存、启用替代、拆套发货、切换仓库或与客户沟通交期，并记录审批要求。
06
复盘实际结果
比较建议需求、实际消耗、预测误差、到货准时率和缺货时长。每周修正规则，每月评估组件关系和安全库存是否仍然适用。
一个可执行的周度补货节奏
周一上午
刷新销售与库存快照
更新上周订单、取消、活动标记、组件消耗、仓库状态和在途信息，先检查数据是否完整，再运行补货分析。
周一下午
确认组合结构变化
营销和商品团队确认本周是否新增套装、调整赠品、切换包装或改变渠道投放，避免沿用失效的组件关系。
周二上午
生成风险清单
按净缺口、交期、缺货损失和替代性排序，输出需要采购、仓储、运营和客服共同处理的项目。
周二下午
完成动作确认
确认采购量和交期，决定是否调整活动或启用替代，并将人工判断写入备注，留下可复盘的决策证据。
周五复盘
检查偏差与例外
回看哪些预警被证明有效，哪些是数据问题、活动变化或供应异常造成，持续减少不必要的人工改数。
组合库存治理完成度 · 示例
以下比例只是自评模板，不代表真实项目结果。团队可以按月检查，并给每项设定负责人和截止时间。
组合关系完整度82%
库存状态可用性68%
补货建议可解释度74%
动作闭环完成度56%
先改善低分项通常比继续增加报表数量更有价值。完整度不足时，算法精度也会受到限制。
07 · 不同情况下的行动建议
不要把所有缺口都处理成“马上多买一点”
补货是经营决策的一部分，既要保证履约，也要控制资金和临期风险。下面按常见情况给出建议，实际使用时可以把每条建议配置成E数通中的预警动作和协作任务。
| 情况 | 优先判断 | 推荐动作 | 需要协同的团队 | 不要忽略的风险 |
|---|---|---|---|---|
| 组件库存低于安全库存，交期长且不可替代 | 未来需求窗口是否覆盖交期，活动是否已经锁定 | 立即确认采购排期；必要时锁定现货，调整推广节奏 | 采购、供应商、运营、仓储 | 只补数量不确认到货日，仍无法保障活动履约 |
| 组件短缺但存在合规替代品 | 替代组件的质量、规格、包装和渠道限制 | 启用替代规则，更新拣货和客服说明，设置替代上限 | 商品、质量、客服、仓储 | 未经确认的替代可能造成客诉、退货或品牌风险 |
| 套装需求下降，组件库存仍然充足 | 组件能否转为单品销售，效期和渠道是否允许 | 停止追加组合采购，设计单品消化、渠道调拨或小促销 | 运营、渠道、财务、仓储 | 为消化库存过度打折，损伤主力商品价格体系 |
| 活动即将开始，历史数据不足 | 预售、曝光、转化假设和相似活动是否可参考 | 使用保守与基准情景，分批备货，设置活动中途复核点 | 营销、运营、采购、数据团队 | 把不确定性伪装成精确预测，造成过量采购 |
| 组合订单上涨但某个选项结构变化 | 组件选择占比是否偏离历史平均值 | 按选项拆解需求，单独对高偏好组件提高保护水平 | 电商、商品、供应链 | 总套数看起来正常，关键选项却先缺货 |
| 库存分散在多个仓库，局部仓缺货 | 调拨时间是否短于客户承诺和活动窗口 | 先评估跨仓调拨，再决定采购；同步更新可承诺库存 | 仓储、物流、客服、渠道 | 总部总库存充足并不等于目标仓可履约 |
08 · 不同情况下的取舍
补货方案的好坏，取决于你愿意为哪种风险付费
没有一套方案可以同时做到零缺货、零积压、零资金占用和零人工成本。专业判断不是消灭取舍，而是把取舍摆到明面上，让团队围绕服务水平、毛利、现金流和客户体验共同决策。
高服务水平 vs. 低库存占用
对于核心渠道或已经承诺发货日期的组合商品，缺货损失可能高于持有库存成本，因此可以提高安全库存。但对于生命周期短、版本变化快或效期敏感的礼盒组件，过度备货会造成尾货和折价。
我的做法是按照商品角色分层：核心引流组合优先保证服务水平，常规组合追求平衡，试销和短周期组合采用小批量验证。分层后，安全库存不再是一个全公司统一的百分比。
整套履约 vs. 拆套发货
整套发货体验清晰、成本可控，但容易被最短缺组件卡住；拆套发货能提高部分履约率，却会增加拣货、包装和客服解释成本。是否拆套，应该考虑客户是否接受、组件是否可以分批到货、订单毛利是否覆盖额外成本。
建议为拆套设置明确条件，例如缺少的组件价值占比、客户承诺等级、替代可用性和最大等待天数，避免仓库在高峰期临时做出不一致的判断。
