去年帮一个做快消品批发的客户做数据诊断，他们的仓库主管在会议室里拍桌子：“我们上了两套系统，RF枪人手一把，为什么拣货还是天天加班？”我让他把过去一周的拣货路径数据导出来看了一眼，发现一个让人哭笑不得的事实：拣货员每天走的步数里，超过一半是“无效移动”，系统确实在分配任务，但货在仓库里的位置本身就是乱的。热销品被塞在最后一排货架的顶层，滞销品却霸占着离发货口最近的黄金位。这不是系统的问题，是“谁来决定货放在哪儿”这个问题从一开始就没被当作系统工程来做。这让我意识到一件事：拣货效率的瓶颈，从来不在腿上，在“定位逻辑”里。这篇文章要讲的就是这个逻辑到底该怎么建。
我在过去几年的项目实施和客户回访中反复验证过一个判断：当仓库拣货效率出现持续瓶颈时，换系统或加人只能解决不到30%的问题，真正的大头在于货物定位逻辑没有跟上业务变化。这个结论不需要复杂的数学模型就能理解，你让一个拣货员每天多走5000步，他再快也快不到哪儿去；但如果你把高频出库的SKU往发货口挪50米，整个团队每天的无效步数可能直接砍掉几万步。前者靠的是人力极限，后者靠的是空间设计。
更关键的是，这个结论在不同体量的仓库里表现方式不一样。小仓库靠经验和直觉还能撑一段时间，一旦SKU数超过2000个、日均订单超过500单，不系统化地处理定位逻辑，仓库就一定会进入“越忙越乱、越乱越忙”的死循环。我见过最夸张的一个案例，一个年GMV两个亿的电商仓库，拣货员的平均日步数超过35000步，相当于每天在仓库里跑一个半马，而同行同等体量、定位逻辑合理的仓库，这个数字可以控制在18000步以内。差距不是人，是货怎么放。
每次有客户问我“哪个WMS系统最好用”的时候，我都会先反问一个问题：你知道现在拣货员一天里时间都花到哪儿去了吗？大部分人答不上来。能说出“拣货慢”的人很多，能把“慢”拆解成具体环节的人很少。而如果你连问题发生在哪个环节都不清楚，上再贵的系统也是盲人摸象。
我自己的习惯是，在做任何定位逻辑优化之前，先用最笨的办法做一轮“时间拆解”。找一个拣货员，跟着他跑一天，用秒表记录每一段时间花在什么地方。不需要特别精确，但要分清楚几个关键环节：走路的时间、找货的时间、拿取和核对的时间、处理异常的时间，以及等待或者来回折返的时间。做完这个动作之后，大多数仓库的管理者会第一次直观地看到那个残酷的事实：真正花在“把货从货架上拿下来”这件事上的时间，可能连30%都不到。
这个拆解做完之后，你才会发现一个被严重低估的问题：很多仓库把“找货”和“走路”混为一谈，但这是两个性质完全不同的问题。走路慢可以通过路径优化解决，找货慢则是库位管理、标识体系和系统指引协同失效的结果。我见过一个做汽车配件的仓库，零件长得都差不多，货架上的标签又小又模糊，拣货员每次都要弯腰凑近看编号，单个零件拣货时间平均多花8到10秒。一个订单如果有20个零件，光“认货”就多花3分钟。一天几百个订单下来，这个损耗大得惊人。这类问题WMS系统解决不了，它需要的是物理层面的货位标识改造和人机交互界面的优化。
所以我的第一个建议永远是：在投入任何一笔预算买系统之前，先花一周时间把你的拣货流程拆成最小单元，找到真正的“时间黑洞”。这一步不做，后面的优化全都是盲目试错。
在做过几十个仓库的现场调研之后，我发现几乎每个仓库都存在一些“大家觉得理所当然”的做事方式，但这些方式恰恰是效率杀手。这些误区往往来自经验传承或者对“别人家仓库”的模仿，很少有人停下来问一句：这个做法还适合我们现在的体量吗？下面这三个是最常见的。
