但真正难的不是这句话，而是下一步：到底按什么标准区分门店？每个店应该配哪些款、多少量、什么尺码？季中卖起来之后，系统又如何修正下一次配货？
所谓“千店千面”，不是让每家店都完全不一样，而是让配货从“按店级平均分货”，升级为“按门店需求结构差异化分配”。
对商品总来说，千店千面的智能配货体系，本质上是把门店画像、商品角色、尺码曲线、OTB预算、可用库存和季中销售反馈放进同一套决策逻辑里。
| 项目 | 内容 |
| 概念 | 千店千面智能配货 |
| 定义 | 千店千面智能配货是指品牌根据不同门店的区域、商圈、客群、品类强弱、价格带、尺码结构和历史销售表现，为每家门店制定差异化商品分配方案。 |
| 适用阶段 | 季前首批配货方案、最终配货单确认；季中售罄跟踪、补货、调拨；季末计划参数更新。 |
| 主责部门 | 通常由商品货控或商品运营主责，商品计划、零售运营、渠道和供应链共同参与。 |
| 关键输入 | 门店画像、商品角色、尺码曲线、OTB、到货与可用库存、历史售罄、断码、调拨表现。 |
| 影响指标 | 正价售罄率、总售罄率、齐码率、断货率、库销比、库存周转天数、综合折扣率。 |
| 适用边界 | 千店千面不是每店一套完全独立规则，而是在标准化框架下做差异化分配。 |
千店千面的核心，不是“个性化”这个词，而是经营颗粒度的变化。
过去是总部按店级、区域或渠道分货。
现在要进一步判断：这家店适合卖什么货、适合卖多少、适合什么尺码、适合在哪个波段承接。
千店千面配货不是孤立系统能力，它位于商品经营链路中的“首批配货”和“季中纠偏”之间。
添加到对话
商品企划→商品计划与 OTB→订货/采购→到货与可用库存确认→门店画像与店群划分→首批差异化配货→上市销售跟踪→补货/调拨/降价→季末复盘→店群规则、尺码曲线和配货参数更新
这条链路说明，千店千面不是门店运营单独能完成的事。
它前面要承接商品计划、OTB、订货和到货；后面要连接售罄跟踪、补货、调拨和计划参数更新。否则，所谓“差异化配货”很容易停留在经验判断。
很多品牌不是不想做差异化配货，而是数据、流程和组织方式不支持。
A店一定多配，C店一定少配，这种逻辑简单，但很粗。
同样是A店，也可能一个位于高端购物中心，一个位于社区型商圈；一个承担新品形象展示，一个更依赖稳定畅销款承接。店级相同，并不代表客群结构、价格带接受度和商品承接能力相同。
同样是B店，也可能一个对高价格带接受度更高，一个对基础款和走量款反应更好；一个新品动销快，一个更依赖成熟款稳定销售。
所以，店级只能说明销售规模，不能说明需求结构。
真正的门店画像，不只是门店名称、城市和店级。
它至少应该包括：
没有门店画像，配货只能停留在“谁卖得多，谁多拿货”。
主推款、走量款、形象款、利润款，配货逻辑不一样。
主推款要保障重点门店销售承接。
走量款要关注深度和补货窗口。
形象款要控制铺货宽度。
利润款要保护毛利和价格带稳定。
如果所有商品都按同一套比例分配，千店千面就只是口号。
鞋服品牌最常见的问题，是“总库存够，但门店仍然断码”。
全国一套尺码曲线，很难适配不同区域、客群和门店。真正的差异化配货，必须做到“款、色、码、店”的结构匹配。
如果上市后的售罄、断码、调拨和降价表现没有沉淀为下一季参数，品牌每一季都在重新猜。
这不是智能配货。
这是重复试错。
千店千面不等于一千家店有一千套孤立规则。
更可行的方式，是先识别门店差异，再根据这些差异规划合适的分层，最后在分层基础上做差异化分配。
| 分层维度 | 解决的问题 | 示例 |
| 区域层 | 不同气候、消费习惯、上市节奏 | 北方外套上新节奏早于南方 |
| 城市层 | 不同消费能力和价格带 | 一线城市对高价格带接受度更高 |
| 商圈层 | 不同客群结构 | 高端购物中心、社区型商圈、交通枢纽商圈需求不同 |
| 店群层 | 相似门店归类 | 高新品接受度店、价格敏感店、尺码特殊店 |
| 单店层 | 特殊门店单独处理 | 旗舰店、样板店、特殊面积店 |
| 款色码层 | 具体商品结构分配 | 某款黑色M码在特定店群加深 |
这才是“千店千面”的专业表达：不是完全个性化，而是在识别门店差异后，形成可执行的分层规则，再在分层基础上做差异化分配。
门店画像是千店千面的基础。
商品总要推动团队从“销售排名”转向“需求结构识别”。一店一画像，不是为了做漂亮标签，而是为了回答三个问题：
这家店适合卖什么？
这家店应该配多深？
这家店什么尺码最容易断？
门店画像至少要覆盖品类、价格带、尺码、售罄、折扣和调拨表现。只有这样，配货才有依据。
门店太多时，不能完全靠单店人工判断。
更现实的方式是先做店群。
例如：
| 店群类型 | 典型特征 | 配货重点 |
| 高新品接受店 | 新品上市前几周动销快 | 优先铺主推款和走量款 |
