Menu
库存优化器 - 安全库存计算、补货点设置、周转率分析、库存预测
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
A/B 测试设计器 - 设计产品页面 A/B 测试，包括样本量计算、统计显著性分析和结果解读
高级客户细分 - RFM 分析、客户生命周期价值(CLV)计算、行为细分和个性化营销建议
高级财务分析器 - P&L报表、现金流预测、部门/产品线盈利分析、财务比率分析、预算vs实际对比、财务仪表板、合规报告
异常检测器 - 销售异常检测、流量异常、转化率异常、库存异常、原因分析、告警设置、自动通知
API 集成连接器 - 指导电商 API 集成，包括 Shopify API、ERP/CRM 集成和 Webhook 配置
归因分析器 - 多触点归因模型分析，归因价值分配，渠道贡献度分析，转化路径分析
| name | inventory-optimizer |
| description | 库存优化器 - 安全库存计算、补货点设置、周转率分析、库存预测 |
| version | 1.0.0 |
| author | Shopilot |
| argument-hint | <product> <analysis-type> |
| disable-model-invocation | false |
| user-invocable | true |
智能库存管理系统，科学计算安全库存、智能补货提醒、优化库存周转、预测需求波动
通过数据驱动的库存管理，平衡库存成本和缺货风险，提升资金效率，确保订单履约率，最大化库存投资回报。
安全库存公式:
基础版:
公式: (最大日销量 - 平均日销量) × 供货周期
示例: (50 - 30) × 10天 = 200件
标准差法:
公式: Z × 日销量标准差 × √供货周期
Z值:
- 95%服务水平: 1.65
- 98%服务水平: 2.05
- 99%服务水平: 2.33
示例: 1.65 × 10 × √10 = 52件
考虑需求不确定性:
公式: Z × σd × √L
σd: 日销量标准差
L: 供货周期(天)
考虑供应不确定性:
公式: Z × d × σL
d: 平均日销量
σL: 供货周期标准差
综合公式:
公式: Z × √(σd² × L + d² × σL²)
## 安全库存计算示例
### SKU: ABC-123 运动鞋
**历史数据** (过去60天):
- 平均日销量: 30双
- 日销量标准差: 10双
- 最大日销量: 50双
- 平均供货周期: 10天
- 供货周期波动: ±2天
**服务水平选择**:
- 目标服务水平: 98%
- Z值: 2.05
**安全库存计算**:
方法1: 简单法
安全库存 = (50 - 30) × 10 = 200双
方法2: 标准差法
安全库存 = 2.05 × 10 × √10 ≈ 65双
方法3: 综合法 (推荐)
考虑需求波动:
需求部分 = 2.05 × 10 × √10 ≈ 65双
考虑供应波动:
供应部分 = 2.05 × 30 × 2 ≈ 123双
综合安全库存 = √(65² + 123²) ≈ 139双
**推荐**: 139双 (服务水平98%)
### 不同服务水平对比
| 服务水平 | Z值 | 安全库存 | 库存成本 | 缺货风险 |
|---------|-----|---------|---------|---------|
| 95% | 1.65 | 112双 | ¥16,800 | 5% |
| 98% | 2.05 | 139双 | ¥20,850 | 2% |
| 99% | 2.33 | 158双 | ¥23,700 | 1% |
**分析**:
- 98%服务水平是最佳平衡点
- 库存成本增加合理
- 缺货风险显著降低
再订货点 (ROP):
公式: (日销量 × 供货周期) + 安全库存
或: 预期需求 + 安全库存
预期需求 = 日销量 × 供货周期
示例:
日销量: 30双
供货周期: 10天
安全库存: 140双
ROP = (30 × 10) + 140 = 440双
含义: 当库存降到440双时,立即补货
订货量 (EOQ):
公式: √(2 × 年需求量 × 订货成本 / 储存成本)
示例:
年需求量: 10,800双 (30×360)
订货成本: ¥500/次
储存成本: ¥15/双/年
EOQ = √(2 × 10,800 × 500 / 15)
= √720,000
≈ 849双
最大库存水平:
公式: 再订货点 + 订货量 - 最小库存
或: EOQ + 安全库存
示例:
最大库存 = 849 + 140 = 989双
## 补货策略设置
### SKU分级管理
#### A类产品 (高价值/高销量)
**策略**: 严格监控,高频补货
| 参数 | 设置 |
|------|------|
| 安全库存 | 7-10天 |
| 再订货点 | 15-20天库存 |
| 订货频率 | 每周/每两周 |
| 服务水平 | 99% |
**示例**:
- SKU: ABC-001 (爆款)
- 日销量: 50件
- 供货周期: 7天
- 安全库存: 350件 (7天)
- ROP: (50×7) + 350 = 700件
#### B类产品 (中价值/中销量)
**策略**: 常规监控,定期补货
| 参数 | 设置 |
|------|------|
| 安全库存 | 14-21天 |
| 再订货点 | 30-40天库存 |
| 订货频率 | 每月 |
| 服务水平 | 95-98% |
**示例**:
- SKU: ABC-002 (常规款)
- 日销量: 20件
- 供货周期: 14天
- 安全库存: 420件 (21天)
- ROP: (20×14) + 420 = 700件
#### C类产品 (低价值/低销量)
**策略**: 宽松监控,批量补货
| 参数 | 设置 |
|------|------|
| 安全库存 | 30-60天 |
| 再订货点 | 60-90天库存 |
| 订货频率 | 每季/每半年 |
| 服务水平 | 90-95% |
**示例**:
- SKU: ABC-003 (长尾款)
- 日销量: 5件
- 供货周期: 30天
- 安全库存: 300件 (60天)
- ROP: (5×30) + 300 = 450件
### 补货触发条件
**自动触发**:
- 当前库存 ≤ ROP
- 预售订单超预期
- 促销活动前
**人工触发**:
- 价格优惠/批量折扣
- 供应商停产通知
- 季节性备货
- 供应链风险预警
库存周转率:
年周转率 = 年销售成本 / 平均库存价值
或: 365 / 库存持有天数
库存持有天数:
DIO = (平均库存 / 销售成本) × 365
示例:
年销售成本: ¥2,400,000
平均库存: ¥600,000
周转率 = 2,400,000 / 600,000 = 4次/年
DIO = 600,000 / 2,400,000 × 365 = 91天
周转率基准:
电商行业: 4-8次/年
快消品: 8-12次/年
服装: 3-6次/年
电子产品: 6-10次/年
家居: 2-4次/年
## 库存周转率分析报告
### 整体表现
| 指标 | 当前 | 上期 | 变化 | 行业平均 | 评价 |
|------|------|------|------|---------|------|
| 年周转率 | 4.2次 | 3.8次 | ↑10.5% | 5.0次 | ⚠️ 偏低 |
| 库存天数 | 87天 | 96天 | ↓9天 | 73天 | ⚠️ 偏高 |
| 库存价值 | ¥680K | ¥720K | ↓5.6% | ¥580K | ⚠️ 偏高 |
**结论**: 库存周转改善,但仍低于行业平均
### 分类分析
#### 按产品类别
| 类别 | 周转率 | 库存天数 | 库存价值 | 评级 |
|------|--------|---------|---------|------|
| 服装 | 5.1次 | 72天 | ¥320K | ✅ 良好 |
| 鞋类 | 4.3次 | 85天 | ¥210K | ⚠️ 一般 |
| 配件 | 2.8次 | 130天 | ¥150K | ❌ 较差 |
**问题**: 配件周转过慢
**建议**: 清理滞销款,减少备货
#### 按SKU分级
**A类 (前20% SKU, 贡献80%销售)**:
- SKU数: 50个
- 周转率: 8.5次
- 库存天数: 43天
- 评级: ✅ 优秀
**B类 (中30% SKU, 贡献15%销售)**:
- SKU数: 75个
- 周转率: 4.2次
- 库存天数: 87天
- 评级: ⚠️ 一般
**C类 (后50% SKU, 贡献5%销售)**:
- SKU数: 125个
- 周转率: 1.2次
- 库存天数: 304天
- 评级: ❌ 极差
**优化机会**: C类SKU占用大量库存,销售贡献低
### 滞销识别
**滞销标准**:
- 90天无销售: 滞销预警
- 180天无销售: 严重滞销