这是最根深蒂固的认知误区，尤其是在传统制造业和批发性仓库里。采购部习惯按品类下单，仓管员就按品类码放，看起来整齐又好找。但问题在于，拣货行为不是按品类发生的，而是按订单组合发生的。一个典型的电商订单里可能同时包含洗面奶、化妆棉和发绳，这三个东西在品类逻辑里分属三个区域，拣货员就得跑三个地方。而如果按“订单关联度”来摆放，把经常一起出现在订单里的SKU放在相邻库位，拣货路径可以缩短50%以上。
我理解为什么很多仓库坚持品类归堆：它降低了入库和盘点的复杂度。入库的时候不用动脑子，同一类东西往同一个区域堆就是了。但这个“省事”是采购和仓管的省事，不是拣货的省事。仓库的定位逻辑应该服务于吞吐效率最高的环节，而在绝大多数流通型仓库里，这个环节就是拣货。品类归堆是存量管理的逻辑，不是流量管理的逻辑。
ABC分类法被讲烂了，但我发现很多仓库在定义A类品的时候只盯着销售额或出货量，忽略了另一个关键维度：出库频次。一个单月卖出10000件的爆款和一个单月卖出8000件但需要拆分成2000个订单来拣的长尾品，对定位逻辑的要求完全不同。前者是“量大次少”，每次搬一整箱就够，后者是“量小次多”，拣货员要频繁往返于同一个库位。错误的分类会让真正的“高频库位”被淹没在“高量库位”之中。
我一般采用“双重ABC”的方法：分别按出货量和出库频次做一次ABC分类，然后把两次分类结果交叉，识别出那些“A频次C金额”的SKU。这些SKU在传统分类里会被忽略，但它们对拣货效率的影响远超想象。典型场景是服装仓库里的辅料配件，袜子、鞋带、吊牌，单价低、金额小，但几乎每个订单都有，拣货员一天要跑几十趟。这些货不应该和那些一个月出三五箱的大件货享受同等“偏远待遇”。
这个误区在上了WMS系统的仓库里尤其常见。IT部门或系统供应商倾向于把库位编码做到极致精细，仓库代码、区域代码、通道代码、货架代码、层代码、位代码，甚至加上左右区分。理论上这会让系统知道每一件货的精确位置，但实际上带来三个问题：第一，拣货员在现场需要反复核对一长串编码，增加认知负荷和出错概率；第二，编码体系越复杂，对库存准确率的要求就越高，一旦出现少量差异就会导致系统分配的库位实际不可用；第三，编码精细度提升带来的边际效益是递减的，而维护成本是递增的。
我见过一个极端的例子：一个2000平的电商仓，库位编码用了8位编码加校验码，结果拣货员的拣货单上每一行都是一长串数字，看错一位就容易取错货，新人培训周期也被拉长了近一倍。好的编码体系不是“能精确描述”，而是“能快速识别且不易出错”。以大多数中型仓库的体量，5级编码已经足够，区域、通道、货架、层、左右，而且我强烈建议在编码中加入可读性元素，比如用颜色分区代替纯数字代码，用物理标识（地标、灯标）辅助定位。
以下这套方法是我们在多个客户项目中反复迭代出来的框架，它不是教科书上的理论推导，而是已经经过不同类型仓库验证的实操方案。这套框架的核心思路是：先做“热力分析”搞清楚什么东西该放在好位置，再做“关联分析”搞清楚什么东西该放在一起，然后用“空间规划”把这些东西合理地塞进物理仓库，最后用“动态机制”让这套逻辑能随着业务变化自我更新。
热力图这个概念听起来高级，但做起来并不复杂。本质就是把过去一段时间（建议至少取一个月的数据）所有SKU的拣货记录拉出来，统计每个库位被访问的频次，然后映射到仓库平面图上。不需要什么高级软件，用一张仓库平面图打印出来，手工标注访问频次，就能得到一个非常直观的热力分布。
