然而在中国鞋服市场，”商品计划”这个词被严重低估。很多品牌的商品计划仍然停留在”开订货会，按经验定量”的阶段。而这种做法导致的直接后果，根据全球行业研究机构IHL Group的数据，全球零售商每年因库存失衡（过量积压与爆款缺货并存）损失高达1.73万亿美元。中国鞋服品牌尽管幸运地不必承担这个全球数字，但”三成商品贡献八成销售、五成库存等待打折清货”的结构性困境，在行业中极为普遍。
本文将系统性地解答：商品计划是什么、为什么传统做法失效、完整的8步流程如何执行、12个核心KPI如何衡量、中国鞋服品牌面临哪些独特挑战，以及AI技术正在如何重塑这个领域。无论你是分管商品的副总裁、商品总监、买手还是计划经理，这都是一份可以直接指导工作的参考手册。
商品计划（Merchandise Planning）是零售企业围绕销售目标、库存目标和资金预算，对未来商品结构、采购数量、上市节奏和库存配置进行规划的经营管理活动。
对于鞋服品牌而言，商品计划不仅决定买什么、买多少，更决定未来一个季度甚至一个销售季的库存质量和利润水平。
很多企业将库存问题归因于销售、补货或仓储管理，但从经营结果来看，库存积压和断货问题往往在商品计划阶段就已经埋下伏笔。
商品计划是连接销售目标与库存配置的核心经营环节。
过去十年，中国鞋服零售最大的变化并不是渠道增加，而是需求的不确定性持续增强。
消费者购买周期缩短。流行趋势变化加快。渠道结构不断分化。同一款商品在不同区域、不同渠道甚至不同门店之间，都可能呈现完全不同的销售表现。
在这样的背景下，企业越来越难依靠经验完成商品决策。对于品牌而言：
库存问题本质上是商品配置问题。
没有系统性商品计划的品牌，通常会出现四种症状：爆款断货（最好卖的款卖光了，预算已花完无法追单）；库存积压（买多了或买错了，只能打折清货）；品类失衡（某一品类过重，挤占其他品类的采购空间）；现金流紧张（库存资金沉淀，影响新季采购能力）。
这四种症状往往不是孤立出现的，而是同时并存——爆款断货和库存积压在同一个品牌、同一个货期内同时发生，恰恰说明问题的根源在于商品配置，而非销售或仓储。一套成熟的商品计划体系能够系统性地降低这四类风险。根据BlueCherry《2025年全球供应链与技术报告》（基于全球300+鞋服、服装行业高管调研），77%的受访企业将实施需求计划技术解决方案列为2025年首要任务，是近四年来的最高水平。
商品计划并不是孤立存在的。在鞋服零售企业中，商品经营往往由多个环节共同组成。第七在线将商品经营过程拆解为六个关键环节：
① 商品计划（决定买什么）
② OTB管理（决定预算如何分配）
③ 智能配货（决定商品放在哪里）
④ 智能补货（决定热销商品能否持续有货）
⑤ 库存调拨（决定库存是否重新匹配需求）
⑥ 经营复盘（推动下一轮计划持续优化）
商品经营本质上是一个持续优化的闭环，而不是一次性的订货行为。商品计划是这个闭环的起点，后续的OTB、配货、补货、调拨和复盘环节，既是商品计划的执行过程，也是下一轮计划的数据输入。
在中国零售企业中，这三个概念经常被混用，但它们的决策维度和时间跨度截然不同，混用会导致职责不清、数据口径冲突。
一个关键结论：商品计划决定”买什么”，采购计划决定”怎么买”，供应链计划决定”怎么送到”。三者不是平行关系，而是商品计划驱动采购计划、采购计划驱动供应链计划的上下游关系。
一套完整的商品计划从年度战略目标出发，经历8个关键步骤，最终形成可执行的采购行动。这8步不是线性的一次性流程，而是一个不断滚动迭代的管理周期。
商品计划的起点是历史数据的系统性回顾，而不是经验判断。需要分析的维度包括：上季各品类的销售额与销售量、售罄率与库存周转率、爆款与滞销款的分布、各门店和渠道的销售结构，以及退货率和折扣率。同时，需要叠加外部市场信息：行业趋势、竞品动态、消费者偏好变化，以及宏观经济环境对目标消费群体的影响。这一步的质量，直接决定了后续所有规划的数据基础。
在数据回顾的基础上，结合品牌的年度战略（新开门店数量、渠道扩展计划、品牌升级方向），设定下一货期的销售目标。销售目标需要从总量向下分解：按货期（春夏/秋冬）→ 按品类（上装/下装/鞋/配件）→ 按渠道（直营/加盟/线上）→ 按门店级别。这个分解过程是商品计划中最容易出现”数字对不上”的环节，需要商品部、销售部和财务部三方对齐。
