直播新品上架最容易被误判的环节,不是选品,也不是开播,而是补货计划。很多商家把首批备货量当成“预计销量乘一个安全系数”,结果不是卖到一半断货,就是库存压在仓库里。我的经验是:新品补货不是预测一个数字,而是设计一套能够随着直播数据快速修正的库存机制。真正能落地的计划,必须同时处理 SKU 拆分、首播试销、补货提前期、可售库存、赠品占用、退货回流和现金流上限。
sku库存:直播商家操作手册:新品上架中的补货计划怎么落地
新品第一次上架时,商家通常还不知道真实点击转化率、不同规格的偏好、直播间的有效成交密度,也不知道平台流量会不会突然放大。此时直接按“预计爆单”备货,本质上是在用资金承担尚未验证的需求。
我更倾向于把首批库存定义为验证库存。它的任务不是覆盖一个月销量,而是让商家完成一轮可控测试:验证主推规格、验证实际成交速度、验证供应商补货周期,并且保留第二次调整的空间。
如果一款新品有 5 个颜色、3 个尺码,理论上是 15 个 SKU,但首播真正需要验证的可能只有 4 个核心组合。把 15 个 SKU 平均铺货,表面上显得齐全,实际上会把库存分散到许多低概率选项中。
库存总量很容易制造安全感。仓库里有 3000 件货,并不代表直播间有 3000 件可卖货。预留给售后换货、达人样品、平台活动、已付款未发货、质检异常和待处理退货的数量,都不能直接计入可售库存。
我实际管理新品时,会先把账面库存拆成四层:账面库存、合格库存、可售库存和可承诺库存。只有可承诺库存,才可以在直播间承诺“还能拍多少件”。这一步看似保守,却能显著减少超卖、改地址和人工解释。
| 库存层级 | 定义 | 能否用于直播承诺 | 常见误差来源 |
|---|---|---|---|
| 账面库存 | 系统或仓库登记的全部数量 | 不能直接使用 | 未完成盘点、在途入库、重复登记 |
| 合格库存 | 通过质检且可以正常发货的数量 | 暂时不能全部使用 | 待分仓、待贴标、活动锁定 |
| 可售库存 | 已经完成上架准备并可被订单占用的数量 | 可以使用 | 赠品、组合装、预留量未扣除 |
| 可承诺库存 | 扣除安全库存和订单处理约束后的可售数量 | 最适合直播口径 | 补货提前期变化、退货回流不稳定 |
许多团队把补货规则写成“库存低于 100 件就补货”。这个数字脱离销量和供应周期后没有意义。日均卖 20 件的 SKU,100 件只够 5 天;日均卖 2 件的 SKU,100 件可能够卖近两个月。
更实用的补货点公式是:
补货点 = 预计日均销量 × 供应提前期 + 安全库存
其中,预计日均销量不能只看当天爆发值,供应提前期也不能只看供应商口头承诺。直播新品建议至少同时看近 3 场直播、近 7 天订单、同款不同规格的销量结构,并把入库、质检、打包和上架时间全部计入提前期。

传统货架电商的销量往往分布在全天,商家可以根据小时订单逐步补库存。直播间则不同,某个商品可能在 10 分钟内成交全天 60% 的订单,随后 40 分钟几乎没有订单。仓库如果按整天平均销量排产,往往来不及应对直播高峰。
我观察过一款家居收纳新品,首场直播全天成交 420 单,其中 238 单集中在主播演示“折叠前后对比”的 12 分钟里。若按照全天平均 17.5 单/小时安排拣货,实际峰值期间每小时需要处理接近 119 单,仓库瞬间出现波次拥堵。
这说明库存计划不能只回答“今天卖多少”,还必须回答“高峰 15 分钟要承诺多少、仓库能处理多少、供应商什么时候能补到”。直播的库存管理,本质上是库存、流量和履约产能的联动。
直播运营常说“这款新品准备 1000 件”,但仓库需要知道的是:白色 M 码多少件、黑色 L 码多少件、礼盒版多少套、单品版多少件。只管理商品总量,会掩盖某个热门 SKU 已经断货的事实。
不同规格的销量差异通常不是平均分布。服装可能是尺码差异,食品可能是口味差异,家居用品可能是颜色和套装差异。若新品首播后只看商品总销量,不看 SKU 销售结构,第二场直播会出现“库存总量还很多,但用户想要的那一个没了”。