关键细节有三个：一是时间窗口要足够长，至少覆盖一个完整的业务周期，因为很多品类的出库有明显的周波动或月波动；二是统计口径要统一，是计数“访问次数”而不是“拣货件数”，因为一次访问拣100件和拣1件对路径的影响是一样的；三是要区分“拣货访问”和“补货访问”，补货动作虽然也产生库位移动，但不应该影响对拣货效率的评估。
热力图一旦做出来，通常会出现一个让仓库管理者很尴尬的发现：仓库里20%不到的库位承载了超过60%的拣货访问量，但这些高访问量库位往往并不集中在离发货口最近的位置。这就是改善空间最明确的地方。
热力图告诉你哪些SKU“跑得勤”，但不告诉你哪些SKU“经常一起跑”。第二步要做的就是把过去一个月的订单数据拉出来做关联分析。这里不需要用到什么复杂的算法，一个简单的共现矩阵就够了：统计任意两个SKU出现在同一个订单里的次数，然后按共现频次排序。Excel的数据透视表就能完成这个操作，一万个SKU以内都跑得动，完全不需要Python或者机器学习模型。
这个分析的结果经常让业务人员很惊讶。他们会发现一些看起来八竿子打不着的SKU经常被一起购买，这种关联是经验判断不出来的，因为它往往来自终端消费者的使用习惯而不是供应链逻辑。把这些高关联度的SKU放在相邻库位，甚至直接把高频关联组合设置成“套件库位”，拣货员一个弯腰就能完成两个SKU的取货，这是最直接的效率提升。
有一个需要特别注意的点：关联分析必须按季节和促销周期动态更新。春节礼盒季的关联组合和618大促的关联组合完全不同，如果一套关联逻辑用一整年，到了旺季反而会拖后腿。我建议至少按季度重新跑一次关联矩阵，促销季单独分析。
有了热力图和关联矩阵之后，就可以开始做空间规划了。我自己总结了一套“三频分区”的方法，把仓库从发货口向外分成三个同心区域：
高频区（黄金区）：离发货口最近的区域，占据仓库总面积的15%-25%左右，用来放那些拣货访问频次最高的SKU，以及高关联度SKU组合。这个区域的库位要做到“单手可及、视线平齐”，最优的库位高度是人站立时手自然垂放和举手之间的范围，大概在离地60厘米到150厘米之间。低于这个高度需要弯腰，高于这个高度需要垫脚或者工具辅助，都会显著降低取货速度。
中频区（缓冲区）：紧邻黄金区的外围，占仓库总面积的30%-40%，用来放那些访问频次中等、或者单次拣货量较大但频次不高的SKU。这个区域的定位逻辑可以适度兼顾品类归堆，因为中频区的拣货路径本身较长，品类归堆可以方便补货和盘点。
低频区（长尾区）：仓库最外围和最高层区域，放那些月均拣货频次低于一定阈值的SKU。这个区域的优化重点不是速度，而是空间利用率和标识清晰度。因为拣货员不常来，每次来更容易忘路，清晰的库位标识和路径引导比缩短距离更重要。
这个分区不是一成不变的。每个月应该根据最新的拣货数据做一次微调，每季度做一次相对完整的重分区。仓库管理者最需要建立的认知是：库位分配不是一次性的工程决策，而是一个需要持续运营的管理动作。那些“五年没动过库位”的仓库，无论当初设计得多合理，现在一定已经和实际业务脱节了。
这是最容易被忽略却最关键的一步。大部分中小仓库采用的是固定定位，每个SKU有一个固定的库位，拣货员记住了就快，记不住就慢。固定定位在小体量下确实更简单，但当SKU数量超过一定阈值（我观察到的大概是1500-2000个SKU），人的记忆就再也跟不上了。
