很多品牌零售商把“缺货预警”和“库存周转慢”当成同一个库存问题，结果是：畅销款一缺货就盲目补货，滞销款一积压就全场打折，最后仓库里的库存金额增加了，顾客却仍然买不到想要的商品。真正有效的 sku库存诊断，不是先问“还要采购多少”，而是先判断缺货发生在需求预测、库存分配、补货周期、库存准确率，还是商品生命周期判断上。
sku库存：品牌零售商诊断清单：从缺货预警排查库存周转慢
我在参与品牌零售库存复盘时，最先要求团队把问题拆成两个方向：一类是可销售库存不足，另一类是可销售库存存在但销售速度过慢。两者在报表上都可能被称为“库存异常”，但解决方法完全相反。
缺货通常意味着销售机会正在流失，重点要查需求波动、补货提前期、门店分货、仓库拣配和库存同步。周转慢则意味着资金已经沉淀，重点要查采购批量、商品生命周期、渠道结构、价格策略和库存结构。
| 诊断对象 | 表面现象 | 第一判断 | 优先动作 | 错误动作 |
|---|---|---|---|---|
| 高频缺货 SKU | 搜索量和加购量仍高，但无法下单 | 需求是否真实存在，补货是否赶得上 | 拆分安全库存、在途库存和可售库存 | 只看月均销量后加大采购 |
| 低周转 SKU | 库存天数高，连续多个周期销售低迷 | 库存是否仍然符合当前渠道需求 | 做库存年龄、毛利和生命周期分层 | 继续按历史销量补货 |
| 账面有货但无法销售 | 系统显示库存，顾客却买不到 | 是否存在锁定、残次、调拨中或数据延迟 | 核对库存状态和订单占用 | 把全部账面库存计入可售库存 |
| 局部渠道缺货 | 总仓有货，部分门店或平台缺货 | 是否是分配规则或调拨机制失效 | 检查区域库存和渠道服务水平 | 直接增加总采购量 |
我的核心判断是：库存诊断必须先分清“数量问题、位置问题、时间问题和结构问题”。 数量问题是总库存不足，位置问题是货在错误的仓或渠道，时间问题是补货到达晚于销售窗口，结构问题则是库存金额不少，但集中在不该囤的 SKU 上。
我建议先建立一张 SKU 健康底图，而不是一上来做复杂预测。最少要同时看销售速度、库存覆盖和库存可售率。单看库存周转率，无法解释为什么门店有货却不能卖；单看缺货率，也无法发现库存正在悄悄老化。
一个常见的基础公式是：库存周转率等于期间销售成本除以平均库存成本；库存周转天数则可以用平均库存成本除以期间销售成本，再乘以期间天数。实际执行时，我会把“销售成本口径”和“库存成本口径”统一，否则周转率会因成本口径不一致而失真。
对于季节性商品，90天平均值往往会掩盖真实变化。例如夏季防晒商品在旺季前两周突然放量，若仍使用过去90天销量做补货依据，系统会严重低估当前需求。反过来，节后礼盒仍按节前销量预测，则会制造大量虚假补货。
品牌零售商经常面对这样的情况：中央仓库还有库存，直营网店显示缺货；线下门店某个颜色卖断，另一个城市却积压；直播渠道为了保证发货预留了库存，日常电商渠道看起来就像没有货。此时企业看到的是“库存总量充足”，消费者感受到的却是“买不到”。
我把这类问题称为“位置型缺货”。它不是采购数量不足，而是库存没有在正确的时间到达正确的销售节点。若直接增加采购，新增库存可能仍停留在中央仓库，问题只会从渠道缺货变成总库存膨胀。
诊断时要把库存至少拆成中央仓、区域仓、门店、平台仓、在途、锁定、退货待检和不可售八类状态。若报表只有“期末库存”一个字段，任何关于缺货或周转的结论都不够可靠。
在促销周期里，销量增长不一定代表自然需求增长。优惠券、满减、直播曝光和平台推荐可能把未来两周的需求集中到三天内。若团队把这三天的销量直接外推到下一个月，极容易形成过量采购。
我通常会把促销销量拆成自然销量、活动增量和活动透支三部分。自然销量是没有活动时的基础水平；活动增量是活动带来的新增需求；活动透支是提前消费的未来需求。第三部分如果不扣除，补货模型就会持续追着虚高数据走。
