这是我第一次发表文章。 由于公司的一些需求，最近在研究如何科学补订单，解决库存深度问题。 结合自己这几年在电商的所见所闻和自己的思考，我觉得我的想法还是有一定的参考意义的，所以就贴出来跟大家分享一下。

在几年的电商工作中，我发现只要你是电商，除非你是经销商或者淘客帮别人卖货，否则无论店铺大小，都无法避免订单补货的问题。 补充多少是一个知识问题。 以下是我自己对于订单补货的一些看法。 没有绝对的对或错。 最重要的是能否根据企业自身情况制定合理的订单补货模型和计划，从而达到促进资金周转、减轻库存压力、降低仓储成本的目的

1、为什么要做库存补货订单模式

1、补充订单占用现金流

订单补货的首要问题是现金流的占用。 我想我不需要对此多说。 想想每年双十一期间的备货吧。 对于我们这种级别的店来说，每年双十一的货品成本总共就是几千万。 一旦订单补货预测不好，数千万的资金占用对大多数老板来说都是不小的压力。 因此，合理的订单补货预测，尽量减少营运资金的占用，对于大公司来说尤为重要。

2、库存问题

补货订单的第二大问题是库存问题。 实际上，产品在商店中的销售量是有上限的。 根据单品的价格、点击量、流量、转化率、活动表现等，最终会体现在销售数据中。 过于慷慨的补货订单会导致大量库存。 库存积压不仅可以降低仓储成本，还可以考虑清关问题。 库存清仓的形式无非就是加强营销力度，以更低的成本清货。 清货只会降低品牌的品牌折扣，过多的负补单会导致销量不足，造成资源浪费和收入损失。 这是企业不愿意看到的，所以科学合理的补货订单预测就显得尤为重要。

目前，大部分门店还没有制定出科学合理的订单补货制度。 就拿我接触过的年销售额过亿的门店来说，很多都还在用过去30天的销量这样一个简单的指标来预估销量、预测补货订单。 因此，根据我公司的情况，结合我自己的一些经验和意见，我整理了一套订单补货的逻辑。 主要考虑以下几个问题

2、如何科学补单

1、订单补货的逻辑应该是什么？

首先，补货订单与单品销量直接挂钩。 说白了，补货单的作用就是预测这个产品未来的销量。 因此，首先要分析单个产品的销售来源和真实销量，然后结合未来的活动安排、产品类别的季节性系数、不同产品梯队的补货周期和安全库存，最终达到科学预测产品未来销量的目的。

第一步，分析产品的交易来源。 对于天猫来说，根据交易来源大致可以分为日销量和活动销量。 由于两者销量相差较大，需要单独区分，活动销量也相差很大。 不同的活动水平、不同的流量引入，会直接引起销量的变化。 产品、淘狂购、品牌狂购、聚划算单品、聚划算品牌组等。这个可以根据你的店铺经常参加的活动来分类。 完成每日销售额和活动的细分和定义后，我们可以收集历史数据，分别计算过去1天、7天和30天的每日销售额和细分活动的销售额。 那我们就继续考虑。

第二步是考虑退款问题。 既然有了销售，就要考虑实际销售的问题。 如今，由于毛毛的很多产品都有退货保险，所以退货率并不低，每日退货率和事件退货率存在比较大的差异。 我们补单需要的是实际销量，所以我们必须支付退货数量来估算每日和细分活动的实际销量。

第三步，真实的销量只能告诉我们目前的市场情况，而因为我们的品类是服装，季节的变化会对产品销量产生特别大的影响。 因此，在预测未来销售时，必须考虑季节对销售的影响，即各品类商品的变化趋势和历史价格。 只有符合季节变化的销售预测才是合理的。 用一句老话来说，一切不考虑季节影响的补货订单都是流氓。

第四步，得到季节系数后，日销量结合季节系数，基本可以预测未来30天的日销量。 需要解决的是未来的赛事安排。 未来30天内，您需要补单的产品会有多少活动安排？ 周期和安全库存问题。

（PS：这里需要注意的是，由于活动的类型和级别影响流量的大小，而营销活动会直接影响产品的转化，因此在不同营销力度的活动中，需要将营销力度带来的销量下降或减少视为人为的订单修正）

第五步，在获得准确的销售预测后，我们可以根据现有库存和在途产品数量，计算出单个产品的库存可销售天数。 接下来我们需要做的是了解您的供应链，以便为您提供补货周期。 需要20天的深度。 不同的是，热销品和补货订单的销量足够大，订单补货周期较长，因此对库存深度要求较高。 那么如何确定这个指标就需要根据自己的品类以及供应链的速度来做出合理的规划，不同的产品、不同的门店有所不同。

设定好销售预测、库存深度、订单补货周期后，基本上可以说整个逻辑就结束了，接下来要做的就是如何将上述逻辑数字化、建模，最终实现为实际的订单补货模型。

2、补单数据维度

关于补货订单的数据维度，主要包括几个方面：

首先是产品销售明细数据表，包括产品ID、款式号、颜色、尺码、销售日期、订单状态、销售数量。 该表用于估算每种颜色、每种尺码的销售数据和退款数据。 数据通常是从ERP系统或者后台导入，如图。

二、活动统计表，包括产品型号、对应的活动日期、活动类型。 该表是用于估算细分活动的产品销量和退款的数据源表。 这张表需要记录并统计每个事件参与的产品，如图。

第三，行业季节性系数数据源表主要包括店铺经营的所有品类的每个月的成交指数，然后通过成交指数估算出每个月每个品类的同比变化系数，也就是上面提到的季节系数。 具体如图所示。 由于每个类别的数据太多，因此仅显示部分内容。 这里的数据来源主要是企业顾问的行业数据。

第四，需要做的是产品梯队定位和补货周期的确定，以及不同产品梯队的安全库存表。 这里，由于每个类别不同，所以不会显示具体数据。 您可以根据自己的情况进行调整。

第五，需要的是产品的库存表，具体包括产品型号、对应颜色和尺码的具体现有库存和在途库存等补单，相信你都会有这个表，这里就不多说了

完成上述所有规划工作后，下面就是补货模型的构建。 我们希望该模型能够实现以下几点：

1.最基本的，输入原始数据后，可以手动更新表格

2、可以根据当前日期手动更新表格的日期设置以及近1天、7天、30天的日销售额和活动销售额、退款等数据

3、手动匹配日期，完成当月剩余天数季节系数与下个月天数季节系数的加权过程，最终得到未来30天的销售预测

4、手动判断当日可销售库存是否满足安全库存标准。 如果不符合要求，会显着显示补货订单提醒，但手动估算特定颜色和尺寸的补货订单数量

基本上做到以上几点就可以了，整个模型的搭建就完成了。 收到后补单，只需在固定的时间段内更新销售数据和库存数据，监控产品的状态，并进行相应数量的订单补货操作。 至于如何在订单补货模型上实现这个功能，有机会我会跟大家分享，最后给大家分享一下完成的订单补货模型的截图。

以上内容均来自网络搜集，如有侵权联系客服删除