今年年初，我帮一位做运动潮流鞋服的朋友复盘库存，发现一个非常刺痛的现象：他手里那款在小红书被博主带火的跑鞋，从日销50双飙到500双只用了3天，但仓库里只剩200双现货，工厂翻单要45天。等货到了，热度已经过去，这波本该赚到的钱，变成了一堆需要打折清掉的库存。
这不是运气问题，这是运动潮流类目库存管理的典型失控。运动潮流产品跟标品最大的区别在于，它的生命线不是季度，而是周，甚至是天。在这个品类里，“库存迭代”的本质不是补货，而是跟流行节奏赛跑。而我看到的大量运营和商品人员，还在用做标品的思路做潮流库存：一次性大批量备货、等卖完了再补、全平台共用一个库存池。结果是爆款断货，滞销款压仓，钱全部变成了卖不动的库存。
今天这篇文章，我把这几年的实操观察和方法论完整拆开：运动潮流的库存到底该怎么快速迭代，用什么数据做备货决策，以及怎样把一次性的“赌注式备货”，变成可复盘的“滚动式备货”。文章不会推荐任何具体软件，但会给出一套可直接上手的数据化快反备货模型。
在展开所有细节之前，我先给出整篇文章的判断。运动潮流类目的库存管理，99%的问题都不是“管得不够细”，而是节奏错了。这里的节奏包含三层含义：备货的节奏、翻单的节奏、清尾的节奏。
传统服装品牌的节奏是“季前订货、季中补货、季末清仓”，一个完整的库存周期可能有4到6个月。但运动潮流产品的流行周期被社交平台极大压缩，一款鞋从被种草到退热，可能只有3到8周。用4个月的节奏去管理一个8周生命周期的产品，必然会产生一个结果：钱全部压在库存里。
所以我在给运动品牌做库存建议时，最先强调的不是“怎么把库存管准”，而是“怎么把库存决策周期压缩到周，甚至压缩到天”。备货不是一次性拍板，而是用小批量测试、数据验证、滚动补货的方式，让库存跟着市场的真实反馈走。
这套方法有一个前提：你必须先把“数据底盘”打好。缺了这个底盘，后面所有关于快反、翻单、调配的操作都是空谈。这也是下一章要解决的问题。
我见过太多做运动潮流类目的卖家，仓库里永远同时存在两种极端：一边是爆款断货后被平台罚款、被消费者差评；另一边是滞销款堆积如山，最后一个季度只能通过“骨折价”清理。这两种结果看似矛盾，但根子是同一个，库存决策没有跟上流行节奏。
举个例子，有位做运动潮袜的卖家，去年秋季备了3万双某款拼色中筒袜。上架第一周，抖音一位穿搭博主带了一波货，日销冲到800双。他第一反应是“爆了”，立刻找工厂追加2万双。结果第三周流量退潮，日销回落到80双，追单的2万双到货时，这款袜子已经没人搜了。最后这2万双以3折清掉，一算账，赚的利润全折在库存里。
这个案例很典型，它说明了一个问题：运动潮流类目的库存决策，不能等数据完全验证后再行动，也不能只看一天的爆发就下注。正确的动作是在“反应太快”和“反应太慢”之间找到一个数据化的中间态。
为什么运动潮流类目不能用通用零售的库存管理方法？我总结出四个核心差异，这四点贯穿了后面所有方法论的设计逻辑。
| 难点 | 普通标品 | 运动潮流类目 | 对库存管理的影响 |
|---|---|---|---|
| 生命周期 | 长，通常以年为单位 | 短，3至8周即可能过季 | 备货和清尾窗口极短，决策必须前置 |
| 需求确定性 | 相对稳定，可预测 | 受内容平台流量驱动，呈脉冲式波动 | 平均销量参考价值低，必须看趋势方向 |
| 补货响应 | 供应链成熟，翻单周期较短 | 面料、工艺、产能约束多，翻单周期长 | 首批备货量要精准，等翻单往往来不及 |
| 多平台结构 | 各平台销售节奏接近 | 平台间流量差异巨大，爆款集中在单一平台 | 库存分配需动态调整，不能统一池子管理 |
