sku库存：品牌零售商年度版教程：补货计划从准备到复盘

做年度补货计划时，最容易犯的错误不是把库存算少，而是把每个 SKU 都当成同一种商品来预测。我曾参与一个拥有约 1,800 个在售 SKU 的品牌零售项目，团队最初按照“去年销量×增长率”制定采购量，结果全年销售额增长约 19%，期末库存金额却增长了 47%，其中近四成库存集中在低周转颜色、尺码和促销尾货上。后来我们把 SKU 按需求稳定性、毛利贡献、供应周期和生命周期重新分层，补货准确率和现金使用效率才真正改善。

这篇年度版教程讨论的不是一个简单的库存公式，而是一套从准备、预测、下单、到货、销售、调拨、清仓，再到年度复盘的完整机制。我的核心判断是：补货计划的本质不是预测每个 SKU 卖多少，而是在不确定需求下，决定资金应该优先保护哪些 SKU、哪些渠道和哪些销售机会。

一、先讲核心结论：年度补货不是算数量，而是管理不确定性

1. 先给出一套可执行的补货原则

品牌零售商做 SKU 库存管理，至少要同时处理四种不确定性：消费者什么时候买、买哪个规格、供应商什么时候交货、销售渠道会不会临时改变。只用历史销量解决其中第一种问题，无法应对新品、促销、断码、渠道切换和供应波动。

我通常把年度补货决策拆成五个问题，并按照这个顺序回答：

1. 哪些 SKU 值得优先保障？不是销量最高的 SKU 一定优先，而是要结合毛利、缺货损失、复购价值和替代难度判断。
2. 未来一个周期真正需要多少？需要区分基础需求、活动增量、季节需求和一次性异常订单。
3. 什么时候下单最安全？采购点不能只看库存余额，还要看在途、已承诺订单和供应周期。
4. 库存超出计划时怎么办？要在滞销形成之前启动降价、调拨、组合销售或停止采购。
5. 年度结束后复盘什么？不能只复盘“预测准不准”，还要追查预测偏差来自需求、价格、渠道、供应还是执行。

真正成熟的补货体系，通常不是给出一个看似精确的采购数字，而是给出三个数字：建议采购量、可接受区间、触发调整的条件。例如某季节性 SKU 的建议采购量为 12,000 件，但合理区间可能是 9,000 至 15,000 件；若预售转化率低于基准，采购量应自动下调，而不是等到货后才发现库存过重。

2. 用“商品池”代替“单 SKU 孤立管理”

消费者购买的往往不是一个孤立 SKU，而是一组具有替代关系或搭配关系的商品。比如同一款服装的不同尺码、同一系列的不同颜色、主商品与配件、基础款与升级款，都可能共享部分需求。某一个 SKU 缺货时，顾客可能转向同池中的其他 SKU，也可能直接离开。

因此，我建议将商品分为三层管理：

年度计划在商品池层确定方向，在款式层分配资源，在 SKU 层执行动作。如果一开始就直接给每个 SKU 分配采购金额，计划通常会陷入“总数看起来合理、结构却无法销售”的困境。

二、准备阶段：先把数据和口径整理到能决策的程度

1. 建立年度 SKU 主档，而不是直接导出销售报表

很多企业都有销售数据，却没有可以用于补货的 SKU 主档。销售报表记录了“卖了什么”，补货计划还需要知道“它是什么、在哪里卖、多久能补回来、还能卖多久”。主档不完整，后面的模型越复杂，错误传播越快。

我建议至少为每个 SKU 建立以下字段：

• 商品编码、款式编码、品类、系列、颜色、尺码或规格。
• 上市日期、预计下架日期、生命周期阶段。
• 采购成本、建议零售价、实际成交价、毛利率。
• 供应商、最小起订量、采购提前期、到货稳定性。
• 仓库库存、门店库存、在途库存、锁定库存和可售库存。
• 线上、线下、经销、团购等渠道的库存归属。
• 是否为引流款、利润款、形象款、搭配款或售后必备款。

其中最容易被忽略的是“库存状态”。物理上存在仓库里的商品，不一定可以用于销售。质检待处理、门店盘亏待确认、订单已锁定、调拨途中和退货待检的商品，都不能简单地与可售库存相加。

2. 统一五个关键口径

年度计划开始前，我会要求业务、财务、采购和仓储共同确认五个口径，否则各部门很容易拿着不同数字开会。尤其是“销量”这个词，可能指下单量、支付量、发货量、签收量或扣除退货后的净销量。

