直播间里最容易被误判的，不是销量，而是库存。很多商家看到某个 SKU 在大促期间卖得很快，就立刻把货从总仓调向直播仓；等直播结束才发现，爆款断货、长尾积压、退货无法二次销售，三个仓库的账面库存都很高，真正能发出去的货却不足。我的判断是：直播商家不能只看库存数量，必须用 SKU 库存周转速度、可售库存质量和跨仓调拨效率共同推动改善多仓协同。

这篇清单并不讨论“库存越少越好”这种表面结论，而是从直播业务的真实波动出发，拆解如何识别有效库存、如何设置周转目标、怎样安排多仓分货，以及哪些情况下宁可牺牲一点周转率，也不能牺牲履约稳定性。

一、先讲核心结论：SKU库存管理的重点不是压货，而是让库存跟得上内容和订单

1. 直播库存的第一目标是“可承诺”，不是“账面充足”

在传统零售里，库存数量通常可以代表销售能力的一部分。但直播间的订单具有明显的脉冲特征：一场活动可能在十分钟内产生一周的订单量，流量峰值过去后，需求又会快速回落。因此，仓库里有 10,000 件货，并不等于直播间能承诺 10,000 件货。

我在处理直播库存时，会把 SKU 库存拆成四层：物理库存、可售库存、可承诺库存和风险库存。物理库存是仓库实际盘点出来的数量；可售库存要扣除残损、质检、待处理退货和已冻结库存；可承诺库存还要继续扣掉已占用订单、渠道预留量和履约安全库存；风险库存则是预计会因临期、换季、版本变化或售后退回而失去销售价值的部分。

我建议直播间对外展示的库存，不直接取仓库系统中的“当前库存”，而是使用“可承诺库存”。这一个口径变化，往往比单纯增加采购量更能减少超卖和延迟发货。

2. 周转率必须和缺货率、履约时效一起看

库存周转率常见计算方式是：销售成本 ÷ 平均库存成本。以月度为例，如果某 SKU 月销售成本为 60 万元，月初和月末平均库存成本为 20 万元，那么月库存周转率就是 3 次。这个指标可以判断库存占用效率，却不能单独判断库存管理是否优秀。

例如，一个 SKU 的月周转率达到 8 次，但直播期间缺货率为 14%，平均发货时效从 24 小时升到 72 小时，退货率也明显上升，这种“高周转”其实是以损失成交和用户体验换来的。相反，一个新品在首月周转率只有 1.5 次，但缺货率低、内容测试顺利、复购信号清晰，也不应急着被判定为库存失败。

我在实际分析中，会同时看四个指标：库存周转率、库存可售天数、直播缺货率和订单履约达成率。它们分别回答四个问题：货卖得快不快、还能卖多久、直播时有没有货、承诺的订单能不能按时发出。

• 库存周转率：观察资金在库存中的循环速度。
• 库存可售天数：观察现有库存按近期需求还能支撑多少天。
• 直播缺货率：观察流量高峰期间是否因库存不足损失订单。
• 履约达成率：观察库存配置是否真正转化为按时交付能力。

对于直播业务，我更重视“周转率与缺货率的交叉关系”。如果周转率低、缺货率也低，说明库存可能偏多；如果周转率高、缺货率也高，说明采购和分仓追不上需求；如果周转率低、缺货率却高，通常是库存结构出了问题，而不是库存总量不足。

3. 多仓协同的本质，是让库存位置跟着订单来源变化

多仓不是仓库数量越多越先进。仓库增加后，库存被切碎，盘点、调拨、退货、库存锁定和系统对账都会变复杂。如果没有统一的 SKU 编码、统一的库存状态和统一的订单分配规则，三个仓库很容易变成三个互不信任的库存孤岛。

直播商家真正需要的是“订单来源，库存位置，履约能力”的匹配关系。比如，华东用户占订单的 45%，华南占 30%，西南占 15%，北方占 10%，但 70% 的库存都在华南仓，那么整体库存可能并不紧张，华东用户却会持续承担更长的配送时效。

因此，多仓协同的第一原则是：不要按仓库平均分货，要按区域需求、配送时效、SKU销量结构和补货响应时间分配库存。热门 SKU 可以多仓前置，长尾 SKU 可以集中在一个主仓，通过区域调拨或统一履约降低管理成本。

