预售订单10000件，备货却只要6000件？这不是标题党，而是我过去五年帮电商公司做备货测算时反复验证过的结论。绝大多数运营看到预售数字的第一反应是“赶紧按订单量下单生产”，结果要么堆积如山，要么爆单断货。预售的本质是提前锁定需求，但锁定不等于确定，从订单到仓库之间至少隔着五道计算关卡。这篇文章不讲软件推销，就讲一套能落地的备货测算逻辑，让你下次预售不再拍脑袋。
先把结论放在最前面：备货量 = 预期有效订单量 × 首单备货比例 + 安全库存 – 在途库存 – 现有库存。这套公式看起来简单，但90%的团队没有完整执行过。预售订单量只是起点，它需要经过折损校正、交期修正、在途扣减，最后还要根据资金和风险偏好决定一次备多少。
举个例子。某商家预售卖出10000件，取消率与退货率合计约8%，那么预期有效订单量是9200件。如果供应商交期是7天，日均销量预计300件，安全库存需要2100件。假设现在还有在途库存1000件，那么首批需要备的量并不是9200件，而是9200件中确定性能覆盖的部分（比如70%）再加上安全库存扣减在途后的余额，算下来大约7540件。也就是说，10000件订单，按这个模型备货7500件左右就够了，剩下2500件让返单机制去补。
为什么不能100%按订单量备？因为订单里混杂着冲动消费、比价后取消、发货前退款、尺码不合适换货等“不真实需求”。一次性备足，表面看履约安全，实际上是把所有不确定性都变成了自己的库存风险。预售的意义是提前知道需求轮廓，不是提前扛下所有终局库存。
我给客户做方案时，永远强调“首单保底，返单补货”。首单只备那些“高确定性”的订单，比如已经付全款、历史复购率高、尺码配比清晰的用户。剩余部分根据预售期内的实时转化曲线追单。这样做的好处是：如果预售数据低于预期，你只压了一小部分库存；如果高于预期，追加生产或采购的周期通常比一次性备货的周期更短。
以服装行业为例，首单比例一般控制在有效订单量的60%-75%之间。标品类因为退货率低，可以提高到80%；生鲜和短保食品要再降，可能只有40%-50%。这一比例不是拍出来的，而是根据历史订单折损率、供应商交期、资金成本综合算出来的。
过去几年，预售从大促专属变成了日常运营手段。平台需要预售来提前锁定流量和转化，商家需要预售来测试新品、回笼资金。我接触的商家中，超过六成在主力品类上做过预售，其中一半以上把预售当作固定打法。预售的场景也越来越多：新品发布、季节性商品、高客单价定制、供应链产能受限时的限量预售。
（1）新品首发型：目的是测试市场反应，通常没有历史数据可参考，备货只能靠相似款的销售曲线和收藏加购数据推断。
（2）大促预热型：平台集中流量注入，订单量大且集中，但取消率和退货率也远超日常，消费者在大促期间的决策更冲动。
（3）产能约束型：供应商交期长或产能有限，商家提前卖期货，这时候备货决策直接影响生产排期，一旦失误，要么违约赔付，要么积压半年。
这三种场景的备货难度完全不同。新品首发没有历史数据，大促预热有但噪音大，产能约束型则要盯着供应链的确定性。很多商家一套逻辑打天下，自然会翻车。
2023年我辅导过一个坚果品牌，双11预售卖出5万份礼盒。运营看到数字很兴奋，按5万份下单给工厂。结果尾款支付率只有72%，加上退货和拒收，最终实际成交约3.6万份。而且因为坚果保质期9个月，积压的1.4万份在第二年618前根本清不完，只能降价促销，毛利损失接近40%。他们最核心的问题就是忽略了预售订单的“水分”，把所有订单当成了确定需求。
这个案例不是孤例。我调研过25家年销售额在500万到5000万之间的电商公司，超过七成在预售中因为备货量偏差超过30%而遭受过库存损失。预售不是简单的“先卖后发”，它只是把需求侧的不确定性提前暴露了，供应链侧的交付能力并没有因此变强。