动态定位不是让系统随机分配库位，而是建立一套规则让库位分配能自主响应业务变化。这套规则的核心包含三条：一是“热度优先”，系统根据最近一段时间的拣货频次自动调整SKU的优先级，高频SKU优先分配黄金区库位；二是“关联绑定”，共现频次超过一定阈值的SKU组合在分配库位时尽量放在同一区域甚至相邻库位；三是“容量约束”，在满足前两条的前提下，系统还要考虑每个库位的容积和承载能力，避免出现“系统分配了库位但实际放不下”的尴尬。
这套机制的好处是，它会随着业务变化自动“学习”。当某个SKU因为季节性因素或者营销推广突然爆量的时候，不需要人工干预，系统下一轮分配时就会自动把它往黄金区挪。当它热度下降，也不会一直占着好位置。这在以前靠人工管理几乎是不可能实现的，但现在即使一套中等水平的WMS系统也能做到，只是很多人买了系统之后没有把这套规则配出来。
前面讲的是一般性的方法论框架，但在实际落地的时候，不同业务形态的仓库对定位逻辑的要求差异很大。我挑三个最常见的场景来讲。
电商仓是所有场景里对定位逻辑要求最苛刻的。它的核心特征是：SKU数量多（几千到几万不等）、单个订单包含的SKU少（常见1-3个）、订单量的峰谷波动极大。在这种场景下，动态定位几乎是必选项，固定定位根本扛不住。电商仓的黄金区应该优先分配给那些“高访问频次且高关联度”的SKU组合，而不是简单的“高销量SKU”。
电商仓还有一个特殊问题：退货商品的逆向物流对定位逻辑的冲击。退货回来的商品往往状态不统一，有的可以直接二次销售，有的需要质检，有的已经破损。这些商品如果直接塞回原位，会打乱原有的定位逻辑。我建议电商仓单独设置一个“退货暂存区”，经过质检和重新入库流程后再进入动态分配池，而不是走“原路返回”。
制造业线边仓的定位逻辑和电商仓完全不同。它的核心约束不是“什么货跑得勤”，而是“什么时间点、哪个工位需要什么料”。线边仓的定位逻辑本质上是生产节拍的函数，不是空间效率导向，而是时间精度导向。
在这种场景下，我通常不建议使用完全动态定位，而是采用“半固定定位”：根据生产计划提前一天或一个班次把对应物料调配到线边的固定库位，生产结束后回收剩余物料。库位分配的优先级不是拣货频次，而是工位距离和物料消耗速率。高频消耗的物料放在离工位最近、取放最方便的库位，这一点和三频分区的逻辑相通，但驱动因素完全不同。
零售门店的后仓通常面积有限，SKU数和门店陈列面趋同，但补货频率远高于一般仓库。这个场景的核心矛盾是：后仓空间太小，没办法做大范围的分区流转，但补货不及时又会导致前场断货。
零售后仓的定位逻辑应该走“陈列映射”路线：后仓的库位分区和前场货架的陈列顺序保持一致。这样补货员推着车从后仓到前场的时候，走的路径和商品的陈列顺序天然重合，不用在前后场之间来回穿梭。这个逻辑看起来简单，但很多零售门店的后仓是按“进货批次”或者“供应商”来摆放的，补货的时候需要跨越大半个后仓才能集齐一个货架需要的所有商品。
另外，零售后仓还有一个容易被忽略的点：畅销品的后仓库存应该“放手边”，而不是“放货架上”。对于每天要补好几次的超高频SKU，专门在后仓出入口设置一个“快补台”，存放当天的补货量，补货员随拿随走，不用进到后仓深处。这个小改动在很多便利店和中小超市里，能把单次补货时间缩短40%左右。
写完前面五节，可能有人会觉得：既然定位逻辑都可以用系统规则来实现，那上套好系统不就行了？但实际情况远比这个复杂。定位逻辑落地的最大障碍往往不是系统功能不够，而是人和系统之间的协同断裂。
