引言

去年冬天，我陪一家做户外用品的跨境公司做季度复盘。会议室里坐了七个人：采购主管、运营负责人、财务、两个平台店长、仓储外包方的对接人，还有老板。投屏上是一张 23 行的 KPI 考核表，其中和采购补货相关的有 9 个。

老板问了一句：“上季度欧洲站断货 11 天，到底是谁的锅？”

没人接话。采购主管说，我按考核要求的断货率备的货；运营说，你备的货在海外仓躺了 90 天；财务插了一句，滞销库存已经占用了将近四百万现金流。

这个场面我见过太多次。问题不出在 KPI 的数量，也不出在员工不努力，而是出在指标没有挂在决策上，约束没有写进口径里。断货率本身没错，错的是它单独存在，只要它单独存在，被考核的人就一定会用另一种成本去换它，而那个成本往往不在他的考核表上。

这篇文章我想按一条完整的推理链来写：先讲清楚采购补货为什么值得单独成为考核切口，再讲跨境业务给它加了哪四道约束，然后讲 ERP 在这个链条里到底扮演什么角色、需要输出哪五类数据，接着是三层的指标结构和成对设置原则，最后落到责任归属、落地机制，以及不同阶段该怎么取舍。目标是让你读完能拿进会议室讨论，而不是拿到一张指标名清单。

一、先给结论：采购补货考核要解决的是决策质量，不是指标数量

我把这十年做跨境供应链咨询和系统实施的判断，压缩成四条结论。如果你只读这一段，也应该能带走一套判断框架。

第一，考核切口应该收敛到“采购补货”这一个枢纽环节。跨境 ERP 覆盖的模块很多，订单、客服、物流、财务、刊登、广告，但只有采购补货同时牵引资金占用、履约时效、平台账号健康这三条结果线。全模块考核的结果通常是指标发散、互相稀释，最后退化成“只看销售额”。

第二，所有关键指标必须成对出现。断货率必须配库存周转或库龄结构，补货及时率必须配紧急空运占比。任何一个单边指标，都会被考核对象用另一种成本去交换。这不是道德问题，是激励设计的必然结果。

第三，指标只能挂在能影响它的人身上。预测偏差的主要来源是销售和运营端，交付偏差的主要来源是供应商和物流端。如果只考采购，采购很快会变成“替别人背指标”的角色，这类指标通常在两个月内失效。

第四，ERP 不是考核工具，是考核的数据源。它在采购补货考核里唯一不可替代的价值，是提供统一颗粒度的库存状态、销量、在途、成本和主数据。所以顺序只能是：先定数据口径，再定指标，最后定权重。这个顺序反了，做出来的考核表就是噪音。

后面九个章节，基本是在展开这四条结论的推导过程和落地细节。

二、为什么考核切口应该收在“采购补货”上

1. 只有采购补货同时牵引三条结果线

跨境公司的经营管理，最终会收敛到三条线：钱、货、账号。采购补货是唯一同时站在三条线交叉点上的动作。

资金线看的是库存占用了多少现金流。一家年 GMV 一亿的公司，如果库存周转从 70 天拉到 95 天，按 25% 的毛利率粗略估算，多压的资金通常在数百万量级，这直接决定了它当年还能不能开新站点、能不能加大广告投入。

履约线看的是有没有货能发。库存放在国内仓、海外仓还是 FBA，触发补货的条件完全不同。缺货不是“少卖几单”，而是整个链接的转化链路断掉。

账号线看的是断货对排名和账号健康的连带影响。断货期间链接权重下滑，恢复后需要重新爬坡，这个爬坡期往往比断货期本身更长。这部分损失在财务报表上看不到，但在运营侧是实打实的。

三条线同时被同一个动作牵引，意味着这个动作的决策质量可以被集中衡量，也意味着它一旦出错，损失会同时出现在三个地方。

2. 全模块考核的典型失败形态

我见过最典型的一份跨境考核表有 23 个指标：订单履约率、客服响应时长、客诉率、广告 ACOS、退货率、库存周转、断货率、采购及时率、供应商准时率、头程时效达成率……每个指标都配了权重，加起来 100%。

