去年双十一前一周，我接到一个做母婴用品的客户电话，仓库主管的声音都在发抖：“系统报警了三天，我们按预警补了货，结果主推款的纸尿裤还是断了。四个天猫店全挂预售，每天损失至少三十万。”我远程连进他们的库存管理系统一看，问题一目了然：安全库存线设的是固定值，日均销量的14天。这个数字是两年前上线时财务拍脑袋定的，从来没改过。大促前日均销量翻了四倍，14天的量根本撑不过一周。更致命的是，系统的“实时监控”只是每两小时刷一次数据，而他们的爆款单品在活动开跑后头30分钟就冲掉了全天预估量。预警是响了，但响得太晚、太慢、太死。这就是我今天要讲的核心问题：库存管理系统的实时监控和安全库存预警，真正的配置逻辑不在软件界面里，而在于你是否理解你的业务波动节律，以及你是否愿意让规则跟着业务一起呼吸。
做了十几年供应链数字化项目，我越发确信一件事：安全库存预警系统的成败，80%取决于配置逻辑，20%取决于软件本身。大多数企业把“配置”理解成在系统里填几个数字，日均销量、采购周期、安全库存天数，然后点保存。这在业务平稳期勉强能用，一旦遇到促销、换季、供应商掉链子、物流异常，这套静态设置立刻崩盘。
真正有效的配置逻辑包含三层结构：
这三层缺一不可。但遗憾的是，我调研过超过200家中小企业（年营收5000万到5亿区间），能完整实现这三层的不到8%。绝大多数企业停留在第一层，还经常设错。
接下来我会把这三层逻辑拆开揉碎了讲清楚，包括每一步的具体操作方法、常见踩坑点，以及不同体量企业的取舍建议。
在深入配置逻辑之前，我们需要先正视一个问题：为什么明明上了系统、设了预警，库存该断还是断，该积压还是积压？答案不在软件功能上，而在业务场景的复杂度被严重低估了。
绝大多数系统默认用“近30天日均销量”作为计算基准，但真实的销量曲线从来不是一条直线。我见过最夸张的案例是一个做美妆的客户，其一款面膜产品的日销量在不同月份的分布是这样的：平日200-300单，618当天1.2万单，618后一周跌到80单，双11当天2.5万单，直播秒杀活动30分钟4000单。如果用日均销量算安全库存，设200的话618当天半小时就断货；设2000的话平日库存周转天数超过三个月，资金全压仓库里。
这不是极端个例。电商、快消、服装、食品饮料这些行业，需求波动系数（标准差/均值）普遍在0.8到2.5之间。波动系数超过1.5的品类，用均值公式算出来的安全库存至少有40%的概率会在某个时段失效。
安全库存公式里有一个关键参数叫“补货提前期”，很多企业在这里偷懒，直接填合同上的交货周期，比如“供应商承诺7天到货”。但实际运行中，供应商交期延迟的概率比你想象的高得多。我们团队跟踪过12家消费品企业的实际采购到货数据，合同交期和实际到货天数的偏差情况如下：
| 供应商类型 | 合同交期(天) | 实际平均到货(天) | 延迟超过3天的概率 | 最长延迟记录(天) |
|---|---|---|---|---|
| 国内稳定供应商(长期合作) | 5 | 5.8 | 12% | 14 |
| 国内一般供应商 | 7 | 9.3 | 28% | 22 |
| 跨境供应商(海运) | 30 | 38.5 | 45% | 67 |
| 定制加工类供应商 | 15 | 21.2 | 52% | 41 |
这个表告诉我们一个残酷的事实：如果你用合同交期来设安全库存，至少有三成概率会在某个补货周期里出现缺口。对于延迟概率超过30%的供应商，必须将“交期波动安全垫”纳入计算，否则预警线形同虚设。
说到库存系统的“实时监控”，我必须拆穿一个行业普遍存在的概念包装。市面上大量SaaS系统说的“实时”，实际指的是“系统每隔N分钟刷新一次数据快照”。这个N在不同产品里差异巨大：有的能做到1-2分钟，有的是15分钟，有的甚至是2小时。对于高频出库的电商仓来说，2小时间隔意味着什么？以每分钟出库5单、每单平均3件计算，2小时就是1800件商品的变动量。如果安全库存只设了2000件，一条爆款链接的集中爆发就能在两小时间隔里吃掉你的全部安全垫。