这四个差异决定了，运动潮流类目的库存管理必须围绕“速度”来重新设计，而不是围绕“精准度”。追求预测的100%精准是死路，追求决策和反馈的速度才是活路。
很多商品管理人员花大量精力做销量预测模型，试图精确预测“这款鞋下个月能卖多少双”。但运动潮流类目的销量受内容平台流量、达人排期、突发热点影响，根本无法被精确预测。
我见过一份做得很精细的预测报表，用过去12个月的历史数据做了非常复杂的时间序列模型，预测某款运动卫衣下月销量1200件，结果实际销量1900件，偏差超过58%。不是模型不好，而是潮流类目的需求函数里，社交热点是一个无法建模的外生变量。
所以，我的判断是：放弃“精确预测”，改用“快速验证”。先小批量投放到市场里，让真实销售数据替你做预测，然后根据数据反馈滚动修正。这才是适合运动潮流品类的方法论。
在进入快反备货模型之前，你需要先建一个“数据底盘”。没有这个底盘，后面所有判断都是“凭感觉”。我不要求你上复杂的BI系统，只需要你把下面五个数据口径拉出来，用Excel或任何你熟悉的工具算清楚。
绝大多数人算日销就是“总销量除以天数”，这个算法做标品够用，做运动潮流会误导决策。因为潮流产品的销量曲线是陡升陡降的，一款产品过去30天的平均日销，完全无法反映它最近3天的真实趋势。
我给的方案是：加权移动日销。简单说就是：越靠近今天的销量，权重越高。例如，过去7天的销量权重分配，可以设计为：第1天10%、第2天10%、第3天15%、第4天15%、第5天15%、第6天17%、第7天18%。权重加总为100%，每天的数据乘以对应权重再求和，得到“加权日销”。
这个数值会比简单的平均日销更能反映“当下正在发生什么”，而“当下正在发生什么”才是潮流库存决策真正需要的输入。
可售库存天数的公式很简单：可售库存天数 = 当前可售库存 ÷ 日均销量（建议用加权移动日销）。但这里有两个坑，我见很多人踩过：
第一个坑是“可售库存”没有扣除已锁定库存。比如已经下单但还没发货的、参加活动被预占的、被平台仓储锁定的，这些库存虽然系统里还在，但“已经不属于你了”。我建议把可售库存严格定义为：仓库里随时可以发货的物理库存。
第二个坑是日均销量用错了口径。如果你用总销量除以总天数，得到的是一个“历史平均速度”，用它来算可售天数，往往会高估库存能撑的时间，导致补货决策滞后。
在途库存是运动潮流备货中最容易被忽略的变量。特别是在“小批量、多批次”的补货模式下，在途库存可能占总库存的30%以上。
我见过一个真实的翻车案例：某卖家在途有5000双鞋，他下单时忘了算这批货，看库存只剩2000双，又下了一批急单，结果两批货同时到仓，仓库直接爆仓，还因为资金占用导致现金流紧张。所以在做备货决策时，必须把“已下单未到货”的数量纳入计算，否则一定会重复下单。
教科书上的安全库存公式是：安全库存 = 采购提前期 × 日均销量。这个公式对运动潮流类目是不够的，因为它没有考虑一件最重要的事：流行爆发。
我建议的安全库存计算逻辑是：
安全库存 =（采购提前期 × 日均销量）× 波动系数
这个波动系数，我建议在1.2到2.0之间取值。怎么取？关键看SPU的打法：如果你推的是保守款的补货，取1.2；如果你推的是具备爆款潜力的新款、且内容投放已开始起量，取1.8到2.0。这个系数是经验建议区间，你需要结合自己的类目和预算随时调整。
库销比 = 库存金额 ÷ 月均销售额（也可以用数量口径）。在运动潮流类目，我建议库销比控制在3到4之间。传统服装行业的平均水平在4到6，但如果运动潮流品类跑到4以上，说明库存压力已经很大了，必须启动清尾动作。