3. 对异常数据先做标记，不要急于删除

大促、直播、团购、媒体曝光、门店开业和供应中断，都会制造异常销量。我的做法不是简单删除异常值，而是在原始数据中增加事件标签，再决定是否纳入基础预测。

例如，一款常规每周卖 200 件的商品，在一次达人合作后卖出 2,600 件。如果直接按全年平均计算，后续每周预测会被抬高；如果完全删除，这次传播带来的真实需求也会丢失。更合理的处理方式是拆成基础需求与事件需求，分别判断能否重复发生。

三、常见误区：看似科学的做法，为什么经常失效

1. 用去年销量乘增长率

这是最常见的年度预算方法，也不是完全不能用，但它只能作为预算起点，不能直接变成采购量。去年某 SKU 卖得好，可能是因为价格低、竞品缺货、渠道曝光或库存充足；今年这些条件改变后，销量自然不会机械复制。

更严重的问题是，这种方法把“有货才能卖”误认为“卖多少就是需求”。如果去年某款商品中途断货，历史销量只是被库存约束后的结果，实际需求可能更高。反过来，如果去年靠大幅折扣清掉库存，销量也可能虚高。

2. 只看销售额，不看销售速度和库存结构

销售额适合衡量经营规模，却不适合单独指导补货。一个高客单价、低频购买的商品，可能销售额很高但周转慢；一个价格较低的基础款，销售额不突出，却承担着稳定复购和进店转化。

我至少会同时看四个维度：

• 数量销量：商品实际卖出多少件。
• 销售速度：每周或每日平均卖出多少件。
• 毛利贡献：扣除折扣、平台费用和履约成本后的利润贡献。
• 缺货损失：缺货期间有多少需求没有被满足。

3. 把安全库存设置成固定天数

“所有 SKU 保留 30 天库存”听起来简单，但它对稳定基础款和需求波动款的意义完全不同。一个每天卖 100 件、波动很小的 SKU，可能只需要 10 天安全库存；一个每周销量在 20 至 300 件之间跳动的 SKU，即使保留 30 天，也未必足够覆盖下一次活动。

安全库存应当反映需求波动和供应波动。需求越不稳定、采购提前期越长、缺货损失越大，安全库存越高；如果商品容易替代、毛利低、生命周期接近尾声，则安全库存应该主动下调。

4. 把采购提前期当成供应商承诺，而不是概率

供应商说“15 天交货”，不等于每一次都在第 15 天到货。实际补货需要拆开生产、质检、装箱、运输、入库和可售上架等环节。我曾遇到过供应商平均交期只有 18 天，但最慢交期达到 39 天的情况。如果只用平均值做采购点，旺季必然出现断货。

采购提前期最好记录平均值、中位数、最高值和准时交付率。对于关键 SKU，还应使用“承诺日期”和“最晚可接受日期”双节点管理，而不是只维护一个预计到货日期。

四、专业判断逻辑：如何把 SKU 分层并计算补货优先级

1. 先做 ABC，但不要停在 ABC

ABC 分析通常按照销售额或毛利贡献，把 SKU 分成 A、B、C 三类。它适合回答“哪些商品影响经营结果最大”，但不能回答“哪些商品最容易预测”“哪些商品最不能缺货”。因此，我会在 ABC 之外增加需求稳定性和生命周期两个维度。

2. 推荐使用六类 SKU 策略

为了让分层直接对应行动，我通常将 SKU 分成六类，而不是只贴上 A、B、C 标签。

• 核心稳定款：销量和需求都稳定，适合滚动补货，重点控制缺货。
• 核心波动款：价值贡献高但波动明显，需保留区间预测和人工审批。
• 季节活动款：需求受季节、节日或营销节点影响，重点管理窗口期。
• 新品测试款：历史数据不足，先小批量验证，再根据真实转化扩单。
• 长尾利润款：销量低但毛利或品类完整性重要，不适合追求高周转。
• 衰退尾货款：停止常规补货，重点制定退出和清仓方案。

分类的关键不是分类本身，而是每类商品必须绑定补货规则。例如核心稳定款可以自动生成建议订单；核心波动款需要业务确认；新品测试款设置试销上限；衰退尾货款只能触发清仓动作。如果分类没有改变审批、库存上限和补货频率，它只是报表装饰。

