sku库存：电商卖家最佳实践：旺季备货怎样稳步实现减少缺货损失
很多电商卖家把旺季备货理解成“多进一点货”，但我在实际盘点中发现，真正造成缺货损失的往往不是采购量不够，而是补货节奏、库存口径和销售预测同时失真。一个经营家居小商品的店铺，去年大促前把爆款安全库存从800件提高到2500件，结果仍然断货9天；另一款销量略低的商品却积压了近4个月。旺季备货的核心不是把库存做大，而是让库存增长速度慢于需求确定性增长速度。
我建议卖家首先把库存拆成四个口径：仓库实物库存、可售库存、在途库存和锁定库存。仓库里有1000件，并不代表还能卖1000件。已经被订单占用、质检不合格、待调拨、待上架的数量，都不应该继续进入销售预测。
更准确的可售库存公式是：
可售库存 = 合格实物库存 − 已付款未发货数量 − 售后预留数量 − 活动锁定数量
在旺季，我还会单独记录“预计可售日期”。因为在途货物即使已经付款，也可能卡在干线运输、清关、入仓预约或上架质检环节。把这些货直接加进可售库存，会让系统看起来库存充足，实际却无法覆盖未来几天的订单。
安全库存不是越高越好。库存过低，会损失销售额、排名和广告效率；库存过高，则会产生仓储费、资金占用、折价处理和过季风险。旺季备货真正要优化的是总损失，而不是单纯追求缺货率最低。
可以用下面的简化模型判断某个 SKU 是否值得继续补货：
预期库存损失 = 缺货概率 × 单次缺货损失 + 过量库存概率 × 单位过量成本
其中，单次缺货损失不应只计算商品毛利，还应包括广告浪费、自然排名下降、客户转向竞品、客服处理成本和后续恢复销量的时间成本。对复购商品而言，缺货一次的影响可能延续数周。
我通常把旺季库存分成两层。基线库存用于覆盖已经验证过的正常需求，机会库存则用于应对大促流量、直播爆发、竞品断货或内容突然出圈等不确定需求。
基线库存应当使用近期开启相似活动后的真实销量计算，机会库存不能简单按照“预计销量的20%”拍脑袋，而要结合供应商交期、补货弹性、商品保质期和临时调价能力来确定。
| 库存层级 | 主要用途 | 建议计算依据 | 常见风险 |
|---|---|---|---|
| 日常可售库存 | 覆盖正常订单 | 近14至28天销量、转化率、流量结构 | 忽视活动放量 |
| 基线安全库存 | 覆盖交期内需求波动 | 日均销量、供应周期、需求标准差 | 只按平均销量计算 |
| 机会库存 | 应对大促或爆发流量 | 活动增量、广告预算、直播排期、竞品变化 | 把预测当成确定事实 |
| 尾货缓冲库存 | 处理退换货和临时补单 | 历史退货率、售后周期、渠道要求 | 被误算为正常可售量 |
很多卖家会把过去30天日均销量乘以1.5或2，作为旺季备货数量。这种算法看似简单，但它忽略了流量来源变化。日常订单可能主要来自搜索和老客，旺季订单却可能来自短视频推荐、直播间、平台会场和付费投放。
不同流量来源对应的转化率、退款率、客单价和购买时段都不同。一个商品日常每天卖100件，活动期间如果新增流量主要来自低意向展示，订单未必达到200件；相反，进入精准会场后，可能在两小时内完成一周的销量。
我在复盘一款厨房收纳商品时，发现活动首日成交量达到平日的3.8倍，但活动第二天只有平日的1.2倍。原因不是需求突然消失，而是首日优惠券和达人内容集中释放，部分客户提前购买。若按3.8倍连续备货，最后会产生大量活动后库存。
供应商常说“正常交期7天”，但这通常是平均值，不是承诺值。实际交期可能包括生产等待、包装、质检、装车、干线运输、入仓和上架。旺季时，只要其中一个环节延迟2天，就可能把安全库存全部吃掉。