二、背景和真实场景：为什么直播商家的SKU库存特别容易失控

1. 一场直播会把月度需求压缩成小时级波动

短视频和直播销售的特殊性，在于流量分配不是平滑发生的。一个商品在普通货架上可能每天销售 100 件，但当主播在晚上八点三十分给出限时优惠后，十分钟内可能成交 800 件。仓库如果仍然按照日均销量备货，就会在关键节点失去履约能力。

我曾见过一种典型场景：运营按照过去 30 天日均销量计算安全库存，认为某 SKU 每天售出 300 件，保留 1,200 件就能支撑四天。但实际直播峰值达到每小时 600 件，2 小时就消耗掉 1,200 件。这个模型没有错，错在它把直播需求当成了均匀需求。

直播库存预测至少应该拆成三个时间尺度：日常自然销售、直播活动峰值和活动后的余波销售。三者不能用同一个平均数处理。日常销售影响基础补货，直播峰值影响前置库存，活动余波则影响退货、换货和二次销售压力。

2. SKU越多，库存问题越容易从“数量问题”变成“结构问题”

直播商品通常存在颜色、尺码、容量、口味、套装和赠品组合。一个商品链接看起来只有一个商品，仓库里却可能对应几十个甚至上百个 SKU。主播在直播间说“这款有货”，用户选择的却是某个特定颜色和规格，库存压力最终落在最细的 SKU 层级。

最常见的误区是用 SPU 或商品链接库存代替 SKU 库存。比如黑色大码已经售罄，白色小码还剩 500 件，页面显示“库存充足”，但大部分用户依然无法完成下单。这样计算出来的库存周转率看起来正常，实际却掩盖了断码和滞销并存的问题。

我建议至少按“商品大类，商品款式，具体 SKU，仓库，库存状态”五个维度管理。只有在最细粒度上看清楚库存，才能知道问题究竟是商品卖不动、规格不受欢迎，还是库存被放错了仓库。

3. 退货和换货会制造一批“看起来有货”的假库存

直播商品的退货通常集中在活动结束后的几天。退回的商品可能存在拆封、试穿、缺少赠品、包装破损或配件不完整等情况。它们在仓库系统中已经回库，但没有完成质检和重新上架，不能直接当作可售库存。

如果退货处理没有单独状态，系统可能先增加库存，再由人工在之后扣减。这个时间差会直接制造超卖。特别是服装、美妆、食品和小家电等品类，退回商品的可二次销售条件差异很大，不能用统一的“退货入库”状态处理。

我通常会要求退货至少分为四类：可直接二次销售、需要整理后销售、只能折价处理和不可销售。分类不是为了增加操作，而是为了让库存周转率接近真实经营状况。

三、常见误区：看似在管库存，实际是在管理错误的数字

1. 误区一：把总库存周转率当成所有SKU的健康度

总库存周转率很适合看企业整体资金效率，却不适合指导直播间的日常补货。一个高销量爆款可以拉高整体周转率，同时掩盖几十个低周转 SKU。反过来，几个新品的首批备货也可能暂时拉低总指标，但它们正在完成市场验证。

解决方法是把 SKU 分成不同经营阶段，而不是用同一条标准评价所有商品。我会把 SKU 分成测试款、成长款、稳定款、活动款和退出款，并分别设定观察周期。测试款重点看点击、加购和首批转化；成长款重点看补货响应；稳定款重点看周转和利润；活动款重点看峰值履约；退出款重点看现金回收和库存损失。

2. 误区二：所有仓库都备同样的爆款库存

平均分仓看起来公平，实际上经常造成两头浪费：高需求区域缺货，低需求区域积压。尤其当不同仓库之间的调拨需要两到三天时，平均分仓会让商家失去快速纠偏的机会。

分仓不能只参考地区订单量，还要加入配送时效、仓库处理能力、承运商覆盖、退货比例和补货周期。一个订单量不高但配送半径较大的仓库，可能仍然值得保留少量安全库存；一个订单量很高但拣货效率不足的仓库，也不适合盲目增加前置量。

我建议先按照“区域需求占比×履约权重”计算建议配仓比例，再根据仓库实际处理能力进行修正。履约权重可以综合配送时效、订单取消率和高峰处理能力，而不是简单地把订单占比原样复制到库存占比。

3. 误区三：把在途库存提前算进直播可售库存

在途库存是计划中的资源，不是已经具备履约能力的库存。货物可能因为干线延误、交接异常、入库排队、条码错误或质检不通过而无法按预计时间上架。如果运营提前把在途量放进直播间承诺量，就会把供应链的不确定性转化成售后压力。