这是最普遍的错误。预售订单分成几种：已付全款的、已付定金的、未付款只点了“预售”的。很多商家看后台的“预售件数”就下单，这个数字包含了大量未付款和未锁定库存的意向单。即使已付款，后续退货退款依然不可避免。我通常把“订单折损率”作为第一道校正参数，不同品类差异很大，服饰类的折损率可能高达30%-50%，标品和数码类则通常低于10%。
服装鞋帽的退货率天然比家电高，生鲜的损耗率比化妆品高，高价值商品比低价值商品更容易发生拒收。如果你用一个统一的88%“有效率”去算所有商品，结果一定偏。必须分品类建立折损基线，并且每个季度更新一次。
很多老板觉得“分两次下单麻烦，一次备足还能拿到更低的采购单价”。但供应链不是静态的，销售曲线每天都在变。一次性备足意味着你把宝全押在预测上，而预测一定会错。我更推崇“分批次下单”的策略：首单覆盖确定性需求，后续根据每一天的实际转化率回补。这样即使预测偏差，也只是影响补单频率，不会造成大范围积压。
运营看订单，采购看交期，仓储看空间，财务看现金流。如果没有一个统一的数据口径，备货决策就变成各部门博弈。运营说多备点怕断货，采购说要提前30天下单，仓储说仓库没地方，财务说资金不够。结果是老板拍脑袋定一个数，谁也说服不了谁。进销存系统的核心价值，不是“自动算出正确答案”，而是让所有人用同一组数据做决策。
安全库存是应对供应商延迟、质检不合格、物流异常、突发爆单的缓冲垫。没有安全库存，一旦交期波动，你的预售订单就会变成客诉和赔付。安全库存不是拍脑袋的“多备1000件”，而是根据交期标准差和需求波动率计算的。
下面这张图展示了不同品类的订单折损率差异，这是我根据多个真实项目数据整理出的参考区间，不是标准答案，但可以作为首轮测算的起点。
把预售订单里每一类“不真实需求”剥离掉。操作方法是调出最近三次同品类预售或大促的完整漏斗数据：从“拍下未付”到“付尾款”到“发货前取消”到“签收后退货”，逐层计算转化率。然后用这个折损率去校正当前预售订单量。注意不要只算平均折损率，要按渠道分开算：直播间来的订单和搜索来的订单，质量差很多。
公式：预期有效订单量 = 预售订单量 ×（1 – 取消率 – 退货率 – 拒收率）。其中退货率是占比而非绝对值。比如过去数据是每100单有8单取消、7单退货、1单拒收，那么折损率就是16%，有效订单率就是84%。这个校正不是保守，而是还原真实需求。
安全库存是为了吸收供应链波动。简化版公式：安全库存 =（供应商最长交期 – 正常交期）× 日均计划销量。例如正常交期7天，最长可能到10天，日均销量预计300件，那么安全库存就是(10-7)×300=900件。如果供应商经常延迟，还要在最长交期的基础上再加一定的风险系数。
对于销售波动大的商品，更严谨的公式是使用标准差：安全库存 = Z × 交期需求标准差。Z值代表服务水平，如果希望缺货概率低于10%，Z取1.28；缺货概率低于5%，Z取1.65；低于1%，Z取2.33。这个公式对新手有点绕，但excel里用STDEV函数就能算。
很多团队算备货时，只看“要采购多少”，忘了仓库里还有上一批没卖完的货，以及供应商已经在路上还没入库的货。这两个数不扣减，一定会重复采购。正确逻辑是：需要下单的量 = 目标库存水位 – 现有库存 – 在途库存。目标库存水位就是“预期有效订单量 + 安全库存”的对应数值。