| 场景 | 促销前日均销量 | 活动期日均销量 | 活动后日均销量 | 建议预测口径 |
|---|---|---|---|---|
| 真实拉新 | 20件 | 48件 | 31件 | 提高基础销量，但不能直接按48件外推 |
| 集中透支 | 22件 | 65件 | 11件 | 降低短期峰值权重，观察恢复周期 |
| 流量型促销 | 18件 | 52件 | 19件 | 基础需求变化有限，活动增量单独管理 |
新品没有足够历史数据，应该控制试错成本；常规款需要稳定服务水平，重点是减少缺货和补货波动；季末款则要控制库存年龄，避免把销售窗口错过后再用折扣补救。三类商品如果使用同一套最低库存、补货周期和采购批量，结果通常是新品被过度采购，常规款频繁缺货，季末款持续积压。
我会先给商品打生命周期标签，再决定库存策略。标签并不需要一开始就非常复杂，关键是让采购、商品、运营和财务使用同一套定义。否则商品部门认为某款仍有潜力，财务部门看到的却是90天不动库存，双方会在同一张表上得出相反结论。
缺货并不自动证明采购量不足。缺货可能来自库存分配不均、补货单未审核、库存锁定过多、仓库盘点差异、商品组合配置错误，甚至是页面库存同步延迟。如果不先排除这些原因，加大采购只会增加供应链压力。
我遇到过一种典型情况：系统显示某颜色库存为零，采购部门准备追加生产，但仓库实际有一批货处于“质检待判定”状态。问题不是没有货，而是质检流程没有及时释放库存。最后企业多生产了一批同款，原有库存和新增库存同时进入销售，周转天数迅速恶化。
正确顺序应该是：先核对账面库存，再核对可售库存；先检查库存位置，再检查补货周期；最后才判断是否需要追加采购。
全场打折的最大问题不是让利，而是把不同原因的慢周转商品混在一起处理。部分 SKU 是价格不具竞争力，部分 SKU 是尺码或颜色结构不对，部分 SKU 是渠道不匹配，还有部分 SKU 是商品本身已经过季。它们需要不同的处理方式。
如果一款商品只是在线下门店卖不动，但在电商渠道仍有稳定搜索和转化，那么调拨可能比降价更有效。如果商品页面点击不少但转化低，可能要查价格、评价、图片和规格说明，而不是立即清仓。反过来，如果库存年龄超过180天、连续多个周期无自然订单，再漂亮的页面优化也很难改变结果。
库存金额排名适合做资金风险总览，却不适合直接决定动作。一个高单价商品库存金额高，可能只占十几件；一个低单价配件库存金额不高，却可能占据大量仓储位置和拣配工时。只按金额排序，容易漏掉高频低值但极其影响履约体验的商品。
我建议至少使用金额、数量、库存年龄、销售速度和毛利贡献五个维度。对于重点 SKU，再加入缺货损失估算和渠道服务水平。这样才能识别“金额风险”和“体验风险”之间的差异。
在途库存只有在运输状态、预计到仓时间、质检时间和上架时间都可信时，才可以进入补货计算。海运延误、跨仓调拨、入库排队和质量抽检都会让“在途”与“可售”之间产生时间差。
在我的排查表里，在途库存会被拆为四段：已发出未签收、已签收未入库、已入库未质检、已质检未上架。每一段都对应不同的责任部门和可释放时间。只有最后一段可以较高权重地计入短期供应预测。
平均库存周转天数看起来正常，并不代表所有 SKU 都健康。假设一个品牌有100个 SKU，其中20个爆款周转很快，另外80个长尾 SKU 几乎不动，整体平均值可能仍然可以接受。但资金、库容和折损风险可能集中在那80个 SKU 上。
任何库存诊断都应从数据质量开始。若系统库存与实物库存存在较大差异，后续计算出来的周转率、覆盖天数和补货建议都可能只是精确的错误。
我会先抽取高销量、高金额和高缺货频率三类 SKU 做小样本盘点，而不是一开始就盘全仓。通常抽查30到50个 SKU，就能发现条码重复、单位换算错误、组合装拆分错误、退货未入账和门店调拨未闭环等问题。
库存准确率不应该只在年度盘点时看。对于高频零售业务，我更倾向于把高价值和高动销 SKU 纳入循环盘点，按照销售频率和差异风险动态调整盘点周期。
