做了五年电商库存管理，我经手过几万条 SKU，见过太多同行在尺码备货上栽跟头。今天这篇文章，我直接讲透 SKU 库存尺码调控和热销尺码增量备货的核心技巧。先给你一个反常识的结论：爆款断码的损失，往往比压货还大。流量越大，断码亏损越致命。
你想象一个场景：直播间投了五万块流量费，瞬间涌进上千人，结果 L 码、XL 码全部显示灰色“缺货”，转化率直接砍半。粉丝骂骂咧咧走掉，下次再想召回，成本翻倍。这种“流量喂给了空库存”的亏损，比货烂在仓库里更隐蔽，也更痛。
我之前操盘一家女装店时，发现一个诡异现象：店铺整体转化率 4%，看起来很健康，但拆开看，S 码转化率只有 1.8%，M 码却有 6.5%。问题出在哪？S 码没现货，客户点进来只能离开。那个季度，我们因为断码白白流失了大约 30% 的潜在销售额。后来我们重构了尺码备货模型，用数据代替直觉，第二季度售罄率提高了 12%，库存周转率也快了 8 天。这篇文章，我会把这段经历里的核心方法、计算逻辑和踩坑教训全部拆给你。
很多电商老板和管理人员，总把库存问题当成一个仓储问题、采购问题，或者是财务问题。但我和团队反复复盘后得出一个判断：尺码调控和热销 SKU 增量备货，本质上是一个精准的需求预测问题。库存只是结果，预测才是源头。
你看，我们日常补货时，脑子里问的是“要不要多备 200 件 L 码”，但真正该问的是“未来 14 天，这个链接到底能卖多少件 L 码”？前者是人货场的博弈，后者是数据建模。一旦你把这句问话改了，后面的动作、指标、逻辑就全对了。
我服务过几十个年销售额在 500 万到 5000 万之间的商家，发现他们在尺码管理上，普遍掉进四个坑里：
第一，用“平均销量”代替“尺码结构”。很多软件只告诉你这款鞋子卖了 1000 双，却不说清楚 39 码和 42 码分别占了多少。一旦平均化处理，补货时就只能“平均使力”，结果是热销码永远缺，冷门码永远堆。
第二，看“销售总量”，不看“访问深度”。我们曾经有一款衬衫，UV 非常高，但加购少。后来点开后台发现，不是衣服不好，是 M 码库存长期为 0，导致大量对 M 码有明确需求的用户根本没法加购。系统帮我们“过滤”掉了真实需求。
第三，把“动销率”和“售罄率”混为一谈。老板问“这货卖得动吗”，运营回答“动销率 80%”。但动销率只代表“有人买”，不代表“该买的人都买到了”。真正反映健康度的是尺码售罄率，只要 L 码售罄率高达 95%，M 码只有 40%，这就说明备货结构失衡了。
第四，忽略“时间维度”。很多公司做备货计划是按月做的，但服装、鞋靴这类非标品的销售波动是按天发生的。周一的流量高峰、周四的类目活动、换季前后的断崖式涨跌，都会让静态的备货计划秒变废纸。
关于安全库存，外部流传着一个公式：安全库存 = 日均销量 × 补货周期 × 波动系数。但实际操作中，大多数人的系数全是拍脑袋填的。我自己总结了一个更贴合电商场景的取值逻辑：
这个逻辑告诉我们，如果你的品是直播爆款，日销波动极大，却还在用“固定备货周期 + 固定备货量”的管理方式，你的仓库里要么永远缺大码，要么永远积压小码。
2023 年接手一家女装淘宝店，客单价约 299 元，月销 6000 件。当时店铺最大的问题不是没流量，是“流量进来了，库存接不住”。后台数据显示，店铺整体支付转化率低于行业均值 1 个百分点，但退款率正常，评价也OK。诊断后锁定的病灶就是 SKU 尺码断货。
第一组数据是“尺码贡献率”。我们拉出近 30 天的销售明细，发现 M 码销量占比 52%，L 码占比 28%，S 码占比 14%，XL 占比 6%。但我们在仓库存货分配上，S 码却备了 25%，L 码只备了 20%。这直接导致 L 码经常提前两周见底。
