补货与预测：如何决定什么时候补、补多少，才能不断货也不积压
补货与预测：如何决定什么时候补、补多少，才能不断货也不积压
这篇解决一个问题：零售业务里，补货这件事为什么值得花一篇文章来讲。表面上它只是”货卖完了再去进一批”，但真正落地时，它涉及到预测、库存水位、补货批量、业态差异和一堆考核指标。如果你是一名研发工程师，可以把它类比成一个闭环控制系统：需求预测是传感器，库存参数是控制规则，补货动作是执行器，缺货与呆滞则是系统输出的反馈信号。理解了这个闭环，就理解了零售供应链日常运转中最核心的决策逻辑。
一、补货在供应链中的位置
先看一条简化的商品流转链路：
1 | 供应商 → 采购入库 → 中央仓/区域仓 → 门店/前置仓 → 消费者 |
补货发生在两个层级。
第一层：总部向供应商补货。 中央仓的库存消耗到一定程度，采购部门需要生成补货订单发给供应商，把货补到仓库里。这是采购型补货，涉及供应商的交货周期、起订量、采购成本。
第二层：中央仓向门店/前置仓补货。 门店货架或前置仓的库存不足时，从中央仓调拨补货。这是调拨型补货，影响的是门店的可得率和履约时效。
为什么需要补货？因为库存是必要的恶。没有库存，顾客买不到东西，销售直接流失；库存太多，资金被占用、仓储成本上升、商品可能过期或过季。补货的本质，就是在这个两难之间找到平衡——让库存保持在”正好够卖”的水平。
但”正好够卖”很难实现，因为你永远不知道明天到底卖多少。所以补货决策只能在不确定条件下做概率性的判断，而不是精确定论。这一点先记住，后面讲预测和库存参数时会反复出现。
二、补货决策的三个问题
补货策略要回答三个维度的问题：补什么、什么时候补、补多少。
补什么：一个零售商的SKU（Stock Keeping Unit，最小库存管理单元，即一个可单独买卖的商品规格）少则几千，多则上千万。不可能所有SKU同时补货。需要根据销售速度、库存状态、商品角色来排优先级。
什么时候补：库存降到什么水平触发补货动作。触发太早，库存堆积；触发太晚，货卖空了再补，补货前置期内顾客就没货可买。
补多少：一次补货批量多大。批量太小，频繁补货，运输和操作成本高；批量太大，单次补货后库存高企，占用资金和仓库容量。
用研发的视角类比：补货系统就是一个事件驱动的状态机。状态是各SKU的当前库存量，事件是”库存低于再订货点”，动作是”生成补货建议并执行”。补什么、什么时候补、补多少，分别是这个状态机的筛选条件、触发阈值和执行参数。
三、需求预测：补货决策的起点
要决定补多少，首先得估算未来会卖多少。这就是需求预测。
需求预测在研发视角下就是一个函数：输入历史销量、活动日历、商品属性、外部数据，输出未来各时段、各SKU的销量预估。函数本身不复杂，复杂的是输入数据的选择和业务规则的修正。
3.1 历史销量作为基线
最简单的方法是看过去一段时间的平均销量，比如过去28天的日均销量。这个日均销量可以作为一个基线（baseline）。但直接用平均值太粗糙，它隐含一个假设——未来和最近这段历史差不多。对于销量平稳的标品（如矿泉水、牛奶），这个假设基本成立；对于有趋势和季节性的商品（如羽绒服、月饼），就不成立。
3.2 趋势与季节性
羽绒服的销量在冬季是夏季的几十倍，这属于季节性。新品上市后随着知名度提升，销量逐月上升，这属于趋势。预测模型需要把时间序列拆解成趋势分量、季节分量和随机波动，然后对趋势和季节分别建模。研发同学如果接触过时间序列分解，可以把这理解成对历史销量做信号分离，再对未来做信号合成。
3.3 促销与外部因素修正
基线预测解决的是”正常情况卖多少”，但零售的常态恰恰是”不正常”。大促、满减、直播带货都会让销量在短期内偏离基线数倍。预测系统需要有一个促销系数或活动日历——当某个SKU在某天参加促销时，在基线上乘一个放大倍数。这个倍数怎么定？经验判断和促销历史数据共同决定。