真正的实时监控应该做到事务级触发，每次库存变动（出库、入库、调拨、盘点差异）都立刻重新计算当前库存与预警阈值的差额，并在低于阈值时即时推送。但这需要系统的底层架构支持，不是所有SaaS产品都能做到。在选型时一定要确认：系统是轮询刷新还是事件驱动？最短刷新间隔是多少？超过多少数据量会降频？
在做项目复盘时，我发现80%的预警失效案例都源于以下五个误区。它们不是技术问题，而是认知盲区。
这是最常见也最致命的错误。一个SKU数超过500的企业，如果所有产品共用一套安全库存计算逻辑，结果一定是：爆款断货、长尾积压同时发生。我服务过的一家家电配件商，SKU多达3000个，安全库存统一设为“月均销量的20天”。结果A类配件（占销量60%的那200个SKU）频繁断货，C类配件（年销个位数的那1500个SKU）库存周转天数超过400天。
正确做法是强制做ABC分类，然后差异化配置：
| 分类 | 销量占比 | SKU占比 | 监控频率 | 安全库存策略 | 预警响应机制 |
|---|---|---|---|---|---|
| A类 | 60%-70% | 5%-10% | 实时/事务级 | 动态计算+周度校准 | 多通道即时告警+自动补货建议 |
| B类 | 20%-25% | 15%-20% | 每小时 | 月度校准+季节性调整 | 系统内提醒+日报汇总 |
| C类 | 5%-10% | 70%-80% | 每日 | 固定值+季度复盘 | 报表呈现，不强制推送 |
这套分类策略的价值在于把有限的监控和管理资源集中到真正影响业绩的SKU上。你不需要对1500个C类SKU设置复杂的动态预警逻辑，那样只会制造噪音，让真正的预警淹没在大量无关通知里。
单线预警的典型问题是：警报响的时候，往往已经来不及了。从收到警报到完成补货到货，中间还有采购审批、供应商确认、生产/配货、物流运输等多个环节。如果预警线=安全库存值，那警报响起意味着你只剩理论上刚好够补货周期的量，没有任何缓冲。
我建议至少设两条线，关键物资设三条：
很多系统的预警逻辑是：当前库存 ≤ 安全库存值 → 触发报警。这个逻辑忽略了一个关键维度，消耗速率。同样是库存剩2000件，日均消耗100件和日均消耗500件，紧迫程度完全不同。前者还有20天缓冲，后者只剩4天。
更高级的预警配置应该引入“库存可支撑天数”这个指标，即：当前库存 ÷ 近7日日均消耗量。当可支撑天数低于预设阈值时触发预警。这个逻辑对波动性强的品类尤其重要，它让预警前置了，不再等到库存绝对值跌破线才响。
我之前见过一个极端案例：一家中型连锁餐饮企业的中央厨房，把所有库存预警都推送给同一个企业微信群，包括仓管、采购、运营、财务、门店店长，每天群里弹上百条预警消息。结果是什么呢？所有人都不看了。真正需要紧急处理的断货预警淹没在大量日常提醒里，没人注意到。
预警通知设计的核心原则是“让正确的人在正确的时间看到正确级别的信息”：
通知渠道也要分层：红色预警走短信+电话+应用内强提醒，橙色走企微/钉钉即时消息，黄色纳入系统通知中心等对方主动查看。
这是最隐蔽的陷阱。系统上线时花很大力气设了一轮参数，然后就再也没动过。半年后业务已经变了，新品上市、老品退市、供应商换了、物流方式调整了，但预警参数还停留在半年前。库存管理是一个需要持续校准的系统工程，不是一次性配置。
我建议的校准节奏是：A类SKU每月复盘一次安全库存值的合理性，B类每季度，C类每半年。复盘的方法不是拍脑袋，而是拉出过去一个周期的实际数据，实际断货次数、实际积压天数、预警触发后的响应时效，反向验证参数是否合理。这个过程可以借助系统自动生成“参数健康度报告”来实现。
讲完了误区，现在进入实操环节。安全库存的计算方法有很多种，从最简单的固定天数法到复杂的统计学模型。我不会把每种公式都罗列一遍，而是给出在不同业务条件下应该优先选择哪种方法的判断框架。