我建议把在途库存分成“已出库未到仓”“已到仓未上架”和“已质检待释放”三个阶段，并为每个阶段设置不同的可用系数。例如，已出库未到仓只参与补货预测，不参与直播承诺；已到仓未上架可以参与次日活动预估，但不能完全计入实时库存；完成质检并释放后，才进入可承诺库存。

4. 误区四：为了提高周转率，过度压缩安全库存

安全库存不是浪费，它承担的是需求预测偏差和供应延迟的缓冲作用。直播场景里，内容曝光、主播状态、平台流量和优惠力度都可能导致销量在短时间内偏离预测。把安全库存压到极低，确实可能让报表上的周转率变好，却会放大断货损失。

判断安全库存是否过高，不能只看库存天数，还要看供应补货周期和需求波动。补货只需要一天、需求波动小的标准品，可以使用较低安全库存；补货需要 15 天、活动期间销量可能放大五倍的商品，则必须保留更高缓冲。

四、专业判断逻辑：如何从SKU库存周转推导多仓改善动作

1. 先计算真实周转，再决定补货还是去化

建议使用近 28 天或近 30 天数据计算基础周转，同时单独标记大促、达人专场和异常低价活动。活动形成的销售峰值不能直接复制到未来日常需求中，否则会产生过度补货；但也不能完全剔除，因为它可能代表商品已经进入新的增长阶段。

一个较实用的计算方式是：

库存可售天数 = 当前可承诺库存 ÷ 预测日均出库量

库存周转率 = 统计周期内销售成本 ÷ 统计周期平均库存成本

安全库存 = 补货周期内预测需求 × 服务水平系数 − 补货周期内平均需求

其中，预测日均出库量不建议直接采用简单平均值。可以将近 7 天、近 28 天、最近三场直播分别赋予不同权重。例如，稳定款可以提高 28 天数据权重；流量快速上升的成长款，可以提高最近直播数据权重。

真正重要的不是公式本身，而是公式背后的口径。销售数量必须与可售库存、取消订单、退货和换货保持一致。否则，分子和分母使用了不同的业务范围，周转结果会看起来精确，实际上不能用于决策。

2. 用ABC分类解决“重点管什么”的问题

不是每个 SKU 都值得投入同样的管理精力。按销售额、毛利贡献、订单频率和缺货损失进行 ABC 分类，通常比只按销量排序更有效。A 类 SKU 可能只占 SKU 数量的 10% 到 20%，却贡献 60% 以上的销售额；C 类 SKU 数量很多，但单个 SKU 的库存价值和缺货影响都较低。

不过，直播商家不能机械照搬传统 ABC。某个低销量的核心配件可能决定整套商品能否交付；某个赠品 SKU 虽然销售额为零，却会影响活动承诺。因此，建议在 ABC 之外增加“履约关键性”标签，形成“销售贡献×履约影响”的二维管理。

3. 用“调拨触发条件”代替临时拍脑袋

多仓调拨最怕两件事：一是运营看到某仓库存低就立即调货，二是仓库等到缺货后才提出申请。前者会造成频繁搬运，后者会错过直播峰值。成熟做法是提前定义触发条件，让调拨成为规则动作。

我通常会设置四类触发条件：

1. 区域可售天数低于补货周期加安全缓冲时，触发补仓建议。
2. 某仓未来 72 小时预测需求超过可承诺库存时，触发紧急调拨评估。
3. 某仓库存高于目标上限且连续两周周转下降时，触发反向调拨或去化。
4. 大促前锁定库存后，如果直播排期取消或流量下调，触发库存释放。

触发条件还要包含“是否值得调拨”的判断。若一箱货的调拨成本为 800 元，而调拨只能避免 500 元的预计损失，就不应为了追求库存平衡而调拨。库存协同不是让各仓库存数字一样，而是让总履约成本和库存风险更低。

4. 把库存异常和内容排期绑定，而不是让仓库被动接单

直播商家的库存计划必须提前看到内容计划。主播什么时候讲爆款、优惠券何时发放、是否设置限量、是否有达人分销、是否安排切片复投，都会改变 SKU 的消耗速度。如果仓库只能在订单生成后才看到需求，库存协同永远处于追赶状态。

