开了七天的巨量千川投放，前三天数据平稳，第四天下午突然爆量，单日消耗冲到八千元，订单量跳到一百多单。我这边刚觉得“这次稳了”，仓库消息就过来了：核心SKU库存只剩11件。第五天发货跟不上，第六天广告计划因为“配送体验差”被限流，第七天整个项目收尾时算账，广告费花了两万七，实际成交却不到两万，货没了，单断了，流量进来了接不住，广告费白白烧掉六千多。这段经历让我确定了一件事：付费推广的库存备货，不能靠“感觉”打，也不能套用自然销售的备货逻辑，必须有一套从广告预算倒推到备货数量的标准化推算方式。
在付费推广场景下，备货量不是“预测未来”，而是“倒推开销”。所有关于库存备货的计算，都基于下面这个公式：
备货量 = 预估销量 + 安全库存 − 现有库存 − 在途库存
这个公式本身不新鲜，真正有挑战的是“预估销量”这一项。自然销售场景下，用历史月均销量除以30就能得到一个大致可靠的日均值；但付费推广带来的销量是脉冲式的，受预算消耗节奏、素材生命周期、投放时段、竞争环境变化影响极大，历史均值法在这里完全不成立。
所以，在付费推广场景里，我把“预估销量”拆成另一个公式：
预估销量 = 广告预算 ÷ 客单价 × 目标ROI × （1 − 退款率）
举个最直接的例子：你计划7天花7000元广告费，客单价200元，目标ROI是3，那么广告归因带来的毛订单预测量约为105单。如果这个品类的平均退款退货率是10%，实际需要履约发货的净订单大约为95单。
从“广告预算”到“备货数量”的完整推导过程，可以从下面这张瀑布图看得更清楚：
证据角色: 中游过程
数据来源: 某3C标品商家7天投放活动推演（示意数据）
指标:
很多做投放的人习惯用“店铺近30天日均销量×备货天数”来估库存，这在纯自然销售或老店稳定期勉强可用，但在付费推广场景下存在两个致命偏差。
第一个偏差：广告带来的销量不是均匀的，而是前低、中高、后衰减的倒U型曲线。起量期通常出现在投放开始后的第2天到第4天，单日销量可能是日均值的5到10倍。用日均值算备货，在前三天就可能断货。
第二个偏差：广告消耗和订单转化之间存在时间差和口径差。广告后台显示的“成交”和ERP里的“真实可发订单”不是同一个东西，里面有归因窗口内的数据滞后、有未支付订单、有退款订单。如果不做口径对齐，你会高估或低估实际备货需求。
我根据自己的实操经验，总结出四个计算原则：
2023年9月，我接手一个家居日用品的推广项目。店铺主推一款售价129元的收纳盒，历史自然销量稳定在日均15到20单，活动前库存约3000件。我们制定了为期10天的付费推广计划，日均预算800元。
前3天消耗缓慢，ROI只有1.8，我心里没底。第4天换了条素材，点击率和转化率翻倍，当天消耗跳到3500元，订单量达到172单。第5天继续放量，订单量到214单。第6天上午，3000件库存只剩不到400件。第7天，广告计划因为“商品体验分下降”被系统降权，原因就是发货超时。
最后复盘时发现，如果我们在投放前按“预算×ROI反推”的方法测算，3000件库存完全足够，不够的只是没有把补货节奏嵌入投放节奏里。按滚动备货逻辑，我们应在第4天看到订单量翻倍时，立刻联系供应商加急补货，而不是等库存见底了再行动。
另一个极端案例来自我服务过的一家食品电商。他们推一款礼盒，担心断货，按“整个投放周期预估销量的1.8倍”备货，一次性下单两万盒。结果素材跑不起来，ROI一直只有1.2，实际销量只有预估的35%。活动结束后，仓库里还剩1.3万盒，保质期还剩5个月，最后只能低价清仓。
这个案例给我最大的教训是：备货的过度冗余和备货不足，成本一样高。资金占用是可以量化的，1.3万盒×45元成本=58.5万元资金被冻结了将近一个季度。
经过这两类项目，我开始把“广告投放计划”和“库存备货计划”做成同一张表格。投放计划里每一次调预算、换素材、扩人群的动作，旁边都对应一列“库存影响预判”。这样操作了三个项目之后，备货准确率从原来的不足60%提升到85%左右。