3. 基础补货公式与实际修正

对于需求相对稳定的 SKU，可以使用以下基础公式：

补货点 = 日均需求 × 采购提前期 + 安全库存

建议采购量 = 目标库存 − 可用库存 − 确认在途库存 + 预期活动增量

其中，可用库存不是简单的仓库库存，而是：

可用库存 = 可售库存 − 已承诺未发订单 − 预留库存 + 可调入库存

安全库存可以用需求标准差、提前期和服务水平估算，但在实际经营中，不建议盲目追求复杂模型。对于日均需求 100 件、提前期 20 天的核心稳定款，如果需求标准差为 18 件、供应波动较低，那么安全库存可以围绕 150 至 250 件进行验证；如果该商品缺货后顾客容易转向竞品，则应提高服务水平目标。

真正重要的是记录每次调整的原因。比如“因直播预售增加 1,500 件”“因供应商延迟风险增加 800 件”“因去年同期包含一次团购，基础需求下调 22%”。没有原因记录，下一次复盘无法判断是模型错了，还是业务改变了条件。

五、年度计划的具体流程：从年度预算到月度滚动

1. 第一步：先做年度商品与资金框架

年度计划不应从“每个 SKU 买多少”开始，而要先确定商品池预算。建议至少拆分为品类、渠道、季度和生命周期四个层面。这样可以避免某个团队把大量资金投入到局部热卖品，却挤压了新产品和基础款的供应资源。

年度框架需要回答以下问题：

• 全年销售目标中，老品、新品和促销活动分别贡献多少。
• 各品类允许占用多少库存资金，最高库存金额是多少。
• 每季度的销售峰值、补货窗口和资金回收节点在哪里。
• 哪些 SKU 必须保持高服务水平，哪些商品可以接受缺货。
• 哪些采购订单必须锁定产能，哪些订单应保留延期或取消弹性。

我会特别关注“库存资金峰值”，而不是只看年末库存。季节性品牌可能在 4 月达到全年最高库存，6 月虽然库存下降，但其中仍然有大量低周转商品。如果只用年末余额判断，可能错过年中已经发生的资金压力。

2. 第二步：按月度滚动，而不是一年一次性定死

年度计划应该是一个基准版本，每月根据实际销售、库存、到货和市场变化滚动修订。滚动不是每个月推翻重做，而是只调整未来尚未锁定的部分，已经生产、发运或进入销售窗口的订单要单独标记。

一个实用的滚动节奏如下：

3. 第三步：给每个采购订单增加“退出选项”

许多采购订单只有数量和交期，没有延期、取消、拆单、替代和转渠道的约定。一旦需求变化，企业只能被动接货。对高波动商品，采购合同中的灵活性本身就是一种库存资产。

我会把订单分为三种状态：

• 锁定量：已经确认生产或发运，原则上不可取消。
• 弹性量：已预留产能，但可根据销售在约定日期前调整。
• 观察量：尚未正式下单，等待预售、试销或最新需求信号。

如果供应商不愿意提供价格或数量弹性，可以通过缩短首单、增加补单频率、采用半成品备货或拆分颜色尺码来降低风险。采购价格低，不代表总成本低；无法退出的库存，往往会在后续折扣中支付更高代价。

六、案例与数据观察：一个 1,800 SKU 零售项目如何改变补货结果

1. 项目背景与最初问题

下面案例来自一个经过脱敏处理的品牌零售项目，数据用于说明方法，部分数值为样本推演。项目拥有约 1,800 个活跃 SKU，线上和线下渠道并行，年度销售额约 1.2 亿元，平均采购提前期为 21 天，核心品类存在明显的季节波动。

项目初始采用三条规则：所有 SKU 按去年销量增长 15% 采购；安全库存统一按 30 天设置；库存不足时由运营人员临时申请采购。结果是热卖款经常在活动前断货，长尾款却持续补货。仓库总库存并不低，但门店实际可销售的尺码组合经常不完整。

我们先没有更换系统，也没有立即引入复杂算法，而是做了三个基础动作：

1. 将取消订单、退款订单、团购订单和活动订单从基础需求中拆出。
2. 把库存拆成可售、锁定、质检、在途、调拨中和不可售六种状态。
3. 按照价值贡献、需求波动、生命周期和供应风险对 SKU 重新分层。