我建议将交期拆成三个数字：最快交期、常态交期、最慢交期。补货决策不能只看常态交期，而要把最慢交期用于高价值或高缺货损失商品的风险测试。
多渠道经营时，平台A、平台B、直播渠道和线下分销可能共享一个仓库。如果各渠道都按照自己的可售库存销售，就会出现“每个渠道都显示有货，合计订单却超过实际库存”的情况。
我处理过一次类似问题：总仓可售库存显示1200件，两个渠道分别显示800件和650件。活动开始后，两个渠道同时放量，仓库实际只能发出约1100件，最终产生超卖、拆单和赔付。
因此，卖家必须设置一个统一的库存池，并为每个渠道设置动态可售上限。渠道库存不应等于仓库库存，而应等于总库存扣除其他渠道占用后的可分配额度。
去年数据可以作为参考，但不能作为今年的唯一依据。商品价格、评价数量、流量分配、竞争者数量、平台规则和投放预算都会变化。尤其是成熟商品，去年高销量可能来自一次偶然内容爆发，今年复制相同库存并不代表复制相同需求。
我会把去年数据拆为三个部分：可复现的基础销量、活动带来的增量销量、无法解释的异常峰值。只有前两部分适合进入备货模型，异常峰值必须单独标记，不能直接平均进去。
“低于500件就补货”适合商品销量稳定、交期稳定的场景，不适合旺季。因为库存500件对日销20件的商品可以覆盖25天，对日销200件的商品只能覆盖2.5天。
补货点应当与未来需求和供应交期绑定，而不是与一个固定件数绑定。最基础的补货点公式是：
补货点 = 日均需求 × 供应交期 + 安全库存
如果日均需求正在快速上升，就不能只用历史平均值。可以使用加权平均，让最近7天、活动预热期和相似活动数据获得更高权重。
销量是结果，库存覆盖天数才是风险指标。卖家每天都在看“卖了多少”，但更应该看“按当前可售速度还能卖几天”。
库存覆盖天数 = 可售库存 ÷ 预测日均销量
如果可售库存有3000件，预测日均销量为300件，覆盖天数只有10天。此时即便仓库总库存看起来很多，只要供应交期和入仓时间超过10天，仍然处在高风险区间。
降价确实可以加快库存周转，但它不是免费修正工具。折扣可能降低毛利、改变客户价格预期，还可能影响后续自然转化。对于季节性商品，过季后的清仓价格通常比活动前的合理控量更差。
更稳妥的方式是提前设置库存处置节点。例如覆盖天数低于7天时停止低效广告，低于4天时限制大额优惠，超过目标库存30天时启动组合销售，而不是等到库存积压后再一次性打折。
不是所有 SKU 都值得使用同一种预测方法。我建议至少按照销量贡献和需求波动，把商品分成四类：高销量低波动、高销量高波动、低销量低波动、低销量高波动。
| 类型 | 典型特征 | 补货重点 | 库存策略 |
|---|---|---|---|
| 高销量、低波动 | 日销稳定，复购或搜索需求明确 | 避免供应中断 | 较高服务水平，适当提高安全库存 |
| 高销量、高波动 | 活动、直播、内容影响明显 | 控制预测误差 | 基线库存与机会库存分开管理 |
| 低销量、低波动 | 需求稳定但贡献有限 | 降低管理成本 | 小批量补货，不必频繁人工干预 |
| 低销量、高波动 | 偶发订单或新款试销 | 控制资金暴露 | 优先采用预售、限量或柔性供应 |
销量分层可以参考销售额贡献，波动分层则可以参考变异系数。变异系数等于销量标准差除以平均销量。数值越高，说明日销量相对平均值越不稳定。对新商品，我不会急于给出精确预测，而会先设定观察期和补货上限。
固定预留7天库存非常容易执行，但专业性不足。安全库存至少要考虑需求波动和交期波动。一个实用的简化方法是：