这个方法最大的问题在于：那30天里没有付费推广这个变量，或者说付费推广占比很低。当广告预算开始消耗，本来一天卖5单的产品可能瞬间变成一天卖50单；用日均5单算备货，第3天就会断货。我见过太多商家在这个环节翻车，不是因为他们不努力，而是因为他们用错了参照系。
很多商家的采购习惯是“活动开始前一次性下单，备足整个周期预估销量的120%或150%”。这种做法的好处是省事，坏处是失去弹性。广告投放的ROI是动态的，素材起量时间和衰减速度不可精确预判。如果你一次性把钱全部锁定在库存上，等到广告实际起量晚了三天，你手里没有多余资金去追单；等到起量提前了，你的库存又跟不上节奏。
正确的做法是分阶备货。前三天先备预估总需求的50%，市场反馈出来后，再用剩余的预算和供应商的加急产能去追单。
广告带来的订单，退款率通常比自然订单高出3到8个百分点。为什么？因为广告触达的是之前没买过你的新客，他们对产品和物流的预期与老客不同，收到货后不满意退款的比例更高。如果你按广告后台“成交订单数”直接乘以客单价来推算备货量，而没有把退款率扣出来，你的实际库存会多出10%到20%的冗余，这可能积压资金。
广告后台的“转化率”是广告归因口径，不是财务口径。它有几点需要注意：一是归因窗口期（例如巨量引擎的1天/7天点击归因）内，部分点击尚未完全转化为订单；二是广告后台统计的是“下单”，不是“核销”或“发货”；三是系统自动抵扣优惠券、凑单退款等场景，会让后台成交金额不等于实际进账金额。
所以，在计算备货量时，应优先使用从ERP或订单系统导出的“实际可发货订单数”，而不是广告后台的成交数。
安全库存的本质是对冲“供应链时间差”的风险。如果你的供应商从下订单到到货要7天，而你只留了3天的安全库存，那么广告起量带来的第4天到第7天之间就会出现库存空窗。安全库存不能按心情设，要按“供应前置天数×预估日均销量×波动系数”来算。
付费推广场景下的备货逻辑，可以归纳成一句口诀：先算最多可能卖多少，再算最少需要备多少，最后按投放节奏分段下采购单。
计算“最多可能卖多少”的方式是：投放总预算 ÷ 预计成交客单价 × 预计ROI。用预算而不是用历史销量作为起点，是因为预算由你控制，而销量由市场反馈决定。你能控制的变量决定了计划性，你不能控制的变量决定了弹性。
以一个实际的推演案例说明：
投放周期：7天
日均预算：1000元
投放总预算：7000元
预期成交客单价：200元
目标ROI：3
退款率（服饰类）：12%
毛订单预测量 = 7000 ÷ 200 × 3 = 105单
净订单预测量 = 105 × (1 − 12%) = 92.4 ≈ 92单
日均净订单 ≈ 92 ÷ 7 ≈ 13单
安全库存 = 日均净订单13单 × 供应前置时间5天 × 波动系数1.3 ≈ 85单
（波动系数1.3表示考虑了广告起量期峰值的不确定性）
建议备货量 = 92 + 85 − 现有库存20 − 在途采购0 = 157单
这里的关键在于：157单不是一次性下完的。建议拆分成前三天60单、第四天到第五天追加50单、第六天到第七天根据实际ROI再决定是否补最后47单。如果ROI提前达标，追单动作就提前；如果ROI低于预期，最后一批直接不补。
我在实操中经常提到“数据库存付费适配”这个概念。它不是让你去买一套昂贵的系统，而是把四个维度的手表数据对齐，让库存管理跟得上广告投放的节奏。
这四张表分别是：
| 数据表 | 核心字段 | 数据来源 |
|---|---|---|
| 表一：广告投放表 | 计划ID、日期、消耗金额、点击率、转化率、ROI | 巨量引擎/腾讯广告/Google Ads后台导出 |
| 表二：订单数据表 | 订单号、SKU、数量、下单时间、支付时间、退款状态 | 店铺后台或ERP系统导出 |
| 表三：库存数据表 | SKU、现有可用库存、锁定量、在途数量 | 仓储管理系统或人工盘点 |
| 表四：供应链数据表 | SKU、供应商交期、起订量、到货周期、加急产能 | 采购部门提供或供应商确认 |
