过去一年，我和几个做电商的朋友反复讨论一个话题：为什么大家都在强调“选品定生死”，但真正回到采购环节时，绝大多数人还是靠着“和供应商的关系”以及“上一批货的感觉”来决定下一批进什么货？我见过一个做家居日用品的卖家，仓库里积压了价值80万的库存，账面上却显示盈利，原因是他从不统计单个SKU的售罄率，只觉得“卖的还行”。直到做年度盘点时才发现，超过60%的利润来自不到20%的SKU，剩下那些“感觉还行”的货，全在库里吃着仓储费。
这个案例让我意识到：货源迭代这件事，真正缺的不是好货源，而是大多数人没有把已有的销售数据当作下一轮采购的决策依据。
这篇文章要解决的核心问题很明确：如何依托库存数据，建立一套轻量的、可复制的货源迭代方法论，让每一批新进的货都比你上一批卖得更好。我会从自己给多个电商团队做经营分析的实际经验出发，不讲大厂的供应链系统，不讲复杂的算法模型，只讲那些用Excel甚至纸笔就能跑通的流程。
一、核心结论：货源迭代的本质是“用真金白银的投票结果”反向修正进货决策
先说结论，再展开论证。
货源迭代的本质，不是频繁更换供应商，也不是追逐所谓“爆款”，而是把你仓库里的库存数据当作市场给你的一张张选票，然后用这些选票去决定下一批货应该从哪里来、进多少、以什么价格带为主。
这个结论听起来简单，但做起来和大多数人的直觉相反。很多人以为货源迭代是“找新渠道”的问题，实际上它是“消化旧数据”的问题。每一件卖出去的货，都在告诉你一个信息：顾客对这个品类、这个款式、这个价格带的接受度是什么样的。每一件滞销的货，同样在告诉你：你的选品判断在哪里出了问题。
我把这套逻辑总结成一个闭环公式：
- 记录每一批货的销售数据（进货量、销量、剩余库存）；
- 计算关键指标（售罄率、周转天数、滞销SKU占比）；
- 根据指标对现有SKU分类（淘汰、优化、加量、观察）；
- 带着分类结论去对接货源，而不是带着“感觉”去对接货源；
- 小批量试销新品，验证后再放大，形成下一轮的数据起点。
这个闭环跑起来之后，货源迭代从“拍脑袋”变成“按步骤执行”，你花的每一分进货资金都有了明确的依据。
二、背景与真实场景：绝大多数中小商家处于“有数据但不会用数据”的状态
1. 数字化支付普及了，但数据意识没有跟上
我在分析多个电商卖家的后台数据时发现一个普遍现象：每一笔订单都有记录，每一个SKU的库存都有数字，但这些数字只是“存在”而已。大家日常用支付宝、微信收款，用电子表格记库存，数据已经被动完成了“数字化”，却没有主动进入“决策化”的环节。
一个做女装的档口老板告诉我，她每个月进货大概20万，换季的时候会更多。她的库存表记录了每个款式的进货价、售价、剩余件数，但她从不算“这件衣服到底卖了多少比例”。她只知道“这个款还剩30件”，不太清楚“这个款已经卖了100件，售罄率87%，是不是应该补货”。她判断补不补货的方式是“发朋友圈有没有人来问”。这样的状态，数据已经记录了，但数据没有起到指导作用。
2. 疫情后现金流承压，库存数据成为融资和自救的“底牌”
根据公开调研数据，2020年疫情导致29.6%的中小企业营收下降超过50%，只有4%的企业下降不足10%。在申请银行贷款过程中，企业需要用现有经营数据证明自己的经营能力。那些能拿出完整库存周转和订单数据的商家，获得授信的概率明显更高。这时候，库存数据不再只是选品参考，它直接变成了信用资产。
但我的观察是，大多数商家连“最近3个月的售罄率趋势”都拿不出来，更不用说用它来指导下一批货源了。这就是现实：数据明明存在，却无法形成决策闭环。