安全库存 = 需求波动缓冲 + 交期波动缓冲 + 促销活动缓冲
需求波动缓冲可以根据近28天日销标准差计算，交期波动缓冲则根据供应商最快和最慢交期的差异估算。促销活动缓冲必须单列，否则活动前的额外库存会被误认为正常安全库存。
服务水平不是越高越好。高服务水平意味着更高库存成本。对于引流款，缺货可能影响店铺流量和关联销售，服务水平应当较高；对于低毛利、易过季商品，过高服务水平可能导致库存风险超过缺货风险。
我通常按照以下原则处理：
我建议每天只看三个预警条件：库存覆盖天数、预计缺货日期、补货到仓日期。如果预计缺货日期早于补货到仓日期，就进入红色状态；如果两者相差小于安全缓冲天数，进入黄色状态；如果库存覆盖天数高于目标区间，进入绿色状态。
这种方式的好处是，采购、运营、仓库和财务讨论的是同一个结果，而不是各自拿着不同口径的数字争论。补货不是采购部门单独完成的动作，而是销售预测、供应链执行和资金安排共同决定的结果。
下面案例来自我参与复盘的一家家居电商店铺，数据已做脱敏和区间化处理。该商品售价39.9元，采购成本11.8元，平台及履约成本约9.6元，单件基础毛利约18.5元。日常平均销量约180件，但历史大促首日最高达到620件。
供应商常态生产与运输共9天，旺季实际交期在11至15天之间波动。店铺原先按照“日均销量×活动天数×1.8”备货，得到约5800件的采购建议，但这个数字没有区分活动首日峰值和后续回落。
原方案在活动前25天一次性到货5600件。活动开始前，店铺又追加了直播专场，实际流量比最初计划高出约35%。活动首日销量达到610件，第二天降到270件，第三天降到210件。
由于活动前的可售库存被多个渠道同时锁定，系统显示还有库存，仓库实际可立即发货的数量却只有约430件。首日晚上出现部分颜色缺货，第二天的广告仍在继续消耗预算，最终造成约3天的核心颜色断货。
活动结束时，主款剩余约2100件，按活动后日均销量80至100件估算，需要约22至26天才能消化。表面上看没有全部卖空，但资金占用、折扣让利和后续广告效率下降已经超过了首日少卖订单带来的损失。
新的方案将库存拆为三批：第一批覆盖日常需求和活动确定销量，第二批作为活动前滚动补货，第三批只在预热期转化率和加购率达到条件后释放。
| 补货批次 | 释放时间 | 数量 | 释放条件 | 目的 |
|---|---|---|---|---|
| 第一批 | 活动前25天 | 2800件 | 覆盖基础需求和已确认渠道订单 | 避免一次性占用过多资金 |
| 第二批 | 活动前14天 | 1500件 | 预热期日均销量超过基线20% | 根据真实需求修正预测 |
| 第三批 | 活动前7天 | 800件 | 直播排期确定且供应商承诺快速交付 | 覆盖高确定性增量，不承担全部峰值 |
这个方案的关键不是少备货，而是让后续采购动作与真实信号绑定。预热期如果没有出现销量、加购、收藏和转化率的同步提升，第三批库存就不必全部释放。
在同等活动流量下，滚动方案将核心颜色的缺货时间从约3天压缩到不足半天，活动后剩余库存从2100件降到约900件。由于第三批采购没有完全释放，库存资金占用峰值下降约27%，活动后折扣处理比例下降约18个百分点。
需要强调的是，这不是“滚动补货必然成功”的证明，而是说明了一个更重要的判断：当需求不确定性高时，把采购动作分散到多个时间点，本身就是一种降低预测错误成本的方法。
这个阶段不要急着把所有预测数字定死。第一步是清理过去数据中的异常值，包括断货日、超卖日、临时大额采购、异常低价和达人集中带货日。