缺货预警使用的不是账面库存，而是可承诺库存。一个实用的计算方式是：可承诺库存等于账面库存，减去不可售库存、已分配未发货库存和安全冻结库存，再加上在补货窗口内确定能够到达的有效在途库存。
这里最容易出错的是安全冻结库存。有些企业为了防止系统超卖，给所有 SKU 设置统一冻结比例。这样做简单，但会导致低波动商品被过度冻结，高波动商品却仍然不够用。安全库存应该结合需求波动和补货提前期，而不是只使用一个固定百分比。
如果某 SKU 日均销量为40件，补货提前期为7天，需求波动标准差为12件，企业还需要根据目标服务水平计算安全库存。即使不采用复杂统计模型，也应至少把促销、周末、区域差异和供应商准时率纳入人工复核。
| 根因类别 | 典型信号 | 需要验证的数据 | 对应动作 |
|---|---|---|---|
| 需求端 | 搜索、收藏、加购持续上升，销量预测滞后 | 搜索量、加购率、转化率、活动日历 | 调整短期预测，设置需求异常复核 |
| 供应端 | 供应商交期延迟，采购订单频繁延期 | 承诺交期、实际到货日、缺料记录 | 缩短补货周期，增加替代供应或分批到货 |
| 仓配端 | 总仓有货，销售节点缺货 | 区域库存、调拨时效、订单履约状态 | 优化分仓规则和调拨优先级 |
| 系统端 | 页面库存、仓库库存与订单库存不一致 | 接口日志、库存更新时间、扣减规则 | 统一库存口径，修复同步和锁定机制 |
慢周转不是单一状态。库存年龄高但仍有稳定需求，可能只是采购批量过大；库存年龄高、需求持续下降，通常是生命周期判断错误；库存年龄不高但完全没有转化，则可能是商品定位、价格或渠道问题。
我会把慢周转 SKU 分成四类：有需求但库存过多、有曝光但转化差、无曝光导致无销售、已经过季或失去竞争力。每类商品都需要不同动作，不能统一交给促销部门处理。
下面这个案例来自我参与过的一次品牌零售库存复盘，为保护企业信息，商品名称、渠道名称和金额均做了脱敏处理。该企业经营约1200个 SKU，包含服饰、配件和季节性礼盒，销售渠道包括直营网店、平台店、区域门店和短期活动渠道。
复盘开始时，企业的账面库存金额约为860万元，近30天订单缺货率为8.6%，90天以上库存金额占比达到31%。管理层最初的判断是供应不足，因此准备增加核心款采购，同时对滞销款做一次统一折扣。
我先把SKU按销售贡献、缺货次数和库存年龄重新分层。结果发现，缺货主要集中在18个核心 SKU，慢周转库存却集中在另一批约430个长尾 SKU。两组商品几乎没有重合，说明“采购不足”和“库存过多”是两个并行问题，而不是同一个问题。
| 分组 | SKU数量 | 销售额贡献 | 缺货率 | 90天以上库存占比 | 主要结论 |
|---|---|---|---|---|---|
| 核心款 | 18个 | 46% | 21.4% | 4% | 需求强，但补货与分仓响应不足 |
| 成长款 | 96个 | 31% | 8.2% | 12% | 需求有波动，需要提高预测和补货灵活性 |
| 常规款 | 656个 | 20% | 4.7% | 29% | 部分款式采购批量偏大 |
| 尾部及季末款 | 430个 | 3% | 2.1% | 68% | 库存年龄和退出机制失控 |
18个核心 SKU 中，有11个 SKU 的中央仓库存覆盖天数超过14天，但门店和平台渠道仍然频繁缺货。进一步查看发现，中央仓到门店平均调拨时间为4.5天，而这些商品的销售波动周期只有2至3天。货并不是不存在，而是调拨速度无法匹配销售窗口。
另有4个 SKU 的库存被活动渠道提前锁定，实际活动延期后，锁定库存没有及时释放。剩余3个 SKU 存在库存同步延迟，页面显示缺货，但仓库可售库存仍有数百件。
因此，企业没有直接追加全部采购，而是先做三项调整：活动渠道改为动态锁库存；核心款设置区域调拨优先级；页面库存改为按真实可承诺库存同步。一个月后，核心款缺货率从21.4%降至7.8%，采购量只增加了约6%，并没有出现大规模重复囤货。
