Shopee补货点怎么定：让库存不断也不压

补货点为什么难定

难算的第一个原因是补货周期不是一个固定值。同一个供应商，不同批次的生产排期会变；同一家物流，旺季和淡季的时效差好几倍。周期一变，原来算好的补货点就不准了。很多断货就发生在周期被拉长的那一次。

第二个原因是销量本身带有波动。日常的需求量只是平均值，真实的订单每天都不一样。赶上平台活动或者一次内容带来的流量，销量可能在几天内翻倍。补货点如果没有为波动留出余量，遇到高峰就会顶不住。

第三个原因是信息分散在不同环节。销量在店铺后台，库存在自己的表里，交期在供应商那里，物流时效在货代手上。这些数据不在同一处，想算准确就得先花力气把它们凑到一起。凑不齐的情况很常见。

还有一个原因是补货决策存在滞后。从发现库存偏低到真正下订单，中间要经过确认、比价、审批几个环节。这段时间库存还在继续减少，如果补货点没有把决策时间算进去，就等于每天都晚一步。

另外，多规格商品让计算变得更复杂。同一个商品有多个规格，每个规格卖得快慢不同，如果按整体销量来定补货点，很可能出现总量还够但主销规格已经见底的情况。规格越细，越要分开算。

这些因素叠加之后，补货点就不再是一个可以一次算完的数字。它需要定期更新，也需要针对不同商品分别设定。把它当成一项持续维护的参数，比当成一个一次性的任务更接近实际。

还有一个因素是资金的约束。理论上把补货点定高一点最安全，但每个商品都多备一部分，占用的资金会快速累积。店铺的现金流有限，必须把钱分配到最需要的地方。这就意味着不同商品的补货策略要有取舍。

仓储成本也在起作用。备货多意味着要占用更多库位，头程也要发更多批次。这些成本不直接体现在销量上，但会实实在在吃掉利润。补货点定得不合理，利润会被隐性的仓储成本慢慢磨掉。

还有一个现实情况是补货动作本身也有成本。每一次下单都要花时间沟通、比价、跟进物流。补货频率过高，运营的精力会被大量消耗在重复劳动上。补货点要考虑到执行的可行性。

对多平台经营的店铺来说，同一个商品可能在多个渠道同时销售。库存是共用的，但销量分布不同，某一个渠道突然起量就会影响其它渠道的可售状态。这种联动让补货点更难判断。

还有一个容易被忽略的点是补货点的计算依赖历史数据，而市场在不断变化。竞品降价、平台调整推荐规则、季节更替，都会让过去的销量规律失效。参数必须跟着调整，不能一次算完用很久。

把这些因素放在一起看，就能理解为什么补货点是一个需要持续维护的参数。它面对的是一个不断变化的系统，任何一次性的计算都只能管一段时间。定期更新是这件事的常态。

举个具体的例子。一款日销二十件的商品，供应商报交期十五天，按这个算补货点是三百件。实际执行中生产排期延后三天、头程遇到压港又晚了五天，真实周期变成二十三天。按原参数补货，中间就有八天的缺口，销量只能眼睁睁丢掉。

再比如一款平时日销五件的商品，某次参加平台活动，三天内日销冲到了四十件。活动结束后回到正常水平，但库存已经被消耗掉一大截。如果补货点只按平时的销量算，这次活动就会直接把库存打穿。

还有一个边界情况是供应商换人。新供应商的交期、最小起订量、质量稳定性都和原来不同，补货点的参数需要整体重算。很多店铺换了供应商却沿用旧参数，结果连续断货好几轮才发现原因。

对于定制类的商品，补货点还要加上打样和确认的时间。定制品的生产周期本来就长，如果中间还要来回确认细节，整个周期可能比标准品长一倍。这类商品的补货点必须设得很靠前。

还有一种是平台仓发货的商品。货要先发到平台仓，上架之后才算可售。补货周期里就多了一段入仓和上架的等待时间。忽略这一段，算出来的补货点会明显偏低。

把这些具体场景摆出来，就能看出补货点难定的根本原因：它依赖的每一项数据都会变，而且变化往往是不同步的。销量、周期、库存三项只要有一项偏离，整条线就失效了。所以维护比计算更重要。