3. 真正的机会：数据能力要求不高，关键是习惯
市场上有很多说法，认为供应链数据管理是大企业的事情，需要上ERP、需要买BI工具、需要有数据团队。实际接触下来，我发现中小商家做货源迭代所需的数据能力要求并不高：不需要数据仓库，不需要数据挖掘算法，甚至不需要掌握复杂的Excel函数。
只需要你每周花20分钟，把“进货日期、SKU名称、进货数量、已售数量、剩余库存”这五个字段填到表格里，然后算出三个指标：售罄率、周转天数和滞销占比。这三步做完，货源迭代的第一个原始动力就产生了。
三、常见误区：你以为在迭代货源，其实在“换一个地方赌博”
在拆解方法之前，有必要把常见的错误思维先亮出来。我归纳了五个高频误区，几乎每个来找我分析的商家都踩过其中至少两个。
1. 误区一：只看总销售额，不看单个SKU的售罄率
这是一个结构性陷阱。总销售额上升，容易给人一种“整体很好”的错觉，但利润可能主要来自少数几个爆款，其余大部分SKU都在拖后腿。总销售额掩盖了真实的结构问题。
正确的做法是：把总销售额拆到SKU维度，计算每个单品的售罄率，按照“二八原则”找到真正的利润贡献款，别让平均数据骗了你。
2. 误区二：滞销了就立刻换货，从不想想为什么滞销
很多商家对滞销SKU的处理方式很粗暴：卖不动，直接下架，下次不进了。但滞销的原因可能是选品错误，也可能是运营动作缺失，比如标题写得差、主图没点击率、价格设置不合理、或者纯粹是季节还没到。如果不做归因分析，换一个新品也只是换了一个“未来的滞销品”。
3. 误区三：给新品判断期太短，3天卖不动就枪毙
一个新品上架，3天没出单就否定，这是我见过最可惜的操作。新链接没有销量、没有评论、没有权重，冷启动阶段数据差是正常的。合理的新品观察期应在15天左右，对于高客单价或非标品品类，可以延长到30天。否则，你每一次迭代都可能误杀一批潜力款。
4. 误区四：把旺季数据当常态，忽略季节修正
夏季卖的好的防晒衣，到了秋季数据一定下滑；年货节冲高的零食礼盒，春节后必然回落。如果你不做季节修正，直接拿旺季的表现去指导下一批货源，结果就是在淡季进货进到爆。
5. 误区五：数据记录信息太单薄，没有备注过程因素
只记录“进货、销售、库存”三个数字是不够的。这个SKU在销售期间是否遇到缺货断码？是否赶上快递停运？是否有大额退货？这些过程干扰因素如果不记录，数据本身会给你错误的归因。
6. 一个常常被忽略的基础认知：数据不是“统计工具”，而是“选品地图”
以上误区背后有一个共同根源：把库存数据仅仅当成“记录已经发生的事”的工具，而没有当成“指导未来该做什么”的地图。
用一句话概括：记录数据的目的是为了“忘掉数据”之后的决策不被情绪带偏。数据的作用不是复述过去，而是约束当下。
四、专业判断逻辑：如何让数据自己说出“下一批货进什么”
把误区清掉之后，我们进入正题。我建议每个中小商家先不要急着学复杂的运营模型，而是先搭建一个“轻量级货源数据看板”。这套看板只需要三个指标，就可以覆盖货源选择、进货量控制和淘汰优化的全部决策。
1. 指标一：售罄率
售罄率的公式是“实际销量 ÷ 进货量 × 100%”。
它反映的是一个SKU在你店里卖到“断货”或“接近断货”的快慢程度。售罄率不是越高越好，如果达到100%，说明你进货量太保守，错过了本来可以卖更多的机会；但售罄率太低，则说明你的选品判断和市场反馈之间存在明显偏差。
我的建议分档如下：
| 售罄率区间 | 含义判断 | 货源决策建议 |