第二步是把 SKU 分组，至少标注以下字段：
第三步是确定基线库存。基线库存只覆盖高确定性需求，不要把尚未确认的直播、投放和会场流量全部计算进去。
预热期间，我最关注的不是单日销量，而是销量与行为指标是否同时改善。如果销量增长，但点击率、加购率和支付转化没有同步增长，可能只是短期低价带来的偶然成交，不能据此大幅追加库存。
较有价值的信号通常包括：
预热数据应当每天更新，但采购计划不必每天全量改变。频繁大幅调整会造成供应商和仓库执行混乱。我一般只在预测偏差超过预设阈值时调整第二批或第三批采购。
最后7天最容易出现一种错觉：卖家以为货已经在仓库里，就可以全部算作库存。实际上，商品是否完成入仓、质检、上架、拣货位配置和渠道分配，决定了它能否转化成订单。
建议逐项确认：
大促期间，日均销量已经不够用了。对高峰明显的商品，要观察小时销量、支付转化、库存扣减速度和预计发货时效。一个商品上午每小时卖30件，晚上直播可能每小时卖250件，用日均销量做库存判断会严重滞后。
当库存覆盖时间低于下一个流量高峰的预计持续时间时，应立即采取动作，例如限制低效率广告、调整优惠、关闭部分渠道库存、切换替代规格或设置预售，而不是等系统显示“售罄”后再处理。
活动后库存不一定都是坏库存。需要区分正常回落库存、颜色结构性库存和真正的过量库存。主款仍有自然需求时，不应因为活动结束就大幅降价；某个冷门颜色长期滞销时，可以通过组合销售或赠品方式消化，但不要牺牲主款价格体系。
复盘时至少回答四个问题：预测误差来自流量、转化、客单价还是交期；缺货发生在实物不足还是库存分配错误；活动后库存是数量过多还是结构不对；哪些信号本可以提前触发调整。
这类商品的核心不是预测更精准，而是提前承认供应链不可逆。只要交期长于活动窗口，就不应把活动期间的增量需求全部寄托在临时补货上。
我的建议是：
供应柔性高时，不应继续使用大批量一次采购的方式。可以通过多批次下单、锁定产能而非锁定全部货物、设定分批交付日期来降低资金占用。
但要注意，快速补货不等于无限补货。补货速度仍可能被质检、运输和仓库处理能力限制。如果活动流量主要集中在首日，晚到两天的库存即使最终到仓，也可能失去销售价值。
食品、美妆、节日装饰和明显季节性商品，应当把有效销售窗口放在库存模型中心。库存覆盖天数不能超过剩余可销售天数，否则账面库存越多，实际损失越大。
这类商品适合采用“保守基线＋快速补货＋预售验证”的组合。宁可让一部分需求通过预售和延迟发货解决，也不要为了极低缺货率采购超出季节窗口的数量。
新品最危险的做法是用同类商品的最高销量作为预测。相似品可以提供价格和需求方向，但不能证明新品一定拥有相同流量。
新品备货应设置三个闸门：
新品的第一目标不是立即做到零缺货，而是用可控资金换取真实需求信息。
多渠道场景必须先确定渠道优先级。通常可以按毛利、履约承诺、客户价值和平台处罚风险排序。一个渠道不能因为自己有活动，就无限占用公共库存。
如果无法做到实时库存同步，至少应设置保守可售量，并预留人工校准窗口。同步延迟5分钟在日常可能无关紧要，但在直播高峰期可能足以造成数百单超卖。
当商品毛利较高、生命周期较长、供应商交期较长、缺货会影响后续流量，或者商品能够带动其他关联销售时，适当提高库存是合理的。
例如一个高复购耗材，即使单次缺货损失看起来不大，也可能造成客户转向其他品牌并影响未来订单。此时，库存成本不应只按当前订单计算，还要考虑客户关系损失。
当商品过季风险高、毛利低、体积大、退货率高、供应商补货灵活，或者活动增量高度不确定时，接受少量缺货可能比大量积压更理性。