补货点是把销量和周期两项合起来看

定补货点要看哪些数

第一个数是日均销量，而且要用足够长的时间窗口来算。通常取最近三十天的数据，再剔除掉大促那几天的异常值。只用最近一周算出来的平均值，波动太大，很容易把补货点定偏。有异常值的窗口要用中位数校正一下。

第二个数是补货周期，要按环节逐段累加。供应商生产、国内集货、头程运输、清关、入仓、质检、上架，每一段的耗时都要计入。只算物流时间是最常见的错误，生产排期往往才是耗时最长的一段。

第三个数是销量波动幅度。可以用最高日销量和平均日销量的比值来粗略衡量。比值越大，说明需求越不稳定，安全库存需要留得越宽。这个数不需要很精确，能看出波动级别就够了。

第四个数是当前可用库存，而且要把在途库存区分开。已经下单但还没到仓的货，不能算作可用库存，但也不能完全忽略。正确的做法是同时看两个数字：现在能卖的，和什么时候会到的。

第五个数是补货的起订量和交期约束。有些供应商有最小起订量，补一次就是一批，这就限制了补货的频率。起订量大的商品，补货点要相应提高，避免频繁下单带来的成本。

这几个数凑齐之后就可以开始算了。日均销量乘以补货周期，得到周期内的预计消耗；再加上安全库存，就是补货点。公式本身很简单，难点在于每个数取得准不准。

在算日均销量的时候，还要区分订单数和件数。一个买家可能一次买三件，按订单数算会明显低估真实的出货量。补货点应该按件数来定，因为它对应的是实际消耗。这一步很容易被忽略。

销量的统计口径也要统一。退款和取消的订单要不要计入，取决于你怎么看真实的出货需求。比较稳妥的做法是把最终成交的订单计入，退款单独看，这样得到的需求量更贴近实际。

补货周期里还应该加一段缓冲时间。供应商报的交期通常是理想情况，实际执行中会遇到排期延后、原材料到货延迟这些问题。在报的交期上再加几天，算出来的周期更接近真实水平。

对于有多个规格的商品，销量数据要按规格拆开。整体的日均销量看起来健康，但主销规格可能已经消耗得很快。规格之间的销售速度差异越大，越要分开算补货点，不能只看总数。

库存数据要及时更新。如果库存表几天才更新一次，算出来的可用数量就会失真。补货判断建立在库存数字上，数字不准，后面的计算都没有意义。数据源要尽量靠近实际的出货记录。

最后还要考虑退货带来的库存回补。退回的商品如果能重新上架销售，会补回一部分库存。这部分数量通常不大，但如果退货率高的类目，忽略它会让补货点略微偏高，长期下来也是浪费。

以一个具体的商品来说明。某款商品日均出货十八件，全部环节的补货周期是二十天，安全库存按七天的量准备。周期内预计消耗三百六十件，加上一百二十六件的缓冲，补货点大约定在四百八十件左右。库存降到这个数，就该启动补货。

这个数字的用法是实时对照。每天更新一次可用库存，和补货点比一比，低于这条线就下单。整个过程不需要重新计算，计算只在参数需要更新的时候做。日常动作被简化成一个比较，执行起来才不会出错。

如果商品是多个规格共用一批原料，计算还要考虑原料的利用率。比如一批原料能做出不同规格的组合，那么某个规格的补货会影响其它规格的可产量。这种联动关系要在表里标出来，避免单看一个规格做出错误判断。

对于有保质期的商品，补货点还要考虑消耗速度和时间的关系。备得太多会面临过期风险，备得太少又会断货。这类商品的补货上限定得比一般商品更紧，宁可多补几次也不要一次压太多。

还有一个实际的做法是给补货点加一个观察期。新算出来的参数先按参考值执行一段时间，看会不会频繁触发或者长期不触发。用实际表现验证过之后再正式采用，参数会越来越准。

所有这些数字最终要落到一张表上，每个商品一行，把日均销量、周期、安全库存、补货点、当前库存、在途数量都列出来。一眼能看全，判断就不需要翻来翻去。这张表是整套机制的载体。

补货周期算漏一段，预警就会晚一步

安全库存怎么配合

安全库存的作用是覆盖那些算不到的波动。它不解决问题，只是给判断失误留一个缓冲。缓冲留多留少，取决于商品的波动程度和断货的代价。代价越高的商品，缓冲应该留得越宽。

计算安全库存的一个简单做法是看历史波动。取一段时间的每日销量，找出高于平均值的那些天，看看平均高出多少。把这部分差异乘以一个一到两天的系数，就得到一个大致的缓冲量。