|---|---|---|
| 85% – 100% | 供不应求，市场需求未被充分满足 | 立即补货或寻找同源替补，同时评估是否提升进货量 |
| 60% – 84% | 正常消耗，市场接受度良好 | 维持现有进货量，观察是否有提升到85%以上的潜力 |
| 40% – 59% | 销售疲软，买家兴趣不足 | 进入观察清单，复盘是款不对路还是运营动作不足 |
| 0% – 39% | 严重滞销，库存积压 | 启动清仓计划，停止补货，查找滞销原因 |
2. 指标二：库存周转天数
库存周转天数 = 平均库存 ÷ 日均销量。它回答的核心问题是“你积压在货上的钱，多久能转一轮”。
这个指标对货源迭代的意义远大于表面上的资金效率。我的观察是：周转天数过长的SKU，即使没有立刻亏钱，也在侵蚀你试错新货的能力。同样是10万元资金，周转快的人一年可以试30个新品的市场反馈，周转慢的人只能试8个，后者的选品迭代速度天然落后。
具体来说，服装类目换季性强，周转天数超过45天就该预警；日用百货类周转相对慢，但超过90天也需要重新评估货源质量。
3. 指标三：滞销SKU占比
滞销SKU占比 = 滞销品数量 ÷ 总在售SKU数量×100%。这里的“滞销”建议定义为“上架超过30天且售罄率低于30%”。
这个指标用来衡量整盘货的健康度。当滞销SKU占比超过40%的时候，你不需要做任何单点分析，整个货源结构就是有问题的。这时候优先做的事不是逐款分析，而是整体压缩SKU宽度，把资金集中到排名前30%的快销品上。
4. 把三个指标放进一张记录表里
这套看板不需要复杂工具，一个Excel表格就能实现。核心字段如下：
- SKU编号（唯一标识）；
- 品名/款式描述；
- 进货日期；
- 供应商名称；
- 进货数量；
- 累计销量（截至统计日）；
- 剩余库存；
- 备注（记录缺货、退货、快递异常等干扰因素）。
用这些字段就能算出售罄率、周转天数和滞销占比。每周更新一次，15天做一次中期复盘，30天做一次完整决策。三个数字练熟了，你对“货源质量”的判断就会产生质变。
五、案例与数据观察：两个团队的对比让我看到这套方法的弹性
为了让你更具体地理解这套逻辑的运行方式，我分享两个真实观察样本（已做脱敏处理）。这两个样本都来自我过去一年接触的中小电商团队，他们的起点相似，但半年后的库存健康状况出现明显分化。
1. 对照样本：A团队（未使用库存数据迭代）
A团队做的是家居小百货，客单价在30-80元之间。他们每两个月去一次批发市场，选品的维度主要是“自己觉得新奇”、“供应商推荐”和“同类店铺卖得好的”。他们没有建立库存数据表，判断一款货是否成功的方式是“看总盈利有没有增长”。
半年观察结束时，A团队的经营情况：
- 滞销SKU占比从35%上升到了52%；
- 库存周转天数从47天拉长到73天；
- 总销售额略有增长，但利润没有跟上，原因是被滞销品的仓储成本和折价清理吃掉。
A团队最大的问题在于，他们始终不知道哪款SKU赚了钱、哪款拖了后腿。总账表面盈利，结构却已经老化，流动资金的周转效率越来越低。
2. 对照样本：B团队（使用库存数据迭代）
B团队也做家居小百货，规模相近。他们用了最笨的方法，每周五下午花半小时更新库存表格，然后用我前面提到的三个指标给全部SKU做分类。
B团队的规则很简单：
- 售罄率超过85%且周转快于30天的SKU：优先补货，向源头追加采购量；
- 售罄率在40%-60%之间且滞销天数上升的SKU：停止补货，进入观察期，尝试调整主图或价格后再决定去留；