2. 分层后，库存分布发生了什么变化

重分类后，约 18% 的 SKU 被归入核心保障组，贡献了约 64% 的毛利；约 36% 的 SKU 被归入常规补货组；其余 SKU 则进入新品观察、长尾管理或退出清单。这个结果改变了团队的直觉：过去大家认为“所有商品都要有货”，后来发现真正需要高保障的，是一小部分对销售和复购影响最大的商品。

对于核心保障组，我们提高缺货预警灵敏度，并允许跨仓调拨；对于常规补货组，采用正常服务水平；对于长尾和衰退组，停止自动补货；对于新品观察组，设置试销上限和二次下单条件。

这里最值得注意的是，库存周转改善并没有通过全面压低库存实现。核心 SKU 的库存保障反而提高了，减少的是低贡献、低稳定性和已经进入衰退期的库存。库存优化不是让所有 SKU 都变瘦，而是让有限库存更接近真实销售机会。

3. 一个尺码结构案例：总库存充足，为什么仍然卖不动

某款基础商品总库存有 1,200 件，按照总量看可以销售约 30 天，但实际销售连续下降。进一步拆分后发现，最常购买的 M、L 尺码只有 70 件，XS 和 XXL 却有 430 件。问题不是库存总量不足，而是库存结构与需求结构错位。

我们采取了三步处理：

• 把 XS 和 XXL 的部分库存从低需求门店调往有特定客群的渠道。
• 对 M、L 尺码优先补货，并减少同款低需求尺码的追加。
• 将剩余低需求尺码与相关配件组合销售，而不是继续等待自然销售。

这说明 SKU 库存不能只看“件数”和“金额”，还要看“可销售组合”。对于服装、鞋类、美妆色号、食品规格和配件型商品，结构缺货往往比总量缺货更早发生。

七、不同情况下的行动建议：不要用同一套规则处理所有商品

1. 稳定基础款：重点是连续供应和低成本执行

稳定基础款通常具备长期销售记录、需求波动较小、复购或日常使用频率较高等特点。这类 SKU 适合建立自动补货规则，但自动化的前提是主档、库存状态和提前期数据可靠。

建议动作包括：

• 按日或按周计算销售速度，设定动态补货点。
• 优先保障核心仓和高销量门店，低销量门店采用调拨而非各自囤货。
• 把采购提前期和准时率纳入安全库存，而不是固定保留天数。
• 设置库存上限，防止系统因短期峰值持续补货。

这类商品的取舍是：库存太低会频繁断货，库存太高则资金占用明显。若供应商能够快速小批量补货，可以选择较低安全库存；如果交期长且缺货后顾客几乎不会等待，则需要提高保障水平。

2. 季节款和活动款：重点是时间窗口，不是全年平均

季节款不能用全年日均销量直接计算。应先确定销售窗口，再拆分预热期、峰值期、回落期和退出期。活动款还要区分活动曝光带来的新增需求、折扣带来的提前购买，以及从活动前后挪动的订单。

我建议采用“锁定量、弹性量、观察量”三段采购：

• 锁定量用于覆盖已经确认的基础需求和明确的活动订单。
• 弹性量用于覆盖可能发生的增量，并提前与供应商确认调整截止日期。
• 观察量不立即采购，等待预售、收藏、加购、转化和门店试销信号。

这类商品的核心取舍是缺货损失与尾货损失。高毛利、短窗口商品可以适度提高保障；低毛利、不可跨季销售的商品，则应压低首单并缩短补货响应时间。

3. 新品：重点是购买信号，而不是类比商品销量

新品最容易被“相似商品”误导。上一代产品卖得好，不代表新产品会同样成功，尤其当价格、包装、功能、渠道和人群发生变化时。新品计划应把首单视为测试成本，而不是一次性完成全年备货。

新品首批补货前，我会先确认四项内容：

1. 最小可验证数量：多少件足够判断市场，不会造成过大库存风险。
2. 试销周期：至少覆盖一个完整购买决策周期，而不是只看前三天。
3. 二次下单阈值：例如售罄率、转化率、评价质量和退货率达到什么水平才扩单。
4. 退出条件：连续多少天低于销售速度后停止追加，剩余库存如何处理。

