从被动补货到主动补货：AI驱动的补货模式变革

‍在鞋服零售里，补货最怕的不是“没补”，而是补得太晚、补错店、补错码，或者在商品已经错过销售窗口后才发现库存位置不对。

传统补货更多依赖售罄率、断货反馈、门店要货和人工判断；AI驱动的主动补货，则是在销售、库存、尺码、门店、渠道和在途信息持续变化的过程中，提前识别哪些商品可能断货、哪些门店仍有销售机会、哪些库存需要优先补深，哪些商品已经不适合继续补货。

对商品总来说，主动补货的价值不是让系统替人决定补多少，而是让品牌从“发现缺货后再处理”，转向“在销售机会还存在时提前判断、提前分配、提前修正”。

一、为什么被动补货越来越跟不上节奏

被动补货并不是没有价值。很多品牌过去依靠门店反馈、区域判断、商品货控跟踪售罄和库销比，也能完成基础补货动作。

问题在于，鞋服销售窗口越来越短，渠道节奏越来越快，款色码颗粒度越来越细。

一个商品上市后，可能在部分门店快速断码，在部分门店动销一般，在电商平台支付表现不错但退货偏高，在某些区域又因为天气或活动节奏产生短期波动。如果补货仍然等到门店报缺、区域汇总、总部审核、仓库发货，很多销售机会已经过去。

被动补货通常有三个问题。

第一，看到的是结果，不是趋势。门店已经缺货，系统才发现缺口，补货动作天然滞后。

第二，只看缺货，不看机会。有些门店断码严重但销售窗口已经很短，继续补货未必划算；有些门店还没完全断货，但动销趋势已经显示需要提前补深。

第三，补货经验难以沉淀。每一季都能总结哪些款补晚了、哪些码断了、哪些店错过了机会，但下一季仍然靠人工重新判断。

所以，AI提升主动补货能力的关键，不是“自动发货”，而是让品牌更早识别补货机会和补货风险。

二、主动补货不是更频繁补货，而是更早判断

很多品牌一提主动补货，容易理解成“系统更频繁地补货”。这并不准确。

主动补货的核心不是提高补货频次，而是提前判断补货是否值得做。

鞋服商品有明确的销售窗口。新品上市初期，补货可以帮助门店抓住正价销售机会；销售中期，补货要看售罄、断码、齐码、区域动销和可用库存；到了季末，如果商品已经接近降价或清理阶段，继续补货可能只会增加库存压力。

因此，主动补货要同时回答几个问题：

这款商品是否还有销售窗口？

这家门店是否还有真实需求？

当前缺的是总量，还是关键尺码？

仓库或其他门店是否有可补库存？

补过去以后，是否还能以合理折扣完成销售？

补货带来的新增毛利，是否高于履约和库存成本？

如果这些问题没有被同时判断，所谓主动补货就可能变成“更早地把库存放错地方”。

三、AI驱动主动补货的三个核心变化

从“缺货后补”到“风险前置识别”

传统补货往往从缺货信号开始：门店报缺、系统显示断码、区域反馈某款卖得好。

主动补货更强调在断货真正发生前识别风险。AI的价值，是让这种风险识别更细、更快，并能持续结合销售和库存变化进行更新。

系统可以持续观察销售速度、库存覆盖天数、尺码完整度、门店覆盖、在途库存和剩余销售窗口。当某个款色码在某类店群中的销售速度明显高于计划，并结合当前库存覆盖天数判断未来销售窗口不足时，就可以提前进入补货评估。

这里要注意，预测结果本身不直接等于补货指令。它只是提示：某些商品、门店或尺码存在缺货风险，需要结合可用库存、补货周期、门店承接能力和销售窗口进一步判断。

从“按门店要货”到“按销售机会分配”

被动补货容易受门店要货影响。哪个门店反馈积极，哪个区域催得紧，库存就更容易向哪里倾斜。

但门店要货不一定等于真实销售机会。

有些门店报缺，是因为首配结构不合理，但客流和转化并不支持继续补深；有些门店还没报缺，但销售趋势、尺码表现和历史承接能力已经显示存在补货机会。

AI主动补货更适合按销售机会分配库存。它不是只看谁缺货，而是看谁更可能把补过去的货在有效销售窗口内卖掉。

对商品总来说，这一点很关键。补货的目标不是“让每家店都不缺货”，而是把有限库存放到更可能完成正价销售、更能改善售罄质量的位置。

从“单次补货动作”到“补货参数闭环”

