鞋服零售这行，商品计划（Merchandise Planning）这四个字听着体面，落到日常就是一堆让人睡不着的数字：这一季到底买多少货、买多少个款、每个款压多少件、什么时间到店、卖不动的时候第几周开始动手。我在几个鞋服项目里来回折腾过，最深的感受是，商品计划做得好不好，不体现在季度初那张漂亮的计划表上，而是体现在季末仓库里还剩多少、折扣打了多深、下一季还有没有钱下单。这个岗位在中国鞋服零售的语境里尤其拧巴——上游是提前半年就要拍板的订货会，下游是气候变化无常、渠道结构复杂、折扣文化根深蒂固的市场。这篇文章想做的事很简单：把商品计划从"感觉"拆成"算法"，从"表格"拆成"决策链"，让刚入行的商品企划、买手助理能照着做，也让做了几年但一直在凭经验拍数的老人有地方对照一下自己的逻辑有没有漏洞。文中涉及的计算、尺码曲线、上市节奏，都是行业里常见做法，具体数值要按自己企业的历史数据校准，别直接抄。

1. 商品计划在鞋服零售里到底解决什么问题

1.1 它不是一个排 SKU 的岗位

很多人对商品计划的理解停留在"把设计部给的款整理成 Excel、按品类分一分、报给供应链下单"。这只是动作，不是职能。商品计划真正处理的是三件互相拉扯的事：钱的时间价值、货的空间分布、场的能力边界。钱的时间价值说的是，鞋服是提前 6 到 12 个月下注的生意，今年三月卖的那件风衣，钱是去年八月就花出去的，这中间的资金占用、利息、机会成本，全都要在计划阶段算进去。货的空间分布说的是，同一批货铺到南方和北方、铺到一线购物中心和社区街铺，动销速度能差出一倍，分货分错等于人为制造滞销。场的能力边界说的是，一家 120 平米的店，挂得下多少个 SKU、仓库存得下多少件、店员能讲清楚多少个卖点，超过这个边界，再好的货也卖不动。

这三件事决定了商品计划的核心产出不是一张 SKU 清单，而是一套带时间轴的资源分配方案：什么品类在什么月份、投多少钱、占多少陈列面、预期产出多少。理解这一点，后面所有的公式和表格才有意义。否则你会陷入一种典型困境——表格做得极其漂亮，每个 SKU 都填满了，但没人知道这张表为什么这么填，改一个数字整张表就崩。

1.2 鞋服品类的四个硬约束

做商品计划，绕不开鞋服这个品类自带的四个硬约束，这些约束决定了它和快消、家电的计划逻辑完全不同。

第一是季节性极强且不可逆。一件羽绒服的销售窗口就那 90 到 120 天，过了窗口，残值断崖式下跌。这意味着计划的容错率极低，你不能像卖纸巾一样"今年卖不完明年接着卖"。

第二是 SKU 维度爆炸。一个款 × 5 个颜色 × 6 个尺码 = 30 个 SKU，一款鞋的 SKU 数量更是夸张。宽度一放开，采购、仓储、陈列、补货的成本全部指数级上升。所以商品计划里"宽度与深度"的取舍，本质上是在管复杂度。

第三是提前期长。常规期货从下单到入仓 90 到 150 天，涉及面料、辅料、打样、排产、海运或陆运。这个提前期意味着你必须在信息最不充分的时候做最重的决策。

第四是尺码与体型的地域差异。同一款裤子，北方市场 L 和 XL 卖得好，南方市场 M 和 L 走得快。这个差异不是小数点后的波动，是能到 20% 以上的结构性偏差。计划里如果不做区域尺码曲线，断码和压货会同时发生。

提示：这四条约束里，最容易被低估的是第二条。很多团队把"款多"当成丰富度，实际上款多带来的是每个款分摊到的陈列资源、讲解资源、补货响应速度全部下降，最后是整体动销率下滑。

1.3 商品计划、买手、供应链三者的边界

在成熟的组织里，这三者的分工是清晰的：商品计划定"框"，买手在框里选"款"，供应链保"期"。框包括品类结构、价格带分布、宽度深度上限、上市波段、OTB 额度。买手拿着这个框去选款，选出来的东西如果总量超标或者价格带跑偏，商品计划有权打回。供应链则根据上市波段倒排生产计划，承诺交期。

