在多年的零售商品计划咨询与研究中，我频繁遇到这样一个问题：为什么一套在A企业运行良好的补货模型，搬到B企业就水土不服，甚至导致库存失控？
答案往往不在算法或工具本身，而在于企业对自己“店铺形态”的误判。
事实上，不同零售企业的店铺形态、规模分布、SKU宽度等底层结构，决定了其商品计划的核心矛盾截然不同。
这些年，我带领团队服务过从运动装备到鞋服连锁、从零食集合店到家居生活馆等多种业态。
基于实践经验，我将它们大致归纳为三种典型模式：大店模式、店群模式、仓配模式。
每一种模式都需要一套截然不同的计划策略，而非简单复制行业最佳实践。
忽略自身类型，盲目套用方法，无异于削足适履。
下面，我以几家代表性企业为例（ps.以下品牌案例仅为市面案例），逐一拆解各自应采用的计划策略。
下面，我以几家代表性企业为例（ps.以下品牌案例仅为市面案例），逐一拆解各自应采用的计划策略。
一、大店模式
一店一策，而非标准化复制
典型画像：单店面积大（>800㎡）、SKU宽（>2000）、品类多，且每家店辐射的客群、商圈特征、活动节奏差异极大，但门店总数少（通常<200家）。
代表企业：lululemon（体验式大店）、迪卡侬（品类宽、单品浅）、宜家（展示式仓储店）等。
这类企业的最大特点在于：每家店都是一个独立的“小生态”。
以迪卡侬为例，不同城市的旗舰店，其周边运动文化、社区人群偏好、甚至季节性运动项目都截然不同。一家店可能滑雪装备热销，另一家店则是水上运动走量。
如果用同一套补货参数去管理，必然导致大量滞销和错失机会。
因此，
大店模式的核心策略应是 “一店一策” 。
具体包括：
（1）单店级对需求预测：不再以区域或品类为最小计划单元，而要引入每家店的历史销售、本地活动日历、周边竞品动态，甚至天气与社群活动数据。
建议企业为每家店建立独立的预测模型，由总部提供数据平台，但允许店长或区域计划员进行本地化调整。
（2）差异化的安全库存与补货参数：每家店的日均销量、销售波动性、补货提前期都可能不同。
安全库存应基于单店的服务水平目标分别计算，总部提供决策支持系统，而非强行规定一套数值。
（3）总部赋能一线店长：大店通常店长能力强，总部应提供自动化工具和可视化的异常预警，让一线能够快速决策，而非层层审批。
lululemon在这一点上做得相当出色。他们的大店往往结合当地社群活动（瑜伽、跑步、冥想）来规划库存，甚至提前数周为某场社群专属活动准备特定尺码和配色。
这种“单店定制”能力，是其高坪效的重要支撑。
但需要强调的是，一店一策并不等于放任不管，而是“总部定规则，单店定参数”的协同关系。
二、店群模式
分类分级，从管店铺到管店群
典型画像：门店数量庞大（500-5000家），店铺面积和销售额存在明显差异，但没有极端意义上的“超级大店”或“微型店”，SKU宽度中等（500~1500），且大部分SKU属于“全店动销型”。
代表企业：斯凯奇（运动连锁店）、屈臣氏（某专业连锁店）等。
我曾深度参与某运动品牌的商品计划体系搭建。当时他们拥有数千家门店，有几百平米的旗舰店，也有几十平米的社区店，但彼此差距在一个数量级以内。
如果对每家店单独做计划，几千家店的管理成本将不可承受；如果完全一刀切，又会让大店缺货、小店压货。
解决思路是 “店群化”管理，先聚类，再批量差异化。
其本质不是管理单个店铺，而是将数千家店按照关键特征聚类成若干个“店群”，每个店群采用一套独立的计划模板。
01
聚类维度
根据店铺面积、历史销售额、商圈类型（购物中心、社区、奥特莱斯）、客单价、动销SKU占比等指标，通过聚类算法或经验规则将店铺划分为5-8个典型群组，每组内部的店铺特征高度相似。
例如：
1.1核心大店群：高销售、全品类、快周转，应给予最高铺货宽度和补货频次；
1.2社区标准店：中等销售、侧重基础款和跑量款，需要稳定的安全库存；
1.3奥莱折扣店群：过季商品为主，计划重点是折扣深度的调拨节奏。
每个群组定义各自的上新节奏、初始铺货量、补货触发逻辑和清货周期。
02
群组级策略
为每个店群单独定义——上新的宽度与节奏、首铺深度、补货频次、安全库存系数、甚至季末调拨的优先级。
例如，“核心商圈大店群”可能需要更全的SKU和更高的首铺量，“社区小店群”则只需保留畅销款和基础款。
03
计划流程重塑
总部计划人员不再逐店操作，而是面向店群制定规则；系统再根据规则自动生成每家店的具体补货建议。
这样既控制了复杂度，又保留了必要的差异化。
值得强调的是，店群不是静态的。
是从“精细到极致”的执念中跳出，找到了规模与差异之间的平衡点。