看上去很完整，但这份表跑三个月后，所有人的注意力都会集中到一两个“容易解释”的指标上，通常是销售额和 ACOS。原因很简单：当指标多到超出人的信息处理能力时，考核对象只会优化他能直接影响、且解释成本最低的那几个。

更麻烦的是，指标之间会互相抵消。客服为了降低响应时长快速结单，客诉率上升；采购为了压断货率多备货，周转天数恶化；运营为了冲 ACOS 目标砍掉长尾广告，销量结构变化又反过来让需求预测更不稳。到最后，管理层看到的是十几个都“基本达标”的数字，但公司层面的库存和现金流问题一个都没解决。

3. 收窄切口不等于缩小范围

这里要澄清一个常见误解：把考核切口收在采购补货，不是说不考核其他模块，而是说其他模块的指标要以“对补货决策的输入质量”这一形式被纳入，而不是并列铺开。

所以采购补货向上要接需求预测，预测准不准，直接决定补货决策的输入质量；向下要接仓储和物流，头程时效、上架速度、库存状态回传是否及时，直接决定补货决策的执行质量。

这样处理之后，销售、运营、供应商管理、物流这些角色依然被考核，只是他们背的不再是孤立的模块指标，而是“他们提供给补货决策的输入是否可靠”。责任链条因此变得清晰。

三、跨境补货面对的四道硬约束

国内电商的补货模型不能直接搬过来，原因不是“跨境更复杂”这种模糊说法，而是四个可以具体描述的结构性差异。理解了这四个约束，你才知道为什么指标设计要长成后面的样子。

1. 库存状态分散，且口径天然不可见

国内电商的可用库存通常就是“仓库里有几件”。跨境不是。同一个 SKU 的库存可能同时存在于：国内仓待发、头程在途、目的港待清关、海外仓在库、FBA 已入仓待上架、FBA 可售、FBA 预留（含客户订单占用和调仓中）。

这七种状态在补货决策里的含义完全不同。“在途”不能算可用，“待上架”不能算可售，“预留”既不是缺货也不是可卖。如果 ERP 没有把这几种状态拆干净，补货算出来的缺口就是错的。

我见过一家公司，运营在后台看到 FBA 显示“在库 3200 件”，就判断不用补货；实际可售库存只有 900 件，剩下 2300 件里有一半是预留、一半是刚入仓未完成上架。等他们发现的时候，断货已经发生了。

2. 提前期长，而且不是正态分布

头程提前期有一个很容易被忽略的性质：它的波动不对称。中位到货时间只有 32 天的航线，P90 可能是 47 天；普船中位 45 天，P90 可能到 68 天。旺季、港口拥堵、清关查验，都会把长尾拉得更长。

这意味着用平均提前期去算安全库存，在数学上就是错的。平均值会被短交期样本拉低，而真正导致断货的恰恰是那些长尾订单。

正确的做法是用历史实际到货数据回算提前期的分布，取覆盖一定服务水平的分位值作为补货参数。至于取哪个分位、留多少缓冲，取决于品类的毛利结构和断货成本，没有通用答案。

3. 资金占用与仓储成本是阶跃式上升的

仓储持有成本不是线性增长的，它随时间呈现阶梯式上升。库龄到某个节点后，长期仓储费会跳一档；再往后，平台可能限制入仓库容；最坏的情况下，库存会被强制移除或弃置。

这些规则的细节调整频繁，且因站点、品类、季节而异，所以做考核时不要写死具体金额或天数，只描述机制：库龄越长，持有成本的边际增量越大，且存在一个从“可承受”到“不可承受”的跳变点。

资金侧的约束则是：库存占用的钱不能同时用于广告投放、新品开发和站点扩张。这是机会成本，不是账面成本，但在考核里必须被体现，否则采购天然会倾向于多备货，因为多备货的代价不在他的表上。