接受缺货不代表放弃管理。可以通过关闭部分广告、保留高利润规格、设置预售、提供替代商品和解释发货时间，降低缺货对客户体验的影响。
广告投放必须服从库存覆盖能力。一个商品库存只能支撑5天，却仍按原预算持续投放，等于主动把有限库存卖给边际效率较低的订单，并可能在最需要高转化的时段断货。
我建议建立“库存约束下的广告规则”：覆盖天数低于目标值时，优先保留自然转化高、毛利高和复购价值高的投放；覆盖天数进入危险区时，减少泛流量投放；库存恢复后，再逐步放大预算。
缺货风险高时，不一定要继续加大优惠。优惠会加速库存消耗，但也可能让低意向用户集中下单，降低单位利润。如果库存不足以覆盖核心人群，应该先保护高价值流量和高毛利规格，而不是让所有客户都享受同样折扣。
库存过量时，也不建议立即全店降价。可以按库存年龄和利润空间分层处理：
库存管理最怕报表太多、口径不一致。建议每天形成一张以 SKU 为行的风险表，至少包含可售库存、预测日销、覆盖天数、预计缺货日期、补货到仓日期、供应交期、库存金额和建议动作。
| 字段 | 判断问题 | 触发动作 |
|---|---|---|
| 可售库存 | 现在真正能卖多少 | 核对实物、锁定和异常库存 |
| 预测日销 | 未来几天可能卖多少 | 结合近期销量和活动信号更新 |
| 覆盖天数 | 还能支撑多久 | 进入黄区时评估补货，进入红区时立即控制销售节奏 |
| 预计缺货日期 | 补货前会不会断货 | 比较补货到仓日期，决定加急、预售或限流 |
| 库存金额 | 资金暴露是否过高 | 限制高风险 SKU 的追加采购 |
预测误差本身并不可怕，可怕的是不知道误差来自哪里。建议把误差拆成流量误差、转化误差、客单价误差、库存可售误差和供应交期误差。
例如，实际销量低于预测，可能不是需求差，而是主色缺货导致客户无法购买；实际销量高于预测，也可能只是优惠过深造成提前透支。只有拆开原因，下一次备货才不会重复修正错误。
对于需求不确定的商品，可以设计小规模实验：不同渠道分别设置不同优惠、不同库存上限或不同内容曝光，再观察销量速度和退款表现。实验不一定要复杂，但必须提前规定成功条件和停止条件。
例如，预热期连续两天加购率提高、支付转化率稳定、退款率没有明显上升，才允许追加库存；如果只有点击上涨而支付不动，就应暂停扩大采购。
旺季备货不仅是内部管理问题，也取决于采购合同是否具备弹性。可以与供应商谈分批生产、分批交付、锁定原材料、设置交期赔付和优先排产条件。
如果为了获得最低采购价而一次性承诺全部数量，卖家实际上把需求预测错误的风险全部留给了自己。采购单价低几毛钱，未必能抵消库存积压带来的损失。
第一，库存数字必须服从可售口径。仓库里有货、系统里有货、渠道显示有货和客户现在能买到货，是四件不同的事。
第二，需求预测不是一次性答案，而是随着预热、活动和履约数据不断更新的过程。越不确定的 SKU，越不应该在最早阶段做出全部库存承诺。
第三，缺货和积压都不是单独的库存问题，它们会向广告、排名、客服、现金流和客户关系扩散。真正应该优化的是总损失，而不是某一个漂亮的库存指标。
如果只能改一个地方，我建议先改“库存总数”这个习惯，改为每天看“可售库存还能支撑几天、补货什么时候到、预计缺货和过量库存哪一个损失更大”。旺季备货的本质不是预测未来，而是在未来尚未确定时，保留足够多的修正机会。
当卖家能够把库存分层、把采购分批、把风险前置、把广告和库存联动，旺季就不再是一场靠经验押注的库存赌博，而会变成一套可以持续校准、逐步收敛的经营机制。