- 售罄率低于30%的SKU：立即启动清仓，不退换不补货；
- 新品一律先拿预估销量的30%做试销，15天后看数据再决定是否加单。
半年的变化非常明显：
- 滞销SKU占比从48%降低到21%；
- 库存周转天数从52天压缩到29天；
- 因为库存资金占用减小，他们有余力测试了12款新品，其中5款跑出超过75%的售罄率，成了新的利润增长点。
两个团队起点的商品结构相似、启动资金相似、供应商渠道也高度重叠，差异只在一个有数据闭环、一个没有。B团队并没有比A团队更聪明，只是他们让每一件卖出去的货，都变成了下一批货的决策依据。
六、行动建议：不同经营阶段，货源迭代的侧重点完全不同
上述方法看起来很清晰，但落到不同阶段的商家身上，操作重点是不一样的。我给三类商家分别给出一套差异化的落地建议。
1. 起步阶段（月销售额5万以下）：先建立数据习惯，别急着换货源
这个阶段最常见的状态是SKU宽度太大，每款进货量都很浅，完全没有数据积累。如果你在这个阶段，我不建议你做复杂的库存分析，只建议你做一件事：从下一个进货周期开始，给每一个SKU建立进货和销售台账，加上“售罄率”这一列。
你不需要立刻做淘汰决策，你只需要积累数据。连续记录8-10周之后，你会第一次看到哪些SKU的售罄率明显高于均值，这些就是你的第一批“数据验证过”的核心款。
2. 成长阶段（月销售额5万-30万）：重点抓“滞销占比”和“周转天数”
这个阶段资金有一定规模，但还经不起大面积的库存积压。我建议执行力度最重的一条：每个月底做一次“清仓决定会”，凡是售罄率低于30%的SKU，要么降价清仓，要么捆绑销售，绝不进入下个月的库存。
清仓不是亏本，清仓是止损。滞销品占用的不只是仓储面积，更是你测试下一批优质货源的机会成本。
3. 规模化阶段（月销售额30万以上）：把数据反馈给上游供应商，反向定制货源
当你的进货规模足够大的时候，你已经有实力对供应商提出要求。这时候不要只用数据做内部管理，把数据结论变成谈判工具：
- 告诉供应商哪些品类在你的渠道动销率高，要求对方优先提供该品类的新款；
- 针对连续两次滞销的品类，要求供应商换款或调整价格带；
- 合作稳定的供应商，可以开放部分销售数据，换取优先拿货权或更低的批量价格。
这一步做好之后，你就不再是“被动选货”，而是“主动定制”，上游按照你的数据反馈来组织货源，这才叫真正的“依托库存数据迭代更新优质货源”。
七、不同情况下的取舍：数据迭代不是公式，是优先级排序
最后我想聊一个经常被掩盖的话题：数据驱动的货源迭代有代价，也不总是“最优解”。它本身也有局限，需要和自己的资源禀赋做取舍。
1. 取舍一：爆款毛利高但容易断货vs 平款毛利稳定但周转慢
数据反馈最快的往往是爆款，售罄率高、现金流好，但爆款的劣势是供应商容易断货，或者价格不稳定。平款虽然周转慢，但胜在货源稳定。我的建议是：在资金允许的情况下，用80%的资源深耕平款，用20%的预算去测试爆款。平款保命，爆款进攻。这个比例可以让你的库存数据在“稳定性”和“成长性”之间获得平衡。
2. 取舍二：数据积累慢 vs 市场流行变化快
纯粹的“等数据说话”可能在快时尚品类中失效，等你看到数据趋势的时候，那波流行已经过去了。我的处理原则是：对季节性快反品类，可以把数据决策周期从30天压缩到7天，甚至用“同渠道的行业大盘数据”作为先行指标；对基础款、标品，依然以自身库存数据为准。换句话说，数据迭代的节奏要跟上品类的“心跳速度”。