我建议建立“直播排期，SKU锁定，区域配仓，补货截止，撤销机制”五个节点。每一场直播至少提前 48 小时完成核心 SKU 的库存核验，提前 24 小时完成仓间分配，活动结束后 12 小时内根据实际消耗释放未使用的锁定库存。

五、具体案例和数据观察：同样的库存量，为什么结果相差很大

1. 案例一：服装直播间的“爆款尺码断货”

某服装商家有一款春季外套，黑、白、卡其三个颜色，每个颜色又分为 S、M、L、XL 四个尺码。活动前总库存为 12,000 件，按商品链接统计库存完全充足，但实际订单集中在黑色 M 码和黑色 L 码。

商家最初按颜色平均分配库存，每种颜色 4,000 件；每种颜色内部又按尺码平均配置。结果是黑色 M 码在第二小时断货，白色和卡其色部分尺码却各剩下 1,000 多件。直播结束后，总库存仍有 6,800 件，但最有价值的两个 SKU 已经无法继续承接流量。

我重新分析了近 21 天的尺码销售结构，发现黑色 M、L 两个 SKU 合计贡献了该款 46% 的订单，而它们的库存占比只有 17%。调整后，商家没有增加总采购量，只把库存结构改成黑色 M、L 占总库存 35%，并将部分长尾尺码集中到主仓。

两场直播后的结果是：爆款尺码缺货率从 18.4% 降至 4.7%，跨仓调拨次数下降约 31%，但长尾尺码库存可售天数从 52 天上升到 61 天。这个结果说明，结构优化并不意味着所有指标同时变好，商家需要接受部分长尾库存的短期上升，再通过套装和搭配销售去化。

2. 案例二：食品直播间的“有效期库存”

食品直播间的库存周转不能只计算数量和金额，还必须计算剩余保质期。某零食商家有三个仓库，某款产品总库存 18,000 箱，月周转率看起来达到 2.8 次，但其中华南仓有 4,500 箱的剩余保质期低于 90 天，华东仓却因为近期活动备货过多，库存可售天数超过 75 天。

如果继续按普通仓配规则履约，系统会优先从距离最近的仓发货，却不会优先消耗临期批次。结果是华南仓的临期库存逐步变成折价库存，华东仓仍在不断接收新货。

我会先把批次有效期加入库存分配规则，再把直播间的优惠策略与批次去化绑定。对于剩余保质期较短但质量合格的商品，可通过组合装、赠品或区域定向活动提高消耗；对于不适合长距离运输的批次，则优先匹配附近区域订单，避免跨区配送增加破损和时效风险。

这个案例中，最关键的指标不是单纯周转率，而是“有效期加权周转率”。可以将剩余保质期较短的库存赋予更高风险权重，计算其实际资金暴露。这样，管理者看到的不是“库存还能卖 50 天”，而是“其中 30% 库存必须在 60 天内完成去化”。

3. 案例三：小家电直播间的配件拖累

小家电的主机 SKU 可能周转很快，但滤芯、配件、不同插头版本和赠品会拖累整体库存。某商家主机月周转率为 4.5 次，配件周转率只有 0.8 次。运营只看主机销售额，继续采购整套商品，结果配件库存越积越多。

进一步拆分后发现，配件并非完全卖不动，而是配件库存与主机销售节奏没有绑定。一些主机订单配了不适用的滤芯，造成退换；另一部分配件被锁在不产生订单的仓库，既无法随主机出货，也无法单独销售。

改善方案不是简单停止采购配件，而是建立“主机出库量，配件消耗量，售后更换量”的关联模型。主机每出库 100 台，基础滤芯消耗可能是 100 个，但售后更换需求可能只有 8 个，赠品策略又可能额外消耗 20 个。只有把这三种需求分开，才能准确计算配件安全库存。

六、不同情况下的行动建议：按业务状态选择库存动作

1. 当爆款持续增长时：优先保障前置和补货速度

增长型爆款最怕用历史平均数据预测未来。最近三场直播销量连续上升时，建议把近期直播数据单独计算，并设置销量增长上限，避免因为一次异常流量而无限放大采购。

• 将爆款 SKU 纳入每日库存复盘，核心仓至少每场直播后核对一次。
• 把采购提前期、入库处理时间和质检时间全部计入补货周期。
• 在订单来源最集中的区域仓前置基础库存，主仓保留应急调拨量。
• 将“缺货损失”与“库存占用成本”放在同一张决策表中比较。