我过去总是按“上个月销量乘一个系数”备货，结果销量一涨就断货，销量一跌又积压。想请教一下，旺季安全库存到底应该看哪些数据，怎样算才不会把安全库存变成拍脑袋的数字？
安全库存不应该由一个固定比例决定，而应该同时考虑需求波动、供应周期波动和缺货损失。只看平均销量，会掩盖促销期间的尖峰；只看历史最高销量，又容易把一次性异常订单误认为正常需求。更稳妥的做法是先把SKU分成三类：稳定销售款、活动敏感款和长尾款。稳定销售款可以使用历史日均销量与标准差计算；
活动敏感款要单独建立活动期预测；长尾款则更适合设置较低库存上限，并采用小批量补货。一个实际可执行的简化公式是：安全库存 = 日均销量 × 需求波动系数 × 供应周期修正系数。
以某家居配件店的主推SKU为例，平日30天日均销量为86件，活动期间预计销量为平日的1.8倍，供应商平均交期为7天，最长交期为11天。
参数数值判断 活动期日均销量155件86×1.8，不能继续用平日均值 交期差额4天最长交期11天减平均交期7天 交期波动缓冲620件155×4 额外需求缓冲约310件按活动预测误差20%估算 建议安全库存约930件交期与需求误差分别计入 这里最容易踩的坑是重复计算缓冲。
例如，有些卖家先把活动销量上调80%，再用活动期间最高销量计算安全库存，最后又额外加30%，结果库存被叠加放大。需求增长和供应风险应分别计算，且每一项都要能解释来源。我建议每周复核一次安全库存，而不是每天调整。若连续两周实际销量偏离预测超过20%，或者供应商最长交期发生变化，再重新计算。
这样既能及时修正，也能避免运营人员因单日波动频繁改数。
我经常遇到这样的情况：销售团队临时确认活动，采购马上下单，但货还没到活动就开始了。除了看供应商口头承诺，我想知道怎样倒推出最晚下单日，才能把生产、运输、入仓和质检时间都算进去？
备货倒推的关键不是“提前多少天”，而是把从下单到可销售之间的每一个时间节点拆开。只看供应商说的生产周期，往往会漏掉排产等待、运输延误、入仓排队、质检和上架时间。建议建立SKU级的供应周期表，并且同时记录平均周期、P80周期和最长周期。
平均周期适合做成本测算，P80周期适合做常规排产，旺季高风险SKU则应参考最长周期或历史最差周期。
环节平均耗时旺季计划耗时 供应商确认与排产1天2天 生产或备货5天8天 干线与末端运输3天5天 入仓、质检、上架2天3天 缓冲时间2天4天 合计13天22天 如果活动在10月20日正式开始，计划中的首批货必须在10月17日完成上架，那么旺季计划周期应从10月17日向前倒推22天，最晚应在9月25日前完成下单。
若SKU缺货后需要跨境补货或重新生产，还应再增加一轮风险缓冲。真正实用的做法是设置三个节点，而不是只有一个下单日期。第一节点是“需求冻结日”，冻结活动数量和主推SKU；第二节点是“最晚下单日”，超过该日期就必须切换到替代供应方案；
第三节点是“风险决策日”，如果订单尚未入仓，就降低投放强度或调整活动承诺。我特别建议把供应商承诺日期改成“可销售日期”管理。货物到仓不等于库存可用，未质检、未贴标、未完成库位分配的货，在系统里看似有库存，实际上仍可能无法出库。
以前看到库存告急，我通常会立刻安排加急采购，但有时加急运费很高，补回来的货又卖不动。我想知道，缺货损失应该怎样量化，才能判断是紧急补货、替代发货，还是接受短期缺货？
缺货决策不能只看销售额损失，因为不同SKU的毛利、复购价值和替代难度差异很大。更合理的判断是比较“缺货成本”和“加急补货成本”，并把退货、广告浪费和排名波动纳入计算。可以使用这个简化模型：预计缺货损失 = 缺货天数 × 日均销量 × 单件贡献毛利 × 可挽回比例。