售罄率 = 销量 ÷ 采购量。它的意义在于告诉你：这批货到底卖没卖出去。在运动潮流类目，我建议关注两个时间窗口：上市45天售罄率是否达到40%，上市60天售罄率是否达到50%。没有达到的SKU，要进入滞销观察池。
这五个数据口径，我建议你每周一上午花30分钟更新一次。等你看完下面第四部分的快反模型，你会明白：这30分钟是整套备货体系里投入产出比最高的时间。
数据底盘打好之后，接下来进入核心环节：快反备货模型。这个模型不是我发明的，而是运动鞋服行业从快时尚行业学来、经过本土化改造的一套打法。它的核心逻辑只有一句话：用最小的初始库存换取最真实的销售数据，再用数据决定下一步动作。
传统订货模式是“季前开订货会，一次性下单”，一次下5000件，赌对了赚翻，赌错了压死。快反模式完全反过来：首批只下预估销量的30%-40%，上架后用7到14天的真实数据来判断这款产品值不值得追加。
具体操作建议：新款SKU首批备货不超过预估销量的40%。上架后重点观察五个数据：点击率、加购率、转化率、复购率、退货率。我用两个门槛来做初步判断：加购率超过10%、转化率超过3%的SKU，进入潜力款观察池。这两个数值是行业常见参考值，具体到不同客单价产品会有差别，你需要以自己的历史数据做校准。
我见过最快的试销周期是48小时。一位做运动腰包的卖家，新款上架后开了两场直播，第一场转化率2.1%，第二场转化率4.8%，加购率也明显爬升。他果断在第三天翻单，赶在同行反应过来之前抢到了一波流量红利。小批量试销的关键就是：不是所有款都要等足7天，数据信号足够强的时候，提前行动本身就是优势。
大多数运营是“等货卖完了才发现要补货”，或者“等季末盘点时才发现滞销”。这都太晚了。正确做法是提前设置两条预警线，让数据在风险发生之前就大声喊你。
爆款预警线的触发逻辑：当某SKU的可售库存天数＜补货提前期＋5天时，自动标记为“补货预警”。比如补货要15天，当可售库存天数少于20天时，就要开始准备补货动作。这里有个运动潮流的特殊细节：在抖音这类脉冲式流量平台，预警线的“提前量”要比天猫更激进。因为抖音的爆发系数更高，一旦流量起来，库存会以小时为单位被扫空，你至少要预留比天猫多3-5天的响应时间。
滞销预警线的触发逻辑：我建议用两个时间节点，前面已经提过：上市45天售罄率小于40%，或上市60天售罄率小于50%，即进入滞销处理流程。这两个数值是建议起点值，如果你做的是高客单价产品，滞销窗口可以适当拉长；如果是低客单价的潮流单品，窗口还要再压缩。
这一条是整个模型里最值钱的部分，也是我跟很多做运动潮流的朋友反复强调的一点：翻单不是“发现爆了就跟”，而是“算清楚还能不能追、追多少”。
我建议用四个维度交叉判断：
| 判断维度 | 具体问题 | 数据参考 |
|---|---|---|
| 剩余流行周期 | 这款产品还能火多久？ | 搜索热度趋势、内容平台话题衰减率 |
| 当前日销趋势 | 日销还在上升、持平，还是已经开始衰减？ | 加权移动日销连续3天以上变化方向 |
| 供应端响应速度 | 最快多少天能出货？是否要加急费？ | 工厂产能、面料剩余量、加急报价 |
| 利润空间 | 翻单后的成本是否还能支撑现有定价？ | 翻单采购价、物流费、平台佣金 |
基于这四个维度，我给出一个简化的翻单决策矩阵，供你直接对照使用：
上，日销仍在上升、剩余流行周期＞补货周期：果断翻单。这是最理想的窗口期，翻单量可以做到首批的1.5到2倍。
持平，日销开始持平、剩余流行周期≈补货周期：只补急单。用空运或加急等方式小批量补货，保证不断货即可，不建议大批追加。
