2023年双十一落幕后的第三周，我走进一位朋友的仓库。这位年销3000万的电商老板，整仓堆着价值800多万的库存，而他的银行账户正在为下一批货款发愁。他用一种疲惫又困惑的语气问我：“卖了这么多货，利润到底去哪了？”答案很扎心，利润没有消失，它只是换了一种形态，一件件码在仓库里，变成了过季、滞销、或以极低折扣才能清理的库存。这件事让我意识到，备货决策从来不只是供应链问题，它是企业资金效率的第一道闸门。
过去五年，我在电商供应链计划岗位上，亲眼见过太多团队把“备货”当后勤杂事，最后被库存拖垮现金流。今天这篇文章，我想用一套自己总结并验证过的“投产型备货模型”，把高投产库存备货这件事讲透。
大多数团队备货时的第一反应是：这个品卖得好，多备一点；那个品快断货了，赶紧补。这种思维的本质是“保供导向”，只关心别断货，从不问这批货投下去，多久能回来、能带来多少回报。而高投产备货的逻辑完全不同：它把每一笔备货金额都视为一笔投资，要求这笔钱在可预期的时间内产生高于资金成本的回报。
一笔投资需要回答三个问题：投什么方向、投多少金额、什么时候退出。对应到备货上，就是判断趋势方向、确定备货水位、设定止损退出线。我在实际工作中发现，只要这三个问题回答清楚了，库存积压和断货的问题至少能解决八成。
绝大多数老板看待库存的方式，是看“进价+数量”等于多少资产。但会计上的资产，在经营上是“被冻结的资金”。一件货从入库那天开始，每天都在消耗仓储成本、管理成本和资金利息；三个月卖不出去，它的实际价值可能只剩下吊牌价的30%。所以我在给团队做培训时反复强调：库存是钱，而钱是有时间价值的。
我们算过一笔账：按年化资金成本8%计算，100万库存压三个月，资金成本就是2万元。如果这批货最终只能折价60%出售，亏损额直接吞噬掉同等金额的净利润。你会把100万现金锁在抽屉里三个月吗？显然不会。但备错货，就是在做这件事。
在传统语境里，“投产比”是广告投放的概念。但在我看来，备货同样有投产比，它由三个维度构成：
这三个维度共同回答一个问题：当前这笔备货投入，是否处于全店资金使用效率的最优状态。如果答案是肯定的，这就是高投产备货；如果是否定的，无论销量数字多么好看，本质上都是在用资金换库存。
2021年之前，一个爆款从起量到衰退，平均能走6到9个月。到2024年，这个周期压缩到了2到4个月。尤其是受短视频和直播流量驱动的品类，一个商品可能在三周内冲上顶峰，又在五周内被新的内容热点取代。当趋势周期变短，以“过去30天平均销量”推算未来备货量的传统方法，开始系统性失灵。
我曾在2023年操作一款季节性家居单品，前两周日均销量从30件冲到180件，按照传统的周均增长率预测，团队建议备货4000件。但我停住了，因为搜索指数和竞品价格都在同一个月内出现拐点信号。我们最后只备了1500件，结果第四周销量就开始回落，那批保守备的货，恰好赶在峰值期卖掉了九成。如果当时按预测备4000件，后面至少死掉2500件。
推荐算法成为主流之后，流量分配的逻辑变成了“内容兴趣匹配”。这意味着，商品销量的波动不再完全由搜索需求决定，而是很大程度上依赖内容的流量脉冲。一条爆款视频可以把日销从50件瞬间拉到500件，但视频流量下滑时，销量也会同步回落。
这种环境下的备货决策，面对的变量比搜索引擎时代多出一个维度：内容热度的持续性。一个做了八年电商的老运营，可能在这套流量逻辑下连续判断失误，不是他能力不行，而是的经验库中没有“内容热度衰减曲线”这个参数。数据工具和模型，正在成为备货决策的新基础设施。
我在2024年随机统计过自己接触过的十五家年销500万到5000万之间的电商店铺，发现三个高度一致的现象：
这三个现象相互强化：决策频率低，导致对趋势变化反应慢；反应慢，导致库存周转天数拉长；周转慢，导致滞销比例上升。而所有这些加在一起，就是资金效率低下的完整闭环。