“适配”的意思，就是把广告投放节奏（表一）和实际可发订单（表二）、可用库存（表三）、补货可达性（表四）在时间线上对齐。对齐口径也有讲究：广告数据按“消耗日期”统计，订单数据按“支付时间”统计，库存数据按“每日24点结余”统计，供应链数据按“承诺到货日”统计。四张表统一到“按天”和“按SKU”两个维度，才能做有效的联动分析。
安全库存的常见简化公式是：
安全库存 = 日均预估销量 × 供应前置天数 × 波动系数
其中“波动系数”是很多人不知道怎么设的参数，我的经验值分三档：
库存预判的准确性，随投放数据进行到第2到第3天会显著提升。因为到那时，你已经有了真实的广告点击成本、真实转化率、真实退款率，可以把预判参数从“行业经验值”替换成“本项目实测值”。
我建议运营和供应链每周至少开两次“数据对齐会”：上半周根据广告消耗趋势调整周末备货量，周五根据实际库存水位决定下周采购计划。如果你的店铺日销规模还没到需要开会的程度，也可以在Excel里同步维护广告消耗表和安全库存表，每次调预算时顺手更新备货建议单元格。
我用一个自己参与过的项目来完整演示这套方法，关键数据全部脱敏：
项目背景：某家用清洁品牌推一款39.9元的除霉喷雾，计划投放7天，总预算5000元，目标ROI为2.5。历史自然销量日均约30单，现有库存800件，供应商交期3天。
按反向推演法计算：
毛订单预测量 = 5000 ÷ 39.9 × 2.5 ≈ 313单
假设该品类退款率8%，净订单 = 313 × 0.92 ≈ 288单
日均净订单 ≈ 288 ÷ 7 ≈ 41单
安全库存（供应前置3天 × 日均41单 × 波动系数1.3）≈ 160单
建议备货量 = 288 + 160 − 800 = 负数 → 说明现有库存足够，无需额外采购
这个案例的结果是：广告实际ROI为2.1，实际成交订单约263单，退款率7.5%，实际发货约243单，库存结余558件。预判总量与实际偏差约15%，没有断货，也没有积压。这就是反向推演法的作用，不是追求精确预测每个数字，而是把备货量的量级和风险边界控制在一个可接受范围内。
我在多个品类中应用这套方法后发现，品类属性对备货参数的修正幅度影响非常大。主要差异集中在退款率和供应前置时间两个变量上。
我观察了多个投放项目的日消耗曲线，发现一个规律：在为期7到10天的投放周期内，前30%的时间（约2到3天）通常只消耗总预算的15%到20%，而中段40%的时间（约3到4天）消耗了总预算的55%到60%，最后30%时间消耗剩余的20%到25%。
这意味着，广告消耗并不是匀速的。备货节奏应当与消耗曲线匹配：前段少备、中段多备、尾段根据剩余预算决定是否追单。如果把备货一次性压在前期，到了广告真正起量的中段，你的资金和仓库可能已经没有余量去响应了。
以我自己负责的9个投放项目为样本，广告后台上显示的“计划ROI”和最终财务口径ROI的偏差大约在10%到20%之间。偏差主要来自三方面：归因窗口内未支付订单、退款订单、以及平台赠送流量带来的低质量成交。
因此，当你在做备货推演时，我用“实际可参考ROI = 目标ROI × 0.8”作为默认的保守值。比如目标ROI=3，备货计算时只用2.4；如果实际跑量后ROI超过3，再追加补货完全来得及。
这种情况下，不建议专门做备货方案。建议直接沿用“现有库存+供应商紧急补货能力”的组合：先用现有库存跑测试，明确告诉供应商“未来7天内可能需要加急补货”，让供应商提前预留产能。
测试期核心动作是低成本获取三个数据：真实点击成本、真实转化率、真实退款率。有了这三个数，后续放量期的备货模型就能直接跑起来了。
这个阶段是“数据库存付费适配”发挥作用的主力场景。建议按以下步骤执行：
大促期的备货不能只靠计算，还要靠预判和抢产能。建议你提前两到三周就和供应商锁定产能，采用“锁产能、分批提货”的方式，先承诺采购总量，但要求供应商允许分批次交货。这样做的好处是，你既占住了供应链的产能，又保留了根据广告实际跑量调整提货量的空间。