| 商品层级 | 需要回答的问题 | 错误管理方式 | 推荐管理方式 |
|---|---|---|---|
| SPU | 这款商品整体是否值得继续投入 | 只看总成交额 | 结合毛利、退货率和流量效率判断 |
| 款式 | 哪些卖点和组合更受欢迎 | 所有颜色平均备货 | 按点击、加购、成交结构分配 |
| SKU | 哪个具体规格需要补货 | 只维护商品总库存 | 独立记录可售量、锁定量和在途量 |
| 组合装 | 不同商品之间是否会互相消耗库存 | 把组合装当成独立库存 | 建立组件库存扣减关系 |
新品备货需要同时支付货款、包装、仓储、物流、达人样品和投流费用。即便商品毛利不错,如果首批备货占用了过多现金,后面遇到爆款机会时也可能没有资金补货。
我建议把新品库存预算拆成“验证预算”和“放量预算”。验证预算用于首播和小规模复播,放量预算只有在转化率、退货率、供应稳定性达到门槛后才释放。这样做的好处是,即便新品表现不及预期,损失也被限制在可接受范围。

主播、运营和供应商都会给出销量判断,但这些判断的口径经常不同。主播说“这场能卖 3000 单”,可能指的是理想成交单;供应商说“准备 5000 件没问题”,可能只代表产能,不代表能在承诺时间内完成发货。
如果把预测销量乘以 1.5 或 2 倍,就得到首批采购量,这个方法最大的缺陷是没有区分预测置信度。一个有 10 场历史数据支撑的成熟品类,和一个只有主播感觉的新款,不能使用同一个安全系数。
更好的做法是把预测拆成三档:保守销量、基准销量和爆发销量。首批库存按保守与基准之间的范围准备,爆发销量则通过供应商预留产能和快速补货方案覆盖,而不是全部变成仓库实物。
在途货物最容易造成虚假安全感。它可能还在工厂,可能等待装车,也可能已经发出但还没有完成入库质检。直播间承诺发货时,真正需要的是可拣选、可打包、可交给物流的库存,而不是物流轨迹上的数字。
我会把在途库存至少拆成四个状态:供应商已确认、已完成生产、已发运、已入库待质检。只有最后一个状态完成质检并通过上架,才可以进入可售库存。每个状态都要有预计到达时间和责任人。
直播间的成交数据通常比最终发货数据更好看。用户可能因为冲动下单、重复购买、优惠规则理解错误而取消订单。某些品类还会出现尺码不合适、颜色与预期不符等高退货问题。
如果某 SKU 直播成交 1000 单,但取消和退款预估为 12%,有效发货需求就不是 1000 件,而是 880 件左右。可是退货回流也不能全部立即重新销售,因为退回商品可能需要检查包装、配件和使用痕迹。
平均分配安全库存看似公平,却不符合真实需求。高点击、高转化、低退货且供应稳定的 SKU,适合更高滚动库存;低点击、低转化或供应不稳定的 SKU,则应该降低实物占用,改用预售、换色或替代组合承接需求。
安全库存应该同时考虑销量波动和供应波动。销量稳定但供应商经常延期的 SKU,安全库存要向供应周期倾斜;供应很稳定但直播流量波动大的 SKU,则要更多观察峰值订单和投流计划。

不是所有 SKU 都需要同样复杂的预测。新品上架时,我通常将 SKU 分为引流款、主销款、利润款、形象款和观察款。不同层级对应不同的库存策略,不能只用一个统一模板。
分层的价值在于,商家可以把仓储、资金和供应商沟通资源集中到最值得保障的 SKU 上。若一个新品有 20 个规格,却没有主次之分,最终一定是每个规格都备得不够,或者每个规格都压得太多。
新品预测至少要建立三个数:基准日销量、峰值小时销量和可持续日销量。基准日销量用于采购和排产,峰值小时销量用于直播承诺和仓库波次安排,可持续日销量用于后续补货。
这三个数字不一定相同。首播可能被投流推高,峰值很高,但投流停止后日销量迅速下降。如果把峰值小时销量外推到 7 天,库存必然被高估。
我建议用下面的方式记录:
| 数据口径 | 计算方式 | 使用场景 | 不能做什么 |
|---|---|---|---|
| 基准日销量 | 近 3 场有效直播订单的加权平均 | 制定补货数量 | 不能直接代表长期自然销量 |