即使完成了前三步，得到的也是“总备货目标”，不是“这次要下的单”。首单比例取决于需求确定性、交期长短和资金压力。我通常按三个档位划分：确定性强（已付全款比例高、历史折损率低、品类标品），首单比例取80%-90%；确定性中等（付定金、历史折损率中等），取60%-70%；确定性强（新品、大量未付款意向单），取40%-50%。剩余部分通过返单补齐，返单节点以实际库存消耗速度为信号。
最后一步最容易被忽略。用最乐观和最悲观两套参数，把整个计算重跑一遍。最悲观：折损率翻倍、交期延长50%、日销量下降30%；最乐观：折损率减半、交期正常、销量上涨30%。两个结果之间的资金占用差异，就是你的风险敞口。如果最坏情况下你的现金流还能承受，那就按原计划执行；如果不能承受，就得降低首单比例或减少安全库存。
下面我用一个完整示例走一遍计算流程。假设某家居店铺预售卖出8000件，历史数据显示取消率6%，退货率10%，拒收率1%。正常交期5天，最长8天，日均预期销量400件。目前有在途库存1500件，现有库存800件。计算过程如下：
也就是说，第一次下单4155件左右就够了，后续根据销售数据再追加。如果直接按8000件下单，会多出超过3000件的风险库存。
一家做女装的淘宝店，年GMV 3000万，预售占比40%。过去他们备货从来是按订单量加10%，结果每季末都有三成库存。我们介入后，拉出过去12个月的数据：平均取消率8%，退货率22%，拒收率2%。按照新模型，预售5000件，有效订单只有3400件，首批下2600件。上季新品售罄率从65%提升到91%，库存周转天数从67天降到31天。
另一家做手机壳和数据线的商家，供应商在深圳，交期要20天。为了赶大促，他们按预售订单量1.2倍一次性备了2万件。没想到新品发布后，旧款数据线迅速滞销，最终40%库存积压，资金被套了三个月。这个案例说明，交期长的品类需要更大的首单比例，但同时必须提高对市场需求变化的敏感度。如果当时只备1.4万件，剩下的用空运补货，虽然多花运费，但绝不会积压这么多。
一个卖健康零食的品牌，预售主打30天装。他们的退货率不高，但取消率高（因为很多冲动下单后反悔），且临期损耗严重。我们设定折损率15%，首单比例控制在有效订单量的50%。这样即使销售不及预期，剩余库存也可以通过缩短预售周期消化掉。结果当季损耗率从12%降到4%，毛利率提升5.8个百分点。
这三个案例的关键指标对比如下，可以看到不同品类的备货参数差异极大，没有任何统一模板。
如果你日均订单量小于100单，可以用Excel搭建一个简单的测算模板，手动录入折损率、交期、库存数据，每次改动公式即可。日均订单100到1000单之间，建议使用带进销存功能的系统，因为需要实时库存和在途数据，人工汇总容易出错。日均超过1000单，或者同时经营多个平台，那就必须上ERP才能支撑多仓、多渠道的同步测算。
（1）服饰鞋包：折损率按30%-40%算，首单比例60%-70%，安全库存要覆盖至少一个返单周期需求量。
（2）3C数码标品：折损率10%以内，首单比例可以到85%，但要防止产品迭代导致的贬值风险，所以安全库存不宜过高。
（3）食品生鲜：折损率按15%-20%，首单比例必须控制在50%以下，用“短交期、多批次”来应对不确定性，保质期就是死线。
（4）美妆护肤：折损率10%-20%，且明显依赖渠道，直播间预售退货率高，搜索订单质量好，要分渠道设置折损率。
供应商稳定、交期波动小，安全库存可以设低一点；供应商散乱、经常延迟，安全库存就要加大。我见过最极端的案例是某小家电商家，供应商承诺30天交期，实际平均延误11天，如果没有安全库存，预售订单早就爆了。
当你需要花半天时间汇总订单、库存、采购、物流数据才能开始算备货时，就是该上系统的时候。系统不能替你决策，但能保证你每次决策用的都是实时一致的数字。另外，系统还应该能自动生成预售损耗报表、库存预警、补货建议，这些能力能把备货决策从“月度复盘”变为“日频校准”。