天气、节假日、竞品动作等外部因素也会影响需求。盒马会关注天气对生鲜需求的影响，比如下雨天线上订单增加、烧烤类食材需求下降。这些修正逻辑本质上是给预测模型增加特征维度，让输出更贴近真实业务环境。
3.4 预测误差是常态
这里要强调一个业务认知：不管模型多好，预测永远有误差。零售内部打交道的不是”预测准不准”，而是”误差在什么范围内可以接受”。补货策略的设计必须假设预测会出错，然后用安全库存来兜底。管理不确定性，而不是消除不确定性，是补货设计的核心思维。
四、再订货点、安全库存与补货批量
有了预测，下一个问题是：怎么把预测转化成具体的补货指令。这里有三个核心参数。
4.1 再订货点（Reorder Point, ROP）
当库存降到某个水位时触发补货，这个水位就是再订货点。它的计算口径很直观：
1 | 再订货点 = 补货前置期 × 日均预测销量 + 安全库存 |
补货前置期（lead time）是指从发出补货指令到货实际可卖之间的时间差。对于总部向供应商补货，前置期可能是7天到30天；对于中央仓向门店调拨，可能是1天到2天。
举例：某商品从下单到入库需要7天，日均预测销量是100件，那么前置期内预计消耗700件。如果库存降到700件才补货，刚好在新货到达前卖完。但这是理想情况——如果实际销量超过预测，或者供应商延迟交货，就断货了。所以需要安全库存来兜底。
4.2 安全库存（Safety Stock）
安全库存是为不确定性预留的缓冲。它应对两种不确定：需求波动（卖得比预测多）和供应波动（到货比预期晚）。
安全库存的设定取决于几个因素：
- 预测误差大小：误差越大，安全库存越高
- 补货前置期长短：前置期越长，期间的不确定越大，安全库存越高
- 服务水平目标：愿意接受多低的缺货概率？要求越高，安全库存越高
安全库存就像一个蓄水池底部的保底水位，正常情况下不会被动用，只有在异常情况下才会被消耗。它不是”随便多备一点”，而是用真金白银买的保险。安全库存每高一天，就意味着多一天的库存持有成本。
4.3 补货批量
再订货点解决”什么时候补”，补货批量解决”补多少”。这里存在一个经典权衡：补货频繁、批量小，运输和操作成本高，但平均库存低；补货稀疏、批量大，单次成本低，但平均库存高、占用资金多。
不同商品适合不同策略。快消品适合小批量高频补货，因为库存持有成本相对高、运输成本相对低；耐用消费品（如家电）适合大批量低频补货，因为单品价值高、仓储成本占比低。这个权衡不需要研发精确计算，但需要理解：补货批量不是拍脑袋定，而是运输成本、持有成本和销售速度共同作用的结果。
4.4 合成补货策略
把三个参数放在一起，补货策略就清晰了：
1 | 当 当前库存 ≤ 再订货点 时，触发补货 |
目标库存通常设定为一个补货周期内的预计销量加上安全库存。库存水位随时间下降，降到再订货点触发补货，货到后水位回升，周而复始。这是一条锯齿形的库存曲线，补货管理的目标就是让这条曲线既不触底（缺货），也不过高（积压）。
五、三类零售业态的补货差异
补货策略不是通用的，它被业态的品类结构和履约模式深度塑造。看三个典型玩家，就能理解差异从何而来。
京东（平台+自营大仓模式）：自营SKU规模巨大，历史销量数据积累丰富。补货决策高度依赖预测算法，人工只能做校准和审核。京东的仓配体系是多级结构——区域中心仓负责大区补货，前置仓负责末端履约。补货在不同层级间分层决策，中心仓关注供应商补货节奏，前置仓关注订单履约时效。挑战在于：大促期间销量呈指数级暴增然后断崖回落，长尾商品历史数据稀疏、预测极不稳定。
Costco/山姆（会员制仓储零售）：SKU数量极少，通常在3000到4000个左右，且每个SKU销售深度极大。SKU少意味着预测复杂度大幅降低，单品销量高意味着历史数据非常稳定。Costco的补货策略偏向大批量——向供应商下大订单拿到成本优势，库存周转靠高销量来驱动。这种模式下，补货的核心矛盾不是”预测准不准”，而是单品库存深度与仓储容量的匹配：单次到货量巨大，如果某个SKU突然滞销，仓储压力会迅速放大。
