查網站電商媒體電商數據榜單中心數據速報 工具箱小教室電商健檢比較清單對手對戰API關於
物流與營運

電商備貨與需求預測實戰:四層訊號、補貨點與 ABC 分類的數據打法

電商備貨與需求預測實戰:四層訊號、補貨點與 ABC 分類的數據打法|ECPRO 電商博士
字級
ChatGPT 摘要 Claude 摘要 Perplexity 摘要
林克威導讀

推薦給每次進貨都靠手感、被缺貨與滯銷輪流折磨的電商經營者,看完能用試算表建立自己的備貨邏輯。

本文重點
  • 庫存問題的真面目:現金流的兩頭漏水
  • 需求預測是四層訊號的堆疊,不是一個神奇公式
  • 補貨點與安全庫存:把焦慮換成兩條水位線
  • 交期是最常被算錯的參數
  • ABC 分類:承認資源有限,才管得好庫存
  • 大檔期與新品:兩個預測的極端情境

先把結論放在最前面:備貨會一直出包,九成的原因不是你缺一套昂貴的預測系統,而是整個進貨決策裡沒有任何一個環節留下可以覆盤的紀錄。我每天在 ECPRO 看台灣電商網站的數據足跡,流量在動、活動在跑、商品頁在改版,但一問到「上一批貨為什麼進這個量」,多數團隊只能回答「老闆覺得差不多」。感覺不能覆盤,錯了也不知道錯在哪,於是同樣的缺貨與同樣的滯銷,每一季重演一次。

這篇我想用數據媒體的角度,把「需求預測」跟「補貨決策」這兩件事拆成可以動手的步驟。你會看到預測其實是四層訊號的堆疊、補貨點是一條可以算出來的水位線、ABC 分類是資源分配的紀律,而不是什麼高深的演算法。整套方法一張試算表就跑得動,重點從頭到尾只有一個:把每一次進貨決策,變成之後可以拿出來檢討的資料。

庫存問題的真面目:現金流的兩頭漏水

我長期觀察台灣電商站的興衰,發現一個規律:把品牌拖垮的通常不是產品力,是資金被庫存綁死之後的連鎖反應。廣告不敢投、新品不敢開、旺季不敢備,整個站的活動力肉眼可見地降下來,流量曲線也跟著走弱。而庫存讓現金漏水的方式有兩種,方向相反、殺傷力都不小。

第一種是斷貨。主力商品賣到沒貨的那幾天,表面上少的是訂單,實際上少的遠不止這些。消費者在平台上搜不到現貨,幾秒鐘就跳去別家下單,這筆需求幾乎不會回頭等你;更棘手的是,各大購物平台的排序機制普遍會懲罰供貨不穩的商品,斷貨一次,權重掉下去,補貨回來之後還得重新花廣告費把位置買回來。等於一次斷貨要付三次錢:流失的營收、掉落的排名、重新導流的成本。

第二種是滯銷。這種傷是慢性的。一批賣不動的貨躺在倉庫裡,帳面上它還是「資產」,實際上它是被凍結的現金,每個月默默吃掉倉租,還讓你沒有子彈去補真正會動的品。有效期限的品類更殘酷,保健、美妝、食品放到臨期,只剩下折價出清或整批報廢兩條路。我看過不少損益表看起來健康的品牌,現金部位卻緊到發不出下一批訂金,翻開庫存明細,答案通常就在那幾排積了灰的品項裡。