430个尾部及季末款中，有一部分商品确实可以通过折扣销售，但另一部分商品存在尺码断层、颜色断层或渠道不匹配。统一降价后，消费者仍然找不到完整组合，折扣成本却已经发生。
团队后来把尾部库存按库存年龄和可销售性拆成三组。180天以上且近60天无订单的商品进入退出清单；90至180天但仍有自然订单的商品进入渠道调拨；库存不老但页面转化差的商品进入商品内容和价格测试。这样处理后，折扣不再承担所有库存问题。
如果只看库存金额，这次调整可以被描述为库存下降234万元。但更重要的变化是：高龄库存金额占比从31%降至18%，核心款缺货率下降，库存可售率从82%提高到91%，库存资金不再大量集中在低动销 SKU 上。
这也是我不建议只设“库存金额下降”作为项目目标的原因。库存压得太低，同样可能造成销售损失。更合理的目标组合应该包括服务水平、缺货损失、库存年龄、毛利回收率、资金占用和预测偏差。
每日预警不需要覆盖所有 SKU。若把1200个 SKU 全部推送给运营人员，预警很快会失去价值。我建议只推送满足“销售贡献较高、需求仍在增长、可承诺库存低于补货周期需求”中至少两项的商品。
我建议预警内容至少包含 SKU、商品生命周期、近7天日均销量、近30天日均销量、可售库存、锁定库存、在途库存、库存覆盖天数、供应商交期、缺货渠道和建议动作。只有这样，业务人员才能从预警直接进入处理，而不是再次手工查表。
每周慢周转清单应关注库存年龄和销售趋势，而不是简单挑出“周转天数最高”的商品。对于新品，周转天数高可能是数据不足；对于季节款，周转天数正常也可能意味着销售窗口马上结束。
月度复盘的重点不是追责，而是找出规则是否持续制造问题。若每个月都有相似 SKU 缺货，说明补货规则不适合；若每个月都有相似商品积压，说明采购批量、生命周期或商品退出机制存在系统性缺陷。
这类 SKU 不应只看当前库存数量，还要看补货到达时间。如果预计补货到达前会发生缺货，就需要评估替代方案：跨仓调拨、拆分到货、替代规格、临时加急运输或限制低贡献渠道的库存占用。
对核心爆款，我更建议设置“服务水平优先”规则，而不是机械使用统一库存周转目标。因为核心款缺货造成的损失不仅是当笔订单，还包括连带购买减少、顾客转向竞品和渠道评分下降。
高销量不代表可以无限补货。若覆盖天数已经超过销售窗口，仍然继续采购，商品可能在下一个周期转为库存压力。需要判断销量是否由长期需求支撑，还是由一次性活动、达人曝光或平台流量带动。
这类 SKU 的优先动作通常是暂停或放缓采购，观察自然销量，同时检查不同颜色、尺码和规格之间的结构差异。总库存覆盖安全，不代表每个变体都安全，颜色和尺码断层可能让可售组合迅速下降。
低销量和低覆盖看起来矛盾，常见于新品、低曝光商品、断货后刚恢复销售的商品。此时不建议仅凭覆盖天数补货，而要先判断商品是否已经获得需求验证。
新品可采用小批量、多批次补货。若商品有较高点击和收藏，但订单少，可以继续测试页面、价格和规格；若曝光也很低，则应先解决流量和陈列问题。没有需求证据时，补货只是在扩大不确定性。
这类 SKU 是库存诊断中最需要优先处理的对象，但处理方式仍然要看库存年龄。库存刚入库且商品具备季节机会，可以先做渠道调拨和轻促销；库存已经超过90天且销售速度持续下降，则应设定明确的退出日期。
我不建议让清仓一直处于“再观察一周”的状态。每延迟一个周期，仓储、资金、折旧和后续折扣都会继续增加。清仓决策应同时测算回收现金、毛利损失和释放库容的价值。
提高安全库存可以降低缺货，但也会增加资金占用和库存老化。对于高毛利、高复购、缺货替代成本高的核心商品，较高服务水平通常值得；对于低毛利、需求波动大、生命周期短的商品，盲目提高安全库存可能得不偿失。
我会用缺货损失与持有成本做比较。如果一次缺货可能损失大量后续订单，补充安全库存有合理性；如果商品一旦过季就必须大幅降价，那么多备几天货的成本可能远高于一次短缺。