很多运营把“不断货”当作最高目标，于是倾向于多备货。但不断货的代价，是库存过剩的潜在风险。实际上，缺货损失的是当期的销售机会，而备货过剩损失的可能是真金白银，因为你最终要付仓储费、管理费，还要承担折价清仓的净亏损。一单一单算清楚，你会发现：适当的缺货，往往比盲目的多备更“省钱”。
在我的备货模型里，断货率从来不是越低越好。我们会刻意把爆款的断货率控制在5%到10%之间，因为这部分“可接受的断货”换来的是更低的库存持有成本。用可承受的断货率换取资金周转效率，是投产型备货模式与传统模式最大的区别。
许多团队在预测模型上花费大量精力，试图精确算出下个月每一天的销量。但在我经历过的大多数案例里，需求预测的边际收益递减得非常快，从“方向正确”到“数字精确”，投入的成本也许翻倍增长，但对备货决策的改善却微乎其微。
我的建议是：把预测目标从“精确的数”改回“模糊的方向+区间”。你不需要知道下个月某商品具体卖374件还是382件，你只需要知道它是上升、平稳还是下降，以及大概的波动区间。方向判断对了，备货区间设对了，投产比就不会差到哪里去。精确预测是伪命题，概率判断才是真功夫。
教科书里的安全库存公式，通常被理解成一个固定的缓冲量。但在真实经营场景中，产品的生命周期阶段、季节因素、市场竞争态势都在实时变化，安全库存理所当然也应该是一个动态区间。一个处在上升期的商品，安全库存应该是周销量的两倍；一个处在衰退尾期的商品，安全库存可能只需要一周甚至直接归零。
把安全库存理解为“固定数字”的团队，本质上还是在用静态视角看待动态问题。我更喜欢用“备货水位”这个概念：水位随着趋势和风险偏好实时升降，而不是一个永远不变的刻度。
在大多数电商组织里，“投产比”被默认为广告投放部门的专属词汇。但当广告投放的投产比被一波波拉到极致之后，真正决定利润的，反而是后端供应链的投产效率。前端花1000元广告买来的订单，可能因为后端多备了3000元的库存，在财务上变成一笔负毛利生意。
我见过一个极端的案例：某店铺冲到一个品类TOP3，广告投产比一度做到3.8，账面销售额非常漂亮。但年底盘账时发现，仓库里还有600多万元的滞销库存，其中一半是跟随爆款节奏备的“安全库存”，最终清仓只收回了不到两成。算上这些损失，全年的“高投产”变成一个巨大的负数。只看广告投产比，不看库存投产比，是资金效率最大的漏洞。
第一步要做的是判断商品处于生命周期的哪个阶段。我不是用财报式的复杂模型，而是用三个随手可得的信号来判断：
这三个信号组合起来，足够帮你判断方向。方向是“升”还是“降”，直接决定了备货的基调是“追”还是“收”。
确定了方向之后，第二步是确定水位。我把“投产比最优区间”定义为：多备一件货的边际收益大于边际持有成本，且断货损失小于压货风险的那个范围。具体计算方式是：
下限是“可以接受出现适量断货”的最低备货量；上限是“再多备一件的收益开始低于其滞销风险成本”的最高备货量。在实操中，我用一个简化公式估算水位：目标备货量 = 日均销量 × 平均供货周期天数 × 趋势系数 × 风险系数。趋势系数在上升期为1.3，平稳期为1.0，下降期为0.7；风险系数则根据商品利润率调整，毛利率越高风险系数可适当上调。
第三步看似最抽象，但恰恰是拉开差距的地方。每一笔被压在库存里的钱，都意味着失去了投放广告、开发新品、优化供应链等更高回报机会。我的判断标准是：如果这笔资金用于其他用途，预期年化回报率是否高于当前库存周转的年化回报率。如果低于，就应该缩减备货量，把资金释放到更高效率的方向上。
比如，一块钱库存年周转4次，每次带来15%的毛利率，年化回报是60%；而如果用同一块钱去做广告投放，年化预期回报能做到80%到100%，那这块钱的“最佳投产”，显然不是躺在仓库里。资金效率对比是投产型备货模型中最重要、但也最容易被忽视的一环。
2024年初，我接手一款厨房收纳用品的备货规划。该商品上架前，运营团队根据市场调研，强烈建议首批备货2000件。但我的判断是：在没有真实转化数据之前，任何市场规模预估都只是假设。首批备货的唯一目的是“验证”，而不是“赚钱”。我们最终只备了400件，刚好覆盖两周的预估销量。