一次性大批量采购 vs. 分批锁量
大批量采购可能获得价格或产能优势，也能降低长交期风险，但会增加资金占用和版本过时风险。分批锁量更灵活，却可能遇到供应商涨价、排产不足或运输成本增加。
当需求不确定时，可以把采购拆成基础量和弹性量：基础量覆盖已确认订单和保守情景，弹性量通过供应商预留产能、可取消订单或阶段性排产解决。
自动规则 vs. 人工判断
自动规则适合高频、重复、边界清晰的场景，比如低于安全库存且无有效在途时触发预警。人工判断适合重大活动、供应异常、组件替代和新品试销等不确定场景。
不要把人工判断视为流程失败。更好的方式是记录人工改动原因，定期统计哪些例外反复发生，再把稳定的例外沉淀成新规则。这样自动化范围会逐渐扩大，而不是一开始就强行自动化。
一个简单的优先级评分模板
当同时出现多个组件缺口时，可以用评分帮助团队快速排序。评分不是替代决策，而是让讨论基于同一组事实。
| 因素 | 低风险 | 中风险 | 高风险 |
|---|---|---|---|
| 未来覆盖缺口 | 可覆盖45天以上 | 可覆盖15至45天 | 不足15天或已缺货 |
| 供应交期 | 7天以内 | 8至30天 | 超过30天或不稳定 |
| 替代性 | 有两种以上合规替代 | 有一种替代但需确认 | 没有可行替代 |
| 履约影响 | 不影响重点订单 | 影响部分普通订单 | 影响活动、核心客户或主渠道 |
建议的四级动作
- 观察：保持常规补货频率，继续追踪需求和在途。
- 关注：核实数据与交期，提前与相关团队确认。
- 优先：锁定资源或调整销售安排，给出明确负责人。
- 加急：立即处理缺口，必要时启用替代、拆套或客户沟通。
级别要有升级和降级条件，例如连续两次刷新仍处于风险区，或实际到货日期晚于活动开始日，则自动升级；库存恢复且替代规则生效后，可降级并保留记录。
09 · 落地设计清单
如果今天开始搭建，我会先完成这十项基础工作
这是一个适合项目启动会使用的检查清单。它不要求一次完成所有高级能力，但能帮助团队避免在没有口径、没有主数据、没有负责人时直接上线自动补货。
主数据层
- 建立组合商品和组件商品编码映射。
- 填写每套组件用量和单位换算。
- 标记赠品、包装、耗材和替代关系。
- 管理版本、渠道和生效失效日期。
指标层
- 定义有效销售日和基础日均需求。
- 计算组件总消耗与未来窗口需求。
- 区分可用库存、有效在途和锁定库存。
- 建立覆盖天数、净缺口和缺货影响指标。
流程层
- 为预警等级绑定处理动作和负责人。
- 设置采购、运营、仓储和客服协作节点。
- 记录人工调整、替代和拆套决策。
- 固定周度刷新和月度规则复盘机制。
我的建议：先选择一个高销量、组件关系相对清楚、缺货影响明显的组合商品群做试点。用两到四周验证口径，再扩展到全部组合。这样既能快速发现数据问题，也能让一线团队看到规则带来的实际变化。
10 · 热门问答 FAQs
关于组合商品库存与补货决策的常见问题
以下回答以品牌零售商的日常运营为背景，采用示例口径说明方法。真实项目应根据企业的商品关系、仓储系统、渠道规则和供应合同进行校准。
Q1组合商品应该建立独立库存，还是直接拆到组件库存中管理？
我经常遇到这个疑惑：前台销售的是一个组合SKU，仓库管理的却是多个组件，如果只保留组合库存，组件缺货会被隐藏；如果完全取消组合SKU，又会丢失套装销售和渠道分析。更稳妥的做法是保留组合商品作为销售和承诺对象，同时建立可追溯的组件消耗关系，补货计算以组件为主、组合销量为需求来源，并根据固定BOM、可选组合和赠品关系分别处理。这样既能回答“卖了多少套”，也能回答“实际消耗了哪些物料”。
Q2组合商品的补货量应该如何计算，才能避免把库存和需求重复计算？
我担心最常见的重复计算：组合销量已经消耗过组件，单品销量又被单独加了一次，最后得到一个看似合理但偏大的补货量。建议先明确时间窗口，再按订单关系拆解组合需求，将组合消耗、单品销售、赠品消耗和门店配货分别列示，最后扣除状态明确的可用现货和有效在途。演示公式可以是“净缺口=窗口组件需求+安全库存−可用现货−有效在途”，并在结果中保留每个需求来源，便于核对。
Q3如果一个组件同时被多个组合商品使用，怎样判断它应该优先给谁？
