智能补货如何减少缺货损失 从规则补货到AI补货的升级路径

门店缺货并不总是因为品牌总库存不足。很多时候，货在中央仓、其他门店或错误尺码上，只是补货规则没有及时识别需求变化。

智能补货的目标也不是消灭所有断货，而是优先保护高价值、可挽回的销售机会。

规则补货在哪些场景仍然有效

当需求相对稳定、生命周期较长、交期波动较小时，最小库存、最大库存、补货周期和安全库存等规则容易理解，也便于执行。

鞋服补货可以将WOS目标法作为主要管理方法。WOS（Weeks of Supply，库存可售周数）可按企业统一口径表示为：

WOS＝当前可用库存÷预测周均销量。

目标库存量＝目标WOS×预测周均销量。

初始建议补货量＝目标库存量－当前可用库存－目标窗口内可确认到货的有效在途。

该公式是企业可采用的管理口径，不是所有场景下的统一算法。形成执行量前，还要结合整箱数量、陈列最小量、渠道货权、配送成本和剩余销售窗口进行审核，且不能把尚未确认的在途或预计退货当作确定供给。

品牌先按品类、商品角色、店群和生命周期设定目标WOS，再比较当前覆盖与目标覆盖。经典ROP（Reorder Point，再订货点）可用于需求和提前期相对稳定的场景，但不是本文的主方法。无论采用哪种方法，执行补货都要同时满足三项条件：需求仍然成立、存在可用供给、预计到店仍在有效销售窗口内。

库存低于ROP 为什么仍可能不补

WOS低于目标或库存触发再订货检查，只说明需要核查，不代表一定执行补货。商品已经进入清退期、剩余销售窗口不足、整箱数量过大、中央仓没有合适尺码，或预计到货时需求已经转弱，都可能使补货失去价值。

相反，某款总库存看似充足，但核心门店主销尺码已经断货，也可能需要优先调拨或补货。补货必须同时看数量、位置、尺码和时间。

如何排序真正重要的缺货

缺货优先级可以从四个方面判断：预计需求、毛利或销售贡献、商品可替代性，以及在剩余窗口内能否通过补货挽回。

核心门店的主销尺码、正价窗口中的高毛利商品，通常比低销量门店的长尾尺码更值得优先处理。企业可以将这些因素标准化后形成内部评分，但权重需要通过自身历史复盘校准。

智能补货升级了哪些能力

智能补货把需求预测、生命周期、活动、交期变化和库存位置纳入同一判断过程。面对销量上升，系统应提示团队对比活动前后的销售基线，检查增长是否在多个门店或渠道同步出现、主销尺码是否仍然完整，以及活动结束后增量能否延续；当销售窗口缩短或预计到店时间延后时，相应降低追加优先级。

对于新品，可用相似款和早期销售逐步更新；对成熟商品，可结合稳定需求和供应表现；进入清退阶段后，则应限制补货并优先消化现有库存。

从规则补货到AI补货的四阶段路径

阶段一 统一库存和销售口径

先明确可用库存、有效在途、净销售、退货和不可销售库存的计算范围。口径不统一时，规则补货和AI补货都会在错误输入上放大偏差。

阶段二 建立分层WOS规则

按品类、商品角色、店群和生命周期设置目标WOS，先跑通稳定、可解释的规则补货，并记录触发后未执行的原因。

阶段三 加入预测和动态信号

在规则基础上引入近期需求、活动、断码、生命周期和交期变化，动态调整目标库存或补货优先级。预测用于估计需求，库存和供应条件用于判断这部分需求能否在销售窗口内承接，两者不能混成同一个数。

阶段四 形成审核与复盘闭环

保留建议量、人工调整、实际发货、到店时间、销售改善和剩余库存，比较补货是否真正减少高价值缺货，并用结果更新WOS目标、优先级和例外规则。

人工审核不能被省略

补货建议需要显示需求依据、现有库存、在途、预计到货时间、整箱限制和不执行风险。商品人员调整建议时，应记录门店活动、天气、陈列变化或供应异常。

第七在线可结合款色码销售、可用库存、店群和补货规则，辅助识别高价值缺货、库存错配及即将失效的补货机会，形成补货、调拨或停止追加的候选建议。现货库存、确认在途、采购承诺和可售回流应分别管理；商品货控再结合渠道货权、整箱限制、预计到店时间和剩余销售窗口审核建议，执行结果继续用于校准后续补货参数。

核心结论

补货管理不是看到库存低就追加，而是判断需求是否仍然存在、库存能否按时到达，以及这次补货是否值得占用库存和物流资源。

常见问题

1. 补货频率越高越好吗

不一定。还要考虑配送成本、整箱规则、门店收货能力和需求稳定性。

2. AI补货会替代商品人员吗

不会。系统负责识别异常、估计需求和生成建议，最终决策仍需人工审核。

3. 总库存充足 为什么门店仍然缺货

因为库存可能位于错误门店、渠道、颜色或尺码上，总量充足不等于有效库存充足。