结果上架后第4天，一条达人视频带来了300多单的爆发。库存只撑到第6天就告急。运营团队很焦虑，但我坚持等到第10天再看数据，因为我们要确认这波爆发是短期脉冲还是可持续趋势。第10天，自然搜索占比从15%上升到35%，加购率稳定在8%，复购迹象初现。这时候，我才拍板追单。追单决策的时间点，不是拍脑袋选的，而是用数据验证了趋势的持续性。
追单的关键不是“要不要追”，而是“按什么条件追”。我给自己定了一条硬性的投产红线：只有当广告投产比稳定在2.5以上，且自然搜索占比持续上升时，才允许追单；追单倍数以日均销量的2到3周为上限。
第15天，该品日均销量稳定在120件，广告投产比达到3.2。按3周上限，最多可追单2500件。但考虑到供应链需要7天备货期，且竞品在两周内也会上架同类产品，我选择追单1800件，接近上限的七成。这个“留有余地”的决策，在后来被证明是极其关键的。
第45天开始，该品的自然搜索热度开始下滑，广告投产比跌破2.0。按照设定，投产红线下破2.0就进入衰退预警期，止损线设为“库存周转天数超过60天即启动清仓”。当时仓库还剩900件，按当时日均60件的销量，刚好够卖15天，理论上还可以观望，但我的判断是，与其等到3个月后被动清仓，不如趁现在还有热度主动收尾。
我们用了三周时间，通过在直播间做组合捆绑、发放会员专属折扣，把剩余的900件库存全部清完，平均清货折扣是原售价的72%，远高于滞销库存30%的残值。最终这款商品的总备货量是3100件，实际卖出近3000件，整体售罄率超过96%。传统模式下同样一款商品，售罄率通常只有60%到70%就已经算不错了。
回看整个过程，真正起作用的不是预测工具，而是三套决策规则：验证期不重仓、成长期设红线、衰退期设止损。正是这三条规则，让备货行为变成一个闭环：任何一笔备货投入，都有进入条件，也有退出机制。
新品上新的前两周，唯一目标是收集数据，而不是追求销量最大化。因此，上新期的备货量只需要覆盖“验证期”的需求。一个可参考的经验值是：新品首批备货量为目标市场预估周销量的1.5到2倍，并设置一个“最低验证阈值”。
最低验证阈值的意思是：在这批库存售出70%之前，不做任何追单决策。等到真实转化数据出来了，再判断方向，决定是否追加。记住，在验证期就大仓压货，本质上是在用资金为不确定性买单。
当商品被验证为有潜力的爆款时，容易走入另一个极端：一听说断货，就立刻下大单。我的建议是，提前建立一张“追单红线表”，把产品按利润率、广告投产比、自然搜索占比三个维度设定追单门槛。
比如某商品毛利率60%，广告投产比红线设2.5，自然搜索占比红线设25%。只有当三个指标都超过红线时，才允许按最高不超过日均销量3周的备货量追单。如果三个指标中有任何一个不达标，宁可缺货也不要多备。把追单变成规则驱动的行为，你才能避免被销量数据绑架。
大多数库存灾难，不是爆发出来的，而是一点点“等”出来的。我看到太多团队在商品进入衰退期后，总是觉得“再冲一波活动就能清掉”，结果等到销量降到个位数，连做活动的资格都没有了，只剩下一仓死货。
我的止损规则是：当商品库存周转天数超过45天，且连续7天销量下滑，立即启动清仓计划，不做任何观望。清仓动作包括：调整价格梯度、与直播间捆绑销售、转给私域用户兑现。止损当然会带来亏损，但及时止损的亏损是可控的，拖延止损的亏损才是无底的。
做好以上三个阶段的决策，不需要复杂的BI系统。我建议每个店铺建立一张“备货投产监控表”，每周花15分钟更新一次。表格的核心字段就六大列：商品ID、趋势方向、当前库存、日均销量、投产区间、当前水位与动作。
使用这套表格，每周一跳出所有库存的问题，比月底才发现要有效得多。这也是我在多个团队里落地过的最轻量级的实施路径，普通Excel就能跑通。具体动作建议如下：每周一更新上周数据，筛选出当前库存低于投产区间下限（需追单）和高于投产区间上限（需促销）的商品，逐个确认决策动作，然后交由采购执行。这不是一套完美系统，但它简单、标准、可重复，确实能阻止库存积液。