3. 取舍三：自己花时间做记录分析 vs 花钱采购工具或招聘专人
如果你月销售额在20万以下，直接买复杂的商业智能工具是浪费钱。我见过很多团队买了一个昂贵的软件，结果根本没有人愿意维护数据结构。这个阶段把时间花在Excel上完全足够，你的瓶颈不是工具，是稳定记录的习惯。等到SKU超过300个、月销售额超过30万的时候，再考虑引入工具或招一个兼职数据处理的人。
4. 取舍四：完全依赖数据决策 vs 保留运营直觉
数据是决策的重要依据，但不是唯一依据。你的行业经验、对人群的理解、对视觉的审美判断，依然是数据迭代之外不可或缺的一部分。真正的平衡是：用数据来发现“异常”和“趋势”，用直觉来判断“时机”和“表达”。数据告诉你“哪些SKU在走弱”，直觉告诉你“这个走弱只是季节性波动还是长期衰退”，两者结合，才是完整的货源迭代能力。
用一句话收束全部取舍逻辑：货源迭代不是让数据代替你做决策，而是让数据帮助你做更好的决策。
结语
回顾这篇文章的起点，我们面对的问题从来不是“找不到优质货源”，而是“缺少一个系统的方法论来识别、验证、迭代货源”。库存数据正是这个方法论的地基，它不会告诉你哪个供应商手里有爆款，但它能告诉你，你手里的哪些款被你的顾客用真金白银验证过。从这些验证过的款出发，你才知道下一步该往哪个方向找货。
下一步的行动建议很简单：你不需要一次性搭建一套完美的数据体系，只需要从今天开始，建立一张有“售罄率”字段的进货记录表。每周花二十分钟更新它，十五天做一次小复盘，三十天做一次大决定。一个月后，你手里的第一批“数据驱动货源决策”就诞生了。
如果你在换货、选品过程中也踩过什么坑，或者有自己独特的货源迭代方法，欢迎在评论区聊聊，我们一起完善这套“用数据迭代货源”的方法。
常见问题解答（FAQ）
1. 为什么说库存数据比供应商建议更适合用来判断货源迭代？
最近在考虑换供应商，但每次去档口都被各种话术包围，说这个爆款那个好卖，回来后还是拿不准。身边做电商的朋友都在说看库存数据，说数据不会骗人，比供应商靠谱。但我没什么经验，想知道为什么库存数据就能反映货源好坏？它到底可靠在哪里？
库存数据比供应商建议更可靠，是因为你在库存数据里看到的不是供应商的立场，而是你的客户用真金白银投出来的票。供应商向你推荐某个货，驱动他的动力是他要把货卖出去，而不是你要把货卖出去。你的货好不好卖，不取决于供应商的话术，只取决于你的客户买不买单。这句话我是在踩了一次坑之后才真正理解的。
2023年我帮一家女装店做代运营，供应商在订货会上反复推荐一款所谓“绝对爆款”针织开衫，说别家店三天卖了三百件。我一时心动，进了八十件。上架十天，只卖掉三件。这个数据直接否决了供应商的销售话术。与此同时，我的库存数据里有一条被忽略的老款连衣裙，没有参加任何推广，近30天自然动销56件。
同一个店铺，同一个时间段，库存数据帮我找到了真正匹配客户需求的货，而供应商推荐款则成了压货库存。为什么会出现这种差异？因为供应商看到的是他想让你买的货，你的库存数据看到的是你的客户已经用钱投票的货。前者是一个愿望，后者是一个结果。当你的任务是把库存变成现金，那你就应该听结果的话，而不是听愿望的话。
但要提醒一点：使用库存数据不能只看到整体销售额，必须拆到SKU粒度。总销售额是最容易骗人的数字。如果一个店六十个SKU，其中一个爆款卖出一千件，掩盖了另外三十个SKU基本不动的事实。只看总额你会觉得店铺表现很好，但拆开看会发现你的库存结构已经非常危险。