我经历过一个典型案例：客户上了一套相当不错的WMS，系统已经配好了动态定位规则，理论上的拣货路径也是最优的。但上线三个月后，拣货效率不仅没提升，反而下降了。现场调研之后发现了问题：拣货员不信任系统分配的路。系统让他先去A区再去B区，但他觉得先跑C区“虽然远一点但能顺便取几件我记得在那里的货”。这个“顺便”彻底打乱了系统优化过的路径，最后的结果是既没有系统的效率，也没有了人工的灵活。
这个问题的根源在于：系统优化的是全局效率，但拣货员感受的是单次任务体验。一个让全局效率最优的路径，在某个具体任务里可能看起来“有点绕”，这是信息不对称导致的。解决这个问题的方法不是强制员工服从系统，那样只会让他们阳奉阴违，而是通过移动终端上的“路径导航”功能，让系统把理由展示出来。比如屏幕上显示：“推荐路径比您的路径节省320米，预计少花4分钟”。当员工看到量化的差距时，信任感会逐步建立起来。
另一个更隐蔽的问题是：定位逻辑的持续运营需要一个“数据责任人”。系统可以自动跑热力图和关联分析，但必须有人定期查看结果、判断是否需要调整分区、处理异常情况。这个角色在很多企业里是缺失的。IT部门认为“系统已经配好了不需要管”，仓库部门认为“这是系统的事不归我们管”，结果就是系统规则和实际业务渐行渐远。我建议在导入定位逻辑优化方案的同时，明确指定一个“库位健康度”的负责人，可以是仓库主管也可以是数据分析岗，这个人的核心KPI就是库位访问的集中度指标和无效步数的月度趋势。
不是每个仓库都有预算买昂贵的WMS系统和自动化设备。但好消息是，定位逻辑的优化在相当大程度上不依赖系统投入。下面我按预算水平分成三个档位，给出不同的行动建议。
如果你的仓库完全手工管理、没有WMS、SKU数量在1000个以内，依然可以开始做定位逻辑优化。做法非常简单：用一周的时间记录每天的拣货单，把每个SKU被拣到的次数在表格里计数，周末排序，前20个高频SKU就是你的第一批黄金区候选。然后找个周末，动员仓库团队把这20个SKU搬到离发货口最近的库位上。就这么简单，不需要花一分钱。
库位编码也不需要很复杂，用粉笔或者标签纸标注区域号和货架号就够用。关键是养成习惯：拣货单上必须标注库位编号，拣货员按库位顺序拣货而不是按自己的记忆瞎跑。这一步跳过去，后面的优化全白做。
如果你的仓库已经有一套基础的WMS系统，但之前只用到了出入库和库存记录功能，那么你的优化重点不是升级系统，而是把已有系统里那些没被用起来的功能配出来。大多数中等水平的WMS都内置了ABC分类、波次分配和路径优化模块，但采购时为了控制成本跟的是基础版本，实施后又没人去配参数，这些功能就一直处于“休眠”状态。
投入的重点是一到两周的实施配置时间，而不是新买一套软件。找一个熟悉系统的人，把SKU的ABC分类阈值、库位分区的权重参数、路径优化的算法选择这些配置项逐个调通。这一步做完，有基础系统支撑的仓库通常能再提升15%-25%的拣货效率，成本几乎为零。
如果预算比较充裕，很多老板的直觉是“一步到位上自动化”。但我建议先冷静一下。在定位逻辑没有理顺之前，自动化设备只是把低效的动作做得更快而已，它不解决“为什么要做这个动作”的问题。
有预算的时候，钱应该优先花在两个关键杠杆上：一是高质量的库位标识系统（电子标签、指示灯），让拣货员“不用找”而不是“找得快”；二是移动终端和条码扫描设备的升级，让“系统指引”和“实际操作”之间的信息传递零延迟、零误差。这两项投入对定位逻辑落地的加速效果远大于买传送带或者自动分拣机。