第二组数据是“补货周期失真”。供应商口头承诺交期 5-7 天，实际上从我们下单到工厂排单、生产、入仓、上架，平均花了 9.6 天。极端情况甚至拖到 15 天。由于我们一直按“7 天”计算补货点，所以每次还没等到货，链接就断码了。
第三组数据是“标准差极大”。某些色系的 L 码，一周内销量从 80 件暴增到 210 件，属于典型的爆款波动。如果我们只按照“周均 110 件”备货，那么遇上 210 件这一周，铁定跟不上。所以，我们对这类 SKU 必须用“置信区间”而非“平均值”来定安全库存。
针对这些问题，我没有立刻扩大库存总量，而是先重建了一套调控系统。第一步是重算尺码配比，第二步是重设补货周期，第三步是细化备货阈值，第四步是把滞销码和热销码联动起来调控。
具体来说，我先把 S/M/L/XL 配比从原来的 2:4:3:1 调整成 1.5:5:3:0.5。然后规定凡是销量波动大于 50% 的 SKU，必须设置 3 道补货预警线。最后，我把滞销的 S 码和 XL 码砍单，并把它们作为 M 码或 L 码的赠品去关联消化。
这套动作走完一半时，一个月后，我们的支付转化率回升了 0.8 个百分点，而库存周转天数从 58 天降到 49 天。那一个季度，整个店没有出现一个畅销色断码超过 48 小时的情况。
我们当时有个很受欢迎的真丝衬衫，S 码虽然总销量低，但在“身材娇小的南方城市”有固定客群。我曾按数据配比建议把 S 码缩量，结果 7 天内能发出去的 S 码订单堆积了 45 单，全是广东、广西的客户。这件事让我明白：尺码配比不能只按一盘货去算，还得看地域投放和人群标签。后来我们专门针对偏远省份和老客开通了“按尺码预售”，把前置需求锁定下来，再决定补货量。
这就是为什么，我坚持认为单纯研究“库存”数字没有用，要去研究“人”和“场景”，库存只是他们行为的投影。
这行做久了，我发现很多商家在尺码管理上特别勤奋：每天疯狂刷新后台，一看到断码就赶紧找工厂补货，但是从来不去复盘“为什么会断”。这种“救火式备货”，我称之为“战术勤奋”。真正该做的是“战略复盘”，把断码背后的预测逻辑给理顺。下面 6 个误区，是我见过最普遍的。
很多平销店铺的运营认为，既然 L 码卖得好，那就一次性备 500 件，省事还能避免缺货。但服装市场风向变得极快，一旦款式进入衰退期，那 500 件 L 码就会变成巨大的资金黑洞。我见过太多店铺因为“爆款追单备足”而导致季末积压，最后亏本清仓。
正确逻辑：小步快跑，按“滚动补货周期”进行多频次补货，每次只补未来 10-15 天的量。宁可多付几次运费，也要降低单次压货风险。只要你供应链响应在 7 天内，就不要一次性备超过 3 周的货。
软件是死的，人是活的。有些 ERP 系统会按平均销量触发补货单，但系统不会告诉你，最近销量上涨是因为你投了直通车，还是因为同行缺货、流量溢到你这里。如果系统只是机械地补货，很容易在“非真实需求”的暴涨中盲目加仓。一旦流量红利结束，多出来的货只能压仓。
我的做法：系统自动生成采购建议后，必须人工复核“流量结构”和“转化率变化”。如果转化率没变，只是流量多了，可适度补；如果转化率显著提升，才敢把波动系数调高。
很多店铺有一个主推爆款，流量全灌给它，忽略了其他“沉默的尾部利润款”。其实，购物场景下，客户往往会在“内搭”和“外套”之间做搭配。如果主推款的 M 码缺货，而搭配款的 M 码库存充足，我们完全可以通过“推荐搭配”来转移需求。只要关联推荐做得好，热销款断码未必是坏事。