在销售目标确定后，商品财务计划（Merchandise Financial Planning，MFP）将销售目标翻译成采购预算。核心产出是每个品类的OTB（Open-to-Buy，开放采购额），同时锁定毛利目标、期末库存目标和初始加价率（IMU）等财务参数。这一步的关键是”商品目标与财务目标的统一”——很多企业的商品计划和财务预算各说各话，正是在这一步出现了割裂。
在OTB框架下，对各品类的销售比例、SKU数量（宽度）和单款库存深度进行规划，同时确定货品结构：主力款（建议占50-60%）、引流款（建议占15-25%）和形象款（建议占10-20%）的比例分配。货品结构直接影响整体毛利率——形象款和引流款虽然毛利较低，但对门店客流和品牌认知有不可替代的作用。
将一个货期内的商品按上市时间节点分成3-6个波段，每个波段对应特定的市场时机（如开春、母亲节、夏促、换季）。波段计划的核心价值是”用商品新鲜感替代折扣”——通过持续上新维持消费者到店/线上访问的动力，而非靠一次性的大促来拉动销售。对于直播电商渠道，波段计划还需要与直播排期深度协同。
在品类计划和波段框架下，买手进行具体的款式筛选（选款）和采购数量决策。SKU规划需要同时确定：每款的颜色配比、尺码配比（Size Curve）、首单数量，以及期货订单和快反预留量的分配比例。这是商品计划链条中离采购执行最近的环节，选款决策的质量直接反映在货期的爆款率和滞销款比例上。
商品到货后，进入配货（首次分配至门店）与补货（库存低于触发点后的再补充）环节。这一步的核心挑战是：如何在数百家门店之间，将有限的库存分配得尽可能精准，同时为快反追单和补货保留足够的总仓库存缓冲。智能配货和自动补货是这个环节中AI应用价值最显著的场景。
商品计划不是”制定好就完成了”的一次性工作。货期开始后，需要以周为单位追踪实际销售与计划目标的差距，更新OTB余额，识别爆款追单机会和滞销款处置需求，并在必要时调整快反采购决策。这个动态追踪与调整的能力，是区分”有商品计划”和”有好商品计划”的关键分水岭。
衡量商品计划质量，需要一套完整的指标体系，而不是只看销售额。以下12个指标覆盖了商品经营的四个核心维度：销售效率、库存效率、财务效率和风险控制。根据BlueCherry 2025年报告，持续追踪完整指标体系的品牌，其商品经营效率比行业平均水平高出25%。
这12个指标中，有几个在中国鞋服品牌中特别容易被忽视，值得单独说明：
GMROI（库存投资毛利回报率）是商品经营的”终极指标”，因为它同时考察了毛利率（价格效率）和库存周转率（效率效率）。一款商品毛利率很高，但周转极慢，GMROI可能远不如一款毛利率中等但高速周转的爆款。鞋服行业GMROI优秀水平为≥2.0。
OTB执行率衡量实际采购额与OTB额度的比值。执行率长期低于85%说明商品计划过于保守，实际采购能力未被充分利用；长期超过100%则说明存在超买行为，需要检查OTB管理机制。
尾货率是商品计划质量的”结果验证指标”——货期末未售出率高，通常意味着需求预测偏差大、货品结构不合理或波段节奏安排失当，需要回溯到商品计划的第一步重新检视。
标准的Merchandise Planning方法论来自欧美零售体系，直接套用在中国鞋服市场往往出现”水土不服”。这不是因为方法论本身有问题，而是中国鞋服零售有三个在欧美市场几乎不存在的结构性特殊因素。
中国鞋服零售以春夏（SS，约2-8月）和秋冬（AW，约8月-次年2月）为两大货期，每个货期内通常安排3-5个上市波段。这与欧美部分品牌”按月上新”的快时尚模式和”两季大波段”的传统模式都不完全相同。
双货期制度对商品计划的影响体现在：年度商品计划需要同时推进两套货期的品类结构、OTB分配和波段安排，且两个货期在财务年度内存在交叉（秋冬货期跨年）。很多品牌在年度商品计划时只关注正在进行的货期，下一货期的规划严重滞后，导致订货会前”临时抱佛脚”。