首先问自己三个问题：
基于这三个问题的答案，我把选择路径归纳如下：
| 业务条件 | 推荐方法 | 核心公式思路 | 适用场景 |
|---|---|---|---|
| 数据不足6个月 | 固定天数法 | 安全库存 = 日均销量 × 预设天数 | 新品、新渠道、数据积累期 |
| 数据充足且稳定(波动系数<0.8) | 简化统计法 | 安全库存 = 服务水平系数 × 需求标准差 × √提前期 | 成熟期标品、稳定供应链 |
| 数据充足但波动大(波动系数≥0.8) | 动态安全库存法 | 安全库存 = 滚动预测值 × (提前期 + 安全天数)，其中安全天数基于波动系数动态调整 | 电商爆款、季节性商品、促销频密品类 |
| 断货代价极高 | 服务水平目标法 | 设定目标服务水平(如98%)，反推所需安全库存 | 核心原料、战略物资、不可替代品 |
对于大多数电商和消费品企业来说，“数据充足但波动大”是最常见的场景，因此我重点讲动态安全库存法的操作步骤。
步骤一：确定滚动预测周期
不建议用“过去30天”这种固定窗口，因为在促销、换季等节点，30天前的数据可能已经严重过时。更好的做法是根据品类销售节奏选择窗口长度：快消品用7-14天，耐用品用30-60天，有明显季节性的品类则取去年同期同周期数据做参考基线。
步骤二：计算需求波动系数
需求波动系数 = 近N天的标准差 ÷ 近N天的均值。这个值越大，说明需求越不稳定，需要越多的安全库存做缓冲。波动系数超过1.5的SKU，必须单独标记并提高监控频率。
步骤三：确定服务水平系数(Z值)
服务水平代表你愿意接受的多大缺货概率。95%的服务水平意味着有5%的概率会断货。对应的Z值如下：
| 目标服务水平 | Z值 | 缺货概率 | 适用场景 |
|---|---|---|---|
| 90% | 1.28 | 10% | C类SKU，缺货影响小 |
| 95% | 1.65 | 5% | B类SKU，常规商品 |
| 97.5% | 1.96 | 2.5% | A类SKU，核心商品 |
| 99% | 2.33 | 1% | 战略物资、断货代价极高 |
但这里有一个需要权衡的点：服务水平从95%提升到99%，Z值从1.65跳到2.33，安全库存量要增加约40%。这不是一个技术决策，而是一个经营决策，增加的库存持有成本与减少的缺货损失之间，孰轻孰重？我在项目中通常建议A类SKU取95%-97.5%，B类取90%-95%，C类取85%-90%。追求100%不缺货在商业上是愚蠢的，成本会高到吃掉所有利润。
步骤四：并入供应端波动
前述公式只考虑了需求波动，但供应端的不确定同样致命。完整的安全库存公式应该是：
安全库存 = Z × √(提前期 × 需求方差² + 需求均值² × 提前期方差²)
这个公式同时纳入了需求波动和交期波动。其中提前期方差来自供应商历史交货记录的实际统计。如果企业没有系统性地记录这个数据，那最少也要根据经验给一个“交期波动系数”（比如供应商承诺7天但经常9-10天到，波动系数就是1.3左右），将合同交期乘以这个系数后再参与计算。
光讲理论不够，接下来我用两个亲身参与的项目案例来说明配置逻辑改造前后的巨大差异。
背景：该品牌7家天猫店、3家京东店、2家抖音店，共用一个总仓，SKU约800个，其中A类约120个。使用某主流ERP系统，安全库存统一设为“近30天日均销量×15天”。2023年全年断货事件记录87次，其中A类SKU断货53次；同时C类SKU平均库存周转天数高达210天。
改造前的核心问题：
改造措施：
改造后一年效果：A类断货从53次降到8次，主要是供应商突然停产或物流事故等不可控因素。C类库存周转天数从210天压缩到118天，释放了约90万库存资金。最关键的是，大促期间基本做到了“不断货、不积压”，618和双11合计断货仅2次，且都是活动结束后补货周期内的短暂缺口，影响面很小。