这个边界不清楚，最常见的两种事故：一是商品计划直接去选款，选出来的东西符合数字但不符合审美，终端不买账；二是买手完全不受框约束，选了一堆高价位的款，结果整季价格带重心上移，主力客群直接被劝退。我在一个女装项目里见过后者，那一季平均吊牌价从 480 涨到 620，售罄率从 72% 掉到 51%，季末折扣打到 4 折还是剩了一大堆。

2. 商品计划的核心指标体系怎么搭

2.1 售罄率、周转、折扣率：三个互相咬合的齿轮

这三个指标必须一起看，单独看任何一个都会得出错误结论。

售罄率通常定义为期间销售数量除以（期初库存 + 期间进货）。行业里女装正价期做到 65% 到 75% 算健康，鞋类因为尺码问题通常略低，60% 到 70%。但这个数字有陷阱：售罄率高可能是备货太少导致的缺货，实际损失了销售额。

周转天数等于平均库存成本除以日均销售成本。这个指标反映资金效率，但周转太快往往意味着备货不足、断货频繁。

折扣率（实收金额除以吊牌金额）反映的是价格实现能力。折扣率低但售罄率高，说明定价偏保守，白白让出了毛利空间。

三者构成一个三角：想让售罄率高，就少备货，代价是缺货和销售损失；想周转快，就快速打折，代价是毛利；想折扣浅，就宁可压货，代价是资金占用和季末清仓。

这张表的用法是：每季复盘时先定位自己落在哪一格，再倒推原因。落到"结构错配"那一格最麻烦，因为总量看起来还行，问题藏在细处，必须拆到品类、价格带、尺码三个维度才能定位。

2.2 OTB 采买额度的完整算法与一个真实口径的例子

OTB（Open-to-Buy）是商品计划里最核心的一个数，说白了就是"这一季我还能花多少钱买货"。公式本身不复杂：

OTB = 计划销售成本 + 目标期末库存成本 − 期初库存成本 − 在途及已订未到成本

麻烦的是口径统一。销售目标通常是零售价，库存通常用成本价，中间隔着一个折扣率和成本率，任何一处口径不统一，算出来的 OTB 就是废数。

举个具体例子。某女装企业春季（2 月到 4 月）的计划参数：

• 零售价销售目标：5000 万
• 预计平均折扣率：88%（含正价期与少量早促）
• 成本率：30%（吊牌价的 30%，相当于加价倍率 3.33）
• 期初库存（成本价）：1200 万
• 目标期末库存（成本价）：1400 万
• 在途及已订未到（成本价）：200 万

先算计划销售成本：5000 万 × 88% = 4400 万实收，4400 万 × 30% = 1320 万。

再算 OTB：1320 + 1400 − 1200 − 200 = 1320 万（成本价）。

也就是说，这一季还可以再买 1320 万成本的货，对应零售价约 4400 万。这个数字要和买手的选款总额做校验，超了就必须砍款或者砍深度。

再往下拆成件数。假设平均吊牌价 400 元，成本 120 元，那么 1320 万除以 120 元约等于 11 万件。这个 11 万件就是这一季的总进货件数上限。

到这里还没完，必须做一次"铺货可行性校验"，这一步是很多团队漏掉的。假设这一季计划上 800 个 SKU，渠道有 100 家店，那么 11 万件除以 800 个 SKU 等于每 SKU 137 件，再除以 100 家店等于每店每 SKU 1.37 件。这个数字意味着什么？意味着一家店平均一个款只能挂一件多，尺码根本铺不全，顾客要 M 码你只有 S 码。

这个校验一旦做出来，结论就很清楚：要么把宽度从 800 收到 400 到 500，要么把渠道分级、不是每家店都上全部款。这就是为什么商品计划必须懂渠道，不能只在 Excel 里做数学。