专业判断：关注 SKU 之间的“连带购买率”。如果主推款断码，应主动用“搭配购”的方式，把流量导向其他有库存的同类尺码。
有些运营一看某个尺码没库存，便直接在后台把该 SKU 设置为“下架”，或者显示“缺货”。这是一种极其偷懒的做法，因为它直接把潜在订单推向了竞品。缺货不代表客户不买，我们可以用“预售”继续承接需求。
我操作过的店铺，在爆款缺码时开启预售，加购率反而提升了 20%。因为客户知道这件衣服值得等，你的“预售等待期”本身就是一种筛选。
仓库里明明有货，前台却显示缺货。这种事经常发生在多仓发货或线上线下同货源的店铺。线下门店卖掉了 50 件 L 码，却没有同步扣减线上库存，导致线上超卖。或者是因为库存被“活动锁定”但活动未开始，导致日常销售时显示缺货。
专业建议：每日监控“可售库存 = 物理库存，锁定库存，在途未入仓”。不要等客户找上门说“我这边显示没货”，你再回头查仓库。
每个月末，运营应该做一次“断码复盘”。看看本月哪 10 个 SKU 断码最严重？分别是什么原因？是备货量不足，还是补货周期太长，或是尺码配比不均？如果没有这个动作，你下个月大概率还会在同一个坑里跌倒。
我要求团队必须建立“断码台账”，记录每一次断码的时间、原因、损失金额。三个月后，你会积累一份极其宝贵的“避坑指南”。
这一部分，我会把方法论讲透。不绕弯子，不看感觉，直接用公式和逻辑来驱动决策。这套逻辑分为五个核心步骤，每一步都算一遍账。
我们先把所有 SKU 看成一个投资组合。对单个 SKU，我采用“销量排名 + 利润贡献”双维度评估。销量高且利润高，属于明星款，必须重点保障；销量高但利润低，属于引流款，适当备货；销量低但利润高，属于利润款，按需补货；销量低利润低，直接淘汰。
| SKU 分类 | 备货策略 | 库存深度要求 |
|---|---|---|
| 明星款（高销高利） | 重点保障，设置最高安全库存系数 | 覆盖 3 周销量预测 |
| 引流款（高销低利） | 保持基础库存，防止断码影响店铺权重 | 覆盖 1.5 周销量预测 |
| 利润款（低销高利） | 按单生产或小批量快反 | 保持 1 周库存即可 |
| 淘汰款（低销低利） | 尽快清仓，不再补货 | 趋近于零 |
大家注意，这里有个反常识的点：引流款即使销量高，也不能轻易加深度备货。因为引流款的使命是带流量，一旦利润太薄，库存过多会导致“卖得越多亏得越多”。
以前我们讲尺码配比，总喜欢用“平均占比”，比如 S/M/L 为 2:4:3。但平均占比有一个致命缺陷：它不能反映“周趋势”。现在我们改成看“近 4 周滚动的尺码贡献率变化”。
例如，某款连衣裙，M 码销量占比从第 1 周的 48% 涨到第 4 周的 55%，而 L 码从 32% 跌到 28%。这时候，你如果还按 4 周平均占比（M 码 51%）补货，到下个月依旧会缺 M 码。正确做法是，给近 4 周的销量配以不同权重：第 1 周 10%，第 2 周 20%，第 3 周 30%，第 4 周 40%，用这个组合预测下一周的尺码结构。
我特别强调“阈值”的作用。从我的经验看，如果你每天靠人去盯库存，一定盯不过来。所以，必须给系统设定自动化阈值。
有了这两个阈值，补货动作就从“人找货”转变成了“货找人”。你会明显感觉整盘库存管理顺滑很多。
增量备货不是拍脑袋说要“增加库存”，你要算清楚“这些货占用资金的成本”。我们假设产品毛利率为 40%，年化资金成本率为 8%（按银行贷款或机会成本计算）。如果你多备了 10 万元的货，意味着你要多承担 8000 元/年 的资金占用成本。如果这批货最后打折清仓，毛损可能高达 30%。
