概述：合理订货是保证安全库存、优化商品周转的前提。

在店铺运营初期，以提高销售额为目的的运营模式尤为重要，订货的核心不是控制库存而是减少缺货。围绕提高销售额（从单品销售抓起）进行的商品管理中，订货作业按照重点商品、货架商品或者在进行了A、B、C分析的门店中按照A、非A区分进行。

A类商品是门店占大部分销售额（毛利）的商品群，卖场表现为堆头、端头陈列，最优位置多陈列面陈列等。该类商品可以提升店铺形象，刺激冲动性购买行为，门店60%以上的销售（毛利）由这类商品产生。所以针对此类商品订货可以在资金和库存管理能力允许的前提下保有一定（大量）库存。卖场表现可以用有冲击力、压迫感的堆头、端头来操作。此处核心是，初期先不要考虑库存，用充满自信的卖场表现来把单品销售冲击到最高峰，之后稳定销量后再慢慢调整库存，结合之后可以运用到的自动订货逻辑来进行订货。关于强化单品销售方法之后会有讨论。

非A类商品，一般在货架陈列的商品，对店铺的贡献也不可小视。虽然销售量只有重点商品的一半，但其在卖场中的作用是提供目的性购买。顾客在想购买某种商品时，必定要到货架陈列区慢慢选购，货架商品的缺货无疑会给顾客信赖产生非常大的负面影响。对于零售业来讲，提供顾客所需商品是我们存在的意义，货架商品就是我们和顾客之间的约定。所以缺货之于门店是经营者最大的失职，说是罪也不为过。此类商品订货可以围绕防止缺货来进行。大部分的此类商品周转率并不高，可以用最大陈列量和最小订货量作为订货基准，根据情况略有增减。运行过程中若有经常缺货或滞销品存在，可通过调整陈列位置和陈列面来调整。这个可以通过建立棚割（货架）管理体制来规范化制度化。

而在运营1年以上的门店，或连锁运营的店铺，我们需要规范的进行订货管理了。下面要叙述的是运用自动订货逻辑（系统）来进行订货的基础。如果是作业员人为的订货，会因为能力高低产生不同影响，但也可以参照该逻辑来统一订货思想。

要素说明：

1、订货周期

     订货周期对于作业效率和商品周转率有着什么样的影响呢？

     首先如果订货周期过长的情况，我们需要保有足够库存才能保证销量。大量库存意味着大量资金，商品周转会恶化，伴随商品周转差带来的一系列问题会让管理者大伤脑筋。比如库存管理，有效期管理，配送能力，资金问题等等。

那是不是订货周期越短越好呢？可以假设每天订货的情况。优点是商品可以最大程度减少库存，保证商品的新鲜度，资金周转快等。缺点也显而易见，频繁配送带来的运输成本增大，频繁补货带来的人员成本增大等，这些也是企业所不能接受的。

所以订货周期要根据商品特性进行区分。这里注意不是按照供应商区分，而一定要根据商品特性来制定订货周期。

比如，每天可以订货的是生鲜、日配类。这些商品需要保持高周转高销量，必须每天订货才能满足我们的要求。周转慢的商品群，比如家电、针织，可以每周或者根据店铺销量半月次、月次来制定订货周期。

这里提供一个模板大概表述各个类的订货周期关系。各门店销售能力配送能力不同不可照搬。

在一般门店中无需过多分类，可以按照生鲜、食品、非食来划分即可。周期到每月一次的，半年一次的都有，具体情况具体分析。

     这里可以在新品商谈的时候由采购跟供应商制定。初期参考基准可以以类别来制定，比如：饮料的最小订货量是一件，最小订货单位就是件数。杂货的最小订货量是一个，最小订货单位就是个。

　2、最小订货量和最小订货单位

     这里的最小订货量拿出来讨论的原因是，它在商品管理中起到了很重要的作用。商品周转率（货架最大陈列量）偏小，订货单位却很大造成商品周转变差的情况并不少见；反之小件商品比如头绳、橡皮、本子等，订货单位只是1个，商品陈列效果变差的情况也很多。标准化管理中，尽可能不要依赖员工的能力来决定作业效果的优劣这是我们所追求的。同样的在自动订货系统中，这个数值更为重要。