这个阶段最忌讳的事情是“全场一次性备齐”。活动周期超过15天，素材迭代频繁，广告跑量曲线不一定按你原来的计划走。一次性备齐，意味着你失去所有调整空间，而广告投放最需要的就是调整空间。
| 品类类型 | 退款率修正 | 波动系数建议 | 备货方式建议 |
|---|---|---|---|
| 标品快消 | 按8%扣减 | 1.0-1.2 | 可一次性备足，因为即使投放效果差也能靠自然销售消化 |
| 服饰鞋包 | 按20%扣减 | 1.3-1.5 | 分两批下单，第一批约60%，根据加购率数据决定第二批 |
| 高客单耐消 | 按12%扣减 | 1.0-1.3 | 强调预售+现货混合模式，用预售数据修正备货量 |
| 生鲜短保 | 按损耗率8%-10%扣减 | 1.0以内 | 保守备货，用地域限制和预售来控制风险 |
备货过多和备货不足都会产生可量化的损失。以单场投入2万元的推广活动为例：
我的判断是：付费推广中的库存决策，要以“避免断货”为第一优先级，但要通过滚动备货来控制资金占用，而不是靠一次性超量备货来防止断货。如果必须二选一，宁可备货略多而不是偏少，因为断货的连锁反应（广告降权、店铺评分下降、客户流失）比资金积压更难恢复。
很多商家问我要不要上一套软件。我的建议是分规模：
无论用哪种工具，数据口径的统一比工具本身更重要。你用的工具能不能做到“广告数据按天、按SKU、按消耗统计”，库存数据按天、按SKU、按可用库存统计，如果没有这个口径，再贵的系统也只能算出“看似精确但实际失真”的结果。
激进备货的收益是：广告起量时你有充足的库存去接住流量，不用承担断货导致的计划权重下跌。激进备货的成本是：如果广告投放不及预期，你手里压着一批短期卖不掉的货。
这里有一个判断临界点的简单方法：对比“断货损失”和“压货成本”哪个更大。具体操作是把两个数字都算出来：
断货损失 = 预估断货天数 × 日峰值订单量 × 单均利润 × 广告权重损失系数
压货成本 = 额外备货量 × 采购成本 × 日资金成本率 × 预计滞销天数 + 仓储成本
如果断货损失明显大于压货成本，就应选择激进备货；反之则选择保守备货。大多数标品品类里，断货损失是压货成本的2到3倍，所以建议略偏激进；在非标品、服饰、高退换率品类里，压货成本更高，建议略偏保守。
很多公司的库存数据和广告数据是分开管理的：投放团队只看广告后台，供应链团队只看ERP。中间缺少一道信息同步的环节。
我的建议是：现阶段不用重构流程，只加一道“每周两次的30分钟对表会”就够了。投放同事打印出未来三天的广告消耗计划，供应链同事打印出当前库存水位和供应商交期，两边坐在一张桌子上把数字核对一遍。这比任何系统都更直接有效。
等你发现每周两次对表会已经无法满足数据更新的频率要求，再考虑用API自动同步、或者在进销存系统里加一个广告数据模块。流程优化的原则是：先有协同动作，再谈系统化。
《数据库存付费适配 付费推广销量预判库存备货量》这个主题，归根到底要说的是：广告投放不是“花钱买流量”就结束了，流量背后的订单履约能力才是决定ROI天花板的关键。库存不是供应链单方面的事，而是投放运营和采购供应链协同的结果。
我真正想让你带走的，不是一个完美的预测公式，而是一套“留有后手”的备货节奏：用预算反推订单量级，用ROI修正系数计算净订单，用退款率打折，用供应前置时间设定安全库存，然后分阶段下采购单。按这个节奏走，即使广告效果和预判有偏差，你也有足够的缓冲空间去调整。
如果你正准备开启下一轮付费推广，我的建议是从今天开始做三件事：第一，拿出你上一个投放周期的真实数据，用上面的公式反推一遍，看看当时应该备多少货；第二，给供应商打一次电话，确认他们能接受的加急补货周期是多少天；第三，把“广告消耗表”和“库存余量表”放到同一张Excel里，设一个简单的预警公式。这三件事做完，你这次投放的备货风险就已经下降了至少一半。
我刚做电商投放不久，看到“数据库存付费适配”这个词有点不太理解。我们之前备货都是看历史销量算均值，但广告一投，销量突然暴涨，原来的备货方法似乎失灵了。这个词到底是什么意思？它和传统备货思路的本质区别在哪里？