还有一种做法是按补货周期的比例来留。周期长、环节多的商品，不确定性更大，安全库存相应多留。周期短、物流稳定的商品，缓冲可以压得很低。不留缓冲和留太多，都是没算过的表现。

安全库存和补货点要一起调整，不能只改一个。补货点提高了但没有加安全库存，本质上是把缓冲挪到了周期里，抗风险能力没变。两者是一组参数，要同时看。

如果把安全库存设得很高，占用资金的压力就会明显上升。这时候可以换个思路，通过缩短补货周期来替代一部分缓冲。周期短了，需要覆盖的不确定性也少了，两者之间存在替代关系。

安全库存定完之后不是就不动了。遇到平台大促、物流旺季、供应商换人这些情况，都要重新评估。它对应的其实是外部环境的不确定性，环境一变，参数就该跟着变。

安全库存还要看断货的后果。断货会带来直接的销量损失，也可能影响商品在搜索结果里的位置。前十名的位置掉下来之后，重新爬回去需要的投入可能远大于多备一点货的成本。

另一个考虑是补货的灵活度。如果供应商配合度高、随时可以小批量下单，安全库存可以留得薄一些，因为补救速度快。如果供应商有最小起订量、交期长，就必须多留缓冲，因为一次失误的代价更大。

安全库存的设定还要和资金成本做权衡。库存占用的钱如果用在别处能产生更高的收益，那么过高的安全库存就是一笔隐性损失。找到这个平衡点需要对自己的资金状况有清楚的认识。

对于刚上新的商品，安全库存应该偏保守。新品的数据不可靠，留太多容易变成积压。这个阶段的目标是不因缺货损失早期的流量机会，同时也不要把资金压在还没验证的需求上。

当店铺开始规模化，安全库存的管理就需要分层。核心商品留足，辅助商品留薄，边缘商品不留。资金和注意力都是有限的资源，把它们集中到最值得的商品上，整体的库存效率才会提升。

安全库存的数值还要定期和实际表现对照。如果一段时间内从来没有触发过它，说明设得偏高；如果频繁动用甚至不够用，说明设得偏低。用实际的触发情况来校准，比凭经验估算可靠。

举个量化的例子。某款商品日均出货二十件，日常波动在十五到二十八件之间。补货周期二十天内需要覆盖的是最坏情况，也就是每天二十八件的消耗。这段差异对应的部分，就是安全库存要承担的量。

如果这个商品的断货代价很高，比如它是店铺的主推款，承担着主要的流量入口，那么安全库存宁可再往上加一点。主推款断货的损失不只是那几天的销量，还有排名下滑带来的持续影响，这笔帐要算进去。

反过来，如果是一款刚上架、销量还不稳定的商品，安全库存就应该压得很低。它的主要风险是需求被高估导致积压，而不是短时间断货。这类商品用小批量高频补货的方式，比一次备足要安全得多。

还有一个细节是安全库存的时间单位。用天数表达最直观，因为它和补货周期的单位一致，放在一起比较很方便。换算成件数之后再看，能更直接地和实际库存对照。两个口径都保留，用起来更顺手。

安全库存的调整要有依据。销量波动变大了、交期变长了、断货的代价上升了，这些情况都支持把安全库存提高。反过来，物流变稳定了、供应商响应更快了，就可以适当降低。参数跟着实际情况走。

把安全库存单独拎出来评估，比混在补货点里更有用。因为它对应的是一种风险偏好，而不是单纯的计算结果。定期问一句现在的缓冲够不够，比单纯看一个总数更能发现问题。

不同动销商品的差异

高频爆款的补货点要设得偏高，而且补货频率也要加密。这类商品一旦断货，损失的销量规模很大，还会影响搜索排名，恢复起来需要时间。宁可多备一点，也不要让它断。这类商品值得占用最多的资金。

稳定平销款的参数最好定，销量规律清晰，波动小，补货点可以按标准公式来算。这类商品是库存管理的主体，参数设好了，整体的资金效率就会明显改善。它们不需要频繁调整。

季节波动款的难点在于旺季和淡季的需求差几倍。同一套参数在淡季会压货，在旺季又会断货。这类商品应该准备两套参数，按季节切换。切换的时间点要提前，不能等到旺季已经开始才调整。