| 峰值小时销量 | 最高成交小时订单量 | 安排仓库拣货和库存锁定 | 不能直接乘以全天小时数 |
| 可持续日销量 | 扣除投流、活动和异常订单后的销量 | 判断是否持续补货 | 不能忽略新品增长阶段 |
| 有效发货量 | 成交量减取消、退款和异常订单 | 评估实际库存消耗 | 不能把退货回流立即视为新库存 |
供应商说“3 天可以发货”,通常只是生产完成或交给物流的时间,不一定包括采购确认、备料、生产、质检、包装、运输、入库和上架。只填一个“供应周期 3 天”,会让补货点严重偏低。
我建议把提前期拆成以下节点,并为每个节点设定最晚完成时间:
安全库存的本质是用更多资金换取更低的断货概率。对于高毛利、补货快的 SKU,不一定需要很高安全库存;对于直播主推、补货慢且断货会损失大量流量的 SKU,安全库存则应更高。
我通常会先确定服务水平目标。例如,主推 SKU 目标是保证 95% 的正常订单可供货,观察 SKU 目标可能只有 80% 到 85%。服务水平越高,库存占用越大,不能在所有商品上同时追求最高标准。

下面用一个家居收纳新品做演示。该商品有 4 种颜色、3 种组合方式,共 12 个 SKU。供应商最小起订量为每个颜色 100 件,标准生产周期 5 天,运输和入库需要 2 天,单件采购价 32 元,预计直播成交价为 69 元。
如果平均铺货,每个 SKU 只准备 80 件,不仅达不到供应商起订量,还会让热门颜色很快缺货。我们将 12 个 SKU 分为 4 个核心 SKU 和 8 个观察 SKU,首批实物库存只覆盖核心 SKU,观察 SKU 使用低量样品和预售承接。
| SKU 类型 | SKU 数量 | 首批数量 | 单件成本 | 首批资金占用 |
|---|---|---|---|---|
| 核心颜色单品 | 2 | 300件/个 | 32元 | 19200元 |
| 核心颜色组合装 | 2 | 200件/个 | 48元 | 19200元 |
| 观察颜色单品 | 4 | 30件/个 | 32元 | 3840元 |
| 观察颜色组合装 | 4 | 20件/个 | 48元 | 3840元 |
| 合计 | 12 | 1400件 | 不适用 | 46080元 |
这个方案没有追求每个规格都“看起来很充足”,而是把 12 个 SKU 的首批资金控制在 46080 元左右。核心 SKU 承担成交验证,观察 SKU 承担偏好探测,二者的库存任务不同。
直播中不能等到整场结束才看库存。我们会按 15 分钟记录曝光、点击、加购、付款和取消预估,重点看订单速度是否超过仓库处理能力。
例如,某核心单品在开播前 30 分钟成交 42 件,第二个 15 分钟成交 96 件,主播又准备进行一次强演示。如果仓库当前可承诺库存只有 120 件,那么继续用“库存充足”的话术可能导致超卖。
这时可以采用三种动作:限制单人购买数量、切换到组合装、暂时隐藏低库存规格。动作的优先级取决于毛利和用户体验,不能只为了保持成交曲线而透支发货能力。
首播结束后,该商品总成交 620 单,取消和退款预估 8%,实际可发订单约为 570 单。核心单品 A 成交 210 件,组合装 B 成交 180 套,另外两个核心 SKU 合计成交 180 件。
我们没有直接用 620 单作为补货依据,而是先扣除异常订单,再根据未来 3 场直播的排期修正销量。结果显示,单品 A 的可持续销量约为 58 件/日,组合装 B 约为 41 套/日,其他核心 SKU 约为 20 至 28 件/日。
| SKU | 有效发货量 | 预计可持续日销量 | 总提前期 | 安全库存 | 建议补货点 |
|---|---|---|---|---|---|
| 单品 A | 193件 | 58件/日 | 7天 | 116件 | 522件 |
| 组合装 B | 166套 | 41套/日 | 7天 | 82套 | 369套 |
| 单品 C | 96件 | 24件/日 | 7天 | 48件 | 216件 |