所以備貨決策的本質,是在「斷貨的機會成本」與「壓貨的資金成本」之間找出總損失最低的落點。這個落點可以用數據逼近,前提是你得先開始記錄與計算。

需求預測是四層訊號的堆疊,不是一個神奇公式

很多人以為需求預測是一條公式、一個模型,輸入資料就吐出答案。實務上比較貼近的比喻是「疊圖層」,一層一層把已知的訊號疊上去,每疊一層,準確度就往上走一階。

  • 第一層:滾動平均抓基本盤。把單一品項近幾個月的實際銷量拉出來取平均,得到一個「沒有任何特殊事件時,這個品大概賣多少」的基準值。順著平均值的走勢也能看出這個品是在爬坡還是在退燒,爬坡的品,備貨就該站在平均值之上。
  • 第二層:季節係數修正。台灣市場的季節波動非常劇烈,換季、節慶、送禮檔期都會讓特定品類的需求翻上好幾成甚至數倍。做法是回頭看去年同月的銷量相對全年平均放大或縮小了多少,把這個倍率存下來,每個月用它去修正基準值。只做這一步,很多品牌的預測就會從「常常離譜」進步到「大致貼近」。
  • 第三層:活動加乘。電商的銷量不是自然發生的,是被行銷活動打出來的。同一個品,平日跟上活動版位的日子,量級可能差一個數量級。所以預測必須攤開行銷行事曆一起看:這個月排了哪些廣告波段、有沒有跟導購合作、有沒有報平台檔期。每辦完一檔活動,就把「活動類型對銷量的放大倍率」記進你自己的紀錄裡,累積幾次之後,你會有一份只屬於自己品牌的活動係數表,這比任何外部通用參數都準。
  • 第四層:前導訊號。前三層看的都是已經發生的成交,但需求在成交之前就會露出痕跡。加入購物車的次數、站內搜尋的熱度、商品頁的停留與回訪,這些行為訊號通常比訂單早幾天到幾週出現異常。把這幾個指標放進每週例行檢視,等於幫自己裝了一個需求的早期雷達,訊號一亮就提前查供應商的產能,而不是等斷貨了才追。

四層疊完,你手上就不再是一個拍腦袋的數字,而是「基準值 × 季節係數 × 活動加乘,再用前導訊號做臨時修正」的結構化估計。每一層都有紀錄,事後就能回頭檢查是哪一層失準,這正是「可以覆盤」的關鍵。

補貨點與安全庫存:把焦慮換成兩條水位線

預測解決「會賣多少」,接下來要解決「什麼時候下單、下多少」。這裡只需要兩個觀念,我用水塔來比喻:補貨點是水位警戒線,安全庫存是水塔底部永遠保留的那一層水。

安全庫存的存在理由很單純:預測一定有誤差,供應商一定偶爾遲到。它就是為這兩種意外準備的緩衝。該留多厚,取決於三個變數:這個品銷量波動的幅度、供應商交期的長短與穩定度、以及你對斷貨的容忍程度。波動越大、交期越長、越不能斷的品,緩衝就要越厚。起步階段不必追求精算,先用交期內預估銷量的某個比例當緩衝,之後根據實際斷貨紀錄滾動調整即可。

補貨點的算法則是一條直觀的式子:補貨點 = 交期內的預估銷量 + 安全庫存。假設某個品項日均賣量乘上供應商交期天數得到交期內銷量,再加上你設定的緩衝量,庫存一旦跌破這條線就立刻下單。背後的邏輯是:從你下單到貨能上架中間有一段真空期,這段期間的銷售只能靠現有庫存撐,所以警戒線必須設在真空期開始之前,而不是等庫存見底才反應。

這兩條水位線設好之後,備貨會從「每天焦慮地看庫存」變成「觸線就執行」的例行公事。人為判斷只需要留給異常狀況,日常補貨交給規則,這是小團隊最省心力的做法。

交期是最常被算錯的參數

我要特別把「交期」單獨拿出來講,因為這是我看過最多品牌栽跟頭的地方。多數人拿供應商口頭講的生產天數當交期,但真正的交期是一整條鏈:下單確認、排產、生產、出貨、運輸、報關(進口品)、入倉、驗收、上架,全部加起來才算數。做進口的品牌感受最深,海運本身就要以週為單位計算,碰上旺季艙位緊張或查驗,再多拖一段是常態。

交期算短了,會同時弄壞兩個參數:補貨點設太低,下單永遠來不及;安全庫存留太薄,一點風吹草動就斷貨。所以我的建議是,用「歷史上實際發生過的完整交期」來設定參數,而且取偏保守的那一端。另外交期越長,你越需要評估第二供應源,主力品項只押在一家交期又長的供應商身上,等於把整個現金流的節奏交到別人手上。