新品观察款的销量数据不稳定，不适合用标准公式。这个阶段更适合小批量试，用比较保守的安全库存，避免压货。等销量规律出来再换成正常参数，通常需要观察两到四周。

长尾低频款的特点是零星成交，单件利润可能不错，但总需求很小。这类商品的补货策略是多款拼单，把几个长尾款凑成一批一起补。单独为一个低频款下订单，成本会吃掉利润。

清仓处理的款要明确停止补货，并且把补货点这条规则从表里去掉。如果系统里还保留着补货点，很容易在某次盘点后触发一次误补货，把已经要清掉的库存又加了回来。

季节款还可以再细分。有的商品是单峰型，一年只有一个旺季；有的是双峰型，一年有两个销售窗口。这两类商品的备货节奏不同，参数也应该分开设。把销售曲线画出来，规律会直观很多。

对于组合销售的商品，补货点要按组合的单位来算。一个套餐包含三个单品，其中任何一个缺货都会导致套餐无法销售。这类商品的补货点应该是各组件里最紧的那一项决定的，不能按平均值来。

有些商品的销量和推广投入强相关，推广一停销量就掉。这类商品不适合用历史平均销量定补货点，因为它的需求是被买来的，不是自然产生的。判断它的补货策略要结合推广计划一起看。

对于生命周期短的商品，比如应季或者跟风款，补货点要设得更谨慎。这类商品一旦错过销售窗口，剩下的库存很难处理。宁可少备一点，用偏紧的参数控制风险。

反过来，基础常青款的参数可以放宽一些。这类商品需求稳定，没有明显的时效性，即使多备一些也不会过时。把安全库存留足，减少断货的概率，长期收益更明显。

分类不是一次定完就不变的。新品会成长为平销款，平销款也可能因为竞品进入而变成长尾款。每隔一段时间回头看一遍分类，把商品放到正确的档位里，参数才能一直有效。

举个例子。同一个店铺里，一款手机壳日销五十件，供应商在国内，补货周期十二天；一款小众配件月销二十件，需要从海外调货，周期四十天。前者的补货点按十二天的消耗加三天的缓冲就够，后者的补货点要覆盖四十天加两周缓冲，数字相差几十倍。

如果把这两款商品放在同一套参数下管理，手机壳会频繁断货，小众配件会长期压货。分类的意义就在这里，它让每个商品都得到和自己节奏匹配的处理方式。判断的依据是动销速度，不是商品的单价或者类别。

还有一个细节是分类要按补货周期一起看。同样是日销五十件的商品，一个周期十二天、一个周期三十天，需要的补货点完全不同。分类时要把两个维度都考虑进去，只按销量分档是不够的。

对于促销期间会临时爆发的商品，可以准备一套活动参数。活动开始前把补货点临时提高，活动结束后再调回来。临时切换参数比常年按峰值准备要节省得多，也不影响平时的库存效率。

有些商品的销量有明显的周期性，比如每逢月初或者周末就集中出货。这类商品的补货点要按周期性高点来准备，而不是简单用平均值。观察几个周期之后，规律会变得很清晰。

分类结果要定期回顾。商品会随着市场变化改变动销速度，去年一年只能卖几百件的商品，今年可能因为某个内容突然起量。分类跟不上变化，参数就会失准。每季度过一遍分类，是最基本的维护。

还有一种是组合型需求。一个商品的销量上涨会带动配套商品的销量，比如主机走量时配件也会跟着起来。这类关联商品要放在一起看补货节奏，否则主机备足了而配件断货，同样影响整体的成交。

把商品分成几档之后，日常的管理动作也会简化。不同档位对应不同的查看频率和响应速度，重点商品盯得紧，普通商品按周期看。注意力得到合理分配，管理效率自然提升。

怎么设预警

预警要设在补货点之前，而不是等于补货点。因为从收到预警到真正下单还有一段时间，这段时间消耗的库存要提前留出来。预警线通常比补货点高出一到三天的销量，具体看决策流程的长短。

预警可以分两级。第一级是提示，提醒你该准备下单了；第二级是紧急，说明库存已经接近临界，需要用加急的方式补货。两级机制能让人对紧迫程度有直观判断，不至于每次都当成同一件事。