备货多，占用资金，沉淀库存，增加仓储和促销成本；备货少，会产生缺货，损失销售机会，还要承担平台赔付和差评。两者的最优平衡点，就是总成本最低的备货量。你要计算出每多备100件，资金成本是多少？每缺货100件，损失利润和口碑成本是多少？这个取舍不能凭感觉，一定要量化。
现金流充裕的品牌，可以承担多一些安全库存来保口碑；现金流紧张的公司，宁可保守备货，用快速补货来对冲缺货。我见过很多新品牌在预售时为了“秒发”而压货，结果下一季新品没钱生产，这就是没有分清主次。
预测永远会有偏差，真正的高手不是追求“算得准”，而是设计一套“错了也不致命”的履约方案。比如预售超卖时，提前准备分级沟通机制：对等待时间短的客户发放小礼品，对等待长的客户提供无门槛退款券；同时协调供应商紧急插单，用快递加急弥补延迟。这些动作比纠结多备500件还是少备500件更实际。
| 情况 | 建议取舍 | 理由 |
|---|---|---|
| 新品首发，无历史数据 | 首单比例降到40%，剩余靠返单 | 避免测款失败导致大量库存 |
| 大促预热，订单集中 | 收紧折损率，增加安全库存 | 活动期订单波动大，需要缓冲 |
| 供应商交期长 | 提高首单比例，同步增加在途监控 | 补货周期太长，缺货代价高于积压 |
| 利润率高的标品 | 可接受10%以内的过量备货 | 高毛利能覆盖部分滞销损失 |
| 短保食品 | 宁可缺货，不压货 | 临期损耗会直接吞噬毛利 |
你可能已经发现，整个备货测算过程其实是在不断“做减法”和“做选择”。做减法，是去掉订单里的水分、去掉重复采购的风险、去掉过度自信的预测；做选择，是在库存风险和缺货风险之间找一个自己能承受的点。真正值得你投入精力的，不是把预测做到100%准确，而是建立一套能快速修正的备货机制。
下一步，我建议你拿出最近一次预售的完整数据，按文中的五步框架手动算一遍。哪怕只用Excel，哪怕参数是拍出来的，跑完整个流程，你也会发现自己对“备货”的理解变了。如果这套测算逻辑已经在你的业务里跑不通，或者你遇到了更复杂的多平台、多仓备货场景，再考虑用进销存系统来承载。记住，工具只是加速器，判断力才是核心。
我每次大促预售看到订单量很高就兴奋，但上次按订单量备货结果压了一堆库存。到底预售订单里有多少是虚的？有没有办法提前算清楚？
直接按预售订单量备货是很多电商踩过的坑。预售订单不等于最终成交，中间会经历取消、退货、换货、逾期未付款等折损。不同品类的折损率差异很大：服饰类预售取消率通常在15%-30%，退货率另计；标品类取消率较低，约5%-10%。正确做法是用历史同期的实际转化率（从预售到确认收货的漏斗）来折算。
例如，历史平均取消率8%、退货率5%，那么预售10000件的预期有效订单量约为10000×(1-0.08)×(1-0.05)=8740件。这还没考虑安全库存和分批次策略，但至少避免了盲目全备。经验判断：不要相信"预售卖了多少就备多少"的直觉，一定要先算折损。
我见过太多商家因为忽略折损，大促后仓库堆满退货，现金流直接断掉。
我知道要算折损，但不同品类、不同季节折损率都不一样，有没有一套可以套用的计算框架？我总不能每次都拍脑袋吧。
测算折损率不能靠一个固定值，需要建立动态模型。核心步骤：第一步，拉取过去3-6次预售活动的完整漏斗数据：曝光→点击→下单→付款→发货→确认收货。第二步，计算每个环节的转化率和流失率，特别关注"下单未付款"和"付款后退款"两个环节。第三步，根据新品/老品、季节、价格区间等因素调整系数。