高毛利商品（毛利率50%以上）有更大的试错空间。即使压货，清仓折扣仍有利润空间，因此可以适当上调备货水位，追求更高的售罄率和增长速度。低毛利商品（毛利率30%以下）则相反，一次压货失误就可能吃掉整个季度的利润，必须走“小批量、多频次”的路线。宁可多承受一些缺货，也不要压货。
资金充裕的团队，可以把备货水位适当放宽，因为资金占用成本在自己的承受范围内。但资金紧张时，每一分库存资金都应该被当作“救命钱”，备货策略必须极度保守，只备趋势确认的商品，只备投产比最高的SKU，其余一律砍掉。资金紧张时期，缺货是可以被原谅的；再次压货，就无法原谅了。
标品（如数码配件、基础日用品）需求稳定，预测性更强，适合大批量备货以获取成本优势。非标品（如女装、家居饰品）本身属性带强趋势性和季节性，一旦爆款周期过去，价值会加速归零。在非标品上追求大备货量，就像在平流层里追着风暴跑，最好的策略不是跑得更快，而是跑得更轻。非标品的备货上限，我建议不超过标品的一半。
大促前的备货逻辑是“押注爆发”，日常备货逻辑是“保持流动”。大促期间可以适量抬高备货水位，但一定要给“大促后回落”留好余地。我的经验是：大促备货量按预估峰值销量的1.2倍封顶，多余的一件都不备。无数案例证明，大促后的退货潮和流量断崖，会瞬间把多余的库存变成负债。
这篇文章的核心主张，总结起来就一句话：备货不是后勤工作，而是投资决策；库存不是资产，而是被冻结的资金；高投产备货的核心，不是预测得更准，而是决策得有纪律。趋势判断、备货水位、资金效率、追单红线、止损线，这套框架真正的目的，不是让每一次备货都完美，而是让你在大多数时候，避免让资金无意义地躺在仓库里。
看完文章，建议你现在就行动：打开你店铺的销售和库存后台，按下面三个步骤做一次“投产体检”。第一步，筛选出近30天销量最高的前10个SKU；第二步，算出每个SKU当前的库存周转天数和投产比区间，对照本文的模型，标出它们当前处于“区间内、区间下限之上还是区间上限之下”；第三步，找出投产比最低的那件库存，追问一句，它为什么还在那里，以及你打算什么时候开始处理它。
把这三个步骤走完，你就会对这个月最该做的备货决策，心中有数。如果你在体检过程中发现某些SKU的投产比数据与我的模型无法匹配，那正是你的业务在提醒你：你的资金效率还有提升空间，而每一个未被使用的数据信号，都是未来可以优化投产的空间。备货这件事，本质上就是一次持续迭代的投资训练。做得越久，你越会发现，真正的高投产，从来不是来自一次神预测，而是来自一套长期被严格执行的决策纪律。
我过去总觉得备货就是把货买进来放着，最多算个仓储费。直到我核算年度利润时发现，账面看着赚了不少，但现金流吃紧、仓库租金翻倍、年底还有一批货要折价处理。到底有哪些隐性成本被我漏掉了？怎么才能准确算出备货的真实成本？
传统理解里，备货成本等于采购价加仓储费，这个认知会直接导致投产比计算失真。以我跟踪过的某电商团队为例，他们一款冬季外套采购价每件79元，月销1200件时感觉毛利不错，但复盘后发现实际投产比分摊了以下三类隐性成本后，远低于账面预期。第一类是资金占用成本。假设该SKU备货3000件，占用资金约24万元。
当时这笔钱如果留在账户做理财或投入其他周转快的品类，年化收益按5%计，那么这笔库存平均在库45天，单件分摊的资金成本约0.49元，占总成本的0.6%。单看比例不高，但SKU一多、账期一长，资金占用会积少成多。第二类是机会成本。这比资金占用更隐蔽。
某仓库面积有限，因为囤了3000件这款外套，导致另一款周转更快的配饰无法批量备货，少赚了约1.2万元。这类费用在财务账上不会体现，但实打实影响总利润。第三类是跌价与折价成本。服装类目换季清仓，常规折价率在20%-35%。
如果你这批货最终有500件需要清仓，按平均折扣率28%计算，折价损失约1.1万元，单件分摊3.7元。综合算下来，这件79元采购价的外套，实际每件的全成本是79+0.49+（机会成本摊薄约3元）+3.7≈86.2元，综合成本上浮了9%左右。