视角看到的数字得出的判断 只看总额当月销售额20万业绩不错 拆到SKU60个SKU中30个滞销滞销货占库存金额55% 行动建议：把过去90天的销售记录按SKU拆开，算出每个SKU的售罄率和周转天数。你会发现哪些货其实是好货但被你忽略了，哪些货是供应商吹出来的但你的客户根本不认账。
2. 中小商家没有ERP系统，怎么用Excel搭建自己的库存数据看板？
我做的是拼多多加快团团的小生意，每个月进的货不算多，但品类比较杂。看很多教程都说要先看库存数据再选货，可我们这种小店连ERP都用不起，最多用Excel记个进销存。想问问Excel能搭建出来一个好用又简单的数据看板吗？需要记录哪些字段，多久更新一次才算有效？
能，而且Excel已经足够了。我帮很多中小商家搭建过进销存记录，经验是工具不是关键，能不能坚持记录才是关键。这个判断来自一个反例：我曾经给一家淘宝店用某商业智能工具做了很完整的看板，动态图表、仪表盘、权限管理做得非常齐全，但店主只用了两周就放弃了。
后来我给他换成了Excel里的一张家底表，每天花三分钟更新，反而持续跑了四个月。我的Excel看板只保留五列：SKU名称、进货日期、进货量、累计销量、售罄率。为什么要刻意删掉很多字段？因为字段越多记录成本越高，而记录一旦累人，就会放弃。
这五列信息已经足够支撑货源迭代中“判断哪个品该补货、哪个品该淘汰”这一最关键的决策。SKU名称进货日期进货量累计销量售罄率 连衣裙 A款3月1日1009292% 卫衣 B款3月5日602440% 针织衫 C款3月8日4037.5% 更新频率是决定数据有没有用的关键。
我的节奏是每3天更新一次销量数据，每15天做一次小复盘，每30天做一次大决策。如果卖的是生鲜这类短生命周期品类，更新频率要提升为每天；如果卖的是家具这类长周期品类，15天小复盘可以拉长到30天。一个很重要的经验：不要在数据积累不足时就开始做决策。至少积累8周连续数据，再开始用它指导选品。
因为前八周的主要任务是让数据量达到一个能产生统计意义的水平，否则你看到的只是随机波动。那些看起来复杂的库存监控系统是有价值的，但大多数中小商家在年销售额不足千万的阶段，用Excel跑通闭环的成本远低于上一套系统。系统不是越复杂越好，越适合你现阶段的规模越好。
3. 库存数据出来了，怎么判断该淘汰哪些、补货哪些、试销哪些？
我花了两个月把每个品类的进销存一个个记录下来了，现在有数据在手，但我反而更困惑了。售罄率高的一定要加大进货吗？卖得慢的就得清仓吗？手里数据一大堆，不知道这些数字到底该怎么解读成行动。有没有明确的判断线，让我能直接对照着做出淘汰、补货、试销的决定？
这个问题背后其实是想要一个决策规则，我可以直接给规则让你对照执行。但我得先强调一个前提：规则要小心使用，方法就是给数据加时间窗口，而不是只看累计值。
我常用的分类决策表，以近14天为窗口： 分类判断条件动作 核心畅销品近14天售罄率≥70% 且周转天数≤15天加大补货量，重点培养 波动观察品近14天售罄率35%，70%维持进货量，绑定活动促销，观察趋势 滞销品近14天售罄率＜35% 且持续滞销45天以上清仓处理，停止补货 注意是“近14天”而不是整个上架期的累计值。
因为累计值会把早期卖得好、最近已经衰退的产品误判为畅销。我见过太多商家，一款产品上架前30天卖得不错，近7天销量断崖式下跌，累计售罄率仍然好看，如果不加时间窗口直接套用规则，就会继续补货，结果全砸在手里。这个思路可以叫加权售罄率：给近7天、近14天的销量更高的判断权重，累计售罄率只作为背景参考。