4. 需求信号本身是失真的

这一点是跨境独有的麻烦。历史销量不是需求，它会因为三种原因被系统性扭曲。

第一种是删失数据。断货期间销量为零，但这个零不代表没有需求，它代表供给不足。如果把这个零留在训练或计算预测偏差的数据里，模型会学到“这个 SKU 需求很低”，然后下一次继续少备货，形成断货循环。

第二种是促销脉冲。大促期间的销量峰值不代表常态需求，但很多公司的预测模型会把大促数据当作正常样本，导致大促后备货过量。

第三种是竞争与跟卖干扰。同一个链接上出现跟卖、或者竞品突然降价，都会让销量曲线失去解释力。

这三类失真的处理方式，本质上属于数据口径工作，而不是指标工作。口径没清洗干净就上指标，等于拿脏数据考核人。

四、ERP 在考核里的真实角色：数据源，不是考核工具

1. 顺序不能反：口径 → 指标 → 权重

我在做诊断时，第一个问题永远不是“你们考核哪些指标”，而是“你们算断货率的时候，分母是什么”。这个问题能问倒一大半的采购主管。

分母是全部 SKU 还是可补货 SKU？断货天数是按自然日还是按运营日？新品观察期算不算？清库期的策略性断货算不算？如果这些没定，两个部门算出来的断货率能差出一倍，然后所有讨论都变成“你数据不对”。

所以我始终坚持的顺序是：先把口径定死，再选指标，最后分配权重。权重是最容易被讨论、也最不重要的部分。口径错了，权重再精妙也没用。

2. 采购补货考核需要 ERP 输出的五类数据

不管用哪套系统，要支撑采购补货考核，ERP 必须能稳定输出下面五类数据。

1. 可售库存的拆分。至少区分在库、在途、待上架、预留锁定四种状态，并按平台、站点、仓库维度可切分。这是断货率的分子来源。
2. 销量与波动。按 SKU × 站点 × 周期切分，且能标识出断货期、促销期、异常期，方便后续做数据剔除。
3. 采购在途节点。下单、出货、到港、清关、入仓这几个节点的时间戳必须完整，否则提前期分布算不出来，补货参数只能靠拍脑袋。
4. 成本与资金占用。包括采购成本、头程分摊口径、仓储费归集方式。这里最容易出问题的是头程分摊，按重量、按体积还是按货值，不同口径算出来的单品成本差异很大。
5. SKU 主数据与供应商交付表现。SKU 的生命周期阶段、ABC 分类、供应商历史准时率、历史短溢装记录。这些是分层考核和例外管理的基础。

3. 最常见的坑：拿 ERP 标准报表直接做考核

这是我见过最高频的错误。ERP 自带的库存报表、销量报表，绝大多数是按财务或仓储口径设计的，不是按补货决策口径设计的。

差别在哪？财务口径关心的是资产科目，会把停售 SKU、样品、赠品、待处理品都算进去；仓储口径关心的是物理库位，会把同一个 SKU 分散在多个库位的数据合并展示，但不区分可售状态。而补货决策口径只关心一件事：这个 SKU 此刻还能不能卖、还能卖多久、什么时候必须补。

这三种口径下的 SKU 数量差异可以非常大。我在一家多平台家居卖家那里做过对比：ERP 标准库存报表里有 12480 个 SKU，剔除停售归档、清库、新品观察期之后，真正应该纳入补货考核的只有 6890 个。用 12480 做分母和用 6890 做分母，断货率的绝对值差了一倍以上。

4. 口径梳理这件事，工具能帮上什么忙

口径梳理本身是管理工作，但它的执行高度依赖工具。多平台、多店铺、多海外仓的数据要按统一口径拉到一张表上，靠导 Excel 手工拼，通常撑不过两个考核周期就会失控。

我在这类项目里常用的一类工具是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）。需要澄清的是，它的价值不在于“自动补货”，而在于能把多平台、多仓、多店铺的库存、销量、采购在途、成本数据按你定义的口径对齐到同一张分析表上。

