预测不是预测未来。而是根据计划和一定的缓冲，决定何时向供应商付款——这是一个更容易解决的问题。
在你最好的月份的第三周，你收到了一封邮件：“嘿——我想订购20盎司的鼠尾草色，但显示已售罄。什么时候能补货？”你查了一下。不只是鼠尾草色。你的畅销款在六个变体中有四个已售罄，供应商的交货期是35天，而你本应在两周前下的采购订单仍是草稿状态。与此同时，在车库角落里，一整托盘你认为一月份肯定会大卖的颜色，自三月份以来就没动过。
你以前经历过这种情况。上次，你发誓要认真对待库存预测——然后你找到的电商库存预测内容谈论的是需求感知算法、机器学习、概率模型。你有40个SKU和一个电子表格。所以你关掉了标签页，又回到了凭感觉订货。
这篇文章的重塑观点是：你之所以一直缺货，与缺少算法无关。而是因为你是在注意到缺货时才补货，而不是在数字显示时补货。解决这个问题需要你已经拥有的五个输入项和可以在纸上进行的算术运算。
让商店凭感觉订货的谎言
阻碍大多数DTC运营商的信念：“真正的预测需要数据科学，而且我的需求太不稳定了，不适合。”
这两种说法都错了。数据科学版的预测适用于拥有数万个SKU的企业，其中1%的准确率提升就能带来数百万的收益。对于40或400个SKU来说，复杂的模型和简单的模型产生的采购订单几乎相同——因为在你的规模下，真正伤害你的是流程错误：没有人关注本月的销量，没有人记录上次供应商延迟了两周交货。
而“太不稳定”则误解了预测的用途。你不是在试图预测三月份会精确地卖出187件。你是在回答一个运营问题：我什么时候订货，订多少，才能在下一批货到达之前不缺货——同时又不把现金积压在不需要的库存里？这个问题可以容忍很大的不确定性，因为不确定性的缓冲是计算的一部分。
电商库存预测实际需要的五个输入项
一个有效的DTC预测中的所有内容都来自每个SKU的五个数字——所有这些数字都可以从销售报告和您最近的几个采购订单中获得。
1. 按SKU计算的销售速度。过去一段时间内平均每天销售的单位数——快速销售的为30天，缓慢销售的为90天，这样单周的良好表现就不会扭曲平均值。这是预测的引擎，并且必须按SKU计算，而不是按产品计算。“保温杯每天卖出12个”是没用的，如果其中6个是Sage卖的，另外6个是Mustard卖的。
2. 季节性乘数。将每个月的销售额除以您的平均月销售额：11月可能是1.8，2月是0.7。将乘数应用于库存实际销售的时期，而不是您订购的时期——10月的采购订单用于11月到货的库存，则使用11月的数字。
3. 供应商交货时间——及其变动性。不是报价上的数字。从发送采购订单到可销售库存的实际天数，根据您最近的几个订单：32、29、41、35。平均值决定了补货点。差异——那个41——决定了您的安全库存。
4. 起订量和订单限制。最小起订量、包装箱尺寸和价格折扣不会改变您何时补货，但它们设定了订购量的下限——这对现金流至关重要，我们稍后会讲到。
5. 计划促销。销售是我们有意安排的需求。如果去年黑色星期五的捆绑销售量是平时的3倍，那么这个高峰就会作为明确的一项计入预测——之后会从过去的销售速度中剔除（一个陷阱，下面有专门的章节介绍）。
这就是完整的列表。诀窍不在于数学计算——而在于保持这五个数字的最新状态，而不是每次都凭猜测。
补货点数学计算，逐步讲解
这是计算过程，使用虚构的整数：您在Sage销售的最畅销的保温杯。
- 过去90天的销售速度：每天6个单位
- 最近30天最繁忙的时期：每天8个单位
- 供应商交货时间：平均30天，最长40天
- 起订量：500个单位
第一步：交货期内的需求。您需要足够的库存来度过等待下一次发货的时间：每天6个单位 × 30天 = 180个单位。在一切都不变的理想世界里，这就是最低的补货点。
第二步：安全库存。那个理想世界并不存在，所以您需要增加一个缓冲。一个简单、有依据的公式：最长交货期内的最差情况需求，减去平均情况。
(每天8个单位 × 40天) - (每天6个单位 × 30天) = 320 - 180 = 140个单位的安全库存
第三步：补货点。180 + 140 = 320个单位。当Sage的现有库存加上在途订单数量降至320时，您就发送采购订单。而不是感觉库存低的时候——在320时。
关于安全库存，计算中最被误解的数字，有两点。第一，要精确说明它对冲的是什么：平均值误导你的两种方式——需求比历史平均值更旺盛，以及供应商比预期更慢。它不是模糊的“以防万一”的填充；它是根据你的SKU的需求波动和你的供应商的过往记录来确定的，这就是为什么输入#3要求提供历史数据而不是报价。
第二，安全库存是一个旋钮，而不是一个命令。该公式是保守的——它假设糟糕的需求和糟糕的交货时间同时发生。对于动销慢的商品，或者在现金紧张时，你可以调低安全库存的数值，并接受更高的缺货风险。关键在于，这是一个用数字做出的决定，而不是在客户的电子邮件中偶然发现的意外情况。