衰减，日销衰减、或剩余流行周期＜补货周期：不翻单，立刻转清尾。这时候追单的钱大概率会变成滞销库存。你要做的不是追货，而是尽快把手里的库存变成现金。
快反模式的最终形态，是建立一套固定的周度滚动备货节拍。所谓滚动，就是每周基于最新数据，对未来2到4周的需求做一次修订，而不是每周孤立地做一次补货决策。它的节奏像一个滚动的轮子：预测，采购，到货，复盘，再预测。
我给你一个可以直接套用的周度节拍模板：
这套节拍的关键不是“每周都做一样的事”，而是用一个固定节奏，让不确定的潮流需求变成可管理的常规动作。你可以根据自己公司的实际情况调整具体日期，但节奏一旦定下来，就不要轻易打破。
做运动潮流类目的，几乎没有只做一个平台的。天猫、抖音、得物、拼多多、独立站，每个平台的流量逻辑和消费心智都不一样。但大多数卖家在库存管理上，仍然是一个总仓、一个库存池，所有平台共用。
这就导致一个经典问题：抖音的爆款在断货里结束，天猫的库存躺着睡觉。因为抖音的爆发系数最高，最容易把货扫空，而天猫走的是匀速逻辑，库存消耗慢。如果是共用一个库存池，抖音会把整个盘的货都吃掉，其他平台无货可发。
我梳理了三种常见的多平台库存分配策略，按复杂度从低到高排列：
| 策略 | 运作方式 | 适用场景 | 短板 |
|---|---|---|---|
| 瀑布式 | 固定优先级，货先满足核心平台，有余量再分配给其他平台 | 供应周期极短、各平台定位差距大的产品 | 非核心平台容易被牺牲，错失增量 |
| 比例式 | 按各平台预估销量占比，把库存切块分配 | 供应周期中等、需求相对稳定的产品 | 比例是静态的，无法应对爆发的平台 |
| 动态调配式 | 每天按各平台实际动销速度，调整虚拟可售库存池 | 运动潮流类目的爆款与潜力款 | 对数据实时性要求高，需要固定复盘节奏 |
在运动潮流类目，你最核心的爆款，应该以动态调配式为主逻辑。不要等一款货在A平台卖空了再调拨，而是在B平台动销明显放缓、A平台动销明显爬升的时候，就主动调拨。
动态调配法做起来没有想象中复杂。关键一步是：把“仓库里的真实库存”和“前台展示给消费者的可售库存”分开管理。我称之为物理库存池和虚拟库存池。物理库存是仓库里真实的货量，虚拟库存是你设置在各平台前台的最大可售数量。
举个例子：某款鞋仓库里实际有1000双。你可以在天猫后台设置可售600双，抖音设置可售500双。虽然物理总量只有1000，但虚拟池子可以开到1100，因为两个平台同时卖完的概率很低，这个超卖风险可以通过人工盯盘来控制。
动态调配的触发条件，我建议用“库存水位差”来驱动，而非人工拍脑袋：
当A平台的可售库存天数小于B平台可售库存天数的一半，且A平台的加权移动日销大于B平台时，启动从B到A的调拨。
这个规则简单、明确、可以直接写进你的日常运营动作里。不需要复杂的系统，每天花15分钟看一遍各平台的可售天数，就能执行。
最后提醒三个我亲眼见过、亲耳听过的坑：
第一个坑是同步过度。有些卖家追求“所有平台库存实时同步”，结果一个平台产生订单，其他平台的可售库存全部扣减，导致高爆发平台很快显示无货。同步不是目的，让每个平台有货可卖才是目的。
第二个坑是只看库存数量，不看可售天数。同样都是有500双库存，日销50双的SKU和日销200双的SKU，完全是两种状态。只看数量会让你误判。
第三个坑是忽略平台规则的差异。有些平台对超卖有严格处罚，有些平台更宽容。所以动态调配法的“虚拟库存释放比例”，一定要根据平台规则来确定，不要一视同仁。