中国鞋服品牌普遍同时运行两种采购模式：期货模式（提前6-12个月下单，占总采购量的70-80%）和快反模式（当季实时追单，交货7-21天，占20-30%）。麦肯锡《2025年时尚行业状态》报告指出，供应链敏捷性正成为头部时尚品牌应对市场不确定性的核心竞争力。
这个双轨制要求商品计划在预算层面实现分层管理：期货OTB池（季前锁定，刚性较高）和快反OTB池（全季保持灵活，建议占总OTB的15-25%）。如果所有预算都进入期货池，快反追单时便无米下锅；如果快反池比例过高，期货量不足又会导致首批货量偏少、门店首发库存不足。
许多中国鞋服品牌有大量经销商（加盟商）门店，占总门店数的50-80%。经销商自主订货、自担库存风险的模式，使得品牌总部对经销商的商品计划执行度几乎没有强制管控能力。结果是：
解决这个问题的路径不是强制，而是通过数据能力建设——帮助经销商用数据做商品决策，让数据驱动的商品计划成为经销商自愿采纳的工具，而不是品牌强加的管理负担。
传统商品管理更多依赖经验判断。经验仍然重要，但经验已经无法处理今天的复杂度。
一个拥有数千SKU、数百门店、多个电商渠道的鞋服品牌，每天产生的数据量远超人工处理能力。在这个规模下，靠经验做商品决策的边际收益快速递减，靠数据模型做商品决策的边际收益持续递增。
这个转变已经从趋势变为现实。91%的全球鞋服行业企业将AI驱动的洞察视为业务增长的关键能力（BlueCherry 2025）。AI商品计划系统的价值，不是替代商品经理，而是帮助商品经理在更大的数据范围内做出更准确的判断。
AI不会替代商品计划师，但会提升商品决策质量。
商品计划的每一个环节，都正在被AI技术深度改造。91%的全球鞋服行业企业将AI驱动的洞察视为业务增长的关键能力（BlueCherry 2025）。
需求预测精准化。传统需求预测依赖历史销售数据的简单外推，AI模型可以同时处理历史销售、季节性规律、促销计划、天气数据、社交媒体趋势等数十个变量，使预测准确率（WMAPE）从传统方法的25-35%提升至15%以下。特别是新品预测，AI通过”相似款分析”（在历史商品库中找到最接近新品特征的参照款）解决了无历史数据的预测难题。
品类规划自动化。AI可以自动分析各品类的历史GMROI、售罄率趋势和市场竞争动态，为下一货期的品类预算分配提供数据支撑建议，将过去依赖商品总监经验判断的决策，转化为数据驱动的量化分析。
在季OTB动态调整。AI实时监控销售速率与计划的偏差，在检测到爆款信号时，自动提示”当前OTB余额可支持追单X件，爆款快反窗口为N天”；检测到滞销信号时，提示”该品类OTB余额建议保留，避免进一步采购加深积压”。这将在季决策从依赖人工周报分析，升级为实时数据驱动的主动预警。
根据麦肯锡测算，AI在时尚行业价值潜力中，有高达25%来自创意和商品策划环节，而且这一应用还处于早期阶段，未来空间极大。
第七在线是一家专注于鞋服商品经营决策的AI平台，提供从商品财务计划（MFP）到在季OTB管理、配货与补货的全流程商品决策支撑。
在商品计划场景中，第七在线的核心价值体现在三个层面：第一，将分散在ERP、门店系统、电商后台的多源数据统一接入，为商品计划提供准确的数据基础；第二，通过AI需求预测模块，为每个品类和每个波段提供量化的销售预测，将商品计划从经验判断升级为数据驱动；第三，通过动态OTB看板，实现商品计划的在季实时追踪和滚动调整，让商品团队在任何时间点都能看到真实的采购余额和库存健康状态。
对于同时管理直营和经销商渠道的品牌，第七在线还提供全渠道商品分析能力，帮助品牌总部穿透经销商的库存数据，建立真正意义上的全渠道商品计划视图。
商品计划（Merchandise Planning）是零售企业在特定销售周期内，以销售目标为导向，结合库存目标和预算约束，对商品的品类结构、SKU数量、资金分配和上市节奏进行前瞻性规划的管理过程。简单来说，它回答三个问题：买什么（品类和款式结构）、买多少（数量和金额）、什么时候买（波段和上市节奏）。
商品计划决定”买什么”，采购计划决定”怎么买”。商品计划从销售目标出发，规划品类结构、预算分配和上市节奏；采购计划在商品计划的框架下，负责供应商谈判、合同签订和订单执行。商品计划是上游决策，采购计划是下游执行，前者驱动后者。
