领星ERP数据提效：补货建议模型接入 90 天销量曲线

2026 年 10 月 12 日，领星ERP 在 6.3.6 版本中升级智能补货模型。新模型不再只用 30 天平均销量，而是读取 90 天销量曲线，结合在途量、供应商交期、仓库上架时长与促销日历，给出每个 SKU 的建议补货量与下单日期。参与测试的 320 家卖家平均库存周转缩短 6.4 天，滞销库存占比下降 3.1 个百分点，缺货天数减少 2.8 天。

补货做不准，往往不是算不出销量，而是忽略了时间差。采购下单到入仓要 35 至 60 天，促销会把销量抬高两到三倍，退货又会把可用库存拉回去。新模型把交期分布、促销系数与退货率作为独立参数，输出的是带概率区间的建议，而不是一个确定数字。领星ERP 供应链算法负责人唐亦然说：“我们更愿意告诉卖家有 80% 的概率够卖到什么时候，而不是假装能算准每一天。”

90 天曲线怎么读

模型把 90 天切成周粒度，剔除促销爆量与断货空窗，再按趋势、季节与新品爬坡三类形态拟合。成熟 SKU 使用加权移动平均，新品使用同类目爬坡曲线，季节性商品叠加去年同期系数。每个 SKU 输出未来 30、60、90 天的销量区间，P50 用于常规补货，P80 用于促销备货。

卖家可以在建议列表看到计算依据：近 30 天日均、近 90 天趋势、当前在途、供应商平均交期、退货率。任一参数可手工覆盖，覆盖后系统记录原因，用于后续模型校准。测试期间，卖家手工调整的建议占 18%，其中 63% 集中在促销前备货。

“补货是概率问题，给区间比给单点更有用。”—— 唐亦然，领星ERP 供应链算法负责人

建议量如何转成采购单

建议量等于目标覆盖天数内的 P50 需求，加上安全库存，减去可售与在途。目标覆盖天数由卖家按品类设置，默认 45 天，交期长的品类可设 75 天。系统按供应商合并建议，自动带出上次采购价与交期，运营确认后生成采购单，进入审批流。

采购单生成后，建议列表会锁定对应数量，避免重复下单。若供应商交期延后，系统自动重算建议并提示缺口。一家家居卖家把 240 个 SKU 纳入模型后，采购频次从每周两次降到每周一次，单次采购金额提高 22%，运费摊薄明显。

效果评估与人工兜底

系统每月生成补货复盘，对比建议量与实际销量的偏差，按 SKU 列出偏差原因：促销超预期、平台限流、退货集中、供应延期。偏差超过 40% 的 SKU 会进入观察名单，下月建议改用更保守的 P50 区间。

模型不替代人。断货成本高、生命周期短或平台政策敏感的商品，卖家可以设置最小备货天数与最大库存上限，模型在这些边界内给出建议。测试卖家反馈，边界设置让新品期的试错成本更可控。

关键指标	数据
库存周转	缩短 6.4 天
滞销库存占比	-3.1 个百分点
缺货天数	-2.8 天
手工调整建议占比	18%

“以前补货靠翻后台和拍脑袋，现在系统会告诉我为什么建议这个数。”—— 袁可欣，户外用品采购负责人

交期波动时的三档应对方案

供应商交期不是固定值，模型按近 12 个月的实际到货记录计算交期分布，而不是用合同上的名义交期。据此把补货分成三档：常规品按 45 天覆盖，交期波动超过 7 天的品类提到 60 天，单一供应商且无替代货源的品类提到 75 天。参与测试的 320 家卖家中，有 78 家把主力品类调到了第二档，缺货天数平均再降 1.2 天。

促销日历是另一个变量。模型读取卖家在系统里维护的活动排期，在大促前 45 天锁定备货建议，促销系数按历史同类活动的销量倍率给出，区间通常在 2.1 到 3.4 倍。锁定期间即使日常销量下滑，建议量也不会跟随下调，避免临期补货来不及。测试卖家反馈，促销期缺货天数因此减少了 1.9 天。

人工覆盖并不可怕，可怕的是覆盖没有记录。系统要求每次手工调整建议量时填写原因，选项包括供应延期、平台限流、新品试销与预算限制。这些记录会进入月度复盘，偏差超过 40% 的 SKU 被放入观察名单，下月改用更保守的 P50 区间。卖家也可以设置最小备货天数与最大库存上限，让模型在边界内给出建议。

补货模型的进步不体现在数字多漂亮，而在于每个建议都能被追问。90 天曲线加上交期与退货参数，让补货从经验判断变成可复盘的过程。6.3.7 版本将把海外仓调拨纳入建议范围，支持在多个仓库之间分配补货量。卖家可在供应链中心的补货建议页开启新模型，并先用历史数据回测一个季度。

本文由领星ERP内容团队撰写，数据来自产品灰度环境与卖家授权样本。转载请注明来源，并保留原文链接。