     尽可能的按照单品别制定最小订货单位。

     其他还有几个订货中的要素，比如订货方式、物流方式、订单传输方式等，各个企业根据管理系统或者体制不同均有不同，这里不做说明。下面只针对订货逻辑做说明。

这里多说两句。我见过几个企业的多种计算逻辑，还没有哪两个是完全一样的，即便我们在对自动订货逻辑修订过程中，自我否定和修正是一直在进行中，不敢说哪个逻辑是正确的，只能针对自身情况，通过不断修正来提高订货精度。希望各位同行多提建议互相交流。

　　3、自动订货逻辑

     先提供几种算法：

算法一：订货数量=（本次补货日-下次补货日）*平均日销量-当前库存量-在途数量

     平均日销量计算公式也是各不相同。提供几种：

     ·（前四周销量*0.1+前三周销量*0.1+前两周销量*0.2+前一周销量*0.6）/7

     ·前一周销量/7*0.2+前一天销量*0.8

     ·前四周销量/28*0.8+去年同期四周销量/28*0.2

这种算法的核心在于当前库存量也就是理论库存量。或者说大部分的算法都依赖于这个数值。理论库存的准确与否成了订货精确度高低的主要因素。很多逻辑都是在这里卡住，时间越久精确度越低。理论库存为何不准不需要多解释什么，如何维持库存的准确也是很多企业的课题。

算法二：平均日销量*变化系数*(订货周期+交货期+安全库存日)-最小库存量(货架容量*最小库存系数)-最后库存量-在途订货+已打退货单尚未出商品

     这个算法增加了一个变化系数和安全库存日。变化系数一般用季节指数、同比等相关数值来计算。

安全库存日一般是1到2天，用这个参数来平衡预算差。其他基本大同小异。

     下面的算法是我们现在使用的算法，在思路上有一个明显突破。

公式写出来比较麻烦，这里只讲思路。

首先，突破的地方是不再依赖理论库存来计算订货量！有人说不就是用预测销售量来订货吗？只是预测销量，订量和实际销售之间会有误差，如果不管会造成库存持续积压或者经常缺货，肯定是不行的。理论库存量一样会用到，但只作为判断标准，再加上几个关键参数的处理，实际应用的效果要远远好过用理论库存做参数的算法。

要点：

·首先明确应用自动订货算法的商品。我们把商品分两类，除了可以应用一般自动订货算法的商品，还有一种低周转大件商品用sale one by one的算法订货。顾名思义，卖一个订一个。这种一般属于C类商品，不再赘述。

·计算平均日销量。我们的算法我没有写到上面，算法很简单，取前3周平均日销量，但有两个关键点：①去掉活动日、节庆日②去掉大宗购物及团购部分。

·供应商/配送中心缺货对应。预测数+上次未配送数

·销售额趋势预测。另外卖场变化、节假日到来等都会引起销售变化，这里类似于上述算法二中的变化系数。

·上次预测误差修正。预测数+（上个区间实际销售数-上次预测数）

·订货单位调整。不合理订货单位的修正。

结合以上要素，可以做出较为合理的预测。得出的数值即为订货推荐值。那么理论库存应用在哪呢？以上算法下的数值，实际必须要根据一个基准判断是否下订单，那就是理论库存量是否小于最适库存量。

最适库存量设定一般是预测订货量的1.2~1.5倍。

按照这个逻辑，收货后的库存量将在自动订货量和（最适订货量+自动订货量-1）之间浮动。

举例：商品A最适库存量为12，自动订货推荐数值为10，当前理论库存为11。因为理论库存11<最适库存12，触发订货操作，那么当前订货数量就是10。到下次收货前的时间内如果销量为0，那么收货时点库存为11+10=21。这是库存最多的情况，如果再过一个订货周期，下次订货前销售了8个，该订货时点库存为21-8=13。13>12，不触发订货操作，那么库存又会逐渐减少。最终库存将维持在一个合理的水平（上面例子中就是0～21之间）上下浮动。

这种算法最大优点是不用过多依赖理论库存而使订货精度降低。实际应用的情况来看，缺货率和商品周转率相对于未导入算法的门店都有较高改善，可以完全去掉人工修订自动订货推荐值，人工成本降低到了极致。是较为可行的方法。

以上是自动订货系统的简单描述。

总结：

自动订货系统带来的是人工成本的降低和管理效率的提升。实际导入中关联部门和系统非常多，其中棚割管理（货架管理也叫货位管理）与其关联很大。自动订货系统MASTER的维护需要建立货架管理机制也就是棚割管理。下次跟大家探讨棚割管理。