背景：直营门店40余家，中央厨房统一采购和配送。原料SKU约600个，其中生鲜冻品约200个、干货调料约300个、包材约100个。使用某餐饮SaaS系统，安全库存统一以“周均用量×1.5周”设置。中央厨房多次出现“预警响了但原料已经到了”或“警报没响突然就断了”的情况。
特殊挑战：
改造措施：
| 类型 | 代表物料 | 安全库存策略 | 预警逻辑 |
|---|---|---|---|
| 短保高频 | 蔬菜、鲜肉、豆制品 | 按日补货，安全库存=当日预估用量×1.2 | 消耗速率预警，用量异常时即时通知 |
| 长保稳定 | 干货、调料、冻肉 | 统计法+固定提前期 | 经典三阶预警 |
| 长周期进口 | 进口牛肉、海鲜 | 基于滚动预测，安全库存覆盖预测偏差+船期延迟 | 前置预警（下单时就锁定未来到货节点） |
| 包材类 | 餐盒、打包袋等 | 经济订货量(EOQ)+安全库存 | 标准双线预警 |
改造成效：原料断供导致的停售事件从改造前全年15次降到3次。生鲜损耗率从8%降到4.5%。进口冻品的紧急空运补货从改造前每年四五次降到零次，仅这一项就省下空运费约30万元/年。
不是所有企业都需要、也有能力建设完整的三层动态预警体系。系统越复杂，维护成本越高。我根据服务过的不同体量客户，给出分层的配置建议。
这个阶段的核心目标是“够用、不崩”，而不是追求精细化。资源配置建议：
这个体量下，最大的风险不是预警不准，而是根本没设预警或者设了不看。先做到“有预警、有人响应”，其他都好说。
这个阶段是库存预警最容易出问题的区间，业务复杂度上来了，但管理精细度还没跟上。最应该投入的就是动态预警体系建设。
建议配置：
中型企业常犯的错误是在系统功能上省钱，用通用型ERP的库存模块凑合，结果配置灵活度不够，很多动态逻辑没法落地。我的建议是：如果现有系统不支持ABC差异化配置和多线预警，该换就换。库存管理省下的钱远远覆盖软件投入。
到这个体量，库存预警的挑战不再是“怎么配置”，而是“如何跨组织协同”。多仓、多渠道、多法人实体之间的库存联动，比单个仓库的安全库存计算复杂一个量级。
重点要解决的问题：
大企业容易陷入的误区是过度设计，花了半年搭了一套极其复杂的模型，结果业务部门看不懂、不信任、不用。我的经验法则是：模型的复杂程度不能超过使用者的理解能力。在落地时一定要保留一个“人工Override”的入口，让业务专家可以在系统建议的基础上微调，并在调整后系统自动记录并学习。
看完这篇文章，你可能已经意识到自己的库存预警配置有不少问题。但不要试图一次性全部改完，那只会让团队疲于应付，最后一样都落不了地。我建议按以下优先级推进：
第一优先级（本周完成）：检查你当前系统里的安全库存值是怎么来的。是不是一个固定数字？上次修改是什么时候？谁决定的？如果答案是“不知道”或“两年前”，那你已经在裸奔了。立刻拉出过去三个月销量和断货记录，手工算一轮A类SKU的建议值，先在系统里改掉。
第二优先级（本月完成）：把ABC分类做了。这不需要什么高级系统，Excel就能搞定。按销量或毛利排序，画一条帕累托曲线，前20%的SKU就是你的A类。做完分类后，给A类单独设一套更严格的预警规则，更短的监控间隔、更多级的预警线、更高的服务水平目标。
第三优先级（本季度完成）：建立复盘机制。在你的运营周会或月会里，加入一个固定议程：过去一周/一个月，预警触发了多少次？其中多少是有效预警（确实需要补货并且来得及）、多少是无效预警（误报或来不及时）？复盘结果要写下来，并回写到系统参数里。
最后说一句关于“系统选型”的实在话：如果你的企业还在用Excel管库存，或者现有的ERP系统不支持ABC差异化预警、多级阈值、动态刷新频率调整这些基础能力，那么工具本身就是瓶颈。选型时不一定要买最贵的产品，但一定确认三个核心能力：一是能否按SKU分组设置不同的预警规则；二是监控刷新频率能否按需调整；三是预警通知能否按级别分发到不同的人和渠道。这三条做不到，其他功能再花哨也白搭。