新品的取舍是“可能错过爆款”与“避免重仓失败”。如果供应商可以快速补单，应让首单更谨慎；如果生产周期很长，则需要用预售、订金、样品反馈和分批锁产能降低判断压力。

4. 长尾和低频 SKU：重点是服务价值与库存成本平衡

长尾商品不一定应该清掉。有些商品销量低，却承担品类完整性、专业形象、老客服务或搭配销售功能。对于这类商品，不能只用周转率做淘汰依据。

判断是否保留，可以看三个问题：

• 缺少它是否会影响主商品成交或客单价。
• 它是否带来高毛利、复购或特定客户关系价值。
• 是否可以改为按订单采购、区域集中库存或展示样品管理。

如果长尾 SKU 没有明显服务价值，也没有稳定利润贡献，就不应因为“以前采购过”而继续补货。库存退出的目标不是把每件商品都原价卖出，而是尽早停止新增资金占用。

5. 多渠道经营：重点是库存归属和调拨优先级

线上、门店、经销和团购共用库存时，最大的风险是每个渠道都认为自己有一部分“专属库存”，但企业整体却无法快速满足真正发生的需求。年度计划必须提前约定共享库存比例、渠道保护量和调拨规则。

我建议按以下顺序调拨：

1. 先满足已经支付且承诺发货的订单。
2. 再满足核心 SKU 的高转化渠道。
3. 再满足有明确活动窗口和高毛利贡献的渠道。
4. 最后满足低周转、低转化或可替代性较高的销售场景。

渠道之间的取舍必须公开透明。若某渠道为了完成短期销售目标长期占用共享库存，最终可能造成另一渠道缺货和整体顾客流失。库存分配应同时考察成交率、毛利、履约承诺和长期客户价值。

八、补货执行与复盘：把计划变成可纠偏的经营系统

1. 建立“例外管理”，不要让团队每天审核全部 SKU

当 SKU 数量达到几百甚至几千个时，人工逐项审核并不会带来更高质量的决策，反而会让团队疲于处理低价值事项。更有效的方法是设置例外条件，只把真正需要判断的项目提交给采购、商品和财务共同处理。

常见例外条件包括：

• 预计断货日期早于下一次可售到货日期。
• 建议采购量超过过去 12 周平均销量的两倍。
• 预计到货时已经进入商品下架或季节结束窗口。
• 供应商交期连续两次超过承诺日期。
• 库存金额超过单品预算上限。
• 建议补货与渠道活动计划、价格计划或商品生命周期冲突。

例外管理的关键是每个例外都要有处理结论：批准、下调、延期、拆单、转渠道、停止采购或进入清仓。只标记“异常”而没有动作，系统最后仍然会回到人工追单。

2. 每周看动作指标，每月看结果指标

补货管理不能只看最终库存周转率，因为周转率通常滞后。每周应该关注能够提前暴露问题的过程指标，每月再检查销售和库存结果。

3. 复盘预测偏差时，先做偏差归因

预测卖 1,000 件，实际卖 700 件，不应直接判定预测失败。可能是价格临时上涨、活动取消、供应未到货、渠道流量下降、竞品降价，或者商品页面长期缺货。只有先分清“需求没有发生”和“需求发生但没有被满足”，复盘才有价值。

我建议将偏差分为五类：

• 需求偏差：市场真实购买意愿与预期不一致。
• 价格偏差：成交价、折扣或促销力度与计划不同。
• 渠道偏差：流量、门店覆盖或渠道分配发生变化。
• 供应偏差：商品未按计划到货，导致销售被库存限制。
• 执行偏差：采购、调拨、上架或库存状态更新不及时。

如果把所有偏差都归结为“预测不准”，团队会不断调整模型，却不解决供应商延期、渠道库存隔离或活动执行失败等真正问题。

4. 年度复盘要回答三个经营问题

第一个问题是：哪些 SKU 的库存投入产生了足够回报？不能只看卖完没卖完，还要看毛利、折扣、资金占用时间和缺货损失。一个原价售罄的商品可能比一个依靠五折清仓的商品更有价值。

第二个问题是：哪些商品的预测偏差可以被改善？如果某 SKU 的需求受突发事件影响，预测本身可能很难改善；如果偏差来自库存状态错误或促销信息未同步，则属于流程问题，可以直接修正。

第三个问题是：下一年应该改变什么规则？复盘必须落到规则变化，例如降低某类新品首单上限、提高某供应商的风险系数、调整某渠道共享库存比例，或者为核心 SKU 增加替代供应。