预警的触发方式要简单直接。用表格的条件格式标红，或者用后台自带的库存提醒，都可以。关键是每天都有人看，而且看的是一份固定的东西。预警做得再精细，没人看也是摆设。

预警信息里要带上下一步动作。只是显示库存低没有意义，要写明需要向谁下单、大概补多少。带动作的提醒能直接变成执行，省掉一轮额外的判断时间。

如果店铺的 商品款 数量很多，预警要做分层。重点款每天看，普通款每周看，长尾款每月看。全部放在同一个频率里，人的注意力会被稀释，重要的提醒反而看不见。

预警线设好之后要定期回测。看一看过去一段时间触发预警的次数和最终是否断货，如果频繁触发但没有断货，说明线设得太高，可以往下调。用实际结果反过来校准预警线，比一次性拍板可靠。

预警触发之后要有明确的处理时限。收到提醒后多久必须下单，这个时间要事先定下来。如果没有时限，预警就只是一个提示，很容易被拖到第二天、第三天，等到真正下单时库存已经很紧张。

预警的信息渠道也要固定。用聊天工具、邮件还是后台通知，要选一个大家都会看的地方。渠道太多反而会漏掉，分散在几个地方的消息经常没人注意。固定在同一个入口，习惯容易建立。

对于主推款，可以设置更早的预警。这类商品的断货代价大，提前量应该比普通款更多。宁可多留几天准备时间，也不要让它出现缺货。重点商品的响应速度要快于普通商品。

预警线还可以和采购周期挂钩。补货周期长的商品，预警线设得更靠前；周期短的可以靠后。这个逻辑和补货点的计算是一致的，两者之间不应出现预警晚于补货点这种矛盾设置。

如果库存是多个站点共用的，预警要看总库存，同时也要看各站点的可售天数。总库存充足但某个站点已经见底的情况很常见。判读预警的时候要把这两个层次都看一遍。

预警机制上线之后，要记录每次触发的时间和最终的处理结果。过一段时间回看，能发现哪些环节最拖时间。把这些瓶颈改掉，预警的实际价值才能真正发挥出来。

举个具体的设置例子。一款商品日均出货二十五件，补货周期十八天，安全库存按六天准备。补货点大约是六百件。预警线设在六百八十件，给下单留出三天的准备时间。库存每天更新一次，跌破预警线就进入待办清单。

从预警到下单，中间要经过确认库存、联系供应商、确认价格和交期这几步。每一步都需要时间，把这些时间加总，就是预警高出补货点的那部分。算得越准，预警越有效，既不会过早触发，也不会来不及。

如果店铺的商品数量多，可以把预警做成一张日常检查表。每天固定时间看一遍，把触发的商品挑出来处理。形成习惯之后，这件事占用的时间很少，但对断货的预防作用非常明显。

预警的另一层价值是暴露问题。如果某个商品在短时间内反复触发预警，说明它的补货周期或者销量估计有问题，需要重新评估参数。频繁触发本身就是参数不合适的信号，值得回头查一查。

对供应商交货不稳定的商品，预警线可以设得更宽。这类商品真正的问题不是补货点算得对不对，而是能不能按期到货。留出更大的提前量，才有余地应对供应商的延迟。

预警的执行要有记录。每次触发的日期、处理的时间、最终结果都记下来，攒够一段时间之后回看，你会发现哪些环节最拖后腿。把瓶颈改掉，预警的实际效果会明显提高。

还有一种做法是把预警和采购计划对接。触发预警之后直接生成一张待确认的采购单，减少中间的沟通环节。流程越短，从发现到下单的时间越少，需要的提前量也越小。

预警线不是设得越高越好。设得太高会频繁触发，人就会慢慢麻木，真正紧急的提醒反而被忽略。合理的做法是让预警的触发频率保持在一个能认真对待的水平，通常每周几次比较合适。

动销类型不同，参数不能一刀切

数据多久复核一次

日常复核可以按周做，主要看有没有触发预警、有没有需要提前补货的迹象。这一步不需要重算参数，只是执行层面的检查。每周花十几分钟过一遍，就能避免大多数突发断货。

参数复核建议每个月做一次。把最近三十天的实际销量和当初用来计算的数据比一比，看看日均销量有没有明显变化。变化超过两成的，就应该重新算一遍补货点和安全库存。

遇到销量结构突变的情况，要临时复核。上了新的推广、换了主图、参加了平台活动，这些都会改变销量规律。等一个月再调，可能已经错过好几轮补货窗口。触发式复核比定期复核更及时。

