同一款鞋，37码和38码上市两周就断货，35码和40码一直留到季末；下一季商品团队根据历史销售占比调整配比，结果核心尺码仍然不够，尾码库存继续增加。

这类尺码库存失衡，通常被解释为“区域顾客脚型不同”或“门店预测不准”。更深层的问题是：实际销售受到断码、尺码替代、店群差异和低样本波动影响，未经校正就无法完整代表真实需求。

尺码配比是商品总量在不同尺码之间的分配比例；配比准确与否，应看商品在有效销售期内能否保持核心尺码可售，并减少尾码积压与断码损失。

尺码问题不只是“某个码没货”

核心尺码缺失后，消费者可能购买相邻尺码，也可能放弃购买。前一种情况会抬高替代尺码的销售占比，后一种情况不会进入销售数据。此后再按历史销量制定配比，容易低估断货尺码需求、高估仍有库存的尺码。

鞋服断码通常带来三类经营损失：

• 直接销售损失：消费者需要的尺码无货，交易未发生；
• 结构性库存积压：核心码售罄后，其他尺码失去组合销售机会；
• 错误补货判断：款色层仍显示有库存，系统没有触发补货或调拨。

判断尺码健康度，需要同时观察门店尺码完整度、断码发生时间和剩余库存结构。

原因一：历史销售占比未经断货校正

常见的尺码配比方法，是用历史销售件数计算各尺码占比：

这个公式计算的是已实现销售。某尺码在销售期中途断货，后续需求无法继续转化为销量，其历史占比会被压低。

例如，一款鞋的38码在前两周售出40双后断货，37码同期售出35双，之后又销售20双。季末数据会显示37码销量55双、38码40双。直接按销量制定下一季配比，会认为37码需求更高，却忽略38码后半程没有可售库存。

商品团队需要标记每个尺码的有效可售天数：

比较尺码需求时，应优先使用商品仍有合理尺码结构期间的数据，并对较早断货的尺码进行校正。

结论一：历史销售记录只反映有货条件下完成的交易，断货越早，销售占比对真实尺码需求的低估越严重。

原因二：相邻尺码替代扭曲需求结构

消费者需要的尺码缺货时，部分人会尝试相邻尺码。服装版型的宽松程度、鞋类的楦型和半码差异，都会影响替代概率。

如果38码断货后，部分消费者购买37码，37码销量会同时包含自身需求和替代需求。下一季据此增加37码、减少38码，会继续放大偏差。

商品团队可观察目标尺码断货前后，相邻尺码的销售和退货变化：

• 相邻尺码销量短期上升，可能存在替代购买；
• 相邻尺码销量没有变化，未成交需求可能直接流失；
• 多个相邻尺码同步缺货，后续销售已难以还原原始需求；
• 退货原因集中在偏大或偏小，需要检查替代购买和版型问题。

替代关系会随品类、版型和人群变化，应根据品牌自身交易与退货数据估计。

结论二：尺码替代会把缺货尺码的需求转移到相邻尺码，配比调整前需要识别替代关系，避免把替代销量当成原始需求。

原因三：全国统一配比掩盖店群差异

不同门店的尺码需求会受到消费者年龄、城市层级、商圈属性和门店定位影响。所有门店使用同一配比，高需求尺码会在部分店群快速断货，在另一些店群形成积压。

商品团队可以先按具有稳定差异的经营特征划分店群，再估计尺码曲线：

店群划分需要兼顾差异与样本量。新店和低销量门店可先使用相近店群配比，再根据实际销售逐步修正。

结论三：尺码需求存在稳定的店群差异，统一配比容易造成局部断码与局部积压，低样本门店应参考相近店群进行校正。

原因四：只优化比例，没有约束门店尺码完整度

尺码比例在总体上合理，分到单店后仍可能失效。

例如，某款计划配货1000件，尺码比例合理，但商品被铺进过多门店，每店只能分到少量库存。一些门店从上市第一天就缺少核心尺码，消费者可选择范围不足，动销随之下降。

企业内部可使用以下管理口径：

核心尺码应由品牌结合品类、版型和历史需求确定。完整尺码门店率用于企业内部监控，不属于统一行业标准，合理水平需要通过历史复盘建立。

当总量无法支撑所有门店的基本尺码结构时，应收缩铺货范围，将商品集中到匹配度更高的门店。

结论四：尺码配比优化首先解决结构问题；总量有限时，应优先保障有效门店的核心尺码完整度。

尺码建模：先还原需求，再决定配比和门店范围

校正断货造成的销量截断

识别各尺码首次断货时间、有效可售天数和断货后的销售窗口。对较早断货的尺码，可参考断货前销售速度、同店群完整库存门店和相似商品估计需求。

校正值属于经营估计，需要保留原始销量、调整逻辑和人工审核记录。

识别尺码替代与版型偏差

结合断货前后相邻尺码销量、退货尺码和退货原因，判断替代购买。某一版型持续出现偏大或偏小反馈时，应单独调整尺码曲线。

建立分层尺码曲线

先形成品类或版型的基础尺码曲线，再根据店群差异调整。高样本门店可更多使用自身数据，低样本门店向店群均值收缩：

数据权重应根据样本量、销售稳定性和断货完整度确定。样本少、断货早或销量波动大的门店，应降低自身数据权重，更多参考店群需求。具体权重需通过历史回测建立企业内部规则。

用经营结果验证模型

模型上线后，应复盘核心尺码断货时间、完整尺码门店率、尾码库存和款色售罄表现。

单个尺码预测误差下降，只说明模型更接近历史数据；经营效果还要看断码是否推迟、库存结构是否改善以及销售机会是否增加。

第七在线可汇总款色码销售、有效可售天数、门店库存、调拨和退货信息，辅助识别断货截断、相邻尺码替代及店群差异。系统可形成建议尺码曲线、首配数量、门店覆盖范围、预计断码日、调拨方向和风险原因，供商品团队审核。实际断码时间、销售和季末库存再反馈到后续尺码曲线中。

建模结论：尺码模型的目标是还原真实需求，并在总量约束下延长核心尺码可售时间，减少断码损失和尾码库存。

FAQ

1. 尺码配比应该按全国、区域还是门店计算？

通常先建立品类或版型基础曲线，再按店群调整。高销量门店可使用更多自身数据，低样本门店应参考相近店群。

2. 某个尺码经常最先售罄，直接增加这个码可以吗？

先检查其有效可售天数、相邻尺码替代和店群分布。确认需求持续存在后再增加配比；如果问题集中在少数门店，应优先调整配货或调拨。

3. 尺码比例准确，为什么门店仍然断码？

整体比例正确，不代表单店结构合理。铺货门店过多、首配深度不足、库存位置错误或补调不及时，都会导致核心尺码提前断货。