可挽回比例反映消费者是否会延迟购买、购买替代款或直接流失。例如，一个配件SKU日均销量120件，单件贡献毛利为18元，预计缺货4天。如果只有70%的订单会流失，缺货损失约为120×4×18×70%，即6048元。
若加急运输和供应商加急费合计4200元，且加急到货后不会形成明显积压，那么补货在财务上是合理的。
决策选项适合情形主要风险 紧急补货高毛利、高复购、缺货损失明显高于加急成本运费上涨、到货后需求回落 替代SKU发货规格相近、客户接受替换、库存结构可调售后与评价风险 限制广告与订单库存不足但无法快速补货流量和排名短期下降 接受短期缺货低毛利、低复购、需求即将结束损失部分订单 一个经常被忽略的变量是广告浪费。
SKU库存只剩两天，但广告仍按原预算投放，可能把消费者大量引到无法及时发货的商品页。此时即使没有订单取消，也会产生转化率下降、投放成本上升和店铺服务指标恶化。我的建议是给A类SKU设置“红色库存线”，一旦预计可售天数低于补货周期，就自动触发三项动作：降低广告预算、确认替代商品、重新测算加急补货上限。
库存系统的价值不只是告诉你还剩多少，而是提前告诉你下一步应该停止什么、加速什么。
我管理的SKU数量比较多，如果每个SKU都做复杂预测，团队根本维护不过来；但如果统一按销量排名，又会忽略高毛利和强引流商品。有没有一种既能落地，又能让团队快速决定备多少、盯什么的分级方法？
SKU分级不应只按销量排序，至少要同时看销售贡献、毛利贡献、缺货影响和供应风险。一个低销量但承担引流或搭配销售的SKU，缺货后可能影响整套商品的转化；一个销量高但毛利极低的SKU，则未必值得承担高库存成本。实操中可以先用“销售贡献×缺货影响×供应风险”进行三维分组，再把SKU分为A、B、C三层。
A层重点管理预测和补货，B层采用周期性补货，C层控制库存上限并减少人工干预。
等级典型特征库存策略复核频率 A类高销量、高毛利或缺货影响大设置安全库存、替代方案和预警线每日 B类销量稳定、利润一般、供应风险中等按周补货，控制周转天数每周 C类低频、长尾、需求波动大小批量采购，设库存上限每月 分级时不要把“过去30天销量”当成唯一依据。
旺季前至少要补充三个判断：活动是否会带来新增需求、该SKU是否必须与主商品成套销售、供应商是否存在最低起订量。否则，分级结果会把季节性商品误判成C类，也会把一次性爆单商品误判成A类。一个比较省团队精力的做法是设置“人工判断例外”。
系统自动处理大多数B类和C类SKU，只把以下情况推给采购或运营：预测偏差超过25%、预计可售天数低于交期、近两周退货率显著上升、供应商交期连续两次延长。这样，人工资源集中在真正会造成损失的SKU上。最终要看的不是库存金额越低越好，而是单位库存资金带来的贡献毛利。
可以每月比较“库存资金周转率”和“缺货损失率”：如果库存减少了，但缺货损失增长更快，说明压库存压过头；如果缺货率下降而滞销库存快速增加，则说明安全库存或分级阈值过于保守。
读者评论
把库存拆成仓库实物、可售、在途和锁定四个口径很实用。以前总库存看着不少，实际扣掉已付款订单和待上架商品后，覆盖天数已经不足一周。旺季确实不能只看仓库里有多少件。
文章对“日常销量乘以1.5或2”的提醒很有价值。活动首日和次日的需求差异可能非常大，按峰值连续备货容易造成积压。把基线库存和机会库存分开，比较适合直播、会场等波动明显的渠道。
补货点不能只设固定件数这一点容易被忽视。日销20件和日销200件的商品，即使都剩500件，风险完全不同。实际执行时还应把最慢交期、入仓质检时间和退货预留一起算进去，才能更接近真实可售库存。