因此，我给商家们的建议是：任何增量备货，都必须用“14 天销量预测 × 售罄率 80%”来倒推最高备货上限。超过这个上限，你就不叫“备货”，而叫“赌博”。
最后是 SKU 深度和宽度的权衡。很多店铺为了显得产品丰富，上了几十个款式，每款只有几个码。结果库存不深，客户问起来一堆缺货；为了满足需求又应该强化宽度，导致无法集中资源打爆款。
我的判断逻辑是：在流量成本可控的前提下，优先做“深度”而不是“宽度”。把一个款的所有尺码备齐，给它足够的库存深度，让它冲击爆款，比分散兵力上 10 个平庸的款有效得多。爆款带来的免费流量和店铺权重，会反哺其他利润款的销售。
理论讲再多，不如看一个完整案例。这是发生在华东地区一家女装网店的故事，客单价 200-300 元，主营法式风格，粉丝集中于 25-35 岁女性。此前长期存在爆款断码和季末清仓两大痛点。
诊断时，我们发现了 3 个核心症状。第一，该店有 5 个爆款链接，其中 4 个的 L 码经常断货，但 S 码和 XS 码库存高企。第二，店铺的库存总量同比增加了 30%，但销售额却只涨了 8%，说明大量资金沉淀在滞销尺码上。第三，仓库退货率中，有 12% 的退货原因是“尺码不合适”，这反映详情页尺码推荐不够智能，也反映了现货尺码失衡导致客户买不到合适尺码。
针对这三点，我们做了一个“断码损失预估”：过去 3 个月因为断码导致的流失销售额，约占整体潜客销售额的 25% 左右。这个数字非常惊人。
第一步是重设尺码采购配比。我们拉取了过去 90 天所有订单，按照“支付 SKU”进行统计，算出每个尺码的真实动销占比，并按照“近 7 天”和“近 30 天”的双窗口调整权重。结果发现，M 码和 L 码的合计占比高达 71%，而原来的采购配比里 M 和 L 只有 60%。我们立即把采购重心向 M/L 迁移。
第二步是重构供应链备货周期。我们拿着过去 6 个月 30 张采购单的到货明细找供应商谈判，用数据证明我们的补货周期是 9.6 天，而承诺的却是 5-7 天。最终供应商同意将常青款的面料提前备好，交期缩短到 6.8 天。这直接让我们敢于用更低的库存量来维持现货率。
第三步是设置“预售按钮”和“缺货提醒按钮”。任何尺码显示无货时，不能直接下架，必须切换成“预售 5 天发货”模式。我们通过老客户预售数据预测补货量，避免了盲目生产。
这 90 天，我们压缩了滞销码的采购量，减少了 10 万元左右的无效库存支出，同时释放了现金流用于畅销款的翻单。最终效果对比如下：
这里要提醒大家，这个案例不代表店铺销售额暴涨 3 倍，而是代表“同样的流量，我们接住了更多的订单”。这个效果虽然没有那么戏剧化，但它是扎实的、可持续的盈利改善。
接下来这部分，我们因类目而异，给出一套完整的分层行动建议。因为鞋服箱包、标品家电和快消品的备货逻辑，简直是天壤之别。
鞋服行业，永远是尺码调控最复杂的战场。鞋类存在“半码”和“脚型宽窄”的差异；服装存在版型胖瘦差异。因此，行动建议如下：
标品虽然不像服装有尺码问题，但存在“版本型号”和“颜色”的命中率问题。这里我要给你一个独特视角：标品的热销 SKU 备货，本质上是要预判“产品生命周期”的拐点。例如，新款手机壳发布后，旧款的点击数会断崖式下跌。所以补货不要贪多，跟随“产品生命周期曲线”动态调整。
直播间的库存调控，和货架电商完全不是一回事。直播间的销量是脉冲式的，可能 5 分钟涌进 800 单，也可能 1 小时只有 20 单。如果按日平均水平备货，一定会出问题。我的实操建议是：