这一点对考核很关键。因为考核最怕的不是指标设错，而是两个部门各拿一套数据互相说服。把口径固化在一张大家都能看的表上，指标才有讨论的前提。至于补货参数怎么定、权重怎么分，仍然是管理决策，工具替代不了。

五、指标怎么设：三层结构，而不是一张清单

1. 三层结构的划分逻辑

我建议把采购补货指标分成三层，每层解决一个不同的问题。

结果层回答“最终结果好不好”，包括断货率、库存周转、资金占用、滞销库存占比。这层指标最直观，也最容易被误用为唯一考核对象。

过程层回答“结果是怎么产生的”，包括预测偏差、紧急补货占比、供应商交付准时率、补货计划达成率。这层指标的作用是提供归因路径，结果不好时，能定位到是预测问题、执行问题还是供应商问题。

决策质量层回答“决策本身合不合理”，包括补货建议采纳率、例外处理的复核通过率、超期库存的事前预警覆盖率。这层指标最难量化，但它是防止短期博弈的关键。

2. 核心设计原则：成对设置

这是整篇文章里我最想强调的一条。任何单边指标，都会被考核对象用另一种成本去交换。

配对不是为了让指标互相抵消，而是为了让被考核者做权衡时，所有被牺牲的成本都在表内可见。如果空运成本不在表内，采购就会习惯性用空运解决问题；一旦空运占比进入考核，他会先去解决下单时点的问题。

3. 三层各自的具体指标

我把可用的指标整理成下表。需要强调的是，不要把所有指标都上线，建议每层挑 3 到 5 个，总数控制在 12 个以内。超过这个数量，考核表会失去聚焦功能。

4. SKU 分层：A/B/C 类不能用同一套标准

把高毛利的核心款和低毛利的长尾款放在同一个断货率目标下，结果一定是资源错配。分层的维度建议用三个：销售额或毛利贡献、需求波动性、生命周期阶段。

贡献高、波动低的 SKU，断货容忍度应该最低，安全库存可以给厚一点；贡献低、波动高的 SKU，断货容忍度可以放宽，甚至允许阶段性缺货。新品期和清库期则直接进例外池，不参与常规考核。

具体的分档阈值和对应的容忍度，必须用自己公司的历史数据回测确定。我在这里给任何具体数字都是不负责任的，因为服装和 3C、标品和非标品的合理区间完全不在一个量级。可以明确的是方向：分层之后，整体指标反而会更稳，因为极端 SKU 不再污染全局。

5. 指标配置的一个可参考写法

如果你要把上面的逻辑落成系统配置，建议用结构化的方式定义每个指标的口径、配对关系和责任角色。下面是一个示意配置，用来说明结构，不要照抄数值。

{
"metric": "stockout_rate",

"display_name": "断货率",

"layer": "outcome",

"numerator": "可售库存为0的可补货SKU天数",

"denominator": "可补货SKU总数 × 考核周期天数",

"exclusions": ["清库期SKU", "新品观察期SKU", "停售归档SKU"],

"paired_with": ["inventory_turnover_days", "aged_stock_ratio"],

"owner": "采购",

"review_cycle": "weekly_calc_monthly_review"

}

这样写的价值在于：口径、剔除规则、配对指标、责任人、复核周期，全部是结构化字段，而不是散落在邮件和会议纪要里。等到两个部门对不上数的时候，可以直接看配置，而不是互相怀疑对方动了数据。

六、责任怎么分：谁能影响，才考谁

1. 采购不应该为预测偏差背主责

补货决策有三个输入：需求预测、提前期假设、资金约束。其中需求预测来自销售和运营端的促销计划、上新计划、市场判断。如果预测本身偏了 30%，采购再怎么精确计算，补出来的货也不会对。

所以正确的责任划分是：预测准确率的考核权在销售/运营，采购只承担“在给定预测和提前期条件下的决策合理性”。这个区分一旦做出来，采购主管的处境会立刻不一样，他不再需要为整个公司卖不动的东西负责。