很多团队的投产比红线只覆盖了采购和物流，把这三项漏掉，等于在替仓库和资金链打工。实操建议：备货前先做一张简表，列出采购单价、预期月销、资金占用天数、资金成本率、预估折价率、仓储分摊。用这张表算出来的数字，才是你真正需要盯住的投产底线。
我们现在公司的备货流程很简单：运营提需求，老板拍板，供应链下单。但最近出现了两个问题，运营为了冲GMV低估损耗导致过量备货，供应链为了保交付倾向多囤安全库存。吵来吵去，最后全是老板拍脑袋。数据都有了，到底谁应该有最终决定权？
我观察过近20家年GMV在300万到5000万之间的公司，备货决策权的分配基本有三类，但最高效的结构不是简单授权给某一个人，而是将决策权拆散到流程里。第一种是运营主导。优点是贴近市场，能快速响应趋势，但问题是运营的考核指标通常是销售额和毛利率，天然倾向多备货保增长。决策时容易忽略资金成本和仓储成本。
第二种是供应链主导。优点是控风险能力强，但问题在于供应链岗位不直接接触销售数据，对趋势变化的感知滞后，容易用\"加大安全库存\"来对冲不确定性，造成库存水位虚高。第三种是我目前推荐的方式，叫\"数据决策+角色分权\"。
具体拆解如下表所示：
| 决策节点 | 主导角色 | 输入数据 | 决策产出 |
|---|---|---|---|
| 新品验证期 | 运营 | 加购率、搜索热度、同款销量 | 是否进入追单流程 |
| 追单红线 | 供应链 | 库存周转天数、供应商交期、资金占用 | 设定最高备货量 |
| 清货止损 | 老板 | 资金成本、仓储成本、动销率 | 批准清货折扣幅度 |
这套机制的核心是：运营决定\"要不要备\"（基于数据验证），供应链决定\"最多备多少\"（基于产能和交期），老板批准\"什么时候撤\"（基于资金效率）。
我之前见过一个团队，按这个思路调整后，库存周转天数从73天下降到45天，积压库存减少31%。关键不是因为某个人变得更聪明，而是让每个决策都踩在对应的数据线上，不越位也不缺位。如果你现在还是\"运营提需求、老板拍板\"，建议先把每个节点的决策依据数据列清楚。
当判断是基于数据而非职位时，责任的归位就会自然发生。
我们一直用\"安全库存\"模型管理备货，设定一个保底数量，低于补货线就下单。但这两年发现这个模型越来越不好用：平台流量波动大，大促节奏乱，安全库存定高了积压，定低了断货。有没有比安全库存更适应当下环境的新思路？
传统安全库存模型的隐含前提是\"需求基本稳定，波动可预测\"，但当下流量碎片化、热点切换快，这个前提已经不成立了。我自己的实操经验是，用\"0库存\"动态水位替代静态安全库存，效果比预期好。
注意，这里的0库存不是真的把库存清到零，而是把\"心理库存\"清零，强迫自己不预设一个保底数字，只用动态数据判断补货与停货。具体操作分三步： 第一步，把商品按趋势方向分类。上升期商品（近7天日销环比增幅超15%）不设库存上限，用供应商现货+极速补货代替大货囤积；
平稳期商品（日销波动在±10%以内）只备7-12天销量；下滑期商品（日销环比降幅超20%）不再补货，只做清仓动作。第二步，重设补货触发点。传统安全库存通常以\"低于XX件就补\"为触发，但我的做法是以\"未来N天够不够卖\"为触发。
比如某SKU日均销50件，供应商交期7天，那么当现有库存量≤预计未来12天的销量（600件）时，就启动补货流程。600件这个数字不是固定安全库存，而是随近7天日均销数据每周滚动更新的动态水位。第三步，缩短决策周期。安全库存通常按月或季复盘，0库存动态水位要求每周更新一次日均销数据，每天看一次动销率。
初期用Excel表手工维护，后面我把这套逻辑搬到了一个简易数据看板里，每周一早上花15分钟刷新数据，周四执行补货或清货动作，决策频率从\"月度\"提到\"周度\"，响应速度明显改善。我拿这个思路帮一个做家居日用品的客户做过一次切换。