如果你同时在淘宝、抖音、拼多多卖货，你会发现各平台的消费者画像差异极大。抖音用户偏冲动消费，L/Xxl 码更受欢迎；拼多多用户对价格敏感，M 码比例较高。因此，我一贯主张：库存要物理集中，但要逻辑分仓分配。每一款商品在每个平台的“可售库存”都要按人群渗透率单独设定。禁止一个爆款在多平台同时裸奔卖现货，必须做库存隔离，否则极易超卖。
举例来说，一款卫衣总库存 1000 件，我可能会锁定：天猫 500 件，抖音 300 件，拼多多 200 件。每个平台卖完自己的份额后，可以互相调配，但调拨需要审批。
做库存管理，本质上是在“缺货损失”和“库存积压损失”之间找平衡。以下 4 个典型场景，讲讲我会怎么取舍。
这个时候，你面临着“补 3000 件怕砸手里，补 1000 件怕不够卖”的纠结。我的专业判断是：不要按“销量曲线”的最高点去补，而是按“利润曲线”的最高点去算。
如果你补 3000 件，这 3000 件全部卖完，你可以赚 15 万；但如果不幸只卖了 1500 件，剩下的 1500 件只能清仓，你会倒亏 2 万。而如果你补 1500 件，最大概率是快速卖完，少赚一部分，但绝对不亏。
我的选择：宁可不赚最后一个铜板，也不要承担巨大的尾部风险。除非你的资金实力非常雄厚，且对该款式的生命周期有绝对信心，否则建议控制在“保守预测销量”的 80% 以内。
这是最常见的库存结构问题。很多老板看到仓库里堆着的 S 码和 XL 码，总觉得“放着总有一天能卖掉”。但根据库存周转率公式：周转率 = 销售成本 / 平均库存，你放着不动，周转率就越差，资金占用成本就越高。
专业判断：滞销码的库存每天都有“隐性成本”，必须当机立断。处理方式可以分三步：第一步，组合销售，比如“买 L 码送 S 码同款腰带”或“两件 8 折”；第二步，作为新品尝鲜的“小样”发给粉丝；第三步，在 2 个月内还没有动销趋势的，直接低价处理给批货渠道，回笼资金。
新品没有数据，可以借用“相似款数据”。我会从后台拉出近 3 个月上新的、风格类似的、价格区间相近的 3 款历史产品的动销数据，取它们的“平均转化率”和“尺码贡献率”作为基准。同时采用“小批量多批次”试探市场，首批只做预估量的 50%。
特别提醒：新款不要做深度，要做宽度。用更多款式去测市场反应，比押注一个款式更安全。等测出爆款潜质，再快速翻单加量。
如果因为系统延迟或库存同步问题导致超卖，恐慌是没用的。我建议直接用“等级化赔付”处理：对愿意等待 5 天的客户赠送一张无门槛优惠券；对不愿等待的客户快速退款并致歉。同时，立即从其他平台或线下渠道调货。超卖本质上是“库存同步机制”的问题，事后必须升级技术手段，避免下次再犯。
知识讲完了，现在我给你一份实操落地的“避坑指南”。这些都是我用金灿灿的银子买来的教训。
很多仓库每月盘点，只核对数量是否对得上，却从不对“SKU 的健康状态”进行分类。我从 2022 年起，要求团队用“红黄绿”三色标记库存：绿色是动销健康、黄色是周转预警、红色是积压风险。每月复盘时，红色 SKU 必须明确给出清理方案和完成时间。
聪明的运营会把供应商的排产计划拿过来看。如果供应商同时接了你和其他 5 家店的单子，你的翻单肯定会被挤到后面。所以，大促前我们要与供应商预排产能，甚至支付“锁产能定金”，确保关键时刻不被供应商掉链子。
很多公司考核运营只看“售罄率”，结果运营为了避免库存积压，只敢备少量现货，导致大量缺货。反之，只考核“销售额”，运营会拼命备货，导致积压。正确的做法是，同时考核“现货率”和“售罄率”两个指标。只有两者平衡，运营才会主动思考尺码调控。比如考核目标：现货率高于 95%，售罄率高于 80%。