2. 交付偏差不应该全额计入采购

供应商延迟出货、头程甩柜、清关查验，这些都不在采购的可控范围内。如果交付类指标全额计入采购考核，会导向一个很坏的结果：采购只愿意跟最稳的供应商合作，不愿意开发新供应商，也不愿意谈更优的价格。

更合理的做法是把交付准时率的责任挂在供应商管理岗，采购承担的是“是否及时发现了交付风险并启动备选方案”这类过程责任。

3. 一份可用的责任矩阵

这张矩阵的价值在于，它明确了“数据从哪来”。很多考核推行不下去，不是责任分不清，而是协同方不提供数据，主责方无从自证。把数据提供方写进矩阵，是让考核能跑起来的一个小但关键的动作。

七、落地机制：周期、例外、申诉、激励、上线节奏

1. 考核周期要和补货决策周期对齐

补货决策在多数跨境公司是按周做的，但考核普遍按月甚至按季度做。这个错配会造成两个问题：一是月中做出的错误决策，月末才被发现，纠正窗口已经过去；二是被考核者会倾向于在考核节点前做“好看的动作”，比如集中压货或集中清货。

我的建议是周度算数、月度复盘、季度调权重。周度算数是为了让偏差能及时被发现；月度复盘是为了看趋势而不是看单点；季度调权重是为了让考核本身保持有效性，任何一个指标用久了，都会被适应。

2. 例外管理：不做的话，指标会被同时高估和低估

新品期、清库期、断货恢复期、促销脉冲期，这四类 SKU 会系统性地污染指标。而且污染方向不一样：新品和恢复期会推高断货率和预测偏差，清库期和促销脉冲会拉低指标，制造虚假的改善。

所以必须建立例外池，把这些 SKU 单独归类、单独看。例外池不是不管，而是换一套评价标准：新品看的是首单决策质量，清库看的是清理速度和尾货损失率。

3. 数据复核与申诉通道

没有申诉机制的考核，我观察到的存活期通常不超过三个月。原因很直接：数据一定会有错，口径一定会有歧义，而一旦被考核者发现自己“解释不了”，他就会转向“避免被考核”，而不是“改善业务”。

申诉通道不需要很复杂，但需要三个条件：有明确的提交窗口（比如数据发布后 3 个工作日内）、有固定的复核角色（通常是供应链计划或财务）、有公开的处理结论记录。第三条最重要，因为它让申诉规则本身变得稳定。

4. 激励挂钩的方式

我建议结果层指标与过程层指标分开挂钩：结果层进奖金池，过程层进绩效评分。原因是结果受外部因素影响大（平台政策、汇率、竞品动作），全部压在奖金上会让考核变得不可控；而过程层是可控的，适合作为持续改进的抓手。

具体的权重比例，取决于你的数据成熟度。数据薄弱的时候，结果层权重高一些；数据成熟之后，过程层和决策质量层权重逐步上升。这个方向和前面那张成熟度权重图是一致的。

5. 上线节奏：分三步，不要一次全量

1. 第一步，数据一致性对齐。先确保两个部门用同一套口径算出同一组数字。这一步的目标不是考核，是让大家对数据建立信任。通常需要 2 到 4 周。
2. 第二步，单一指标试跑。挑一个指标（建议是断货率）和一个类目，跑一个完整周期，观察数据是否稳定、责任是否清晰、申诉量是否在合理范围。
3. 第三步，组合考核上线。加入成对指标和过程层指标，再跑一个周期，然后才考虑扩大到全类目。

跳过第一步直接做第三步的项目，我见过失败的比例相当高。失败时的表现几乎一样：考核表推下去了，但每次复盘会都变成了数据争论会。

八、一个可复盘的案例：从单边考核到成对考核的三个月

1. 起点：一个只考断货率的采购团队

这家公司做家居品类，年 GMV 大概 8000 万，主要站点是美国和德国，用 FBA 加一个美国海外仓。他们的采购团队四个人，考核表上只有三个指标，其中权重最大的是断货率，目标值定在 4% 以内。