随着新店开业和老店业绩变化，每季度或每半年应重新聚类一次，避免店群固化导致策略失效。
三、仓配模式
让仓库成为计划的引擎
典型画像：门店标准化程度极高（面积、货架、陈列一致），SKU宽度很窄（通常200-800个），且商品以高频刚需的快消品为主，商品生命周期短（零食一般3-6个月），单店单品日销量普遍较低但稳定（慢销品每天1—3件）。
这类门店往往不具备独立的计划能力，也不应该把复杂计划下放到门店，店员的精力应该放在陈列和销售上。
代表企业：各类零食集合店（如零食很忙、赵一鸣）、部分便利店（美宜佳小型店）、标准药房。
这类企业的业务逻辑完全不同于前两种。
店铺更像是一个“陈列终端”而非计划单元。
消费者的购买决策高度即时，单品库存深度低，一旦缺货就是直接损失销售，补货频次通常是每日甚至一日多次。
因此，计划的重心必须从“店”转移到“仓”。
具体策略包括：
01
以总仓为核心的统一补货计划
由区域仓或中央仓根据每家门店的历史销售、实时库存、陈列标准，自动计算次日或当日补货量。
门店端只负责执行收货上架，几乎不需要做计划决策。
02
高频、小批量的自动补货模型
建立基于实时库存与销售阈值的自动补货模型，结合安全库存和配送路线，确保门店在每天营业前获得足量商品。入库频次可达每日一配或隔日一配。
例如，当某门店某SKU的“可售天数”低于1.5天时，系统自动生成从仓到店的补货单。
03
关键指标体系切换
总部关注的不再是单店库存周转，而是门店缺货率、仓的库存周转天数、配送车辆满载率、以及从仓到店的订单满足率。
门店库存深度降低到半天或一天的水平是正常的。
04
仓网规划与门店布局强耦合
一个仓覆盖多少家店、配送半径多大、每天发车几次，这些是计划体系的前置约束。
我曾经帮助一家零食集合店重新划分仓配区域，将平均补货时间从24小时压缩到12小时，缺货率下降超过40%。
需要强调的是，仓配模式并不代表计划简单化。恰恰相反，它对仓内分拣效率、线路优化、需求预测的精度提出了极高要求。
区别在于，复杂的计算发生在仓一级，而不是分散在成千上万家小店。
四、错配纠偏
三类企业的常见错配风险
我这里有必要指出三种典型的错配陷阱：
（1）大店企业盲目推行标准化
为了追求管理简化，对大店采用统一的补货模板和铺货比例，结果每家店都存在大量“水土不服”的商品，滞销率攀升，店长却无从调整。
（2）店群企业试图逐店计划
几千家店每店单独做预测和补货，计划团队庞大但效率低下，且因为数据稀疏（单店销量波动大），预测精度反而不如店群聚合后的结果。
（3）仓配型企业照搬店群或大店逻辑
给标准化小店配置复杂的单店计划系统，要求店长做预测、手工下订单，结果不是缺货就是堆货，且人力成本高昂。
计划的本质不是越精细越好，而是越匹配越好。
零售商品计划领域没有“银弹”，任何试图用一种万能模式解决所有问题的尝试，最终都会导向更深的困境。
即便是同一家企业，在不同发展阶段也可能需要在三种模式之间迁移。
例如，一家零食集合店从区域走向全国后，门店数量骤增，原先纯粹的“仓配模式”可能产生分化：部分高销量旗舰店开始呈现出“大店”特征，此时需要引入店群的思想，对旗舰店单独设计计划策略。
我想说：计划方法论的选择，是企业战略在供应链职能上的投影。如果你清楚自己的计划单元是什么，那大概率是你还没有想清楚自己的零售形态是什么。
五、行动指南
先定位，再设计
如果你的企业正在制定或优化商品计划策略，我建议你先停下来，回答三个问题：
（1）你的店铺规模分布是金字塔型（少数大店+大量小店）、哑铃型（大店和小店并存，中间店较少），还是扁平型（所有店铺大小接近）？
（2）你的SKU宽度是宽（>2000）、中（500-2000），还是窄（<500）？
（3）你的补货频次是每周一次以上，还是每日一次？
然后根据下图（心中示意图）判断自己偏向哪一类：
偏向大店+宽SKU → 单店计划策略；
偏向多店+中宽SKU+规模连续分布 → 店群策略；
偏向标准化小店+窄SKU+高频周转 → 仓配策略。
在此基础上，再设计相应的组织架构（计划是设总部、区域还是仓端）、流程节点和IT工具（是否需要单店计划台、店群聚类模块或仓自动补货系统）、重新定义核心KPI。
最后我想再次强调：零售商品计划的世界里，没有放之四海而皆准的“最佳实践”，只有最适合你店铺形态的方法论。
不要被概念牵着走，回到业务现场，看看你的“店”究竟是什么样子，然后做出你自己的选择。
希望这篇文章能帮你停下盲目的对标，开始有针对性的设计。
求喜欢
热门跟贴