当定位逻辑跑通、库位数据积累足够、拣货效率已经接近这个逻辑下的天花板之后，再考虑自动化设备做进一步突破。顺序不能反，反了就白花钱。
回到文章开头那个拍桌子的仓库主管。后来我们花了一个周末把他的热力图跑出来，又用两周时间做了一次彻底的库位重排。三个月后回访，拣货团队的平均加班时长从每月40个小时降到了15个小时以内。他没有升级任何系统，只是重新想了一遍“货应该放在哪里”这个问题。
这件事给我的最大启发是：货物定位逻辑在绝大多数企业里是一个“三不管地带”。采购不管，他们关心的是进价和交期；销售不管，他们关心的是有没有货发；IT不管，他们关心的是系统能不能跑通；仓库主管倒是该管，但往往被日常的收发货、盘点、异常处理压得喘不过气来，根本没精力做系统性的定位优化。于是这个对效率影响最大的变量，就这么年复一年地被所有人忽视了。
如果你正在读这篇文章，而且你恰好就是那个“应该管但一直没时间管”的仓库负责人，我想给你的建议很简单：下周抽一个下午，把过去一个月的拣货单导出来，做一次最简单的频次统计。然后找出前15个“跑得最勤但位置最偏”的SKU，先把它们挪到发货口附近。这是一个两小时就能完成的动作，但很可能是你这几年花时间最少、回报最大的管理决策。
定位逻辑不是一次性项目，它是一个需要持续关注的管理维度。把它从“没人管”变成“有人盯”，这件事本身就已经超过了大多数仓库了。
我按网上教程把A类高频商品放在了离出货口最近的黄金位，拣货效率确实提升了一些，但过了一个月发现有些A类商品出货量突然下降了，还得重新调整，而且拣货员还是会绕路去拿关联商品，效率提升有限。是不是我哪里理解错了？
你遇到的不是个例，我三年前也这么干过。ABC分类法本身没错，但绝大多数教程只讲静态频率，忽略了两个关键因素：时间波动性和商品关联性。我曾在某中型电商仓库做过一次压测：我们严格按照月销量排名，将前20%的SKU（A类）集中放在黄金区（离出货口5米内，高度在0.8-1.6米）。
第一个月拣货步数减少32%，但第二个月因为大促和季节性品类变化，部分A类商品跌出排行榜，而新晋爆品却在远处，导致步数反弹到仅比之前好15%。真正有效的做法是把“固定ABC”改为“滚动ABC”，每周根据最近7天的出库频率重新排名，并允许系统每天自动微调黄金区的上架位置。
更重要的是，必须把关联订单里的商品（比如同时被下单的A+B组合）就近放置，而不仅仅是看单品频率。我当时在WMS里写了个规则：如果两个SKU同时出现在同一订单中的概率超过40%，就给它们分配相邻库位。这个改动让拣货员平均每次取货少走了3个货架通道，整体效率再提升20%。
另外，ABC分类法失效的另一个原因是物理区域划分太粗。我建议将黄金区再细分为“极速区”（A类中的前5%）和“常规区”（A类剩余+部分B类），极速区采用单列货架，拣货员无需转弯即可连续取货。实测后，极速区的单次拣货时间从35秒降至18秒。
我们公司刚上了一套带动态库位分配的WMS，但感觉拣货员反而抱怨更多了，说系统总让他们去很远的库位捡货，而且同一个商品每次位置都不一样，记忆都没有了。动态定位是不是被过度吹捧了？
动态定位的本质是用算法在收到订单时实时计算最优库位，理想很丰满，现实很骨感。我曾在部署某主流WMS时踩过一个大坑：系统默认的算法只优化单次拣货的行走距离，却忽略了“订单波次合并”和“拣货员行走路径的重复性”。