他们的第一版方案是：砍掉静态安全库存，只保留72小时滚动需求预测作为唯一补货参考。执行一个月后，仓库面积占用降低了22%，缺货率没有明显上升，而原本压在安全库存里的20多万现金流释放了出来。核心差别就是：静态安全库存是在\"赌\"一个未来数字，动态0库存水位是在\"跟\"当下数据。
当你的供应商交期不是可控变量时，动态水位虽然不能消除所有断货风险，但至少能把死库存的积压风险压到最低。
我复盘了上个月的经营数据，发现有一部分库存既不算滞销品（平均每天还能出几单），也不算爆款（销量远低于预期），但它们的仓库位置占着最好的整货区，资金也一直压着。我想清理这批货，但团队里有人说还能卖，判死刑太早。该怎么客观界定这类\"不赚钱的库存\"？
大多数团队判断库存赚不赚钱，只看两个维度：是否低于成本价，以及是否超过90天未动销。这种判断太粗了。真正的高投产备货逻辑，应该用\"负库存\"视角重新界定，不是看这件货能不能卖，而是看它占用的资源如果分配给其他商品，能创造多少额外收益。我用一个真实的对比来说明。
某美妆店铺同时有两个SKU： SKU_A：精华液，每瓶成本价55元，售价128元，30天动销率40%（即库存中40%被卖出），日均销3件，库存剩余340件，占仓库面积约0.3立方米。
SKU_B：面膜套装，每套成本价48元，售价99元，30天动销率75%，日均销12件，库存剩余180件，占仓库面积同样约0.3立方米。从传统视角看，A和B都在动销，都不到清仓标准。
但用资源回报率算一下： SKU_A的31天盈利路径：日均销3件×128元×30.4%毛利率≈116.7元/月，且占据340件资金18,700元，资金月回报率约0.6%。
SKU_B的31天盈利路径：日均销12件×99元×51.5%毛利率≈188.2元/月（但假设仓储条件允许补货），资金占用8,640元，资金月回报率约2.2%。
在仓库面积相等、SKU_A资金占用是SKU_B两倍多的情况下，如果你把SKU_A从340件降到120件（只保留约40天销量），释放出220件的资金约12,100元，加上省出的仓库空间，去补SKU_B的库存，每月可以额外产生约1.2倍的边际利润。
这就是我定义\"不赚钱库存\"的公式：库存资金回报率÷全店平均库存资金回报率<0.5，且未来30天没有明确的大促或内容热点能拉动该品类的增长。满足这两个条件，就该启动清理。清理动作不是简单打折。我自己的做法是分级处理： 第一级：降低库存水位，从340件调至120件，消除资金占用压力，而不是清仓；
第二级：调整资源分配，把腾出的仓库位置给高周转SKU，物流拣货效率同时受益；第三级：设置\"时间止损线\"，如果未来4周动销率没有提升到60%以上，再启动折价清理，折扣幅度控制在保本线以上。
很多团队不做这个计算，觉得\"还能卖就留着\"，结果就是全店平均库存周转天数被这类\"温吞水\"库存拖住，看着每一项都有销量，加起来资金效率极低。所谓高投产备货，最终比的不是谁买的准，而是谁的资金转得快。
读者评论
文章里提到的“库存是花出去的钱”让我很有共鸣。我做过两年服装电商，以前总觉得仓库里有货就是安全感，直到年底一算账，发现赚的钱全压在滞销品上。后来强制自己接受5%-10%的断货率，把备货量砍掉三成，现金流明显改善。这个投产型备货模型，本质上就是逼着老板用投资人的眼光看每一批货。
最触动我的是对广告投产比的反思。我们团队之前广告ROI做到3以上就觉得很牛，但没人算过后端库存的资金占用。后来有一次清仓，发现半年利润全折在库存里。文中说的“前端高投产、后端高积压”太真实了。现在我也要求运营在备货前先算资金效率，而不是只看销售额。
趋势判断的三个信号很实用：销量斜率、流量结构、竞争信号。我们之前就是一个爆款火了就拼命补货，结果遇上下行周期，压了大批货。现在按文中的思路，把备货量设成区间而不是固定值，并且每周根据内容热度调整水位。虽然偶尔会断货，但整体资金周转率确实提上来了。文章值得反复读。