第四步：订购多少。 再订购点决定何时订购；订购量是单独的决定。一个清晰的起始规则：订购你的目标覆盖窗口——例如，60-90天的预期销量，已根据季节性调整——然后向上取整到最小起订量(MOQ)或下一个包装箱。对于即将迎来1.5倍旺季的Sage：6 × 1.5 × 60天 = 540件，无论如何都超过了500件的最小起订量。对于日销量为1件的慢销品，同样的最小起订量相当于500天的库存——这是谈判最小起订量、合并变体或质疑SKU存在的时候。
[图片：再订购点的简单图示——一条向下倾斜的库存线越过320件的再订购阈值，下达采购订单，库存刚好在库存线接近140件的安全库存区时到达]
电商库存预测会出错的地方
数学是最简单的部分。这三种失效模式是实体店真正受损的地方。
不对称性：缺货和积压的成本不同
缺货的显性成本是缺货期间的销售损失。隐性成本更糟：你暂停的广告活动（恢复时以更高的CPA重新学习）、因未及时补货而流失的订阅者、在你无货可售时前来购买的首次购买者，以及在商品下架期间下滑的自然排名。对于长青的可补充产品——DTC品牌赖以生存的那种——为期三周的缺货可能会在补货后数月内抑制销量。
库存过剩的成本是持有成本：锁定的现金、仓储费、最终的降价处理。虽然痛苦，但这是渐进的，通常是可以弥补的——前提是产品不会过期、有保质期或过时。
因此，正确的倾向性取决于产品类型。对于长青核心SKU，倾向于库存过剩——充足的安全库存，提前补货——因为缺货的成本更高。对于季节性、时尚性或易腐性SKU，则相反：未售出的库存不仅占用现金，还会变成清仓处理，因此少量订单优于缓冲库存。对这两种产品类型采用同一种倾向性，会导致商店同时出现滞销品和畅销品缺货——就像本文开头提到的车库场景。
新品冷启动问题
新 SKU 没有历史销量，因此预测引擎是空的。不要用虚假的精确度来伪造它。借用您之前推出过的最相似 SKU 的发布曲线，根据您诚实的预期进行缩放，然后——这是关键部分——以较低的成本犯错来确定首个采购订单的数量。数量较少且有快速补货触发器的首个订单胜过一个自信的集装箱。您还没有在预测；您在购买数据。在四到六周的实际销售数据基础上进行第二次采购订单的计划，而不是因为胆怯。
促销扭曲陷阱
您进行为期两周的促销活动。它奏效了——销量增加了 3 倍。六周后，您仍然受到这两周销量虚高数据的影响，您的补货点都太高了，并且您即将根据您通过折扣人为制造的需求而过度订购整个产品目录。
修复是机械的：在您的销售数据中标记促销时段，并排除这些时段来计算基线销量。促销活动以输入 #5 所述的方式进入预测——作为明确的、计划好的需求——绝不会通过滞后平均值悄悄地进入。陷阱也反向运行：缺货期会使您的平均值**下降**，告诉您减少订购您刚刚证明您订购不足的 SKU。同样排除这些时段；空架子上的零销量不是需求数据。
先用电子表格——以及电子表格失效时
以上所有内容都在一个电子表格中运行：每行一个 SKU，五项输入的列，补货点和订单数量的公式，以及每周 30 分钟的审查，您可以在其中更新销量并检查哪些已达到阈值。对于拥有数百个 SKU 和成品、单一渠道的商店来说，电子表格确实是正确的工具——而不是预算妥协。您将理解其中的每一个数字，这比大多数软件实现所能达到的要多。
电子表格在出现可识别的症状时就不再诚实了：第二个销售渠道、它无法减少的捆绑包和套件、多个仓库或第三方物流，或者每周审查实际上不再进行的 SKU 数量——过时的预测只是带有格式的直觉。那时您需要补货逻辑来读取实时销售数据，属于补货应用程序类别及以上。我们已经根据运营模式而不是排名，在我们关于Shopify 和 WooCommerce 的最佳库存管理软件的诚实指南中，绘制了该领域。
预测就是采购计划——也就是现金计划
再重申一点，因为它将这一点与您业务的其余部分联系起来：您设置的每个补货点都是未来付款，上面标有近似日期。Sage 在八月中旬超过 320 件**就是**八月中旬的供应商付款。一个完整的预测，按日历向下读取，是您商店最大经常性现金流出的时间表。
这很重要，因为库存量大的商店很少会因无利可图而倒闭——它们会因为在一周内订单量过大而倒闭。将预测的采购订单日期输入到13周现金流预测中，可以将“我们应该补货”变为“我们可以在补货到期那天（星期四）支付补货款”。而且，订货的计算准确性取决于你的单位经济效益：如果你的到岸单位成本不明确，那么你的订货数量决策也会随之变得不明确——我们为Shopify卖家提供的销货成本指南将帮助你确定这个数字。
从十个SKU开始
这周不要构建包含400行的模型。选择你销量最高的十种SKU——它们占你大部分收入，也是你所有缺货风险的来源——然后只用它们来运行这个方法：拉取历史销量，记录你最近几次采购订单的实际交货时间，计算补货点，并将每周30分钟的审查安排到日历上。文章开头提到的那个保温杯的邮件，不是靠更好的直觉就能避免的。它是靠一个数字——320——以及检查它的习惯来避免的。
十个SKU，五个输入，一个公式。这就是DTC规模的库存预测——一旦单位数量安排好，同样的纪律（销货成本、现金时间、与货架匹配的账簿）的资金方面将在我们的电子商务会计完整指南中涵盖。