每年双 11 前，我都会建议商家开启“锁单机制”，即把一部分库存锁定给大促当天使用，避免日常销售把这部分库存提前卖光。同时，预售订单要提前安排生产工厂的产能，防止大促爆单后交期延误过长。
这张清单，建议你每 7 个自然日跑一遍：
很多中小商家听到“数据化备货”，第一反应是“我们没那么多人手，也没那么高深的技术”。但实际上，即便只有 Excel 表格，你也可以完成大部分尺码调控和增量备货的数据计算。关键在于意识，是否能把你脑海中的“感觉”翻译成一个公式或一个阈值。
从效率角度来看，手工 Excel 终究会碰到天花板。当你的 SKU 数量超过 300 个，并且每天都有大量订单在走的时候，你需要能让库存自动同步、自动预警的电商 ERP 系统。不过，工具只是放大器，你脑子里的备货逻辑必须清晰，否则再贵的工具也只会帮你更快地做出错误的补货决策。
为了让监控一目了然，我做了一个“库存驾驶舱”，核心就三个板块：第一个是“健康度红绿灯”，显示所有现货率低于安全线的 SKU 数量和清单；第二个是“尺码贡献率趋势图”，显示每个尺码近 30 天的占比变化；第三个是“资金占用预警表”，专门盯库存金额排名前 20 的款。
它本质上是一张“异常触发”的仪表盘：全部靠数据驱动，自动化地告诉他今天该关注什么，而不是靠看着销量排行榜发呆。
如果你实在不想搞得太复杂，我建议你只先做一件事：立刻建立“近 7 天热销尺码排名表”。每天花 10 分钟记录所有链接的尺码销售明细。只要坚持两周，你就能发现自己店铺在库存管理上的巨大漏洞。等你验证完这个方法能帮你挽回损失，再考虑采购更专业的工具也不迟。
看到这里，我希望你已经认同一个核心观点：SKU 库存尺码调控，不是追求库存“多”或“少”，而是追求“准”。准到你的热销尺码永远有货，准到你的滞销尺码永远可控，准到你花的每一分采购资金都有数据支撑。
这篇文章里讲的“尺码贡献率”“双阈值预警”“断码复盘台账”“直播憋单”等技巧，都是我亲自踩坑后得来的经验。如果里面只有一句话能让你带走，那就是：用数据预测需求，用规则替代感觉。
下一步，我建议你马上打开自己店铺后台，拉出最近 4 周的销售明细，按照文中提到的“尺码贡献率”做一个 Excel 透视表。先找出那个贡献率高却经常缺货的尺码，并进行专项补货计划。做完这一步，你就已经超越了 80% 只凭感觉备货的同行。然后把你的发现记录到评论区，我们一起讨论，把库存这个老大难问题彻底解决掉。
我店铺有个爆款M码断码了，我想补货，但不知道补多少。补多了怕压货，补少了怕又断码。有没有一个具体算法或公式，能让我算出该补多少件？
增量备货不是拍脑袋，而是一套算账流程。我踩过最大的坑就是凭感觉补货，爆款M码断货，我直接补了200件，结果两周后热度下降，最后积压了80件。后来我改成公式：备货量＝（未来4周预测销量＋安全库存）－当前库存－在途库存。先把公式拆开：未来4周预测销量＝近4周日均销量×28×趋势系数。
趋势系数可以用最近2周日均销量除以前2周日均销量，比如从5件涨到6.5件，系数就是1.3，如果下跌则小于1。安全库存＝日均销量×补货周期×波动系数。波动系数我按近4周日销量的变异系数（标准差除以均值）来定：小于0.3取1.2，0.3～0.5取1.5，大于0.5取2.0。