| 组合装 D | 71套 | 20套/日 | 7天 | 40套 | 180套 |
这里的补货点计算方式很简单:单品 A 为 58×7+116=522 件。关键不在公式复杂,而在于日销量、提前期和安全库存都必须有清晰来源。

单品 A 的销量最高,但退货率达到 14%,组合装 B 的销量略低,退货率只有 5%,且客单价更高。若只按销量排序,单品 A 会被排在第一位;若把净收入、退货损耗和客服成本一并计算,组合装 B 可能更值得优先补货。
我建议计算“净有效销量”:
净有效销量 = 发货量 ×(1-退货率)-不可二次销售数量
同时计算“每占用 1 元库存资金带来的毛利”,用来判断资金有限时的补货顺序。库存不是越多越好,而是要流向周转快、售后可控、现金回收确定性更高的 SKU。

这类商品适合低首批、高频次补货。首批库存不必覆盖很长周期,但要确保供应商能按小时或按日反馈可供数量。商家需要提前锁定包装材料、标签和仓库处理能力,避免货到了却不能上架。
这类商品需要更早启动补货。若总提前期达到 10 天以上,建议以滚动预测替代“卖完再买”。每次补货量要覆盖未来提前期需求,同时保留对需求下降的修正空间。
对于供应慢的商品,我会要求供应商提供两个数字:标准交期和最坏交期。补货点应按照最坏交期计算,采购数量则根据基准销量计算。这样既能防止延期导致断货,也不会完全按最坏销量压货。
食品、鲜花、节庆用品和部分美妆商品,库存价值会随时间快速下降。此时安全库存不能只看缺货成本,还要看临期和报损成本。
建议采用先进先出、批次管理和临期预警。新品首播前不要为了获得更低采购价而过度囤货,宁可牺牲一部分单件成本,也要保留根据销量变化切换供应商或调整口味的能力。
如果商品具备短视频传播、达人联动或平台活动属性,就要预先设计“爆发预案”。爆发预案不是把仓库塞满,而是明确第二供应商、加急运输价格、可替代规格和客服话术。
我会为这类商品设置三级库存动作:
这类商品不要追求全规格现货。可以用主规格现货、次规格预售、冷门规格取消展示的方式减少库存分散。用户真正关心的是能否买到适合自己的规格,而不是商家是否为每个规格准备了大量库存。
如果平台允许,建议在商品详情和直播口播中明确不同规格的发货时效。透明的分层承诺,通常比所有规格都承诺同一时效、最后再解释延迟更能减少售后压力。

不断货可以保护直播间权重、用户体验和广告效率,但代价是更高的库存资金和滞销风险。低库存可以保护现金流,却可能错过流量高峰。选择哪一边,取决于毛利、补货速度和断货后的流量恢复难度。
| 情况 | 优先目标 | 建议策略 | 主要代价 |
|---|---|---|---|
| 毛利高、供应稳定 | 降低断货 | 提高主销 SKU 安全库存 | 仓储和资金占用上升 |
| 毛利低、补货快 | 降低积压 | 小批量多频次补货 | 采购和运输次数增加 |
| 毛利高、补货慢 | 保障服务水平 | 提前锁产能并保留安全库存 | 需求下降时库存风险较大 |
| 毛利低、补货慢 | 控制现金流 | 降低规格数量或采用预售 | 可能损失部分即时成交 |
规格齐全会提升用户选择感,但也会增加预测难度和库存碎片。核心规格周转更快,能提升现金回收速度,却可能导致部分用户因为缺少偏好颜色或尺码而放弃购买。
我更建议使用“核心现货、边缘可订”的混合策略。核心规格承担直播成交,边缘规格用小库存测试需求。只有连续两到三轮数据证明边缘规格具备稳定销量,才扩大备货。
大批量采购通常能获得更低价格,但会牺牲调整速度。新品阶段需求不确定,低价并不等于低成本。如果一批货最终有 20% 无法销售,采购价便宜几元,可能也抵不过仓储、促销和报损损失。
我会把供应商报价拆成两种方案比较:一次性大批量采购的含税成本,以及分两批采购的综合成本。第二种方案即使单价高 5%,只要减少了滞销金额和退货处理,整体成本可能更低。

新品上架前,至少要建立一张可追溯的 SKU 库存底表。表内不仅记录商品编码和规格,还要记录采购价、包装体积、供应商、最小起订量、标准提前期、最坏提前期、预计日销量和安全库存。