新品上架初期销量少，累计售罄率一定不好看，但近7天如果开始放量，反而说明正在上升。反过来，老品近7天断崖下跌，哪怕累计数据再好，也要考虑缩减进货。新品观察期方面，我一般给15到20天，其中至少要有两周的稳定销售数据，不直接因为初期销量差就判死刑。
部分复购型品类比如女装、家居，观察期可以延长到30天，但前提是库存成本可控。最后我想强调一个更独特的观点：数据在货源迭代中的最大价值不是告诉你“该买什么”，而是告诉你“别碰什么”。当你从数据中发现你的客户群体对某个价格带完全不买账，这就成了选品红线。
下一次去源头选货时，主动避开的动作比去验证任何新概念都值钱。
4. 用库存数据做货源迭代时，最容易踩的坑有哪些？
今年年初我开始用数据方式指导进货，结果折腾了三个多月，不但库存没降，反而报废了好多货。回头想想，好像是自己把数据用得太死板了，比如看到售罄率80%就加大采购，结果旺季结束货全砸手里。想请教有经验的人，你们刚开始依赖数据换货时都踩过什么坑？怎么避免我这样的问题？
我从2022年开始带着一家童装店做数据化货源迭代，第一天就标了售罄率权重，连续记录了一个季度，结果库存不仅没降，反而报废了更多货。后来复盘，问题不在“用数据”这件事本身，而出在我把数据看得太死了。三个多月的学费换来了四个坑。坑一：只看累计售罄率不看时间窗口。
童装店有一个爆款南瓜裤，累计售罄率84%，于是我加大补货。等到第二个月发现它已经进入销售衰退期，新品上架后旧款几乎动不了，我的加量采购全部变成库存。后来我规定所有决策只看近14天数据，累计值只作为背景。坑二：把旺季数据当成常态数据。
有一款防晒衣在六七月份卖到售罄率95%，我把这个数字放进评估体系，给它的货源迭代评级打得很高。但到了十月份，同样的产品一个月只卖出几件，库存周转直接卡死。换季品类、节假日品类必须做季节性修正，不能用旺季表现决定全年进货量。坑三：把卖不动全部归结为选品问题。数据只显示异常，不能自动告诉你原因。
有一款拼装益智玩具，售罄率只有12%，我当时准备直接清掉。后来查了后台才发现，这个链接的上架时间是淡季，店铺主推流量都给了当季爆款，这个产品根本没有获得有效曝光。它并不是产品不行，而是运营没有给它机会。所以我在做清仓决策前增加一个动作：先检查运营动作，排除流量分配的影响。坑四：清洗数据不彻底。
最早记录销量时，我把退款订单、赠品、补差价链接全部算进了累计销量，导致部分SKU的售罄率虚高。最多的时候一个SKU有19%的误差。后来我在记录表里增加了“退款/作废”备注列，每周核对一次，把所有非真实销售行为剥离开，数据才真正变得可信。现在我对数据的态度已经变为：数据是仪表盘，而不是方向盘。
仪表盘告诉你发动机过热，但不告诉你该不该立刻熄火，你还需要结合道路情况做判断。同样，库存数据告诉你哪个品在异常，但为什么异常、该怎么办，要靠你去翻运营记录、看评价、问客服。把这两个动作结合在一起，货源迭代才能跑赢。
读者评论
这篇文章说到我心坎里了。我一直以为店铺赚钱，结果年底盘库发现一堆滞销货，利润全被仓储费吃掉了。现在开始学着用售罄率看单个SKU，而不是只看总销售额。
作为电商财务，我特别认同库存周转天数的说法。之前老板总觉得备货越多越好，结果资金压死，想试新款都没钱。现在每周看周转数据，比凭感觉靠谱太多。
方法很实在，用Excel就能落地。我按这个思路把滞销品分类处理，还真的在补货前会先看数据了。特别是二八原则那段，太真实了，80%利润确实只来自少数爆款。