举个例子：某款L码近4周日均销量8件，变异系数0.4，补货周期7天，当前库存12件，在途30件，趋势系数1.2。先算安全库存＝8×7×1.5＝84件；未来4周预测＝8×28×1.2＝268.8件；备货量＝（268.8＋84）－12－30＝310.8件，向下取整310件。
这个量是未来4周的总需求，如果供应商支持分单，我建议拆成两单：第一单下单60%（186件），3天后根据实际销售再下40%。这样一旦热度回落，第二单还能取消。注意两个边界：一是预售订单要算进当前库存的减少项，比如有50件预售未发，当前可用库存要扣掉；
二是如果临近季末，趋势系数要砍半，甚至直接取0.8，避免压到季末库存。这个公式用了两年，我店铺断码率从月均4次降到1次以内，季末滞销库存下降了约20%。它不是万能，但至少让你知道每个数字怎么来。
每次爆款断码，我都纠结是先加急补货，还是引导买家买其他尺码。补货周期长，顾客等不及，不补又损失订单。有没有一套组合办法，而不是二选一？
我的判断是：先看补货周期，再看销售阶段。如果补货周期≤7天且商品处于新品期（上架≤4周），立即小批量补货，同时做缺货登记；如果补货周期＞15天或商品已过峰值期，坚决不补货，把流量导给替代码。具体操作我有一套组合动作：第一，开启缺货提醒，让顾客留下尺码偏好，这能沉淀需求数据，后期可以预售或到货通知。
第二，详情页和客服话术同步修改：在M码断货的SKU上，增加“相近尺码推荐”弹窗。我测试过，针对一款卫衣，M断码时给顾客推荐L码，点击转化率比推荐S码高12%，因为卫衣偏宽松，M码客群买L也能接受。如果是修身款，推荐L码的转化会低，这时可以推荐S码，并强调“版型偏大”。
第三，用服务消除尺码顾虑：我曾经有款衬衫M断码，L码库存充足，我上线了“免费改衣长”服务，把L码预售量提升了18%。第四，如果补货周期在8～15天，可以开启预售，预售数量控制在断码前日均销量的5倍左右，到货后优先发预售。还有一个关键细节：断码时不要把SKU下架，而是保留页面并显示“补货中”。
我试过下架重开，不仅丢失了搜索权重，还错过了老客回访流量。正确的做法是，在SKU选项里把断码灰色显示，但主图或详情页顶部提示“XX码正在补货，预计XX天到货，可以先拍其他码”。这样既维持了曝光，又能挽留一部分非尺码敏感用户。
我每次补热销码，滞销码就越堆越多，最后季末清仓亏惨。到底怎么调控尺码，才能只补热销的，不用处理滞销的？感觉很难两全。
热销码补货与滞销码积压是同一枚硬币的两面。我的经验是：热销码要“小步快跑”，滞销码要“主动出清”，不能只做加法不做减法。第一步，用尺码贡献率区分码数角色。算出每个码近4周销量占比，再结合趋势判断：如果M码占比40%且周环比增长，它是绝对主力；
如果一个码占比低于8%且连续两周下滑，它就是“僵尸码”，不再补货。我每月1号做一次码数体检，把SKU分为核心码、机会码、风险码。核心码备货充足，机会码按预测补，风险码不做任何补货，反而要列清仓计划。第二步，给风险码设定“止损线”。
我以库龄超过60天或者库存深度超过90天销量为阈值，一旦触发，立即进入清仓流程。清仓不等于降价，而是设计关联场景：比如买热销款加39元换购滞销卫衣；或者把滞销码作为赠品，搭配热门商品满额赠送。
我店铺有一款冷门颜色的工装裤，90条库存，我把它作为“满399加9.9元换购”的引流品，两周内全部清掉，还拉高了客单价。第三步，补货时统一盘点在途、库存和预售。很多人只盯着现货库存，忽略了在途数量，导致重复下单。
我有一个表格，每一行是SKU尺码，列包括：现有可用库存、预售未发、在途数量、日均销量、安全库存、建议补货量。补货量公式：建议补货量=日均销量×（补货周期+安全天数）－现有库存－在途。安全天数我通常取3～5天，根据波动情况调整。通过这个表，我能在5分钟内看出哪些码该补、哪些码该降。