结果就是，系统确实选了最近的库位，但十个订单可能散落在仓库各个角落，拣货员跑的路程总和反而比固定库位更大。更致命的是，系统没有考虑“库存深度”，如果某个SKU分布在多个库位，系统每次都随机选一个，导致拣货员需要反复确认位置，效率反而下降。
后来我们修改了算法逻辑，加入了三个策略： 1. 波次合并优先：系统先把同一天同一区域的订单合成一个拣货批次，再按最短路径排序，而不是每个订单独立优化。2. 优先取整箱：如果一个SKU同时有散货位和整托位，系统优先从整托位出库，因为整托位上数量多、位置固定，拣货员无需寻找。
冷热隔离：将近7天销量为零的冷门商品强制分配到远距离库位，避免它们干扰热销区的动态分配。实施这些策略后，工单平均完成时间从12分钟降到8分钟，而且拣货员的满意度直线上升。所以动态定位不是不能用，而是需要依赖业务规则做约束。
如果你的WMS允许自定义算法，一定要加上“同SKU合并出库”和“波次分组”两个开关。如果不允许，建议先用静态定位+周度热力图手动调整，等团队熟悉后再引入动态。
我们仓库面积只有500平米，但SKU数量超过8000个，为了多放货，我们不得不把货架加高到4层，通道也缩到1.2米。但是拣货效率极低，拣货员每次都要爬梯子或弯腰，而且通道窄到两个人错车都困难。我该怎么平衡存储率和效率？
你描述的问题正是许多中小仓库的困境。我曾在给一个跨境电商客户做咨询时遇到完全一样的矛盾。当时他们的存储率达到了95%（很高），但拣货效率是行业平均水平的60%。我们做了三件事，在不增加面积的前提下将效率提升了40%，存储率只下降了5%。第一步：重新定义“黄金位”的高度和深度。
传统黄金位是0.8-1.6米，但我们将它细分为“手到擒来区”（0.9-1.4米，弯腰即可拿）和“稍费力气区”（0.5-0.8米，需要蹲下；1.4-1.8米，需要稍踮脚）。只有前15%的爆款SKU才能进入手到擒来区。我们将次热款放在稍费力气区，其余全部上高架。
这样，80%的拣货动作只需在最舒适的5个层板内完成，空间浪费可控。第二步：采用“窄通道+穿梭车”的混合模式。我们保留了主通道宽度（2.4米），但将次要通道从1.2米压缩到0.8米，只允许一个人单向通行。同时在高架区域引入一个简单的穿梭车（类似超市的电动拖车），用于将高架上的整箱商品运到主通道交换区。
这样既保证了高区存储，又避免拣货员反复爬高。第三步：对长尾商品实施“虚拟合并”。将超过90天没有出库记录的SKU集中到同一个边角区域，用“整托存储”替代“货架层板”，这样虽然空间利用率下降（整托高度可达2米），但把原本占用多个黄金位的散货架释放了出来。
最终，黄金位区域的空间效率提升了30%，但整体存储率只下降了5%。记住一个原则：每浪费1平方米的黄金位，可能需要浪费3平方米的远区位来弥补拣货时间。所以适当牺牲存储率来换取拣货效率，ROI更高。
我们是个刚起步的小电商团队，仓库才200平，就两个人负责拣货打包。没有预算上WMS，全是Excel管库存，经常一个订单要找半天。网上说的那些定位优化方法都要配合系统，我们这种条件能怎么办？
完全可以，而且我2年前就帮一个朋友的夫妻店用纯人工方法做过，效果显著。他们的仓库只有150平，SKU约2000个，之前每天拣货耗时比打包还长。我们没有买任何系统，只用了打印纸、胶带和Excel，两周内将拣货时间缩短了35%。具体做法分三步： 第一步：做“热力图”摸底。