完整的商品计划包含8个步骤：①数据回顾与市场洞察 → ②销售目标设定与分解 → ③商品财务规划（MFP）与OTB计算 → ④品类规划与货品结构设计 → ⑤波段计划与上市节奏 → ⑥SKU规划与选款采购 → ⑦配货与补货执行 → ⑧在季追踪与OTB滚动。这8步不是一次性流程，而是每季度、每货期不断滚动迭代的管理周期。
不同维度各有核心指标，但如果只选一个综合指标，GMROI（库存投资毛利回报率）最能反映商品经营的整体质量——它同时考察毛利率和库存周转效率，鞋服行业优秀水平为≥2.0。从日常管理角度，售罄率（季末目标≥75%）、库销比（健康区间1.5-3）和动销率（月度≥70%）是最直接反映库存健康状态的三个指标。
中国鞋服品牌通常按春夏和秋冬两个大货期（各约6个月）进行商品计划，每个货期内分3-5个波段。年度商品计划通常在上一年的第三季度启动，订货会通常在货期开始前5-8个月举行（期货订单），快反采购则在货期内滚动进行。因此一个完整的商品计划周期横跨约14-18个月。
中国鞋服品牌面临三个独特难点：一是双货期制度要求同时推进两套商品计划；二是期货+快反双轨采购模式需要在两个OTB池之间动态分配预算；三是经销商渠道的库存数据不透明，导致全渠道商品计划缺少完整的数据基础。这三个问题都需要系统性的数据能力建设来解决，而不只是靠流程优化。
通常，当品牌满足以下任一条件时，就需要系统化的商品计划：SKU数量超过200个、门店数超过20家、或年销售额超过5000万元。低于这个规模的品牌，可以用Excel建立简化版商品计划框架；超过这个规模，依赖Excel和人工经验的商品计划往往难以支撑决策复杂度，需要专业的商品计划系统。
AI不会替代商品计划师，但会重新定义商品计划师的工作内容。AI负责数据处理、预测建模和量化分析，商品计划师负责市场洞察、品牌策略判断和异常情况处理。最佳模式是AI提供数据支撑和决策建议，商品计划师做最终决策并提供AI无法感知的市场直觉判断。82%的消费者希望AI能减少决策所花时间，但行业高管普遍认为人机协同是最优模式，而非完全AI替代。
一套完整的商品计划数据基础通常需要：ERP（库存和订单数据）、POS/收银系统（门店实时销售数据）、电商后台（线上销售数据）、WMS（仓储和在途库存）以及统一的数据平台。数据孤岛是商品计划最大的技术障碍——任何一个系统的数据不准确，都会影响需求预测、OTB计算和补货决策的质量。
最简单的自我评估方法是检查三个数字：上季末尾货率（>20%说明计划质量有问题）、爆款断货频率（季内有爆款断货说明快反机制不足）和OTB执行率（持续<85%或>100%说明OTB管理机制需要优化）。如果三个数字都超出健康区间，说明需要系统性重建商品计划体系，而不只是修补某个局部环节。
波段计划是商品计划的子集，是将货期内的商品按上市时间节点分批安排的具体落地计划。通俗地说，商品计划决定”这个货期总共买什么、买多少”，波段计划决定”这些商品分几批上市、每批上什么”。合理的波段计划（通常3-5个波段）能够用商品新鲜感替代折扣，维持消费者的持续到访动力，是提升全价售罄率的重要手段。
商品计划是库存优化的前置基础。库存优化（在货期内降低积压、提高周转）的效果上限，由商品计划的质量决定——如果商品计划阶段就买多了或买错了，再好的库存优化工具也难以消化结构性积压。反过来，库存优化的结果数据（哪些品类积压、哪些门店缺货、哪些尺码断码）也是下一货期商品计划调整的重要输入。两者是互相驱动、相互反馈的关系。
在鞋服零售行业，商品经营能力正在成为品牌利润能力的重要来源。
流量越来越贵。折扣越来越深。消费者需求变化越来越快。
未来品牌之间的竞争，不只是品牌力和渠道力的竞争，更是商品决策能力的竞争。商品经营的竞争，本质上是需求预测能力、库存配置能力和资金运营能力的竞争。
对于企业而言，商品计划已经不再只是商品部门的工作，而正在成为影响库存、现金流和利润表现的核心经营能力。
免责声明：
本文转自 [7thonline]，版权归原作者所有。文中图片源自网络，仅为辅助说明文章观点，其版权归原作者所有。如涉及侵权，请联系我们删除。
在线咨询
电话沟通
微信咨询
400-774-7617