还有一个反直觉的操作：当某个滞销码和热销码是同一款式时，不要单独清仓滞销码，而是把滞销码的库存数量加到热销码的销售页里做“随机尺码盲盒”。我试过把S码（滞销）和M码（热销）混搭成“惊喜尺码”链接，标价低于M码，结果S码也被带走了，而且没有损害M码的正价体系。当然这需要测试，不是所有品类都适用。
我是新品上新，完全没数据，怎么判断哪个尺码可能热销？不敢备多，又怕卖爆了断码。有没有给新款的冷启动备货方法？
新款备货不能靠猜，要建立“冷启动备货机制”。我通常走“参考＋首测＋快反”三步，核心是用首单数据做小步验证，而不是一开始就想算准。第一步，找参考对象。优先看店铺内版型、面料、风格最接近的旧款：把旧款各尺码销量占比直接拿过来作为新款初始配比。比如旧款风衣的M码占38%，那新款M码就按38%备。
如果没有旧款，用行业经验值：女装常规款S:M:L:XL可以按2:3:3:2作为起点（注意这只是探索起点，不是标准）；男装T恤通常M:L是主力，各占35%左右。实操中，我会把M码或L码的初始占比再额外加5～10个百分点，因为大多数品类中码在活动时更容易爆。第二步，首批只备“最小可验证数量”。
我通常备预估月销量的40%左右，比如预估新款能卖500件，首批只做200件，尺码按参考比例分布，但核心码额外加20%。同时和供应商谈好“首批下单后7天内可追单”的协议，哪怕单件成本贵5%，也比压货划算。如果没有翻单协议，首批降低到20%，并把销售周期拉长到3周验证。第三步，上架后按周复盘，动态调整。
前两周只看数据不看感觉：每周统计各尺码销量、一周售罄率、退款率。如果某码售罄率超过50%且退货率正常，立即翻单该码，翻单量＝该码前一周销量×剩余销售周数×0.6（保守系数）。如果某码连续两周售罄率为5%以下，马上停止对该码补货，并策划同款换码活动。
我举一个自己的冷启动案例：去年春上新一款开衫，首批备了220件，配比S/M/L/XL是30/80/70/40。结果第二周M码售罄率70%，L码只有20%。
我立刻翻单M码120件，同时把S码和L码组合成“两件269元”活动，最后整季售罄率从首批的51%拉到78%，库存只有XL码25件，通过第二年的会员内购会处理了。总结就是：新款备货不怕备错，怕的是没有快速修正的机制。
读者评论
做了六年女装运营，文中说的“平均销量代替尺码结构”简直说到心坎里。以前我们就是看总销量备货，结果M码天天断，S码堆成山。后来按尺码贡献率拆开看数据，一个月就把售罄率拉了8个点。文章提到的“按星期几取均值”这个细节太实用了，周一和周四的备货量真的不该一样。
作为供应链从业者，最认同“补货周期失真”那段。供应商说7天，实际到货平均9.6天，我们之前也一直按口头承诺算补货点，结果每次断码都在等货途中。现在改成统计近三次实际到货天数再加缓冲，断码率确实降了一大截。库存管理的本质就是把不确定性算清楚。
文章里六大误区我踩了四个，尤其“把缺货等同断码一刀切下架”那条，以前总觉得没货就下架呗，结果白白把流量送给了竞品。后来学文中方法开预售，加购率反而涨了两成。在“备大不备小”这事上也栽过跟头，爆款追单500件，季末全是积压货。这套逻辑值得反复读。
最打动我的是那个真丝衬衫的细节，S码总销量低，但南方城市有固定客群。我们店铺也有类似情况，按总体配比砍量，结果广东订单发不出。后来学文中思路，按地域投放调整尺码配比，又给偏远地区开了预售锁定需求，问题才解决。库存数字背后是人的行为，这话一点不假。