他们连续两个季度断货率达标，但同期库存周转天数从 68 天涨到 91 天，滞销库存占比从 11% 涨到 23%，美国海外仓有将近三百个 SKU 库龄超过 180 天。老板的感受是“数据都挺好，但钱越来越紧”。

这就是典型的单边考核后果。采购没有做错什么，他们只是把考核表上的那个数字做到了最好，代价转移到了没被考核的地方。

2. 改造动作：四个具体步骤

我们花了三个月做改造，动作不复杂，但每一步都要落实到数据和会议上。

第一步是把口径收敛下来。把 ERP 标准报表里的 12480 个 SKU 按前面说的规则逐步剔除，最终确定 6890 个可补货 SKU 作为考核基数。这一步做完，断货率从原来的 3.8% 变成 7.8%，不是业务变差了，是原来的口径把问题藏起来了。

第二步是设置成对指标。断货率配库存周转天数，补货及时率配紧急空运占比。同时在数据侧把库存周转的成本口径固定下来，头程分摊统一按体积重。

第三步是责任重新划分。预测偏差从采购的考核表里移出，转到运营负责人名下；供应商交付准时率独立到供应商管理岗。采购保留的是补货决策偏差和补货计划达成率。

第四步是建立例外池。新品、清库、断货恢复期、促销脉冲期四类 SKU 单独归类，不参与常规考核。

在数据侧，他们用数跨境把多平台库存、销量、采购在途数据按新口径对齐到同一张分析表上，作为考核计算的统一数据源。这样做的直接好处是，每周数据发布后，运营和采购看到的是同一组数字，争论从“你的数据不对”变成了“这个 SKU 该不该进例外池”。

3. 三个月后的变化

三个月后的结果，我用一张表说明，注意这里的数字是这一个卖家的观察，不是行业基准，也不应该被当作目标值直接套用。

4. 这个案例里最值得带走的一点

改造过程中最有价值的瞬间，不是断货率降到 5.3%，而是在第二个月的一次复盘会上，采购主管第一次主动说：“这个 SKU 我建议不补，让它断一段时间，因为它下个季度要换代了。”

在这之前，他的唯一目标是断货率，不可能说出这句话。当库存周转和库龄结构进入他的考核表，并且例外池给了他策略性断货的空间，他才有可能做出这个判断。

这就是我说的决策质量，不是某个数字变好了，而是被考核的人开始做更完整、更长周期的权衡。

九、不同情况下的行动建议

1. 刚上 ERP，还没建立考核体系

这种情况下，最不该做的就是直接抄一份 KPI 模板。你的系统数据还没有积累出可用于分析的分布，这时候定的阈值基本都是拍的。

建议按这个顺序走：先花两到四周把库存状态口径定清楚，重点是把在途、待上架、预留这几类拆开；然后用三个月的历史数据回算提前期分布和需求波动特征；最后才基于这些真实分布去定指标和阈值。

中间这段时间不是空转，你可以先用断货率这一个指标做周度观测，不挂钩激励，只做数据校准。

2. 已上 ERP，但考核流于形式

这种情况下通常不缺数据，缺的是口径共识。表现是每次复盘会都在争论数字。

建议先做一次口径审计：把采购、运营、财务三方各自算出的断货率和周转天数摆到一张表上，找出差异来源。差异通常集中在三个地方，SKU 基数、断货天数算法、成本口径。这三个对齐了，考核才有讨论基础。

口径审计之后，先加一个成对指标，通常是最快见效的动作。从只考断货率变成断货率加周转，很多反向行为会立刻收敛。

3. 多平台多仓，数据分散在多个后台

这种结构的核心矛盾是数据获取成本。如果每次考核都要人工从五六个后台导数据再拼表，考核周期一定会被拉长，最后变成季度做一次，失去纠偏能力。

建议优先解决数据汇聚问题，把库存、销量、在途三块数据先对齐到统一口径。这一步可以用专门的数据分析工具来做，比如前面提到的数跨境这类平台，重点是利用它把多平台多仓的数据按统一口径拉到一张表上，而不是指望它替你决定补货参数。