| 字段 | 填写要求 | 负责人 | 更新时间 |
|---|---|---|---|
| SKU 编码与规格 | 颜色、尺码、组合关系必须唯一 | 商品运营 | 上架前确认 |
| 首批数量 | 区分核心 SKU 和观察 SKU | 采购负责人 | 下单前确认 |
| 标准与最坏提前期 | 拆分生产、运输、质检和上架 | 供应链负责人 | 每批更新 |
| 安全库存 | 与销量波动和服务水平绑定 | 库存计划 | 每日更新 |
| 替代方案 | 可替代颜色、组合装或预售方式 | 运营与客服 | 首播前确认 |
商品页面显示的可售库存、直播间口径、仓库实际可拣库存和客服后台信息,必须在开播前完成一次比对。特别要检查组合装是否正确扣减单品库存,赠品是否被单独预留,活动锁定库存是否会被误计入普通销售。
如果使用某项目管理工具或某项目管理平台协同任务,建议把每个节点配置为明确的交付物,例如“完成库存映射截图”“完成组合装扣减测试”“完成仓库实盘确认”,而不是只写“检查库存”。任务只有具备验收结果,才不会在多人协作中变成口头确认。
直播当天建议记录以下字段:时间段、曝光量、点击量、加购量、付款量、取消量、SKU 付款结构、当前可承诺库存、预计发货量和现场动作。对于主推 SKU,15 分钟足以发现订单速度是否异常。
直播后复盘不能只看成交额。至少要回答五个问题:哪个 SKU 真正贡献了有效发货?哪个 SKU 占用了最多库存资金?哪些订单被取消或退款?实际供应周期是否符合承诺?下一场直播应该补哪个 SKU、减少哪个 SKU?
对于新品,复盘频率要高于成熟商品。首播后 24 小时看订单和售后,72 小时看发货和退款,7 天看退货与库存周转,14 天看是否值得建立长期补货计划。

我不建议只设置“销量达到多少就补货”。更可靠的补货门槛至少包括销量、转化、退货、毛利和库存覆盖天数。五个指标同时达标,说明商品具备继续放量的基础;只达到销量而没有达到毛利或售后门槛,补货可能只是把问题放大。
| 指标 | 建议观察口径 | 补货判断 |
|---|---|---|
| 有效发货增长率 | 连续 3 个观察周期保持增长 | 支持扩大补货 |
| 支付转化率 | 剔除异常流量和大额投流后观察 | 低于基准则先优化内容 |
| 退款与退货率 | 分别观察短期退款和最终退货 | 高于警戒线则减少补货 |
| 单件贡献毛利 | 扣除平台、投流、物流和售后成本 | 不足以覆盖库存风险时谨慎补货 |
| 可承诺库存覆盖天数 | 与最坏提前期比较 | 低于提前期则立即启动补货 |
新品上架前不可能获得完整答案。商家真正能做的,是把不确定性拆成几段:用小批量验证规格,用直播数据验证需求,用节点化供应链验证提前期,用售后数据验证有效销量,再用现金流约束补货规模。
这比一次性追求“精准预测”更可靠。预测错了并不可怕,可怕的是预测错后没有第二次修正机会。
一张采购表只能告诉你买了多少货,不能告诉你哪些库存可以承诺、哪些库存正在消耗、哪些库存已经失去销售价值。真正有用的库存看板,应该把 SKU 销量、库存状态、供应提前期、履约能力、售后风险和资金占用放在同一条决策链上。
如果团队规模较小,可以先用表格执行;当 SKU、直播间和仓库数量增加后,再借助某项目管理工具或某项目管理平台统一任务节点、责任人和变更记录。但工具只是承载方式,核心仍然是口径统一和动作明确。
我的最终判断是:直播新品补货计划的竞争力,不在于谁敢备更多货,而在于谁能用更少的首批库存,更快确认真实 SKU 需求,并在需求变化时及时把资金和供应能力转向正确的规格。当库存计划能够同时回答“卖什么、何时补、补多少、谁负责、断货怎么办、卖不动怎么收缩”时,它才真正从采购动作变成了可执行的经营系统。
我准备给一款新品做直播首发,但没有可靠的历史销量数据,凭感觉备货很容易压库存,备少了又会在直播间断货。我想知道,怎样把预热人数、转化率、发货周期和安全库存真正换算成每个SKU的首批补货量?