库存管理这件事，说起来好像就是“别让货断了、别压太多钱”，但真正做好的企业少之又少。区别就在于：普通企业在系统里填数字，优秀企业在业务流程里建机制。希望这篇文章能帮你往后者靠近一步。
我是做电商的，刚采购了一套库存管理系统，现在要配置安全库存预警。但仓库之前没有任何系统记录，只有Excel里有零散的出库数据，根本算不出需求标准差和提前期。如果全靠拍脑袋设个固定值，又怕不准。有没有一种方法，能让新手在没有数据的情况下先把预警跑起来，后续再慢慢优化？
这个问题我踩过坑。刚接手一家年GMV 5000万的服装电商公司，仓库只有手写单据，系统空跑三个月。我的做法分三步： 第一步：ABC分类。把SKU按销售额占比分成A类（前20%贡献80%销售额）、B类（中间30%）、C类（剩余50%）。A类必须精确，C类可以粗糙。
第二步：C类物料直接用供应商建议的最小库存量作为安全库存下限，比如最小起订量100件，那就设预警线120件（留20件缓冲）。B类物料根据过往3个月的Excel出库数据，用平均值×1.5作为初始安全库存。
A类物料我用最笨的公式：最乐观的日销量×最长补货周期（天）作为最高值，再乘以0.3作为安全库存，没有历史标准差，就拍一个经验系数。第三步：运行两周后，对比实际断货记录和预警记录。有一次一款A类商品安全库存设了50件，结果供应商物流延迟2天，导致断货，我立刻把安全库存上调到80件。
三个月后，积累足够订单数据，才正式切换到滚动标准差算法。关键点：不要追求一次到位，初期用保守值（偏高）避免断货，后期再通过数据下调。建议每周末复盘一次，持续一个月就能稳定下来。
我们公司的WMS系统每天自动发预警邮件，库存低于安全线就提醒。刚开始管理员还觉得有用，但一个月后，大家发现90%的报警其实都是虚惊一场，要么是系统刚刷新时数据滞后，要么是补货已经在路上。结果真的缺货了反而没人看邮件了。有没有办法让预警系统只推送真正重要的、紧急的库存问题？
这种情况说明预警系统只设了一个阈值，没有分层。我接手过一个连锁零售客户，他们当时预警模式就是‘所有物料低于安全库存就发钉钉’，结果店长直接卸载了消息免打扰。我给他们设计了双阈值+频率抑制策略： 1. 区分提醒线和紧急线。提醒线设为安全库存的1.2倍，发系统内部弹窗（不强制打扰）；
紧急线设为安全库存的0.8倍，用电话呼叫采购经理，同时群发@所有人。2. 按ABC分类分配通知渠道。A类物料紧急线直接打手机；B类物料紧急线群发钉钉并@责任人；C类物料只在第二天早上的日报里汇总。3. 设置通知频次抑制。
同一物料在连续12小时内，如果已经发过紧急提醒，则不再重复发送，除非库存继续下降10%以上。4. 增加‘在途库存’逻辑。如果系统检测到已有采购订单且预计2天内到货，则自动把预警阈值降低20%，避免‘虚假报警’。
调整后，每个店平均每天收到的预警从15条降到3条，且紧急类预警的响应率从12%提升到89%。你可以在系统里创建一个‘预警命中率’看板，每周看实际断货件数与预警件数的比值，目标控制在5%以内。
我们做母婴用品，每年双十一备货量是平时的5倍。但安全库存预警是按历史平均销量算的，一到活动期间库存很快就见底了，我们只能靠人工盯着。更惨的是去年双十一，某个爆款因为预警没触发（因为阈值太低），断货3天，损失了30万销售额。有没有一种配置方法，能让预警系统在大促期间自动‘变敏感’？
这个问题我帮一家3C数码品牌解决过。他们之前每年双十一就靠Excel手动调阈值，经常漏掉。我的方案是建立一个‘促销预案模式’： 1. 设置倍数因子。在系统里增加一个‘活动期间安全库存倍数’参数，平时默认1.0，活动前一周手动设为2.0或3.0（根据预售/加购数据动态调整）。
这个倍数同时作用于安全库存和补货点。2. 基于往年数据+当前预售做滚动预测。我要求对方导出过去三年双十一每天分时段的销量数据，算出每个时段的峰值系数。