ABC 分類:承認資源有限,才管得好庫存

如果品項數一多,不可能每個 SKU 都精算預測與水位線,這時候需要 ABC 分類來分配管理強度。原理就是把所有品項按營收貢獻排序,你幾乎一定會發現少數品項貢獻了絕大多數營收,管理資源就照這個結構配置。

分級特徵管理強度
A 類少數品項、貢獻大部分營收的命脈商品逐品精算四層預測與水位線,每週檢視,斷貨零容忍
B 類中段班,穩定但非關鍵套用標準規則,觸補貨點才處理,每月檢視
C 類長尾品項,貢獻低、佔倉佔資金極簡管理,長期不動的直接出清並停止回補

最常見的錯誤是把力氣平均攤在所有品項上,結果命脈的 A 類沒顧緊,時間全耗在整理長尾。ABC 分類真正的價值不是報表多一欄,而是逼團隊做取捨:C 類清掉釋放出來的現金與倉位,全部灌回 A 類的深度與穩定度,這一來一回對現金流的改善通常立竿見影。

大檔期與新品:兩個預測的極端情境

常態月份用前面的方法就能運轉,但有兩個情境的難度是另一個級別。

大檔期難在量級跳躍。年度大促單日的量可能等於平常一整個月,估錯的代價被同步放大。我的原則是大檔期絕對不能直接沿用去年的數字,要把今年的基期變化全部疊上去重估:整體業績相對去年成長了多少、今年的廣告預算加了多少、拿到的活動版位比去年好還是差,這三個因子每一個都會改變基準。另外檔期備貨要跟出貨量能一起規劃,倉內揀包的極限、物流收貨的上限,貨備足了出不去,一樣是災難。

新品難在沒有歷史資料可疊。我的打法是「小批試水、快速回補」:首批只下能驗證市場反應的量,但事前把供應商的回補速度談好,上市後緊盯加購率、搜尋量與最初幾天的轉換表現,訊號一確認就立刻追單。這套打法成立的前提是供應鏈夠敏捷,如果回補一趟要等上兩三個月,等貨到熱度早就過了,所以新品開發選供應商時,回補交期應該跟報價放在同一個天平上比。

預測失準不可恥,沒有校準機制才可怕

做數據這行讓我很清楚一件事:所有預測都會錯,專業與業餘的差別在於錯了之後的處理。業餘的做法是自責一下然後繼續憑感覺;專業的做法是把誤差變成下一輪的養分。

  1. 定期對帳。每個月固定把「當初的預測量」與「實際銷量」並排比對,算出各品項的誤差方向與幅度。目的不是究責,是找系統性偏差:某類品老是低估就整批上調,老是高估就整批下修。
  2. 參數滾動更新。季節係數、活動倍率、實際交期,這些參數每一季都該用最新資料重算一次,讓模型跟著品牌的實際狀態長大。
  3. 異常即時警示。補貨點觸線要有通知,前導訊號異常飆升也要有人看見。校準是月節奏,警示是日節奏,兩個節奏並行,庫存管理才算閉環。

跑過幾輪之後你會發現,自家這套用自己資料養出來的土炮模型,比任何買來的通用系統都貼身,因為它吸收的是你自己的教訓。

一個匿名案例:從月月斷貨到現金解凍

分享一個我輔導過的案例,細節做過去識別化處理。一個經營居家用品的品牌,找上我時的症狀很典型:前幾名的主力品每逢換季必斷貨,客服疲於安撫;同時倉庫裡壓著大量早年跟風引進的周邊品項,動也不動,現金全數凍結。老闆的進貨方式是憑多年手感直接對供應商報數字,沒有任何紀錄可查。

我們沒有導入任何系統,只用試算表做了三件事。第一,把過去兩年的出貨明細攤開,算出滾動平均與各月季節係數,馬上看見主力品有一個非常規律的換季高峰,而過去從來沒有人為這個高峰提前下單,年年斷貨其實是年年準時赴約。第二,跑 ABC 分類,確認真正扛營收的只有一小撮品項,管理火力全部集中過去,長尾品分批出清。第三,逐一向供應商確認含運輸與入倉的完整交期,發現實際交期比老闆認知的長了一倍以上,補貨點全部重設。