数据能自动更新之后，考核周期才有可能从季度缩到周度。

4. 资金紧张期，现金流压力大

这种阶段的权重应该明显偏向库存周转和资金占用，断货率的容忍度可以适度放宽。原因很直接：现金流断了公司就没了，断货率上升是可控损失。

但要注意一个前提：放宽断货率的同时，必须明确哪些 SKU 可以断、哪些绝对不能断。通常是核心贡献款和高复购款守住，长尾款和新品期可以主动放弃一部分。如果不做这个区分，简单放宽断货率会变成全面缺货。

十、不同情况下的取舍

1. 考核精度与管理成本之间的取舍

考核越精细，数据维护成本越高，团队的理解成本也越高。我见过一家公司把 SKU 分成七档，每档单独设指标，结果三个月后连采购主管自己都说不清某个 SKU 属于哪一档。

经验上的平衡点是：分层维度不超过三个，分档数量不超过四档。超过这个复杂度之后，边际收益会快速下降。

2. 指标数量与责任清晰度之间的取舍

指标越多，责任越模糊。因为任何一个坏结果，都可以在十几个指标里找到几个“不是我负责的”作为解释。

我建议控制在 12 个指标以内，且每个指标只有一个主责人。协同方可以多，但主责必须唯一。如果某个指标实在找不到唯一主责人，说明这个指标的粒度太粗，需要拆细或者换一个。

3. 考核周期长短之间的取舍

周期太短，噪音大，被考核者会疲于应付数据波动；周期太长，纠偏不及时，错误决策的代价会被放大。

我倾向的组合是：周度看数、月度复盘、季度调权重。周度看数是给采购团队自己看的，用于及时调整；月度复盘是给管理层看的，用于评价趋势；季度调权重是为了防止指标被适应。

4. 系统自动化与人工干预之间的取舍

很多 ERP 都宣称有自动补货功能。我的判断是：现阶段绝大多数所谓的自动补货，仍然需要人工设定参数并定期校准，尤其在多平台、多仓、季节波动明显的跨境场景里。

所以更现实的做法是把系统定位成“建议提供方”，把补货建议采纳率作为决策质量层的核心指标。这个定位有两个好处：一是保留了人工判断的空间，二是能通过采纳率这个数字观察到人和系统的磨合程度。采纳率从 40% 升到 80%，说明业务方开始信任建议；如果长期停在 40%，那要反思的是参数的合理性，而不是人的执行力。

结语

回到开头那个问题：欧洲站断货 11 天，到底是谁的锅？

在没有口径、没有成对指标、没有责任划分的情况下，这个问题无解。因为每个人都能找到对自己有利的解释，而每种解释又都能找到数据支撑。

采购补货考核的终点，不是让断货率这个数字变好看，而是让每一个补货决策可以追溯、可以解释、可以复盘。一个 SKU 为什么补这么多、为什么这个时候补、为什么在这个仓补，如果决策者能说清楚，考核就成立了；如果说不清楚，指标再漂亮也没有意义。

如果你现在正准备动手，我给一个最小起步建议：先挑一个类目，用三个月的历史数据把可售库存口径和提前期分布校准一次，然后只上两个成对指标，跑一个完整周期。不要一开始就设计一张二十行的考核表，也不要指望系统替你决定补货参数。

跑完这一个周期之后，你手上会有两样东西：一套被验证过的口径，以及一组关于你自己业务的真实分布。这两样东西，比任何一份现成的 KPI 模板都有用。

如果你愿意的话，可以回到评论区回答一个问题：你们公司现在的断货率和库存周转，是不是成对设置的？如果只有一个，那大概率已经有人在替你承担另一个的成本了。

免费注册

咨询方案

扫码咨询方案