如果供应商补货周期长于直播活动周期，不要把全部希望寄托在临时补货上。更合理的方式是提前锁定供应商产能、拆分到货批次，并在直播间设置可控的限量机制。限量不是为了制造焦虑，而是为了让承诺量与真实履约能力保持一致。

2. 当爆款突然下滑时：优先解除锁定，防止库存被错误占用

直播销量下降后，很多商家只做一件事：停止采购。但库存真正的问题可能是活动锁定没有及时解除，导致其他渠道无法使用；或者库存仍然分散在高成本仓库，继续产生仓租和调拨费用。

此时应先复核直播排期、渠道预留和预售订单，把未使用的锁定库存释放出来，再决定是否跨仓归集。对于仍有自然搜索需求的 SKU，可以保留一个主仓库存；对于需求已经明显衰退的 SKU，应尽快通过组合销售、会员专享或渠道清仓回收现金。

3. 当总库存很多但仍然缺货时：先查结构和位置，不要马上采购

这种情况通常是多仓库存错配、规格错配或状态错配。建议按照以下顺序排查：

1. 核对缺货 SKU 是否真的没有可售库存，排除质检、锁定和退货状态造成的假缺货。
2. 确认库存是否集中在订单来源较少的仓库，计算跨仓配送是否可接受。
3. 检查是否存在同款不同颜色、尺码或套装组合的结构性失衡。
4. 评估调拨成本、时效和目标仓处理能力，再决定是否移动库存。
5. 只有确认总量确实不足后，才进入采购或供应商加急流程。

如果不做这五步，直接增加采购量，很可能让错误库存更多，形成“越缺货越采购、越采购越积压”的循环。

4. 当长尾SKU占用资金时：用库存退出机制，而不是无限等待

长尾 SKU 最容易被“以后可能会卖”拖住。我的经验是，只要一个 SKU 连续多个周期没有达到最低销售速度，就应该进入退出评估，而不是继续等待自然消化。退出不一定等于大幅降价，也可以通过套装、赠品、渠道转售、拆分配件或停止补货来降低风险。

判断是否退出时，至少考虑四项：当前库存金额、预计未来销量、仓储和资金成本、清仓折损。若继续持有三个月的成本高于现在折价出售的损失，清仓通常更理性。尤其是季节性商品和版本更新快的商品，等待本身就是一种成本。

七、不同情况下的取舍：库存管理没有绝对最优，只有明确优先级

1. 周转率与缺货率之间的取舍

对于高复购、供应稳定、消费者对时效不敏感的商品，可以更积极地压缩安全库存；对于直播爆款、限时活动商品和高评价核心 SKU，则应优先保证可承诺库存。两类商品使用同一周转目标，必然导致一类库存过多，另一类频繁缺货。

2. 集中库存与多仓前置之间的取舍

集中库存的优点是管理简单、盘点准确、长尾 SKU 更容易共享，缺点是远距离配送成本和时效压力更高。多仓前置的优点是发货快、区域体验好，缺点是库存被切碎、调拨复杂、退货处理成本更高。

我通常建议采用“核心 SKU 多仓前置，长尾 SKU 主仓集中”的组合策略。核心 SKU 的判断不能只看销售额，还要看缺货损失、直播曝光频率、区域订单分布和供应补货速度。对于只在少数地区销售的商品，没有必要为了看起来“全国有货”而在所有仓库铺开。

3. 自动化规则与人工判断之间的取舍

自动化适合处理高频、标准化和可量化的动作，例如库存预警、可售库存计算、调拨建议和异常订单筛选。人工判断适合处理新品、突发流量、主播临时改价、供应商异常和季节切换。

如果把所有判断都交给人工，团队会陷入表格和消息沟通；如果把所有判断都交给规则，系统又可能无法理解一次临时爆款或一次内容反转。比较稳妥的方式是：规则负责发现和排序，人工负责确认和授权，系统记录最终原因，供下一次预测修正。

当商家使用某项目管理工具或某项目管理平台协同采购、运营、仓库和客服时，建议不要只建立“补货任务”。更有价值的是把每个库存异常绑定到 SKU、仓库、直播场次、责任人、处理时限和最终结果，形成可追溯的异常闭环。

