我在做新品首批库存时，最担心的不是算错一个数字，而是团队把不确定的预测伪装成确定答案。更稳妥的方法是参考相似款、预售或意向订单、活动曝光、渠道容量、供应周期和最小起订量，建立保守、基准、乐观三个场景，并给每个场景写明假设和触发阈值。

例如，某示例新品预计首周销量为基准300件，但供应周期为14天，就不能只备300件，还要结合覆盖周期和安全库存。如果上线前三天曝光正常而转化明显低于基准，应先降低追加承诺；如果转化稳定但可售库存快速下降，则应检查补货和渠道调拨。E数通可用于把相似款、订单、库存和场景假设放到同一主题中比较，但示例结果不代表真实预测准确率。

我会先区分“总库存”和“渠道可售库存”。总库存可能包含尚未质检的到货、已被其他订单锁定的库存、处于调拨中的库存、未分配到该渠道的库存，甚至包含不符合该渠道销售规则的包装或规格。因此，仓库还有货并不能直接推导出某个渠道可以接单。

排查时可以按仓库、SKU、库存状态、渠道和时间点逐层下钻，核对库存同步延迟、分配规则和配送范围。比如示例项目中某款长裤总库存还有246件，但其中150件在门店，60件已分配给电商，剩余36件待质检，直播渠道仍可能显示缺货。正确动作可能是调拨或调整分配，而不是立刻采购更多货。

不一定。售罄率高只能说明在某个统计口径下销量相对库存较快，它没有说明需求是否持续、是否受到短期活动刺激，也没有说明剩余生命周期是否足够覆盖补货周期。我会同时检查缺货时长、转化率、流量来源、补货交期、毛利和活动结束日期。

例如某示例SKU在直播日售罄率达到85%，但活动结束后流量预计下降，供应商补货还需要20天，那么追加大量库存可能造成积压。相反，如果多个自然渠道的转化都稳定，缺货期间订单和咨询持续增加，且补货可在需求窗口内到达，补货才更有依据。补货建议应写出数量、到货时间和停止条件，而不是只写“热销，建议追加”。

我会先判断低售罄究竟是需求问题、曝光问题、供给问题还是商品信息问题。低曝光的SKU没有被充分展示，应该先检查陈列、资源位和上架状态；高曝光低转化的SKU要检查价格、内容、评价和产品匹配；高退货的SKU要关注尺码、材质与描述；只有在这些基本条件正常且低动销持续时，才考虑换渠道、调整价格或停止补货。

取舍上，改价可能改善速度但会损害毛利和价格体系，换渠道可能增加物流与管理成本，停止补货可以保护现金流但可能错过后续需求。建议为每个动作设置小范围验证，例如先对示例渠道的部分库存做内容优化，观察三到七天的曝光、转化和净销量变化，再决定是否扩大动作。

是否使用工具，不应该由团队人数单独决定，而要看SKU数量、渠道数量、上新频率和手工对账成本。如果团队只有少量SKU且每周更新一次，结构清晰的表格可能已经够用；如果同一批新品要同时管理电商、门店、直播和分销，且经常发生版本不一致、库存口径不一或复盘耗时，统一分析看板就有实际价值。

以E数通为例，我更建议先做一个小范围试点：只接入一批新品的商品、订单、库存和退货数据，先回答主档是否统一、缺货是否可解释、异常是否能落到负责人三个问题。试点能跑通后，再加入采购、活动和利润数据。工具的价值不在于展示更多图表，而在于减少重复整理，让团队更快完成判断和行动。

我会把复盘指标分成结果、效率、质量和原因四组。结果包括销售额、净销量、毛利和库存金额；效率包括售罄率、周转天数、补货满足率和缺货率；质量包括退货率、客诉率、评价和商品信息准确率；原因则包括流量、转化、价格、渠道、尺码、质量和上架执行。这样可以避免销售额增长掩盖折扣过深、退货过高或库存占用过大的问题。

例如示例SKU销售额增长20%，但退货率从8%升到18%，净毛利反而下降，这个新品不能简单评为成功。复盘还要区分时间段和渠道，首发活动日与自然销售日不能混算。最后，每个结论都应形成动作，比如补充尺码说明、修正配货比例或更新下一季首单规则。

我认为统一口径不能只靠发一份定义文档，而要让口径进入日常报表和决策流程。首先定义主键、库存状态、可售库存、售罄率和净销量等概念；其次给每个指标注明计算公式、数据来源、更新时间和责任人；最后在会议上只认这一套看板，发现异常时回到明细而不是各自重新制作表格。

例如“可售库存”需要明确是否扣除已分配、质检、冻结和安全库存；“销量”需要明确是否扣除取消和退款；“售罄率”需要明确分母使用期初库存还是期间可售库存。使用E数通或其他工具时，可以把这些口径固定在主题说明和字段命名中，并通过示例SKU抽查结果。口径一旦变化，要保留版本和生效日期，保证前后复盘可比。