不管你的备货模型多精准，运动潮流类目里总有卖不完的货。这不是失败，而是这个品类自带的不确定性。真正拉开差距的，是清尾的速度和方法。
我给运动潮流SKU设置了两个时间窗口的预警线，前面已提及：上市45天售罄率小于40%，进入滞销观察池；上市60天售罄率小于50%，进入清尾决策池。
触发预警后，根据滞销程度分层处理：
我对清尾的核心判断是：清滞销的速度，比清滞销的价格更重要。库存多放一天，仓储费、资金占用费和管理成本都在累加。很多卖家舍不得降价，最后折进去的仓储和资金成本比降价损失还大。
在运动潮流类目，很多滞销款不是产品不好，而是缺乏“购物场景”。我见过一个很成功的操作：某款滞销的跑步T恤，搭配同系列热销的短裤，做了一个“跑步套装”，价格只比单买短裤贵30%。结果套装把滞销T恤全部带出去了，而且没有损伤品牌调性。
这个思路的核心是：用热销品带滞销品，而不是让滞销品自己降价。直接打5折，会损害消费者对品牌的定价认知，以后正价卖不动。但通过“组套”“满赠”“搭配购”的方式，既给了消费者获得感，又保住了单品价格体系。
运动潮流类目有一个其他品类很难复制的清尾手法：通过配色微调、联名再造、经典复刻，把滞留的库存面料、半成品重新推向市场。
我认识一位做潮流卫衣的卖家，因为一批基础款卫衣滞销，他找到印花厂做了一批联名图案的工艺改造，覆盖在原版印花上，再以“限量联名款”名义重新上架。结果这批原本打3折都卖不动的卫衣，以正价9折的限量价格全部出清。
这个案例不是常规操作，但它揭示了一个值得思考的方向：运动潮流品类的“库存”不一定是终局状态，如果产品的基础版型还有价值，二次设计完全可以给库存新生命。
市面上有大量ERP和库存管理工具，我自己也用过不止一套。在这里我给一个不偏不倚的判断：工具解决的是“同步和执行效率”，不解决“决策质量”。如果你的备货决策模型本身就是拍脑袋，上再贵的系统也只会让你更快地做出错误决策。
根据我观察到的实际案例，可以分成三个阶段：
| 阶段 | 特征 | 建议工具方案 |
|---|---|---|
| 起步期（日单量低于500） | SKU少、平台少、人工可覆盖 | Excel表格 + 平台后台库存同步功能 |
| 成长期（日单量500-5000） | SKU增加、多平台铺开、人工开始跟不上 | 轻量ERP + 手动周度复盘机制 |
| 成熟期（日单量5000+） | SKU多、渠道复杂、翻单频繁 | 专业ERP/OMS + 数据看板 + 自动化预警 |
我特别想强调一点：不要在最早期就上重系统。我见过太多卖家，一天的订单量连200单都不到，却花几万块上了一套复杂ERP，最后因为没人会用，连基本的库存同步都维护不好。工具是为你服务的，不是让你去伺候工具的。
当你确实需要上工具时，我建议优先考察五个能力，这也是我看过多个系统后总结出来的核心维度：
如果一套工具在这五个维度上没有任何优势，那它对你的运动潮流库存管理帮助就很有限。
运动潮流产品的需求永远无法预测精准，但有一个动作可以把不确定性降到最低：尽量把订单拆小、分批下。以前你一次下5000件，现在改成首批2000件、追单1500件、再加急1500件。虽然单次采购成本可能高一点，但是资金占用和滞销风险大幅下降。如果你算过账，会发现在运动潮流类目，库存风险的成本远高于那一点采购差价。
运动鞋服的退货率比标品高得多，特别是通过内容平台冲动消费的订单。我见过部分直播间渠道退货率高达30%-40%。这意味着如果只看“前台销量”，你会严重高估实际需求，导致备货过多。