数据库存付费适配不是指某套软件或系统，而是一种思考方式：当你的订单里有一部分来自付费流量时，库存规划不能只盯着历史销量均值，而是要顺着“广告消耗→点击→转化→订单→库存消耗→补货”这条数据链路去做动态匹配。我自己的经历很能说明问题。
2023年我们投某短视频平台，按店铺前三个月的日均销量备了一个月的货，大概800件。结果一条素材起量，日消耗从2000元直接冲到18000元，三天就把一个月的库存卖空了。供应商交期要10天，我们只能眼睁睁看着广告点击继续进来但无货可发，最后不得不关掉计划。那次损失了大几千的广告费，还丢了权重。
为什么传统方法会失灵？因为自然流量的销量曲线是相对均匀的长尾分布，用30天均值×补货周期基本够用。但付费推广带来的销量是脉冲式的：起量期可能翻5倍、稳定期回落、衰退期断崖下跌。用均值去预测脉冲，必然严重低估峰值需求。我的专家判断是：数据库存付费适配的核心逻辑，是把广告的“确定性”转化为库存的确定性。
广告消耗是你自己设定的，预算就是销量的天花板，这是可控变量。所谓适配，就是顺着这个可控变量反推库存水位，而不是拿不可控的历史数据去猜未来。我总结了这两者的核心差异：自然流量备货看“近30天均值×补货周期”；付费推广备货看“预算÷目标ROI×活动天数”得出订单区间，再按投放节奏分段备货。
前者是统计思维，后者是工程思维。更直白地说：付费推广的预算和出价是你可以随时调整的，这使得销量可预测性比自然流量更强。真正的关键问题不是“销量会有多少”，而是“你愿意花多少钱买多少订单”。想明白这一点，备货就从“猜”变成了“算”。
我每天都会看广告后台的消耗、ROI、转化成本这些数据，但就是不知道怎么把这些数字变成“我应该备多少货”。网上的说法很多但都很模糊，有没有一套具体的公式？最好能有一个完整的案例帮我演算一遍。
有，而且不需要任何系统，用Excel就能算清楚。核心就两步：先把广告消耗转化为预估订单量，再把这个订单量放进库存公式里。第一步，算预估订单量。公式是： 预估订单量 = 广告预算 × 目标ROI ÷ 客单价 第二步，算备货量。
公式是： 备货量 = 预估订单量 ×（1 + 退款率）+ 安全库存 − 现有库存 − 在途库存 我给你跑一遍完整演算：假设你打算花7天做一次投放，日预算2000元，客单价150元，目标ROI做到3。
日订单量 = 2000 × 3 ÷ 150 = 40单/天 7天总订单 = 40 × 7 = 280单 假设该类目平均退款率10%： 280 × 1.1 = 308单 安全库存按3天日均销量算：40 × 3 = 120单 当前库存还有80单，在途有50单： 最终备货量 = 308 + 120 − 80 − 50 = 298单 这意味着你在投放开始前，至少要把库存补到298单的货量水平。
这里我要特别强调一个踩过的坑：ROI一定不要用目标值，要用实际跑出来的历史值。我第一次做这个测算时，老板说目标ROI是5，我按5算了备货量，结果实际只能跑到3，货备多了30%。最后促销清仓，亏了一万多。正确的做法是算“保底版”和“乐观版”两个区间。
还是上面那个例子： 保底版：ROI按2.5算，备货量 ≈ 7×2000×2.5÷150×1.1 + 安全库存，约283单 乐观版：ROI按4算，备货量 ≈ 408单 实际跑下来是330单左右，保底版更接近，损失最小。结论：备货按保守值执行，然后根据起量情况滚动追加，永远比按乐观值一次性备齐要稳。
做投放最怕的就是两种情况：备了一堆货结果广告跑不动，库存全压手里；或者广告突然爆了，货不够发，只能眼睁睁看着订单流失。有没有什么办法可以在投放过程中根据实际数据动态调整备货量，而不是一开始就把量定死？
答案就是四个字：滚动备货。不要试图在投放前一次性把整个周期的货备齐，把备货拆成“基础量”和“追加量”两部分。基础量怎么定：按保底ROI计算，覆盖投放前3到5天的销量。这部分货是你有把握卖掉的，备多了也不怕。