每季度可以做一次整体复盘，把断货记录和积压记录放在一起看。哪些款断过货，原因是什么；哪些款压了很久，参数是不是设得太高。整体的规律往往比单个商品的问题更有价值。

复核的时候要顺带看一眼补货周期的实际情况。记录每次从下单到上架的真实耗时，用实际的数字去更新周期参数。周期是最容易失真的一个数，定期用真实耗时校准很重要。

复核的结论要落到参数上。只是看一眼数据而不改参数，等于没有复核。每次复核完之后，表里的数字应该有变化，或者有明确的理由说明为什么不需要变。

每周的日常复核可以只看两件事：一是有没有触发预警，二是有没有商品的库存天数明显低于同期。这两项检查都不需要重新计算参数，看一眼表就能判断。习惯建立之后，几分钟就能完成。

每月复核参数的时候，重点看日均销量的变化。把最近三十天和上一个三十天做对比，变化幅度大的商品要重新算。除了销量，还要看一眼补货周期的实际情况，两者共同决定补货点的高低。

季度复核可以放得更宽，重点看商品分类是否还合适，以及整体的库存结构是否健康。哪些款长期压货、哪些款反复断货，这些现象背后往往对应着参数设定或者分类归属的问题。

遇到大促前后要单独做一次复核。大促期间的销量不能代表平时水平，但大促之后的市场往往会有变化，比如竞品退出、需求上台阶。这个节点值得重新评估一遍参数。

复核的责任要明确到人。如果没有人对这件事负责，参数就会一直停留在最初设定的状态。把复核写进工作清单，指定一个执行的人，机制才能真正运转起来。

复核的结果要做成简单的记录。每次调了哪些商品的参数，原因是什么，调整后有什么变化，都记下来。积累几轮之后，你会对自己店铺的销量规律有更清楚的把握。

举个例子。某款商品在三月份日均出货二十件，四月因为竞品缺货涨到了三十件。如果没有月度复核，补货点还是按二十件算，四月份就会出现明显的缺口。一次复核就能避免这个问题，成本几乎为零。

再比如物流方面。某个头程渠道在三月份平均十二天到仓，进入四月之后因为航班调整变成了十八天。补货周期的变化直接影响补货点，如果周期参数不更新，补货动作就会一直偏晚。周期数据的复核和销量同样重要。

复核还有一个作用是清理不再需要的商品。有些商品已经卖完了不再补货，但表里还留着参数，每次盘点都会被看到。定期把这类商品归档，表格会一直保持清爽，判断的效率也更高。

对于上新比较快的店铺，复核频率可以更高。每周上新就会带来新的商品和新的销量数据，参数需要跟着更新。这类店铺更适合把复核做成一个固定的每周动作，而不是等到月底才集中处理。

复核的过程中还要留意供应商侧的变化。交期、起订量、价格这些都可能调整，而这些信息往往不会主动同步过来。主动问一句，比等到断货了才发现要省事得多。

最后，复核的结论要能追溯。每次改了什么、为什么改，记录下来。几个月之后回头看，你能清楚地知道每个参数是怎么来的。这种可追溯性让库存管理从经验变成了一套有据可循的方法。

参数设对了，断货和积压可以一起降

常见误区

第一个误区是凭感觉定一个天数当补货点。库存还剩几天就补，听起来简单，但没有考虑补货周期长短和销量波动。两个销量相同的商品，如果交期差一倍，需要的补货点完全不同。天数不能代替计算。

第二个误区是补货周期只算物流时间。生产排期、集货、清关、入仓这些环节往往比运输更耗时，漏掉任何一段，算出来的补货点都会偏低。周期算短了，预警就晚了。

第三个误区是用最近几天的销量算日均值。短期数据波动大，用一个走高的平均值去算，补货点会虚高；用一个走低的平均值去算，又会偏低。观察窗口至少要覆盖一个月。

第四个误区是不留安全库存。算出来的数字刚刚覆盖平均消耗，遇到任何波动都会断货。安全库存的作用就是吸收这些波动，它是必需的，不是可选的。

第五个误区是所有商品用同一套参数。爆款和长尾款的销售规律差着量级，用同一个标准去管理，必然有的压货有的断货。分类处理是这件事的基本要求。

第六个误区是忽略了在途库存。已经下单但还没到仓的货，如果没有记录在表里，盘点时会以为库存充足，实际上到货时间可能赶不上。在途库存要有单独的列，并且标出预计到仓时间。