新品首批补货最容易犯的错,是直接用“预计观看人数×预计转化率”计算总件数,再按颜色和尺码平均分配。实际测试时,平均分配往往比总量估算更危险,因为直播间的需求通常集中在少数几个SKU,爆款色可能先断,冷门规格却大量滞留。我更建议使用“保守销量预测+供应周期需求+结构修正”的方法。
先用三档销量做预算:保守值取预热有效互动人数的3%转化,中性值取5%,乐观值取8%。如果预热有效互动人数为2,000人,客单商品的预估销量区间就是60至160件,而不是直接拍一个100件。然后把补货周期折算进去。
假设供应商生产和发货需要7天,直播后预计每天自然销售15件,至少要预留105件作为供应周期库存。首批可售库存不应全部等于预测销量,还要扣除这部分已经被后续销售占用的数量,并加上约10%至15%的安全库存。
项目示例数值计算方式 中性直播销量100件预热人数×中性转化率 供应周期需求105件日均自然销量15件×7天 安全库存20件直播销量与周期需求的约10% 首批建议可用库存225件100+105+20 SKU结构不能平均拆分,要根据相近品类的历史结构或预售意向分配。
例如黑色、白色、灰色三种颜色的点击占比为45%、35%、20%,就先按这个比例分配,再为主推色额外增加5个百分点。尺码也应采用“中间尺码多、极端尺码少”的原则,但要结合直播间用户画像修正。我会把首批库存拆成三层:直播间可售库存、售后与损耗预留库存、触发补货后的在途库存。
只有第一层进入前台销售,后两层不能被运营人员随意挪用。这样做的判断标准不是“仓库里还有多少件”,而是“今天还能稳定卖多少件”。
我遇到过直播间某个颜色突然成为爆款,后台总库存看起来还很多,但实际可发的尺码已经不够,客服只能临时改款或退款。我想把补货、限购、停售和替代推荐做成明确规则,而不是每次靠运营人员临场判断。
直播爆单时,库存管理的核心不是盯着总库存,而是监控“可售库存覆盖时长”。总库存还有500件,并不代表安全;如果其中300件是滞销尺码,主推SKU每天卖100件,那么主推SKU可能只够两天。我建议为每个SKU设置三个阈值。第一是黄色预警线,通常为预计补货到仓前的需求量加10%安全库存;
第二是红色控制线,代表只够1个直播时段销售;第三是停售线,代表可发库存不足以覆盖履约风险,继续销售会显著增加缺货和退款。
库存状态触发条件运营动作 正常可售库存覆盖3天以上正常投流与销售 黄色预警覆盖1至3天下单补货,减少投流权重 红色控制覆盖不足1天限购、降低曝光、切换替代SKU 停售可发库存低于当日履约需求停止销售,保留售后和异常订单库存 库存覆盖天数的计算公式可以很简单:可售库存÷近30分钟折算日销。
比如某尺码当前可售60件,近30分钟卖出8件,按当前直播强度折算日销约192件,那么覆盖时长只有0.31天,已经不适合继续维持原投流。补货动作还要设置“最小补货批量”和“最晚下单时间”。
如果供应商每次至少生产100件,且交期5天,那么当预测未来5天需求加安全库存大于现有可售量时就应下单,而不是等库存归零再联系供应商。等到库存归零才补货,通常会把缺货损失和流量恢复成本一起放大。替代推荐也要提前配置。
主推黑色M码触发红色控制后,可以引导用户选择黑色L码、灰色M码或同面料新款,但必须在商品详情页明确尺寸和外观差异,不能用替代品掩盖缺货,否则退款率和差评会在直播后集中上升。
我已经算出了新品总共需要备货300件,但仓库和运营只看到一个总数,结果热门尺码被卖空,冷门尺码一直占库。我想知道补货计划应该细化到什么程度,哪些字段必须每天更新,才能真正指导仓库和直播团队?