我的建议是：在计算加权移动日销时，用“净销量”（销量-退货量）而不是“毛销量”。尤其是短视频和直播渠道的爆发期，前台销量好看，但退货会在7-15天后逐步体现。如果不把退货变量纳入模型，你会在第30天突然发现：库存比想象中多了一大截。
最后想说一个很多老板忽视的问题：库存资金占用。有些卖家只看利润表，觉得“我这批货虽然卖得慢，但库存还在，资产没有损失”。这种想法很危险。同样是100万资金，放在库存里和放在账上，意义完全不同。库存占用会挤压你上新品的空间，让你错过下一波流行。
我的建议是：把库存资金占用看作一笔“负利率存款”。每一件滞销款在仓库里多躺一天，都在侵蚀你做下一个爆款的资金和机会。清尾要快，不是因为你缺钱，而是因为这些钱有更好的去处。
写到这里，我把运动潮流类目库存快速迭代的核心方法论讲完了，用一句话总结我的核心观点：运动潮流库存管理的本质，不是管存量，而是管节奏；不是做预测，而是做响应。用数据底盘感知变化，用小批量试销验证需求，用滚动补货跟上节奏，用分层清尾释放现金流。这套逻辑，是过去几年里我见过最适合运动潮流类目的打法。
如果你能在一个月内完成这五个动作，你的库存结构大概率会比我开头提到的那位朋友健康得多。真正的快反不是“更快地追爆款”，而是用稳定的节奏、最小的试错成本，无限逼近市场真实的脉搏。
如果你现在正被运动潮流库存压得喘不过气，先别急着学更多技巧，回到第二章的五个数，把它们全部算出来，你立刻就能看清问题出在哪个环节。
我是做运动鞋服电商的，每次上新都不知道首批该备多少货，备多了怕压库存，备少了又怕爆款断货错过机会。有没有一套基于数据的方法来确定首单量？
第一手经验：我曾经负责一个潮流运动品牌，早期采用“经验估值法”，结果一款联名卫衣首批备了2000件，实际只卖出一半，最后清仓亏了。后来改为“小单快反+数据跟踪”模式。具体做法：首批只备预估销量的30%-40%。预估销量不是拍脑袋，而是参考同类款式的历史销售曲线、收藏加购率、站内搜索热度。
例如，一款新鞋上市前，我会在私域社群提前做意向登记，根据登记人数和已售老款的转化率推算首周销量。判断潜力款的标准：加购率>10%且转化率>3%（行业参考值，需结合品类调优），满足这个条件，首批可以按预估销量的40%备；不满足就按20%-30%。
运动潮流生命周期短，宁可少备不要多备，因为翻单周期通过供应链优化可以缩短到15天左右，而备多了一旦滞销，资金占用和折扣损失远大于断货损失。
我有个爆款运动裤突然销量暴涨，库存马上要见底了，但我不确定要不要翻单，怕等货到了热度就没了，也怕翻单量太大砸手里。到底怎么判断该不该追单？
我的判断标准不是“卖得好就追”，而是用“四维矩阵”做决策：剩余流行周期、日销速度趋势、供应链响应速度、利润空间。具体来说，我会每天拉出该SKU的日销数据和搜索指数。
如果日销还在加速上涨，且预计流行周期（从类似爆款的销售曲线推算）大于补货周期+安全周期，那就果断翻单，翻单量可以按“未来预计销量-现有库存-在途库存”来算，同时要留出安全余量。如果日销开始持平，流行周期只剩补货周期的1.5倍以内，我只下“急单补缺”，量控制在能卖到流行期末的80%。
如果日销开始下滑，即使还有需求也不追单，因为运动潮流一旦热度过了，库存就会变成“毒药”。另外，翻单要关注供应链成本，很多工厂翻单价格会高出首单10%-20%，这个成本要算进利润里。我有一次追单了一个爆款运动帽，追了5000件，结果因为补货周期20天，加上面料涨价，到货后热度已经转向，最后亏了8万。
所以追单前的核心是：算清楚“到货那天，这个款还剩多少热度”。