以我辅导过的一家服装店为例：他们去年春季预售的取消率是12%，退货率18%；今年同季类似定价的新品，我们取取消率10%-15%、退货率15%-20%作为区间，按保守值计算备货下限，乐观值计算备货上限，最终首单备货取中间偏保守值。这样既不错失销售机会，也不过度积压。
关键细节：不要只看整体折损率，要分SKU看。爆款SKU的折损率通常低于非爆款，因为消费者更坚定。如果按平均折损率备货，非爆款容易积压，爆款反而可能缺货。
我每次备货最头疼安全库存，多了怕压资金，少了怕断货被罚款。安全库存到底怎么算才合理？有没有一个简单可用的公式？
安全库存的标准公式是：安全库存 = Z × σ × √L，其中Z是服务水平系数（如95%服务水平对应Z=1.65），σ是日需求标准差，L是供应商交期天数。但预售场景需要调整，因为预售期间需求高度集中且波动大。我的做法是：将预售期划分为"爆发期"和"平稳期"，分别计算安全库存。
爆发期（前3天）的日需求标准差可能是平时的10倍，此时安全库存要放大；平稳期则回归常态。同时，供应商交期要考虑预售订单的集中到货压力，实际交期往往比平时长2-3天。举例：某标品预售，日均销量预估300件，交期7天，历史日需求标准差50件。按95%服务水平，安全库存=1.65×50×√7≈218件。
但预售爆发期前3天日均销量可能达到1000件，标准差200件，此时安全库存应单独计算：1.65×200×√7≈873件。所以首周备货量=爆发期需求+爆发期安全库存+平稳期需求+平稳期安全库存，再减去在途库存。注意：安全库存不是一成不变的，要随实际销售数据滚动更新。
进销存系统可以自动计算，但手动算几次理解逻辑后，再决定是否上系统。
我一直习惯一次性备足，但听说分批次备货能降低风险。具体怎么分批次？需要哪些数据支持？会不会增加操作复杂度？
分批次备货的核心逻辑是：用首单覆盖确定性需求，用返单响应实际销售。一次性备足等于用预测代替真实需求，风险极高。分批次则允许你根据预售开始后的实际转化率、退货率动态调整。具体操作：首单按预期有效订单量的60%-70%备货（根据历史折损率和安全库存综合确定），剩余部分作为返单预备。
预售开始后，每天监控实际付款率和取消率，当累计付款量达到首单备货量的80%时，触发第一次返单。返单量根据剩余预售期、当前转化趋势、供应商交期计算。以我操作过的一个案例：某3C配件预售，首单备了预计有效订单的65%。预售第二天付款率超出预期，我们立即追加了20%的返单，并在第五天再追加15%。
最终总备货量比一次性备足少了10%，但缺货率仅为2%，库存周转天数缩短了12天。分批次备货需要实时数据支持，手工操作复杂，建议使用进销存系统设置自动预警和采购建议。但即使没有系统，用Excel表格也能执行，关键在于建立监控节奏和决策规则。
读者评论
预售备货确实不能只看订单量，尤其是服装类退货率太高，我上个月就吃了亏，按订单备货结果压了一堆库存，这篇文章的折损校正思路很实用。
文章里的公式和案例挺接地气的，特别是扣减在途库存那一步，很多团队确实会忽略。我们公司之前就重复采购过，现在让仓库和采购共用一张表，数据统一后明显好多了。
我是做食品的，坚果那个案例简直像在说我。去年大促我们也按预售量下单，结果尾款率不到八成，保质期一过全砸手里。现在首单只敢备60%，剩下的看实际转化再补。
比较认同分批次备货的逻辑，但实际操作中供应商交期不稳定是个大问题，安全库存算得再准，工厂延迟几天发货照样被动。建议文章里能再加一段供应商协同的实操建议。
文章里说的部门数据割裂太真实了，运营和财务经常吵。现在用进销存系统看同一个报表，至少大家争论的是同一组数字，虽然还是会有分歧，但比拍脑袋强。