大約經過兩個檔期的磨合,主力品的斷貨頻率明顯壓下來,出清長尾釋放的現金轉去加深主力品的備貨與行銷。整個過程沒有新增任何軟體支出,改變的只有一件事:每一次進貨決策都留下紀錄、都能覆盤。

結語:把進貨從賭注變成決策

回到開頭的結論。備貨做不好,缺的通常不是工具,是紀律:願不願意把歷史銷量攤開來看、把季節與活動的係數記下來、把交期問到底、把補貨點設好、把每個月的預測與實際擺在一起對帳。這些動作沒有一個困難,難的是持續做。從我看數據的位置來說,庫存體質好的品牌有一個共同點:他們的每一筆進貨都答得出「為什麼是這個量」。你也可以從今天開始,先把過去半年的銷售資料整理成一張表,這就是整套方法的第一步。庫存穩了,現金活了,品牌才有本錢去打真正的成長仗。

ECPRO 數據觀察

用真實數據延伸這個主題

ECPRO 電商博士實測逾 10 萬個台灣電商網站。想用數據驗證本文觀點,延伸閱讀這幾份實測報告:

覺得有用?分享出去
LINE Facebook X Threads

常見問題

小品牌品項不多,有必要做需求預測嗎?

越小越需要。大公司押錯一批貨是報表上的一個數字,小品牌押錯一批貨可能直接卡死現金週轉。而且品項少反而是優勢,一張試算表就能把每個品的基準銷量、季節係數與補貨點全部管起來,維護成本很低。憑感覺進貨不是不行,是每一次都在賭,賭輸的學費遠比一開始就建立紀錄來得貴。

需求預測要準到什麼程度才算堪用?

先放棄追求精準命中,那是不存在的目標。對中小品牌來說,能穩定抓對方向與量級就足以支撐決策,例如判斷某個品下個月會成長、大致落在哪個區間。真正該投資的是校準機制:每個月把預測與實際並排對帳,找出系統性偏差並修正參數。誤差本身不可怕,可怕的是同一種誤差重複發生卻沒人發現。

安全庫存有沒有簡單的起步抓法?

沒有放諸四海皆準的數字,因為它由銷量波動、供應商交期與你對斷貨的容忍度共同決定。實務上的起步方式是先用交期內預估銷量的一個保守比例當緩衝,銷量不穩或交期長的品項抓厚一點,之後依實際斷貨紀錄滾動調整:常斷貨就加厚,長期用不到就減薄。它是需要持續修正的參數,不是設一次就終身有效。

年度大檔期的備貨量該怎麼估才不會兩頭落空?

核心原則是重估基期,不要直接沿用去年的量。把今年相對去年的整體成長、行銷預算的變化、拿到的活動版位條件全部疊進去重新計算,主力品的緩衝也要比平常抓厚,因為檔期估錯的代價被放大。同時記得備貨只是一半,倉內揀包與物流出貨的量能要一起規劃,貨備足了卻出不去,結果跟斷貨一樣難看。

供應商交期動輒一兩個月,備貨上要注意什麼?

交期長代表你必須更早下單、參數抓更保守。具體有三個動作:補貨點大幅上調,因為反應時間被拉長;安全庫存加厚,因為真空期越長、期間出意外的機率越高;同時開始評估交期較短的備援供應源,主力品項只依賴單一長交期供應商,等於把現金流的主導權交給別人。

什麼時候該從試算表升級成庫存管理系統?

看規模與複雜度。品項在數十個以內、通路單純的階段,一張設計好的試算表足以涵蓋預測、ABC 分類與補貨點管理。當品項成長到數百個以上、多通路庫存需要即時同步、人工維護開始頻繁出錯,系統的效益才會超過成本。順序很重要:先建立備貨的邏輯與紀律,再用系統放大它;邏輯不存在,任何系統都只是把錯誤自動化。

訂閱電商情報每週一封,台灣電商數據與經營洞察。
相關文章