比如往年双十一当天上午10-12点销量是平日的8倍，那我就把那个时段的预警频率从每小时一次改为每5分钟一次，同时把安全库存临时提高600%（因为补货周期从3天压缩到1天）。3. 活动结束后一键恢复。在系统里做一个‘恢复默认配置’按钮，避免忘记切回导致淡季库存积压。4. 增加动态预警叠加。
当检测到某SKU近2小时销量超过历史峰值的120%时，自动触发‘紧急升温’，把预警线再上浮50%，并通知采购立即介入。举个例子：去年某款蓝牙耳机，平时安全库存是500副。双十一前预售了3000副，我们提前设置倍数为4倍（安全库存=2000副）。
结果当天下午销量暴增，系统在安全库存降到1800副时就触发了紧急预警（因为检测到小时销量异常），采购及时加急补货，最终备货1.2万副，断货率0%。另一个竞品因为没有动态调整，断货超过24小时。建议：在你系统里创建‘活动预案’配置组，支持按时间段设定不同阈值，这是最灵活的做法。
我花了三天时间把库存系统的预警参数全设好了，但心里没底。比如A类物料安全库存设了100件，补货点设了150件；B类物料安全库存设了200件。但我没法判断这个配置到底是保守了还是激进了。有没有一种复盘方法，能让我用过去的销售和缺货记录来测试我的预警参数是否准确？
这个问题很多企业都忽略，导致预警系统形同虚设。我做过一个验证方法，叫‘历史回测’，具体步骤： 第一步：导出过去12个月的完整数据，包括：每日库存快照、每日销量、供应商补货到货时间、所有缺货记录。第二步：用Excel或Python写一个模拟器。
假设把今天的预警配置‘穿越’到过去每一天，每天模拟判断是否触发预警。然后统计： – 真正缺货事件中，有多少比例被预警提前捕捉到了（命中率） – 预警触发后，实际并没有缺货的比例（误报率） – 预警提前了多少小时/天（提前期） 第三步：根据数据调整参数。
比如有一次我给一个食品电商做回测，发现他们的A类库存预警命中率只有42%，误报率高达65%。原因是安全库存设得太高，导致预警经常‘狼来了’。我建议他们把A类安全库存从3周销量降到2周，同时把补货点从2.5周提高到3.5周（缩短触发距离）。调整后命中率升到91%，误报率降到18%。
具体指标参考： – 对于A类物料：命中率≥95%，误报率≤20%，预警提前期≥1.5倍补货周期 – 对于B类物料：命中率≥85%，误报率≤30%，预警提前期≥1倍补货周期 – 对于C类物料：命中率≥70%，误报率≤50%，预警提前期≥0.5倍补货周期 如果回测发现命中率低，说明阈值偏低（过于保守，预警没来得及触发）；
如果误报率高，说明阈值偏高（过于敏感，虚假报警多）。建议每个季度做一次全量回测，同时保留最新的业务变化（季节因素、新供应商等）。另外，不要只依赖系统自动验证。我会手动抽查过去3个月最严重的5次断货事件，看预警是否在断货前24小时触发了。如果没触发，就深入分析原因，比如是数据延迟还是参数设置问题。
这样能确保预警系统始终处于最佳状态。
读者评论
我是做五金件批发的，仓库SKU两千多个，之前也是全设同一个安全库存值，结果爆款断货、呆滞料堆满。看了你文中对ABC分类的差异化配置建议，上周刚把A类SKU单独拉了数据做动态校准。实操下来发现，光分类还不够，还得按你提到的消耗速率来预警，光看库存绝对值确实容易误判。这个坑踩得太值了，至少少亏几十万。
我们公司用的是某知名ERP自带的库存预警，一直吐槽它只支持固定阈值，每次大促前都得手动改参数，改完又怕恢复时漏调。看到你文中说的动态调节层和滚动窗口校准，终于理解为什么总感觉预警反应慢了半拍。希望后续能多讲讲怎么用历史数据反推最优阈值的具体算法，尤其是波动系数大的品类怎么处理。
作为CIO，最头疼的就是业务部门抱怨系统预警不准。文章里提到的事件事务级触发与轮询刷新的差别，我拿自己系统验证了一下，果然是15分钟轮询，难怪之前爆品断货预警滞后了差不多一个小时。现在选型或升级时，我至少知道该怎么问厂商了。另外通知分级的建议也很实用，我们正准备优化推送策略，避免信息疲劳。