大批量采购通常可以获得更低的单价，但会牺牲灵活性。对于需求稳定、生命周期长、供应商交期可靠的商品，批量采购可能有效；对于新品、趋势款和促销依赖款，小批量采购虽然单价略高，却能显著降低预测错误的代价。
我建议不要只比较采购单价，而要计算“落地成本”：采购成本、仓储成本、资金成本、调拨成本、折扣成本和缺货成本都应纳入判断。低采购价如果最终带来高额清仓折损，并不是真正的成本优势。
全渠道共享库存可以提高总体库存利用率，但可能降低重点渠道的履约稳定性。一个平台渠道的库存被线下订单快速占用，平台页面就会频繁缺货；如果完全隔离库存，又会导致某些渠道积压。
更现实的方式是设置分层库存池：核心渠道保留最低服务库存，剩余库存进入共享池；当某个渠道出现高价值订单或高转化信号时，再触发共享库存分配。共享并不等于无规则地抢库存。
自动补货适合处理规则稳定、销量连续、供应周期明确的常规款。它不适合直接处理新品、重大促销、季节切换和供应商异常。机器可以快速计算，但不一定知道某个 SKU 下周会不会被下架、换包装或改版。
我的建议是把自动化用于“计算和筛选”，把人工用于“例外和决策”。系统负责找出覆盖不足、库存老化和需求异常的商品，商品和供应链负责人负责解释原因、确认动作和承担结果。
“库存偏低”“周转偏慢”这类描述过于模糊，无法指导行动。预警规则应明确计算口径、触发阈值、责任人和处理时限。例如，某核心 SKU 在连续两天可承诺库存低于补货提前期需求，同时近7天销量高于近30天销量20%，才进入高优先级缺货预警。
慢周转预警也应设置连续周期条件。单周销量低不一定代表问题，连续4周销售速度下降、库存年龄超过90天且无明确促销计划，才更接近真正的结构风险。
不是所有异常都需要立即执行。建议把预警分成三级：一级是当天必须处理，二级是在本周内完成判断，三级是进入观察池。这样可以避免业务人员被大量低价值提醒淹没。
| 等级 | 触发条件示例 | 处理时限 | 责任角色 |
|---|---|---|---|
| 一级 | 核心款预计48小时内缺货，且无有效在途 | 当天 | 供应链负责人、渠道负责人 |
| 二级 | 库存覆盖高于上限，连续两周销售速度下降 | 3至5个工作日 | 商品负责人、采购负责人 |
| 三级 | 新品数据不足，短期销量低但有流量信号 | 下个复盘周期 | 商品负责人、运营负责人 |
如果系统只记录“已处理”，下一次仍然无法学习。至少要记录缺货原因是预测偏低、供应商延迟、渠道分配、库存同步还是盘点差异；慢周转原因是采购批量、价格、流量、商品结构、季节变化还是生命周期退出。
结果标签同样重要。例如补货后是否按期到货，调拨后是否在14天内卖出，折扣后回收金额是多少，停采后库存覆盖下降了多少。连续积累这些标签，企业才能知道哪类动作真正有效。
先确认账面库存、可售库存、锁定库存、在途库存、不可售库存和库存成本的定义。不要在口径未统一时讨论周转目标，否则采购、财务、仓库和渠道会各自使用不同数字。
建议抽取三组样本：销售额前10%的 SKU、缺货频率最高的 SKU、库存年龄最高的 SKU。每组不需要覆盖全部商品，但要确保核心、成长、常规和尾部商品都有代表。
逐个核对订单、库存状态、仓库位置、采购交期、调拨记录、促销计划和商品生命周期。每个异常至少给出一个主原因和一个证据，不接受“市场不好”“供应商不稳定”这类无法验证的笼统结论。
对缺货 SKU，可以选择少量渠道做库存重分配或加急补货；对慢周转 SKU，可以选择一个品类做停采、调拨和价格测试。不要一开始就全公司清仓或全面修改补货规则，先用小范围行动验证判断。
评估时同时看缺货率、库存覆盖、库存年龄、回收金额、毛利损失和处理时效。若只是库存金额下降，但核心款缺货加重，说明方案过度压缩；若销售没有改善，高龄库存仍在增加，说明退出机制和采购机制还没有真正改变。
