跳到主要内容
文章WHITEHOLE

门店补货与仓库补货:约束条件不一样

门店补货,指的是在货架容量、陈列要求与到货周期的共同约束下,决定每家门店要什么、什么时候要。它与仓库补货的目标并不相同:仓库追求周转效率,门店更在意不缺货与陈列完整。本文说明两者的差异、门店特有的约束与落地顺序

零售库存AI 运营

门店补货,指的是在货架容量、陈列要求与到货周期的共同约束下,决定每家门店要什么、什么时候要。它与仓库补货常被当成同一件事,但两者的目标并不相同:仓库看周转与占用,门店看有没有断货、陈列是否完整。用一套规则同时管两边,通常两边都不满意

两者目标的差异

  • 仓库:关注总量与周转,允许某个单品在某段时间库存偏低,只要整体不缺。
  • 门店:关注可得性,某一个小类断货就会直接影响当天的销售与顾客体验。
  • 门店还有展示要求:有的商品要成列摆放,数量低于某个值就显得空,哪怕仓库里还有货。

门店特有的约束

  • 货架容量有限:算出的建议量可能超过货架能放的数量,必须按上限截断。
  • 到货周期固定:门店通常不是想订就能到,补货建议要按固定的配送日聚合。
  • 最小陈列量:低于某个数量就不该出现在货架上,这部分要单独判断。
  • 门店之间差异大:同一品牌在不同商圈的销售结构可能完全不同,不能用全局平均值套。
  • 临时因素频繁:天气、周边活动、竞品调价都会造成短期波动,需要保留人工干预的入口。

为什么平均法不够用

用平均销量乘天数得到的补货量,在波动小的品类上还勉强可用,在波动大的品类上基本没有参考价值。原因不是算法不够复杂,而是门店的约束(陈列量、货架上限、配送日)根本没有进入计算。先把约束条件写清楚,再谈用什么方法,顺序反过来会白做很多轮。

落地顺序

  • 先补齐门店档案:货架容量、最小陈列量、配送日,这三项是后面所有计算的前提。
  • 再从一家门店的一个大类做起,把补货建议与实际下单结果逐日对比。
  • 然后处理波动:把明显受外部因素影响的时段标注出来,保留人工干预入口。
  • 最后扩展到更多门店,同时保留店长的调整权限与调整记录。

与仓库补货怎么协同

门店需求汇总之后会变成仓库的出货需求,两者在时间上有先后。如果门店端频繁手工改单,仓端的计划就永远对不上。所以协同的关键不在算法,而在门店的调整是否被记录、是否可被仓端看到 —— 调整不留痕,等于把不确定性直接甩给了仓库。

店长的角色不能被系统取代

补货建议最终要由门店执行,因此店长必须有一处能表达「我知道系统为什么这么建议,但这次情况不同」的地方。把调整权限收得太干净,短期看数字整齐,长期会让门店用别的方式绕过系统 —— 比如在系统外单独订货,那反而更难管理。

验收口径

  • 补货建议没有超过货架容量上限。
  • 建议的到货时间与门店实际配送日一致。
  • 店长的人工调整被记录下来,可以看到调整原因。
  • 同一小类在多个门店的差异能被解释,而不是统一一套数量。

FAQ

常见问题

与这篇相关、并且被问得最多的几个问题

能不能用一套规则同时管仓库和门店
不建议。两者的目标与约束不同,共用一套规则往往两边都不好用。更实用的做法是分层:门店端算需求,仓库端按汇总后的需求做计划
店长经常手工改单怎么办
保留调整权限,但把调整记录留痕。记录累积之后,你会发现大部分调整集中在少数几个品类或时段,这些正是规则需要修正的地方
要不要一开始就覆盖全部门店
不建议。先做一家门店的一个大类,把约束条件与口径跑通,再扩展。全量铺开时如果规则有问题,纠正成本会高很多