1客户嘴上要的
「用 AI 预测每个门店每个商品的销量,自动生成补货单,缺货率从 8% 降到 3%。」
这是症状或现成方案,不一定是真问题。下面看两种做法。
2照字面做,会怎么烂
拿两年 POS 数据训练销量模型,预测准确率比原来的移动平均高 10 个百分点。试点门店缺货率几乎不变。店长说:「系统显示有 6 包,货架上一包都没有,系统当然不补。」
3好 FDE 的实际走法
共 6 周,分 5 个阶段。带三角标记的是这一步最容易踩的坑。
第 1 周去门店数货架
- 跟 3 家门店的店长和夜班理货员各待半天,拿着 ERP 里的库存清单对货架。抽 100 个缺货 SKU,发现其中 40 个系统库存大于 0。
- 原因很杂:损耗没登记、收货少收但按单入库、商品放在仓库区没上架、扫码退货进错 SKU。
- 真问题不是「预测不准」,是「系统库存不准(虚库存),补货逻辑根本不会被触发」。成功标准改为:试点门店前 300 个畅销 SKU 的货架缺货率从 8% 降到 4%,虚库存 SKU 数量下降一半。
- 踩坑别只看系统数据算缺货率。系统里的缺货率比货架上的低,用它验收会自我欺骗。
第 2 周定范围和数据
- 范围:10 家试点门店,前 300 个畅销 SKU,另选 10 家条件相近的门店做对照。
- 数据:POS 逐笔销售、ERP 库存和收货记录、门店盘点记录。识别虚库存的核心信号很简单:「平时每天都卖,连续 2 天零销量,系统库存却大于 0」。
- 政治问题:营运部担心虚库存数字暴露后,损耗考核会变难看。营运总监定下规则:试点期间虚库存修正不计入店长的损耗考核。
- 踩坑不先处理考核问题,店长会选择性不修正库存。
第 3–4 周原型:疑似虚库存清单 + 补货建议
- 每天早上给店员手持终端推送一张「疑似虚库存清单」,每家店 10–20 个 SKU,店员到货架和仓库区确认,有货就补上架,没货就修正库存。
- 修正后的库存再进入补货计算。销量预测只做小改进:加上促销和天气因素。
- evals:用过去 2 个月的数据回放,看规则能否找出事后盘点确认的虚库存。标准:清单命中率 ≥ 60%(店员查 10 个至少 6 个确实有问题),否则店员会嫌浪费时间。
第 5 周店员上手
- 让夜班理货员自己按清单操作两周。反馈:「清单要按货架顺序排,不要按 SKU 编号」「生鲜单独一张清单」。照做。
- 给营运总监的 Demo:试点店和对照店同期货架缺货率对比,加上店员每天处理清单的平均时间(15 分钟)。
第 6 周交接交接
- 交给营运部的一名区域营运经理:维护清单规则、跟踪门店执行率、每月和对照店比较。
- 同时把收货环节多发的问题交给物流和收货流程负责人。不堵住源头,虚库存会一直产生。
4这个案例教给你的可复用判断
先去现场核对数据,系统数据和物理世界不一致时,模型越准越错。
缺货率要按货架实际状态算,不按系统状态算。
一线清单要短、按动线排、命中率高,否则执行不下去。
暴露问题的数据会触动考核,先和管理层谈好考核口径。
你手上也有类似的场景?
说说你所在的行业和想用 AI 做的事,留言会直接送达。觉得这个案例有误、过时,或有更好的做法,也欢迎指出。
零售与消费品的其他案例
内容更新:2026-11-11