品牌零售商真正难解决的库存问题，往往不是不知道库存多少，而是不知道为什么缺货、为什么积压，以及下一次应该由谁在什么时候采取什么动作。库存数字只是结果，背后连接着需求预测、采购批量、供应商交期、渠道分配、仓储状态、商品生命周期和价格策略。
我最建议企业记住的一点是：缺货和积压可以同时发生，而且经常发生在不同的 SKU、不同的渠道和不同的时间窗口。因此，不能用增加总库存解决局部缺货，也不能用全面降价解决结构性积压。
下一步可以先选取30至50个 SKU，完成库存口径核对，再按照“高销量低覆盖、高销量高覆盖、低销量低覆盖、低销量高覆盖”四类进行分组。每一组只设计一到两个动作，并在14天后复盘服务水平、资金占用和库存年龄的变化。
当企业能够持续回答三个问题，库存管理才真正开始成熟：这件商品现在能不能卖？它为什么在这里？如果今天不处理，14天后成本会增加多少？围绕这三个问题建立诊断清单，比单纯追求一个漂亮的库存周转率更能帮助品牌零售商提升现金效率和顾客体验。
我以前把所有SKU都统一设置成库存低于30件就预警，结果热门商品仍然断货，冷门商品却每天发出大量无效提醒。现在我更关心的是库存还能销售几天，而不是仓库里还剩多少件，这两种判断方式到底该怎么结合？
库存预警不应只看绝对数量，而应同时看日均销量、补货周期、销量波动和安全库存。以一次零售项目的8周销售数据为例，某SKU日均销量为18件，供应商交付周期为7天，活动期间销量标准差约为9件。如果只设库存低于30件预警，库存实际上只能支撑1.7天，远低于补货周期。
我通常先计算库存覆盖天数：可售库存覆盖天数＝当前可售库存÷近28天日均销量。再计算补货点：补货点＝交付周期内需求量＋安全库存。安全库存可以先用一个可执行的简化公式：安全库存＝销量波动值×交付周期平方根×服务系数。
SKU类型预警判断建议动作 高销量稳定款覆盖天数低于交付周期＋3天自动生成补货任务 高销量波动款覆盖天数低于交付周期＋波动缓冲人工复核促销和供应能力 低销量长尾款连续14天无销售或库存超过180天停止补货，进入清货评估 真正有效的预警还要加入库存状态过滤。
我遇到过系统显示库存充足，但其中40%处于质检、调拨或临期锁定状态，门店实际上无法销售。因此预警库存应优先使用可售库存，而不是物理库存；对在途库存，也要按预计到仓日期和供应商历史准时率折算，不能直接全部计入可用量。我的判断标准是：预警数量不是越少越好，而是让每一条提醒都对应一个明确动作。
如果提醒出现后没有补货、调价、调拨或清货动作，就说明阈值设计仍然偏粗，需要按SKU分层调整。
我发现很多团队看到库存天数上升，就立刻打折清仓，但其中一部分商品只是因为最近刚完成一次集中补货。面对销量下降、库存增加和补货节奏变化，我应该用哪些指标判断它是否已经进入慢周转状态？
库存周转慢不能只用库存天数一次性判断，至少要同时观察销售趋势、库存年龄、补货后销售恢复情况和毛利承受能力。我在排查一批家居类SKU时，发现两个商品的库存覆盖天数都约为95天，但一个是新品铺货，另一个已经连续4个月无人购买，处理策略完全不同。我会把SKU放进一个四象限，而不是直接按库存天数排序。
类型典型特征处理方式 暂时下滑近7天下降，近56天仍有稳定需求检查曝光、价格和渠道库存 结构性滞销连续28天销量下降，库存年龄持续增加减少补货并测试小幅促销 渠道错配总销量正常，但单个门店长期无销售优先做跨店调拨 产品失效连续60天无销售或退货率明显升高停止补货，评估清仓或下架 我建议重点看三个信号。
第一，库存年龄分布，如果库存中超过60天的批次占比从20%升到45%，问题通常不是短期波动。第二，销量恢复测试，在不破坏价格体系的前提下做一次小范围曝光或优惠，若流量恢复但转化仍低，可能是产品或价格问题。第三，渠道差异，如果线上缺货、线下积压，就不该全网打折，而应先调拨。
一个实用的判断方法是把库存周转和毛利放在一起看：高毛利慢周转商品可以保留更长观察期，低毛利且占用仓储空间的商品则应更快处理。库存慢并不等于商品差，很多时候只是商品放错了渠道、价格带或销售季节。