补货计划至少要细化到“款式+颜色+尺码+仓位”四个维度。只管理到款式层级,会把库存错觉传递给运营:系统显示某款还有200件,但真正能满足用户购买的可能只有40件。
我在执行新品计划时,会给每个SKU建立一张库存卡,固定记录期初库存、已锁定库存、已付款未发库存、可售库存、在途库存、次品库存和预计到仓日期。其中最关键的是“已锁定库存”,因为直播间下单后尚未付款、预售订单和平台活动占用量,都可能让账面库存看起来虚高。
字段用途常见误区 可售库存决定前台还能卖多少把次品和待质检库存算进去 锁定库存避免重复销售只锁定已付款订单 在途库存判断未来补货能力未确认出库就计入可用库存 安全库存应对波动和售后被运营临时拿去冲销量 预计到仓日决定是否需要紧急补货只填供应商承诺日,不填质检缓冲 SKU分配建议采用“需求权重×可售率”的方式,而不是只按点击量分配。
假设黑色M码点击占比30%,但历史同类商品的支付转化率是10%;灰色L码点击占比20%,转化率只有4%,黑色M码的实际库存权重应明显高于灰色L码。新品前3天不要每天大幅改动库存结构,否则仓库拣货和直播口径会不断变化。
我通常设置一个小幅调整区间:单日只允许把总库存的10%至15%在SKU之间重新调拨,除非某个SKU发生集中退货、质量问题或直播间爆发式转化。执行层面要让三个角色看到不同的结果。运营看可售库存和覆盖时长,仓库看拣货库存与仓位,采购看在途数量、交期和补货批次。
一个页面展示所有字段,看似透明,实际容易让不同岗位误读;按岗位拆分视图,反而更容易减少错发和重复补货。
我以前复盘新品时只看销售额和售罄率,结果有的商品卖得很快但退款很多,有的商品库存压得不多却因为频繁缺货损失了后续流量。我想建立一套更可靠的复盘指标,决定下一场直播应该补多少、减多少。
补货计划不能只用售罄率评价。售罄率高,可能代表备货不足;销售额高,也可能是靠大幅折扣换来的。真正有决策价值的是把销售速度、履约质量、库存占用和利润放在同一张表里看。我建议至少复盘六个指标:预测偏差、售罄率、缺货时长、库存周转天数、退款率和毛利贡献。
预测偏差用“实际销量-预测销量”的绝对值除以预测销量计算。偏差长期超过30%,说明问题不一定在销量预测,也可能在流量计划、SKU结构或供应交期。
指标建议观察方式判断含义 预测偏差目标控制在±20%至30%检验预测模型是否可用 售罄率结合直播后7天销售看区分真实需求和短期冲量 缺货时长按主推SKU单独统计衡量流量损失风险 退款率按颜色、尺码和主播场次拆分识别错配、质量或承诺问题 库存周转天数可售库存÷近7天日均销量判断是否压货 毛利贡献销售毛利减履约和售后成本判断补货是否值得继续 有一个容易被忽略的指标是“缺货后的流量恢复成本”。
某SKU断货后,即使重新补齐库存,直播间点击率和推荐权重也可能需要几场活动才能恢复。因此,主推SKU宁可保留一部分不可随意动用的保护库存,也不要为了追求当场售罄把库存全部卖空。复盘时应按时间段拆数据。
直播前两小时的销量主要反映预热和粉丝触达,直播高峰反映主播话术与优惠刺激,直播后7天则更接近商品自然需求。如果把三段数据混在一起,往往会高估新品的长期销量,导致第二批补货过量。下一批补货可以采用滚动修正:实际销量低于预测20%时,下一批数量乘以0.8至0.9;
实际销量高于预测30%且退款率正常时,下一批数量乘以1.2至1.3;如果高销量同时伴随高退款率,则先修正商品、尺码或详情页问题,不应直接加大补货。最终要形成“补货假设,执行结果,偏差原因,下一批调整”的闭环。只记录卖了多少件,无法指导下一次;
只有把每次偏差归因到流量、转化、SKU结构、交期或履约,补货计划才会从一次性估算,变成可持续迭代的运营系统。


读者评论
把账面库存、可售库存和可承诺库存分开管理这一点很实用。直播间经常出现仓库还有货,但实际无法发出的情况,尤其是扣除赠品、样品和质检异常后,库存覆盖天数会明显缩水。
文章对新品首批备货的判断比较客观,不盲目按主播预估销量加倍采购。先用少量核心SKU验证转化和补货周期,再释放放量预算,更适合现金流有限的中小商家。
补货点同时考虑日均销量和供应提前期,比设置固定库存阈值更合理。不过实际执行时还要及时更新退货回流和在途货物状态,否则公式准确,库存数据本身也可能失真。