盒马（生鲜新零售）：生鲜占比高，保质期以天计。这意味着补货颗粒度非常细，基本是按日甚至按小时补货。盒马同时服务门店和线上30分钟履约，补货必须覆盖两个渠道的叠加需求。生鲜补货的核心约束是损耗控制——宁可缺货少卖，也不能大量剩余后报损。这和其他业态”通过安全库存兜底缺货”的思路有根本不同：盒马的安全库存必须非常低，因为多余一天的库存可能意味着一整批货报废。
这三个案例的共同启示是：补货策略的设计起点是品类特性——保质期、价值密度、需求稳定性、SKU复杂度。技术只是高效执行策略的工具。
六、补货的核心考核指标
补货做得好不好，最终由几个硬指标来衡量。
缺货率（Out-of-Stock Rate, OOS）：顾客想买时货架/库存不可得的比例。口径通常是有货需求中未能被满足的次数占比，或在架率（OSA）的补集。缺货率直接对应销售损失和顾客体验，是补货管理最敏感的指标。一般认为零售缺货率控制在3%以内属于较好水平。
库存周转天数（Inventory Turnover Days）：平均库存能支撑多少天销售。公式为：
1 | 库存周转天数 = 平均库存金额 ÷ 日均销售成本 |
周转天数越低，资金效率越高；但过低可能意味着缺货风险在上升。快消品周转天数可能只有15到30天，大家电可能60天以上，品类差异巨大。
呆滞库存占比：超过一定天数（如90天或180天）没有动销的库存占总库存的比例。呆滞意味着资金无效占用，且很可能最终报损。这个指标反映补货批量是否过大、预测是否系统性地高估了需求。
预测准确率：预测值相对实际销量的偏差，常用MAPE或绝对误差。预测是补货的输入，预测不准直接导致补货不准。但要注意：预测准确率是中间指标，它服务的最终目标仍然是缺货率和周转天数。追求预测准确率的极致提升，如果不能在缺货和库存上看到收益，就没有业务意义。
补货及时率：补货执行环节的履约质量，是否在承诺的时效内完成到货。它衡量的是供应商协同和仓配执行能力，属于补货策略落地层面的指标。
核心要点
- 补货是零售供应链的核心闭环：预测→水位判断→补货执行→指标反馈，库存管理的本质是处理不确定性。
- 补货决策回答三个问题：补什么、什么时候补、补多少，分别对应SKU筛选、再订货点触发、补货批量设定。
- 需求预测的起点是历史销量基线，叠加趋势、季节性、促销与外部因素修正；预测误差是常态，补货策略必须设计成容错的。
- 再订货点、安全库存、补货批量三个参数共同构成补货策略；安全库存是用库存成本购买的抗风险能力。
- 补货策略因业态而异：京东多级仓储靠算法驱动海量SKU补货；Costco/山姆靠少SKU和大批量对冲预测风险；盒马生鲜短保必须高频低库存补货，损耗控制优先于缺货兜底。
- 考核补货的核心指标包括缺货率、库存周转天数、呆滞库存占比、预测准确率和补货及时率，其中缺货率和周转天数是最终业务结果。
参考文献
- 马丁·克里斯托弗《物流与供应链管理》—— 供应链管理经典，系统阐述了库存管理、预测与供应链权衡逻辑，是补货与供应链位置的基础参考。
- 罗伯特·蒙茨卡 等《采购与供应链管理》—— 采购与供应商管理领域的权威教材，涉及采购型补货的订货策略与供应商协同机制。
- 铃木敏文《零售的哲学》—— 7-11 创始人关于单品管理与库存控制的经营实践总结，直接关联补货决策在零售现场的执行方式。
- 巴里·伯曼、乔尔·埃文斯《零售管理》—— 零售管理经典教材，涵盖商品管理、库存控制和零售运营的完整框架，为补货考核指标提供体系化参考。
本文由 Claude（Anthropic）辅助生成。验证日期：2026-09-21。