连续一周，每天下班前用笔在纸上画一张仓库俯视图，标记每个人当天去每个货架区域的次数。然后手工统计出“点击热区”。结果发现，最远的两个货架（离打包台30米）出库频率竟然排在前五。我们问为什么，答案是因为那两块区域存放了最畅销的SKU，但从前没人意识到这一点。第二步：手工重置定位。
我们用Excel按销量降序排列所有SKU，取前200个（也就是10%的SKU）涂成红色，准备移库。然后在仓库离打包台最近的两排货架（约30个库位）贴上红色胶带，作为“快捡区”。
周末花4个小时把红色SKU全部搬进去，并且严格规定：每个快捡区库位只放同一种SKU，而且只放一层（不叠放），保证一眼就能找到。剩下的冷门商品全部往后区堆叠，甚至可以混放。第三步：建立简易“数字索引”。我们不用WMS，但用Excel打印了一张“库位地图”，贴在打包台旁边。
地图上用网格坐标表示每个货架位置（比如A1-B3）。每次上架新商品时，手动在Excel里记录它的坐标，然后每天打印最新的库位表贴在显眼处。刚开始切换那周有点乱，但两周后熟悉了，找货速度从平均1分20秒降到了45秒。
这个案例说明：在人员少、SKU少（低于3000）的情况下，手工热力图+物理快捡区+纸质索引，可以不花一分钱达到系统70%的效果。等规模扩大后再考虑上WMS。关键是先迈出第一步，别等完美方案，先用低成本版本跑起来。
读者评论
做过两年电商仓储，看到文中‘无效行走占42%’那段差点拍大腿。之前一直觉得是WMS系统不够聪明，换了三套软件都没用。后来学作者方法，拿秒表跟了几个拣货员，才发现最大问题不是系统算法，而是热销品塞在最里面货架最高层。挪了20个高频SKU到发货口附近，一周内人均日步数从28000降到19000。建议所有仓库管理者都先做一次‘时间拆解’，别急着砸钱升级系统。
作为IT部门的人，特别同意‘库位编码不是越细越好’这个观点。之前配合仓库上了8位编码+校验码，结果拣货员看错数字频频出错，培训成本暴涨。后来改成‘区域颜色+5级数字’，用黄绿蓝三种地面标识分区，出错率降了六成。好的编码体系应该是让员工‘一眼看懂’而不是‘计算机能解析’，这个平衡很多WMS厂商根本没意识到。
在传统批发仓库干了十几年，一直坚信‘同一类货必须放一起’最合理。文章说这是误区，我一开始不服气，后来试着把经常一起出库的‘饮料+一次性杯子’挪到相邻库位，拣货路径确实短了很多。但入库和盘点确实变麻烦了，因为品类打散了。我觉得适用于快消品或者电商，对于SKU固定的大型批发仓，可能还是需要折中方案，比如只动前20%的高频关联货。
作为数据分析岗，看到‘双ABC分类’那部分直接截屏保存了。以前我们只按销售额做ABC，把月销10万的爆款放黄金区，忽略了那些每月出库300次但单价只有2块钱的辅料配件。按作者方法跑了一次出库频次矩阵，才发现这批‘高频小额’SKU让拣货员每天多绕了四十多趟，挪到高频区后整体效率提了15%。强烈建议用Excel数据透视表试一下，完全不需要复杂算法。
上周刚跟着作者讲的‘热力图+时间拆解’方法诊断了自己的仓库，结果触目惊心。前15%的库位干了62%的活，但这15%的库位居然有一半分布在仓库中后部。跟着拣货员走了一天，发现他总在同一个通道来回折返，因为关联度最高的两个SKU一个在通道头一个在通道尾。把这两个挪到一起后，那个通道的拣货时间直接砍半。这篇文没有空谈理论，每一步都有具体的落地动作和坑点提醒，值得反复读。