我会先看组件的总需求和缺口，再看不同组合的客户承诺、毛利、活动时间和替代性，而不会简单按先下单先得。比如示例中同一个洁面小样同时服务常规套装和已预售礼盒，预售礼盒可能有明确发货承诺，就应在分配规则中提高优先级。E数通可以把组件作为共享资源，向下展示它被哪些组合和渠道消耗，再结合订单优先级、到货日期和替代规则做分配。
Q4库存已经在途了，为什么补货看板仍然要把它排除或单独标记？
我以前也见过“在途数量很大所以不用补货”的判断，但在途不等于今天可用。需要确认预计到货日期是否早于需求窗口，货物是否发往正确仓库，是否已经被其他订单锁定，是否存在质检、版本或效期限制。建议在E数通中分别展示运输中、已下单未交、预计到货日和可用于当前窗口的有效在途，只有满足条件的数量才进入净需求扣减，其他数量保留为风险提示。
Q5组合商品销量增长很快时，是否应该立即把所有组件都按同样比例增加采购？
我不会直接这样做，因为组合中的组件可能存在不同的历史库存、供应周期和共享消耗结构。销量增长也可能来自某一个选项或某一个渠道，所有组件按同一比例放大容易造成部分组件积压，同时仍然缺少真正的瓶颈组件。正确方式是先拆解增长来源，计算每个组件的需求弹性和覆盖天数，再根据交期、替代性和活动承诺分层补货。数据不足时，可以采用保守、基准、积极三个情景，并设置活动中途复核点。
Q6组件短缺时，拆套销售或启用替代品会不会伤害客户体验？
我认为拆套和替代都不是默认答案，而是经过条件判断后的履约方案。需要先确认客户是否接受分批、替代品规格和质量是否等价、包装和说明是否需要更新、客服能否明确解释，以及额外物流成本是否可接受。可以把这些条件配置为动作审批规则，例如只有在替代组件经过商品和质量团队确认、缺货组件不影响核心功能且客户同意的情况下才启用。这样既提升履约率，也不会让仓库临时做出不可追溯的决定。
Q7小团队没有完整预测模型，能不能先用E数通做组合商品补货？
可以，而且我更建议小团队先解决数据透明和规则一致的问题。即使没有复杂算法，也可以先把订单、组合关系、组件库存、在途、交期和活动信息整合起来，使用有效销售日、覆盖天数和净缺口建立基础预警。E数通的价值可以先体现在统一口径、自动刷新、下钻追溯和多人协作上，再根据复盘结果逐步增加季节性、活动相似度和供应波动等预测因素。先让团队看懂并愿意使用，比一开始追求模型复杂度更重要。
Q8怎样判断组合库存管理项目是否真的带来了改善，而不是只增加了报表？
我会同时看结果指标和过程指标。结果指标包括组合缺货率、组件缺货时长、活动履约率、库存周转、临期损耗和补货建议命中率；过程指标包括组合关系完整度、库存状态准确率、预警处理及时率、人工改数比例和决策闭环率。比如试点前后都使用同一统计周期，观察缺货是否减少、库存是否更集中在有需求的组件上，并抽查建议能否追溯到需求、库存和供应数据。只有结果与过程都改善，才能说明看板真的服务了经营。
核心观点总结
组合商品补货的第一原则，是把前台的套装销售还原成后台的组件消耗。品牌零售商要管理的不是一个孤立的组合SKU，而是组合、组件、库存状态、供应约束和客户承诺之间的关系。
- 先建立固定、可选、赠品和替代关系，再计算补货。
- 以组件为单位看净需求，以组合为单位看销售和履约。
- 库存必须区分可用、锁定、质检、在途和不可用状态。
- 补货建议要带上日期、数量、原因、优先级和负责人。
- 活动和新品不确定性高时，用情景和分批锁量替代虚假的精确预测。
- 把人工调整记录下来，持续把重复例外沉淀成业务规则。
我建议你下一步这样做
- 选出一个高销量组合群，列出所有组件和替代关系。
- 约定库存状态与有效在途口径，先消除“账上有货”的争议。
- 用近四周或一个完整活动周期做需求拆解，标记异常订单。
- 在E数通中建立组合关系、需求、库存健康和动作四个页面。
- 用两到四周试运行，复盘建议量、实际消耗和缺货结果。
- 确认规则稳定后，再扩展到更多渠道和更多组合商品。
把组合库存从“看不清”变成“能行动”
现在就开始搭建你的 sku库存：品牌零售商操作手册
从一个重点组合、一个关键组件和一套清晰的补货规则开始，把销售需求、库存状态、供应交期和团队动作放进同一条链路。访问E数通，进一步整理适合你业务的分析页面与决策流程。