追加量怎么定：每2到3天根据广告实际跑出来的数据，重新算一遍预估销量，然后给供应商滚动下采购单。我自己的实操经验：我们运营的一个店铺，日销从100单突然涨到500单，供应商交期7天。等我们反应过来库存不够时，已经来不及了，补货到仓最快也要9天，这9天里只能眼睁睁断货。
后来我们立了一个规矩：不管广告跑得多好，每天早会只看两个数，昨日消耗、现有库存能用几天。触发补货的阈值公式是： 现有库存 ÷ 日均销量 ≤ 供应商交期天数 + 2天，立即追加订单。举个例子：交期7天，当前库存3000件，日均销量400件。
3000 ÷ 400 = 7.5天，已经小于9天（7+2），触发补货。这个信号系统帮我避开了至少三次断货事故，哪怕多付一点加急物流费，也比广告费打水漂划算。还有一个反直觉的经验：广告跑得越好，越要控制备货节奏。
因为素材有生命周期，可能五天后点击成本就涨了一倍，你不可能一直以高峰期的销量去预测整个月的库存需求。素材进入衰退期后，要立刻停止追加备货，这也是我付出过滞销代价才学到的。最后强调一个很多人忽略的变量：退款率。有些类目退货率高达30%，如果你按毛订单量去备货，必滞销。
一定要用净订单量，就是扣除退款后的实际成交数据，来估算库存消耗速度。我的习惯是把退款率单独列一列，每三天复盘一次实际退款比例，动态修正后续的备货数量。
我们团队一共三个人，买不起动辄好几万的ERP系统，但我也知道不能靠拍脑袋备货。用Excel能做到这种数据适配吗？如果能，具体需要建哪些表、每天花多长时间维护？有没有一个可以照着做的操作流程？
完全可以，而且我建议你先用Excel跑通，再考虑上系统。为什么？因为大多数做不好库存的人，不是缺软件，而是根本没把广告数据和库存数据放在同一张表里看过。Excel足够支撑日消耗5万以下、SKU数100以内的绝大多数中小团队。具体怎么做？核心是建好四张表： 第1张：广告投放数据表。
字段包括日期、计划名、消耗金额、点击量、转化数、ROI。从巨量引擎、腾讯广告或者Google Ads后台导出即可。第2张：订单明细表。字段包括下单日期、SKU、数量、是否退款。这决定了你实际消耗的库存是多少。第3张：库存台账。字段包括SKU、现有库存、在途库存、采购中数量。每周更新一次。
第4张：供应链信息表。字段包括供应商名称、交期天数、起订量、加急是否可行。这张表是动态调整的底气。四张表的关联逻辑：广告表算出预估订单量，订单表核实实际消耗，库存表告诉你还差多少，供应链表告诉你补货要多久。
我的落地经验：每天固定早上10点，花30分钟从广告后台导出前一天数据，粘贴进Excel，用SUMIFS按SKU汇总当天销量，再对照库存台账看余量。这个动作我连续做了四个月，期间日消耗从3000元涨到4万，库存一次没断过。这里想分享一个关键判断：什么时候该放弃Excel上系统？
我的标准是，每天维护Excel的时间超过1小时，或者SKU超过100个，或者需要多人同时编辑。这三个条件满足任何一个，就该换工具了。最后提醒一个非常容易被忽略的坑：先统一数据口径再谈模型。广告后台显示的“成交订单”可能包含未支付订单，退款入口的位置在不同平台也不一样。
我在搭Excel模型的第一周就发现，广告后台的订单数和ERP订单数对不上，差了15%。最后查出来是口径问题：广告后台统计的是“点击后7天内的成交”，而我们的Excel只记录当天支付订单。这个不解决，后面所有计算都是错的。
读者评论
这篇把付费推广备货的坑讲得很实在，尤其是那个公式倒推法，比凭感觉备货靠谱多了。我上次也是广告爆单结果断货，后来被限流，亏了不少钱。
作为供应链从业者，很认同安全库存按供应前置时间算这点。很多运营只盯着销量预测，忽略了补货周期，结果起量时根本来不及追单，白花花的广告费就烧没了。
分阶段备货的思路很实用，先备50%，根据ROI再追单，既能减少资金占用，又能应对素材起量的不确定性。比一次性压一堆货灵活多了。
文中提到广告后台成交数和ERP真实可发订单有差异，这点太真实了。退款率、归因窗口期这些不扣掉，算出来的备货量肯定虚高，最后全变库存积压。