九、不同方案的取舍：什么时候该保守，什么时候可以进取

1. 低库存策略与高保障策略

低库存策略适合需求不稳定、生命周期短、毛利低、供应响应快或商品容易过时的场景。它能减少资金占用和清仓风险，但代价是缺货次数增加，可能损失销售、评价和顾客信任。

高保障策略适合稳定基础款、核心引流款、缺货后难以替代的商品，以及供应周期长的关键配件。它能提高成交和服务水平，但如果需求突然下降，资金会被锁在库存中。

2. 自动化补货与人工判断

自动化适合重复性高、数据质量稳定、规则边界清晰的商品。它可以减少漏补、延迟和人为情绪影响，但无法替代新品判断、活动解读和异常事件分析。

我的建议不是“全部自动”或“全部人工”，而是按风险分配决策方式：

• 核心稳定款：自动生成建议，人工只处理超限例外。
• 核心波动款：自动计算区间，采购和商品团队共同确认。
• 新品和活动款：以人工判断为主，系统提供历史和情景参考。
• 衰退款和清仓款：禁止常规自动补货，必须经过退出规则。

如果数据质量较差，贸然自动化只会把错误更快放大。先修正库存状态、商品主档和供应商交期，再逐步扩大自动化范围，通常比一次性上线复杂模型更稳妥。

3. 追求预测准确率与追求资金回报

预测准确率不是最终目标。某些低销量长尾 SKU 即使预测误差很小，也可能没有显著经营价值；某些核心 SKU 即使预测存在偏差，只要通过灵活补货和高周转实现良好资金回报，也可能是更好的经营结果。

建议同时观察以下结果：

• 销售服务水平：核心需求被满足了多少。
• 毛利回收率：采购和库存资金最终产生了多少毛利。
• 库存资金周转：资金从采购到销售回收用了多久。
• 折扣依赖度：商品是否必须持续降价才能售出。
• 调整弹性：计划变化后，企业能否及时减少或转移库存。

十、落地清单：下一步如何在30天内开始改善

1. 第1周：把库存事实弄清楚

第一周不要急着做预测模型，先核对 SKU 主档和库存状态。随机抽取高销量、低销量、在途和门店库存各一批，检查系统数量是否与实物、订单和调拨记录一致。

• 确认可售库存、锁定库存、质检库存和不可售库存的定义。
• 清理重复编码、停用 SKU 和同款多编码问题。
• 补齐采购提前期、最小起订量和供应商准时率。
• 找出金额最高的前20个滞销 SKU。

2. 第2周：完成 SKU 分层和商品池预算

第二周用销售、毛利、波动、生命周期和供应风险完成初步分层。不要追求一次性完美，先保证每个 SKU 都能进入一个明确的管理策略。

• 为核心稳定款设置补货点和库存上限。
• 为新品设置首单上限、试销周期和二次下单条件。
• 为季节活动款建立锁定量、弹性量和观察量。
• 为衰退款建立停止补货和清仓节点。

3. 第3周：建立未来13周滚动计划

第三周不必直接规划全年所有细节，先做未来 13 周滚动计划，并把年度目标分解到月度。每周更新销售、在途、缺货和活动信息，观察计划是否会因一个异常订单而大幅波动。

如果一个 SKU 的建议采购量每周都大幅变化，优先查找数据和规则原因，而不是不断让采购人员手工改数字。稳定的计划不一定完全正确，但应该能够解释为什么发生变化。

4. 第4周：确定复盘节奏和责任人

第四周把补货动作与责任人绑定。采购负责供应承诺和订单弹性，商品团队负责生命周期和活动判断，运营负责渠道需求，仓储负责库存状态，财务负责资金与毛利约束。任何一个环节缺少责任人，补货计划都容易变成无人真正负责的共享表格。

建议形成一张最小管理看板：

如果只能记住一个观点，我建议记住这一句：SKU 库存管理不是追求每个商品都不断货，而是用可承受的库存成本，保护最值得保护的销售机会。

下一步可以先从库存金额最高的 20 个 SKU 和缺货次数最多的 20 个 SKU 入手，核对数据口径，完成分层，建立未来 13 周滚动计划，并为每一次采购调整留下原因。等这套机制稳定运行后，再考虑更复杂的预测模型、自动化补货和跨渠道优化。对大多数品牌零售商而言，先把库存事实、商品分层和例外管理做好，通常比立即追求一个看似精准的算法更能改善年度补货结果。

免费注册

咨询方案

扫码咨询方案