第七个误区是预警设完就不管。销量在变，周期在变，预警线却一直不动，几个月之后就完全失去参考价值。定期复核是让这套机制持续有效的前提。

第八个误区是断货后只想着加大备货。断货的原因可能是补货点算错、供应商延迟，也可能是销量突然放大。不区分原因就加量，容易从一个极端走到另一个极端，把压货问题引入进来。

第九个误区是把库存管理完全交给表格。表格只是工具，真正决定效果的是有没有人定期看、有没有按预警行动。流程没人执行，再精细的表也是摆设。

第十个误区是不区分商品类型统一管理。爆款和长尾款放在同一个标准下，结果必然是爆款频繁断货、长尾款长期压货。分类处理看起来麻烦，实际上是最省事的方式，因为它让每个商品都得到合适的对待。

第十一个误区是补货点算完之后从来不更新。销量在变，周期在变，参数却一直不动，几个月之后这条线就完全失去参考意义。定期复核是这套机制能否持续生效的关键。

第十二个误区是断货之后只增加备货量。不查原因就加量，可能把补货点算错、供应商延迟这些问题掩盖过去，同时引入新的压货风险。找到根本原因，比单纯加量更有价值。

第十三个误区是只看自己的库存不看市场。竞品缺货时你的销量会突然上升，这时候按原参数补货就容易断。外部变化会传导到销量上，判断补货策略时要把它纳入考虑。

第十四个误区是把在途库存算作可用库存。在途的货到仓时间不确定，算作可用会让盘点结果虚高。正确的做法是把两者分开记录，同时标出预计到仓的时间。

第十五个误区是补货决策不记录。每次补了多少、什么时候到的、最终是否满足了需求，这些信息如果没留档，下一次的判断还是从零开始。记录是让经验可复用的基础。

第十六个误区是认为库存管理是仓储的事。补货点直接关联销量的连续性，它属于运营决策，需要把销售、采购、物流的信息合在一起看。单独交给任何一个环节都做不好。

把补货点做成一套固定流程之后，最直观的结果是断货次数下降，同时压在仓里的货也少了。这两件事本来是对立的，靠的正是把销量和周期两项分开算，再按商品类型分配缓冲。参数不用一次就调到位，每轮复核往前推一点，几个月之后就会明显不一样。

第十七个误区是把补货和补货点混为一谈。补货是一个动作，补货点是触发这个动作的条件。没有明确的触发线，补货就只能靠感觉，要么补得太早压货，要么补得太晚断货。先把线画出来，动作才有依据。

第十八个误区是只看单品不看组合。有些商品是搭配销售的，主件断货会导致配件也卖不动。补货策略要放到组合的层面去看，而不是孤立地处理每一个商品。

第十九个误区是参数设完不告知相关人。采购不知道线在哪里，运营不知道什么时候该催，机制就只停留在表格里。参数要让经手的每个人都清楚，才能形成配合。

第二十个误区是过于追求精确。补货点的计算涉及很多不确定的输入，追求小数点后两位的精确没有意义。把量级算对，留出合理的缓冲，比精确到个位更重要，因为输入本身就有误差。

第二十一个误区是断货之后急着找责任。断货的原因往往在参数设定、信息传递或者供应商执行几个环节，单纯追责不解决问题。把原因查清、把参数修正，才能真正减少下一次的发生。

第二十二个误区是只关注自己的库存节奏。平台的流量分配、竞品的库存状态、季节的变化都会影响你的销量。把外部因素纳入考虑，补货判断会更接近真实需求。

第二十三个误区是把库存管成零库存。零库存听起来效率最高，但它对补货速度和需求预测的准确度要求极高，中小店铺很难做到。留一点合理的缓冲，反而比追求极致更稳。

把这套方法用起来之后，库存管理会从一件让人焦虑的事变成一件有节奏的事。什么时候该补、补多少、留多少缓冲，都有明确的依据。断货和积压本来就是一组对立的问题，靠分类参数和定期复核，两者可以一起往下压。

常见问题（FAQ）