什么是智能配货？AI配货如何提升效率

新品到仓后，应该给每家门店配多少？总量有限时，哪些门店优先获得库存？同一款商品的颜色和尺码又该如何组合？这些问题共同决定商品首次进入销售节点时的库存质量。

什么是智能配货

智能配货，是利用商品、门店、历史销售、库存容量和经营规则等数据，计算商品在不同销售节点之间的首批分配方案，并支持商品团队审核的商品决策方式。

AI配货通常应用于新品首配、波段上货、活动铺货和渠道货量分配。它主要解决“现有商品应该先放到哪里、以什么结构投放”的问题。

配货与补货不能混用。配货决定首批库存如何进入门店或渠道；补货是在商品销售后，根据新增需求继续补充库存。

智能配货和人工配货有什么区别

人工配货通常依据门店等级、历史销量和固定配比计算，再由商品团队逐店调整。规则清晰、门店较少时，这种方式能够满足基本需求；随着SKU、店群和渠道增加，人工难以及时处理多项约束。

智能配货会同时考虑：

• 门店所属店群及销售能力；
• 品类、价格带和风格匹配度；
• 门店陈列容量与最低铺货量；
• 同类商品历史表现；
• 款色码库存结构；
• 渠道目标和商品策略；
• 装箱规格等执行限制。

人工配货侧重按照固定规则分配货量，智能配货侧重在经营目标和库存约束下计算更匹配的分配方案。

智能配货不等于取消人工判断。新品缺少历史数据，重大活动存在临时策略，部分门店也可能处于开业或调整阶段。系统需要说明建议依据，并允许商品团队审核和修改。

AI配货如何提升效率

减少重复计算

系统统一读取商品、门店和库存数据，批量计算分配建议。商品团队不必逐个合并表格，可以把时间用于审核新品、重点门店和异常分配。

提高货量与门店的匹配度

同一款商品并不适合平均分给所有门店。AI可结合店群差异、同类商品表现和渠道目标，调整门店之间的分配优先级，减少高潜门店货量不足、低匹配门店库存积压的情况。

优化颜色和尺码结构

尺码配比不能直接照搬历史销售占比。历史数据可能受到断码、相邻尺码替代和低样本影响。智能配货需要识别这些失真，再结合品类、版型和店群差异生成款色码建议。

为后续补货和调拨建立基础

首配结构越合理，商品上市后越容易观察真实需求。实际销售和库存结果回流后，品牌可以继续判断哪些门店需要补货、哪些门店适合调拨，以及原有配货规则是否需要调整。

智能配货提升的不是单次计算速度，而是商品首次投放的匹配度，以及后续库存调整的反应效率。

FAQ

智能配货需要哪些基础数据？

通常需要商品主数据、门店资料、历史销售、库存容量、店群分类和款色码信息。新品数据不足时，可参考相近商品，但应标明建议依据并支持人工审核。

智能配货能完全自动生成配货单吗？

技术上可以自动生成建议，但是否直接形成配货单应由品牌根据数据质量和业务风险决定。新品、重点活动和低样本门店更适合保留人工审核。