我的运动品牌在天猫、抖音和得物都有店铺，库存是同一个仓库，经常出现抖音上卖爆了但天猫没货可发，或者得物上一直卖不掉占用库存的情况。如何合理分配各平台库存？
我发现很多卖家喜欢“总库存一口价”，这是超卖和滞销的根源。运动潮流类目的流量节奏在不同平台差异巨大：抖音是脉冲式，可能一场直播卖空一个款；天猫是相对平稳加周期性大促；得物则是高溢价、低流量但客单价高。我的做法是采用“动态比例+水位差调拨”的模式。
每天早上跑一遍数据，根据近7天各平台的实际动销速度（日销量）分配库存比例。具体公式：某平台分配比例=该平台近7天日均销量÷所有平台近7天日均销量之和。同时，设置物理库存和虚拟库存：虚拟库存量 = 物理库存 × 分配比例，再乘以一个0.9的“安全预占系数”，用来防止超卖。
当某个平台的可售库存天数低于另一个平台的一半，且该平台日销更高时，我会手动调高它的比例。举个例子：一款跑鞋，抖音日均销120双，天猫日均销40双，得物日均销10双，那我就会按6:2:2分池，但得物是溢价渠道，我会给它设置一个最低保底门店数，比如10双，防止断码。
这个流程我用了两年，超卖率从之前的3%降到了0.1%，库存周转天数从75天降到了52天。
我现在的库存预警只有“低于多少件就补货”，但运动潮流款波动太大，有时候预警了还没补，第二天就卖完了；有时候预警了补了一大堆，结果销量骤降。到底该怎么设置数据化的预警机制？
普通标品的预警线是“库存数量”，但运动潮流必须用“可售库存天数”来做预警。因为不同SKU的日销速度天差地别，一个日销100件的款，剩200件可能只够卖2天，另一个日销5件的款，剩200件还能卖40天。我给自己店铺设定的规则是：每个SKU设置两层预警线，“爆款预警线”和“滞销预警线”。
爆款预警线：当可售库存天数小于“补货周期+5天”时触发补货提醒。比如某款鞋补货周期是12天，那么当可售库存天数小于17天时，我就开始准备翻单。滞销预警线：上市45天售罄率低于40%，或库销比高于5，就进入滞销观察池；上市60天售罄率低于50%，就进入清尾决策池。
这两个数值可以按利润率调整，但逻辑是通用的。另外，预警不是只看数量，还要看趋势。我会对未来3天的销量做加权预测（近3天的权重更高），用预测值来算可售天数，而不是用过去30天的平均数。这样在爆款起量初期，预测值就会快速变化，预警自然提前。
举个例子，我有个款在抖音突然被达人带火，前3天日销从50涨到300，如果按30天平均算，可售天数还有20天，但按近3天加权算，可售天数只剩下2.8天，预警马上就响了，我当天就联系工厂紧急翻单，抢在热度高峰期补上了货。这就是“数据驱动预警”和“感觉预警”的区别。
读者评论
文章说到了痛点，我做过运动鞋服，以前就是一次性压货，爆款断货滞销压仓都遇到过。后来用小批量试销，但有时候小批量也拿不到工厂排期，确实需要和工厂深度配合。加权移动日销这个思路我打算试试，比平均日销更能反映趋势。
比较认同“管节奏”这个说法，运动潮流的周期确实短，但量化到具体数据，比如库销比3-4，我觉得得看品类和利润。文章给了可操作的方法，但更想知道如何和平台活动节奏配合，因为活动期间日销波动更大。
最触动的是“预测永远不准，改用快速验证”。以前做预测模型花了很多功夫还是不准。现在改成首单压30-40%，看7天数据决定翻单，虽然增加了翻单次数和成本，但整体库存风险降了。数据底盘的五项指标很实用，尤其是可售库存要扣除锁定库存。
文章让我看到运动类目库存的水深。不过，作为小卖家，首批只有40%可能拿不到好的供应链价格，而且小批量测试也可能因为流量不稳定而误判。希望作者能出一篇如何选择供应链和合作工厂的内容。