| 高价格带店 | 高客单、高毛利款表现好 | 加强利润款和形象款 |
| 尺码特殊店 | 大码或小码需求明显 | 单独调整尺码曲线 |
| 折扣敏感店 | 正价动销慢，促销响应强 | 控制首配深度 |
| 区域季节店 | 受气候影响明显 | 调整波段和上市节奏 |
店群规则的价值，是把复杂门店管理变成可执行的分配逻辑。
商品不是一视同仁地铺到所有门店。
同一个门店，对不同商品角色的承接能力也不同。
主推款要覆盖重点店群。
走量款要保证深度和尺码完整。
形象款要控制范围，优先用于陈列表达强的门店。
利润款要进入高价格带承接能力强的门店。
差异化配货的本质，是让“合适的商品角色”进入“合适的门店类型”。
尺码曲线是千店千面最容易被低估的一环。
如果尺码结构错了，门店即使拿到了正确款式，也可能卖不动。更麻烦的是，断码会让真实需求被遮蔽：消费者想买但买不到，系统看到的只是“没有销售”。
所以，尺码曲线不能只看历史平均。它要结合区域、门店、品类、款型和上市表现持续修正。
千店千面不是“想怎么配就怎么配”。
配货必须受两个约束：
一是OTB，也就是开放采购预算或买货预算。
二是到货后的可用库存。
如果预算和库存约束没有进入配货规则，差异化配货很容易变成“好店多拿，弱店少拿”的简单倾斜，最终造成局部断货和整体库存风险。
智能配货真正的价值，不在第一次分得多精细，而在每一次销售反馈都能更新下一次决策。
上市后要持续比较：
这些结果应回到下一波段或下一季的店群规则、尺码曲线和首配参数中。
| 阶段 | 能力特征 | 主要风险 | 下一步 |
| L1 经验分货 | 依赖人工经验和店级判断 | 强店断货，弱店积压 | 统一配货指标和门店数据 |
| L2 店级配货 | 按A/B/C店级和区域规则分配 | 门店差异识别不足 | 建立门店画像 |
| L3 店群配货 | 按相似门店分群，区分商品角色 | 店群规则静态 | 引入尺码曲线和季中反馈 |
| L4 动态配货 | 根据上市表现修正补货、调拨和后续分配 | 参数沉淀不足 | 建立配货参数复盘机制 |
| L5 智能闭环配货 | 系统基于历史结果持续更新参数，并在业务约束下生成建议，由商品团队审核和执行 | 依赖数据质量和组织协同 | 建立人机协同的商品决策体系 |
L5不是系统完全替代商品团队。
更合理的目标是：系统识别异常、生成建议、沉淀参数，商品团队审核和执行。
| 检查问题 | 如果答案是否定的 | 说明 |
| 是否有统一门店画像？ | 仍然停留在店级配货 | 无法识别真实需求结构 |
| 是否建立店群规则？ | 单店管理成本过高 | 无法规模化执行千店千面 |
| 是否区分商品角色？ | 所有货品按同一规则铺货 | 容易造成主推款不够、形象款过深 |
| 是否有区域化尺码曲线？ | 齐码率和断货率反复波动 | 尺码错配会吞掉销售机会 |
| 是否纳入OTB和可用库存约束？ | 差异化配货可能制造库存风险 | 配货需要受预算和库存约束 |
| 是否跟踪上市后售罄和断码？ | 配货结果无法被验证 | 无法修正下一次分配 |
| 是否把结果回流到参数？ | 每季重新猜 | 没有形成组织学习 |
如果品牌还没有门店画像，先不要谈千店千面。
如果已经有画像但没有店群规则，先做店群。
如果已经有店群但季中反馈没有回流，下一步应建立参数更新机制。
千店千面智能配货，真正难的不是“看见门店差异”，而是把差异变成可执行、可复盘、可持续更新的规则。
第七在线可以把门店级、款色级和尺码级的首配结果，与上市后的售罄、断码、调拨和折扣表现进行对比。系统据此识别哪些店配多了、哪些店配少了、哪些店配错款、哪些店配错码，并将结果反馈到下一波段或下一季的店群规则、尺码曲线和首配参数中。
这才是智能配货的闭环。
它不是简单把货分到更多门店，而是让每一次分配都成为下一次决策的依据。
千店千面智能配货是指品牌根据不同门店的区域、商圈、客群、品类强弱、价格带、尺码结构和历史销售表现，为每家门店制定差异化商品分配方案。
不是。更可行的方式是先建立店群规则，再在店群基础上做单店修正。千店千面不是完全个性化，而是标准化规则下的差异化分配。
门店画像至少应包含区域、城市级别、商圈类型、门店面积、品类强弱、价格带表现、尺码结构、历史售罄、折扣敏感度和调拨表现。
门店分群是千店千面的基础。门店分群把相似门店归类，千店千面则在店群基础上进一步结合商品角色、尺码曲线、OTB和可用库存，形成具体配货方案。
不会。更合理的方向是人机协同。系统负责识别异常、计算建议和沉淀参数，商品货控或商品运营负责审核、调整和执行。
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