我曾经使用过一张包含几十个库存字段的报表，开会时每个人都能找到数据，但没有人能在10分钟内说清楚哪个SKU需要处理。现在我想把报表压缩成一张真正能支持决策的诊断表，哪些字段必须保留，哪些指标只是看起来专业？
库存报表的价值不在字段数量，而在能否从异常直接跳到动作。我做过一次报表瘦身，把原先64个字段压缩到14个核心字段后，采购、运营和仓库在例会上可以直接按异常类型分工，而不是先花半小时解释数据口径。
我建议至少保留以下字段： 字段作用缺失时的风险 SKU编码与品类定位商品和归类比较无法识别问题集中在哪个品类 可售库存判断真实可销售数量物理库存掩盖锁定库存 在途库存及预计到仓日判断未来供给重复补货或错误等待 近7天、28天销量识别短期和中期趋势只看单日数据导致误判 库存覆盖天数衡量缺货和积压风险无法横向比较不同销量SKU 库存年龄识别资金占用和过季风险慢周转被平均库存掩盖 退货率与缺货次数解释销量异常把质量问题误判成需求不足 毛利额和仓储成本支持清货优先级只按库存数量做错误决策 我不建议把库存周转率作为唯一核心指标。
周转率适合看阶段表现，却不一定适合定位当天的问题；例如一个季度初大量补货的SKU，周转率会暂时变差，但库存覆盖天数、库存年龄和未来促销计划可能表明它并不需要立即清仓。报表最好增加一个异常标签，而不是让使用者自己筛选。
例如库存覆盖天数低于补货周期标记为缺货风险，库存年龄超过90天且近28天销量低于过去均值的50%标记为慢周转，退货率高于品类均值两倍标记为商品质量复核。这样，报表才从记录工具变成了每日诊断清单。
我的门店经常出现一种矛盾：畅销门店缺货，其他门店却压着几个月的库存。过去我们习惯直接向供应商下单，后来发现补货周期一长，原本的积压更严重了。遇到这种情况，怎样判断调拨、补货、促销和停采的先后顺序？
缺货与积压同时出现时，我的第一反应不是采购，而是先确认库存是否真的在错误的位置。一次门店诊断中，畅销店连续5天缺货，但同区域其他门店有超过120天覆盖库存；如果直接补货，至少会同时承担采购资金、仓储和后续清货三重成本。可以按以下顺序处理： 第一步，确认商品是否完全同质。
检查规格、包装、批次、保质期和渠道限制，不能把不可销售或无法跨店流转的库存当作可调拨库存。第二步，计算调拨优先级。建议使用调拨优先分数＝缺货门店预计损失销售额－调拨成本－调拨后积压风险。预计损失销售额可以用缺货天数×日均销量×单位毛利估算，这比单纯比较库存数量更接近实际收益。
第三步，再比较调拨和新采购。
以下是我在实际排查中使用的判断表： 情况优先动作原因 其他门店有可售库存，调拨时间短于补货周期先调拨快速恢复销售并减少新增库存 库存存在临期或批次限制区域内定向调拨避免把高风险库存转移给低需求门店 全渠道库存都低，且销量连续增长小批量补货并提高预警等级需求真实存在，不能靠调拨解决 库存高、销量低且毛利薄停止采购并制定清货方案继续补货只会放大资金占用 调拨后还要复盘，因为调拨不是免费解决方案。
如果一个SKU连续两周发生反向调拨，通常说明门店配额、区域预测或陈列策略存在问题。我的经验是，先把库存从错误地点移动到正确地点，再决定是否采购；只有确认全网可售库存不足，补货才是合理的下一步。
读者评论
把缺货和滞销分开诊断这一点很实用。以前我们看到某个SKU库存低就直接追加采购，后来才发现部分库存其实卡在质检和调拨环节。先核对可售库存、锁定库存和在途状态，确实比只看账面数量更可靠。
促销销量不能直接当成长期需求，这个判断比较符合实际。尤其是直播或大额优惠后，活动期销量很高，活动结束却明显回落。如果不区分自然销量和提前消费，补货模型很容易被短期峰值带偏。
文中按生命周期管理新品、常规款和季末款的思路值得参考。库存金额排名确实容易掩盖长尾SKU的问题，建议再结合库存年龄、毛利和渠道转化率，否则统一打折可能既损失利润，也解决不了真正的滞销原因。