传统补货常常是一次性动作：发现缺货，判断是否补，执行发货。

但真正影响补货能力的，是每一次补货之后有没有复盘。

补货后是否真的卖掉了？

补货是否改善了齐码率和断货率？

补货是否带来更好的正价售罄？

是否出现补完又滞销、补晚了只能打折、补错尺码继续断码？

AI主动补货的价值，在于把这些结果沉淀为下一次判断的参数。

季中，系统可以持续对比补货建议、实际补货量、补后销售、剩余库存和折扣表现。季末，系统将偏差结果形成参数更新建议，由商品团队审核后，用于修正下一季的店群规则、尺码曲线、补货阈值和风险缓冲规则。

这才是主动补货真正的变化：不是补货动作更自动，而是补货判断更可复盘。

四、主动补货要区分不同商品类型

并不是所有商品都适合用同一种补货规则。

基础款、常青款和稳定销售款，需求相对稳定，适合建立较明确的补货阈值和安全库存规则。只要销售速度、库存深度和补货周期达到条件，就可以更积极地补货。

季节性时尚款则不同。它们的销售窗口短，趋势变化快，补货要更谨慎。即使短期售罄快，也要判断是否因为首配过少导致库存被截断，还是确实存在持续需求。如果到货后已经接近降价窗口，补货可能反而增加库存风险。

形象款和趋势款也要单独看。它们不一定追求最大补货量，而是要保障关键门店、重点渠道和品牌表达。如果为了追求短期销售，把有限库存补给所有渠道，可能会削弱商品角色本身。

越稳定的商品，越适合规则化补货；越依赖趋势判断的商品，越需要结合人工判断。

所以，主动补货不是“一套模型补所有货”，而是按商品角色、销售窗口和库存风险制定不同补货规则。

五、商品总如何判断主动补货是否有效

主动补货不能只看“补了多少”或“补货响应速度”。

对商品总来说，更重要的是补货是否改善了经营结果。

可以从三层看。

预测与判断层面，看缺货风险识别是否更早，补货建议是否稳定，持续高估或低估的情况是否减少。

执行层面，看补货有效率，也就是补货后实际产生销售改善的比例；同时看补后售罄、断货率、齐码率和无效调拨是否改善。

经营层面，看正价售罄率、综合折扣率、库存周转、库销比和库存资金占用是否更健康。

这些结果并不完全由补货模型单独决定，还会受到供应周期、仓配能力、门店执行、价格策略和渠道节奏影响。但如果主动补货真正有效，它应该能让商品团队更早发现机会、更少错过销售窗口，并减少补晚、补错和补多带来的库存压力。

六、第七在线实践视角：让补货从经验判断进入系统闭环

对大型鞋服集团来说，主动补货的核心不是减少人工操作，而是在集团目标、品牌策略和门店经营之间建立统一的库存决策逻辑。

在第七在线的商品决策体系中，主动补货不是孤立的补货功能，而是连接商品计划、首批配货、上市销售跟踪、补货、调拨、降价和季末复盘的季中经营能力。

系统可以在集团、品牌和区域层面统一目标与计划口径，并进一步下沉到渠道、店群、门店和款色码层级，持续分析销售速度、库存覆盖天数、断码情况、齐码率、在途库存、退货后的有效销售和销售窗口。

对于商品团队来说，系统不是直接替人决定“必须补多少”，而是形成可审核的补货建议：哪些门店有补货机会，哪些款色码有断货风险，哪些库存已经错过补货窗口，哪些商品更适合进入调拨或降价评估。

例如，多品牌时装集团在新品上市后，可以通过第七在线持续观察集团、品牌、区域、渠道和门店层级的销售表现，并进一步下钻到款色码。系统将补货建议、实际补货、补后销售和剩余库存进行对比，帮助商品团队判断哪些店群规则需要更新，哪些尺码曲线需要修正，哪些补货阈值需要调整。

这样，补货就不再只是门店报缺后的人工协调，而是逐步变成可计算、可审核、可复盘、可持续优化的商品经营机制。

核心结论

从被动补货到主动补货，本质不是补货动作更频繁，而是补货判断更早、更细、更可复盘。

AI提升主动补货能力的价值，在于提前识别缺货风险和销售机会，并把补货结果反馈到下一轮店群规则、尺码曲线和补货参数中。

主动补货不能替代商品团队判断。它提供的是建议和预警，真正的补货决策仍要结合商品角色、销售窗口、库存位置、履约周期和毛利空间。

常见问题

主动补货是不是系统自动补货？

不是。主动补货更准确地说，是系统提前识别补货机会和风险，并形成补货建议。是否执行、补多少、补到哪里，仍需要结合业务规则和商品团队审核。

哪些商品更适合主动补货？

基础款、常青款、稳定销售款更适合建立明确补货阈值。季节性时尚款、趋势款和形象款也可以做主动补货判断，但必须结合销售窗口、商品角色和库存风险。

商品总应该如何评估主动补货效果？

不能只看补货速度。更应该看补货有效率、补后售罄、断货率、齐码率、正价售罄率、综合折扣率、库存周转和库存资金占用是否改善。