- 365天无销售: 死库存
**滞销清单**:
| SKU | 产品名 | 最后销售 | 库存 | 库存价值 | 状态 |
|-----|--------|---------|------|---------|------|
| C-001 | 旧款背包 | 2023-06-15 | 50 | ¥15,000 | 死库存 |
| C-023 | 过季配饰 | 2023-09-20 | 80 | ¥12,000 | 严重滞销 |
| C-045 | 非主流颜色 | 2024-01-10 | 30 | ¥6,000 | 滞销预警 |
**处理建议**:
1. 清仓促销 (50-70% off)
2. 捆绑销售
3. 赠品/抽奖
4. 捐赠/报废
### 资金效率分析
**库存占用资金**:
- 平均库存: ¥680,000
- 资金成本 (8%): ¥54,400/年
- 仓储成本: ¥42,000/年
- 保险/损耗: ¥8,500/年
- **总持有成本**: ¥104,900/年
- **持有成本率**: 15.4%
**优化潜力**:
- 目标库存: ¥580,000 (行业平均)
- 可释放资金: ¥100,000
- 年节约成本: ¥15,400
滞销分类:
轻度滞销:
标准: 60-90天无销售
库存: 中少量
处理: 促销/降价
中度滞销:
标准: 90-180天无销售
库存: 中量
处理: 清仓/捆绑
重度滞销:
标准: 180-365天无销售
库存: 大量
处理: 批量清仓
死库存:
标准: 365天+无销售
库存: 任意量
处理: 报废/捐赠
滞销原因:
产品因素:
- 过季/过时
- 款式不受欢迎
- 质量问题
- 价格过高
运营因素:
- 定价错误
- 缺乏推广
- 页面优化差
- 竞品冲击
市场因素:
- 需求下降
- 趋势变化
- 竞争加剧
## 滞销库存处理方案
### 方案1: 促销清仓
**适用**: 轻度-中度滞销
**折扣力度**: 30-50%
**预期效果**: 清除50-70%库存
**实施步骤**:
1. 确定折扣力度
2. 创建清仓专区
3. EDM通知客户
4. 社交媒体推广
5. 限时限量创造紧迫感
### 方案2: 捆绑销售
**适用**: 与热销款搭配
**组合方式**: 热销+滞销
**折扣力度**: 20-30%
**预期效果**: 清除40-60%库存
**示例**:
- 畅销运动鞋 + 滞销运动袜
- 原价: ¥599 + ¥79 = ¥678
- 捆绑价: ¥599 (节省¥79)
- 客户感知: 获赠品
- 实际: 清理库存
### 方案3: 会员专享
**适用**: 保护品牌形象
**折扣力度**: 40-60%
**对象**: VIP客户/订阅用户
**预期效果**: 清除30-50%库存
**优势**:
- 不影响公价
- 维护品牌价值
- 提升客户忠诚
### 方案4: 渠道转移
**适用**: 特定渠道滞销
**转移方式**:
- 线下门店
- 闪购网站
- 批发渠道
- 海外市场
**注意**: 避免渠道冲突
### 方案5: 最后手段
**报废处理**:
- 捐赠慈善
- 回收利用
- 报废处理
**财务处理**:
- 资产减值
- 税务抵扣
- 现金流改善
时间序列法:
移动平均:
适用: 需求稳定
公式: 最近N期平均
加权移动平均:
适用: 有趋势
公式: 近期权重更高
指数平滑:
适用: 短期预测
公式: Ft = α×At-1 + (1-α)×Ft-1
季节性调整:
加法模型:
适用: 季节波动固定
乘法模型:
适用: 季节波动比例
X-11/X-12-ARIMA:
适用: 复杂季节性
因果关系法:
回归分析:
自变量: 价格、促销、季节
神经网络:
适用: 复杂非线性关系
机器学习:
随机森林
XGBoost
LSTM (深度学习)
## 库存需求预测
### SKU: ABC-123 夏季T恤
### 历史销售数据 (过去12个月)
| 月份 | 销量 | 趋势 | 季节指数 |
|------|------|------|---------|
| 4月 | 200 | 基准 | 1.0 |
| 5月 | 250 | ↗ | 1.25 |
| 6月 | 400 | ↗ | 2.0 |
| 7月 | 500 | ↗ | 2.5 |
| 8月 | 450 | ↗ | 2.25 |
| 9月 | 300 | ↘ | 1.5 |
| 10月 | 200 | ↘ | 1.0 |
### 季节性分析
**季节特征**:
- 淡季: 4月、10月 (指数1.0)