八、落地清单：用30天把SKU库存协同从报表推进到动作

1. 第1周：统一SKU和库存状态

第一周不要急着优化周转率，先把基础数据清理干净。没有统一编码和状态，任何精细分析都只是建立在不稳定的数字上。

• 统一商品、款式、颜色、尺码、容量和套装的 SKU 编码。
• 区分物理库存、可售库存、已占用库存、冻结库存、质检库存和退货库存。
• 核对各仓库存账与实盘，记录盘盈盘亏，不要直接用调账掩盖原因。
• 清理长期未动销 SKU，补充商品状态、季节属性和有效期字段。
• 确认直播间、货架、电商渠道和分销渠道的库存预留规则。

2. 第2周：建立SKU分层和基础指标

第二周完成 SKU 分层，不必一开始就做得极其复杂。先按销售贡献、库存金额和履约影响分组，再为每组设置不同的盘点频率和预警阈值。

• 计算近 7 天、近 28 天和近三场直播的出库量。
• 计算 SKU 周转率、可售天数、缺货率和履约达成率。
• 标记爆款、成长款、稳定款、活动款、长尾款和履约关键款。
• 找出“高周转高缺货”和“低周转高库存”的两类优先问题。
• 为每个重点 SKU 指定业务负责人和库存异常处理时限。

3. 第3周：试运行分仓和调拨规则

第三周选择一个商品大类试点，不要一次性改造所有 SKU。优先选择订单量较稳定、仓库数量适中、供应商响应可控的品类，先验证规则是否能减少紧急调拨和局部缺货。

试点期间，至少记录以下数据：调拨申请次数、调拨完成时间、调拨成本、调拨后缺货变化、目标仓处理效率和未调拨订单的损失。不要只记录“调拨成功”，还要记录调拨是否真的产生了经营收益。

4. 第4周：把直播排期纳入库存计划

第四周将直播场次、主播、商品顺序、优惠力度和预计订单量加入库存计划。每场直播结束后，复盘预测订单与实际订单的偏差，并区分偏差来自流量、转化、客单价、商品规格还是库存限制。

如果偏差来自库存限制，就要调整补货和分仓；如果偏差来自转化率过高，就要重新设置需求上限；如果偏差来自主播临时换品，则要优化库存锁定和释放机制。只有找到偏差原因，下一次预测才会变准。

九、最终判断：直播商家真正要优化的是“库存反应速度”

1. 不要把库存周转率当成财务结果，而要把它当成经营信号

库存周转率上升，可能是销售增长，也可能是库存被压得过低；库存周转率下降，可能是销售下滑，也可能是新品正在建立供给。只有结合缺货率、可售天数、毛利、履约时效和退货率，才能判断周转变化究竟是好事还是风险。

我的经验是，最值得优先关注的不是“周转率最低的 SKU”，而是“周转变化最快且解释不清的 SKU”。一个 SKU 周转率从 3 次突然升到 7 次，可能意味着内容爆发，也可能意味着库存即将断裂；从 3 次降到 1 次，可能意味着需求衰退，也可能意味着货被错误地锁在某个仓库。

2. 多仓协同不是把货铺开，而是把决策前移

仓库之间真正的协同，不是月底把库存数字调平，而是在直播开始前就知道：哪个 SKU 会在哪个区域被消耗、哪个仓库有能力处理峰值、哪些库存不能承诺、什么条件下要调拨、活动取消后怎样释放锁定量。

如果这些判断都等到订单产生后才开始，商家只能用加急运输、人工催单和售后补偿弥补前端计划。这样的库存管理看似灵活，实际上成本最高。

3. 下一步怎么做：先选20个SKU，不要从全量库存开始

建议你从贡献销售额最高、直播出现频率最高、缺货损失最大的 20 个 SKU 开始，完成一次完整盘点。为每个 SKU 建立仓库分布、库存状态、近 28 天销量、最近三场直播销量、补货周期、缺货率和退货率档案。

1. 先确认可承诺库存，而不是直接看系统总库存。
2. 再计算 SKU 周转率和可售天数，识别高周转高缺货与低周转高库存。
3. 根据订单区域和履约能力调整分仓，不做机械平均分配。
4. 为调拨设定触发条件、成本上限和完成时限。
5. 每场直播结束后复盘预测偏差，并释放未使用的锁定库存。

直播库存管理的核心，不是把所有仓库塞满，也不是把库存压到最低，而是让正确的 SKU 在正确的仓库、正确的时间，具备可承诺和可履约的能力。当商家开始用库存周转推动采购、内容、仓配和客服共同决策，多仓才不会继续制造库存孤岛，SKU 也才会真正从“库存数字”变成可持续经营的资源。

免费注册

咨询方案

扫码咨询方案