- 旺季: 6-8月 (指数2.0-2.5)
- 过渡: 5月、9月 (指数1.25-1.5)
### 未来3个月预测
**方法**: 季节性调整 + 趋势
**基准销量**: 250件/月 (移动平均)
**5月预测**:
- 季节指数: 1.25
- 趋势调整: +10%
- 预测销量: 250 × 1.25 × 1.1 = 344件
**6月预测**:
- 季节指数: 2.0
- 趋势调整: +15%
- 预测销量: 250 × 2.0 × 1.15 = 575件
**7月预测**:
- 季节指数: 2.5
- 趋势调整: +10%
- 预测销量: 250 × 2.5 × 1.1 = 688件
### 备货建议
**当前库存**: 300件 (4月30日)
**5月需求**: 344件
**安全库存**: 50件 (7天)
**最小库存**: 394件
**行动**: ✅ 需要补货
- 补货量: 500-600件
- 考虑6-7月连续旺季
- 避免频繁补货
### 风险评估
**不确定性**:
- 预测误差: ±20%
- 天气影响: 高温延长旺季
- 竞争: 新品上市冲击
- 供应链: 供货周期波动
**应对策略**:
- 保持较高安全库存
- 建立快速补货通道
- 准备促销Plan B
按地理位置:
原则: 就近发货
算法: 覆盖半径分析
华东仓:
覆盖: 上海、江苏、浙江
优势: 快速配送
库存: 高频SKU
华北仓:
覆盖: 北京、天津、河北
优势: 覆盖北方
库存: 区域热门
华南仓:
覆盖: 广东、福建、广西
优势: 覆盖南方
库存: 区域热门
按库存类型:
快件仓:
SKU: A类高频
补货: 频繁
服务水平: 99%
慢件仓:
SKU: B/C类
补货: 定期
服务水平: 95%
按渠道分配:
B2C仓:
特点: 订单小、频次高
配置: 拣货效率优先
B2B仓:
特点: 订单大、频次低
配置: 存储密度优先
## 多仓库库存优化
### 仓库平衡策略
**当前状态**:
| 仓库 | A类SKU | B类SKU | C类SKU | 总库存 |
|------|--------|--------|--------|--------|
| 华东 | 5,000 | 3,000 | 2,000 | 10,000 |
| 华北 | 2,000 | 2,500 | 1,500 | 6,000 |
| 华南 | 1,500 | 2,000 | 1,000 | 4,500 |
**销售分布**:
- 华东: 50%
- 华北: 30%
- 华南: 20%
**问题**: 华北/华南库存不足,可能缺货
### 调拨方案
**从华东调拨到华北**:
- SKU: A类高频
- 数量: 500-1000件
- 成本: ¥2/件
- 收益: 避免缺货损失
**调拨决策树**:
是否调拨? ├─ 缺货风险 > 20%? │ ├─ 是 → 调拨 │ └─ 否 → 不调拨 │ ├─ 调拨成本 < 缺货损失? │ ├─ 是 → 调拨 │ └─ 否 → 不调拨 │ └─ 预计销量 > 当前库存? ├─ 是 → 调拨 └─ 否 → 不调拨
### 虚拟库存
**原理**: 各地库存统一展示
**实现**:
总库存 = 各仓库存 + 在途库存 + 供应商库存
示例:
客户下单:
### 智能分配算法
**输入**:
- 客户地址
- 各仓库存
- 配送时效
- 配送成本
**输出**:
- 最优发货仓库
- 预计送达时间
- 配送成本
**目标**:
- 最快送达
- 最低成本
- 平衡库存
/inventory-optimizer --safety-stock --sku "ABC-123"
/inventory-optimizer --reorder-point --sku "ABC-123" --service-level 98
/inventory-optimizer --turnover --period "Q1 2024"
/inventory-optimizer --slow-moving --days 90
/inventory-optimizer --forecast --sku "ABC-123" --months 3
/inventory-optimizer --multi-warehouse --balance
/cost-optimizer - 成本优化/returns-analyzer - 退货分析/order-automation - 订单自动化版本: 1.0.0 更新: 2026-04-12 作者: Shopilot Team