2.3 宽度、深度与 SKU 效率：管复杂度比管数量更重要

宽度是 SKU 数量，深度是单 SKU 的平均进货件数。这两者的乘积是总量，但不同的组合方式带来的经营结果天差地别。

判断宽度是否合理，核心看三个效率指标：

• 动销率：期间有销售的 SKU 数除以总 SKU 数。行业里健康区间 55% 到 70%，低于 45% 说明宽度过宽、长尾太多。
• 断码率：某 SKU 可用尺码数不足标准尺码数的 60%，或者某尺码可售天数低于 7 天，视为断码。断码率超过 20% 会显著拉低转化。
• 单 SKU 产出：某个 SKU 整季销售额。这个指标要和陈列面挂钩看，一个占 0.6 米宽的款如果整季只卖 8 件，它挤占的资源成本远超它的贡献。

深度则要看补货能力。如果翻单周期是 70 天，那么首单深度必须覆盖前 70 天的销售，否则中途断货。这就引出首单与翻单的比例问题：常规做法是首单占 60% 到 70%，翻单占 30% 到 40%；快反能力强的团队可以把首单压到 50%，用翻单去吃确定性，风险和资金占用都更低。

2.4 尺码曲线：最容易被忽略的隐形杠杆

尺码曲线是鞋服商品计划里投入产出比最高的一个细节。它不增加成本，只调整分配比例，但能直接影响断码率和售罄率。

女鞋常见尺码曲线（占比，需按自身历史数据校准）：

男鞋常见曲线：

女装号型曲线大致是 S:M:L:XL = 1:3:4:2，但这个比例在不同品类里差异很大，外套偏大码、内搭偏小码，宽松版型和修身版型也不一样。

关键在区域修正。南方市场整体偏小一档，北方市场偏大一档，修正幅度通常在 5 到 8 个百分点。修正方法很简单：把区域历史销售按尺码汇总，算出售罄率加权的尺码结构，再和全国曲线做差，得到的差值就是这个区域的修正系数。

注意：尺码曲线不能用"全国平均"直接铺到所有区域，也不能用某一个爆款的数据代表整季。前者会导致南北双输，后者会被单款特性带偏。

3. 中国鞋服零售的特殊变量

3.1 期货与现货的双轨制怎么配比

国内鞋服零售长期是双轨制：大头走期货，提前半年在订货会上把量定下来；小头走现货，季中根据实际动销追加。这套机制的存在有它的现实基础——供应链需要提前锁定产能和面料，工厂不愿意接太晚太碎的订单。

但双轨制也带来一个结构性矛盾：期货部分是在信息最少的时候下最重的注，现货部分又受制于产能和交期，救不了急。所以配比就成了一门手艺。

我的经验是分品类定配比。基础款、经典款、常青款这类需求稳定的，期货比例可以放到 75% 到 85%，因为预测准确度高；时尚款、趋势款、设计感强的，期货压到 50% 到 60%，其余留给现货和快反。这个逻辑的底层是：预测误差和产品的不确定性正相关，不确定性越高，越应该把决策往后推。

另外要区分"现货"和"快反"。现货是提前做好放在那里的，快反是从面料开始快速组织生产的，前者交期 15 到 30 天，后者 20 到 40 天，成本差 10% 到 20%。快反不是万能的，它适合那些"卖爆了要补"的场景，不适合"我一开始就没想清楚"的场景。

3.2 区域气候差异与上市节奏的错位

中国市场的南北跨度决定了同一件商品在不同区域的销售窗口能差出 4 到 8 周。东北的羽绒服 10 月中就开始动销，华南要到 12 月中才有起色，而华南的春装 2 月就能卖，东北要等到 3 月底。

这件事对商品计划的直接影响是上市节奏不能全国一刀切。常见做法是分三个气候带设置上市日历：

计划表里如果只有一个月度总量，没有区域拆解，执行层面一定会出问题：南方店 10 月就收到厚羽绒，挂两个月卖不动，占用陈列面；北方店 3 月才收到春装，错过第一波。

3.3 渠道结构：直营、加盟、线上三套逻辑

同一个商品计划，面对直营、加盟、线上三种渠道，逻辑完全不同。

直营是商品计划控制力最强的部分。你可以决定铺货、调拨、折扣、陈列，数据也是实时回流的。所以直营体系的商品计划可以做得细，做到单店单 SKU 级别的补货建议。

加盟的控制力弱很多。加盟商在订货会上自己下单，你要做的是"引导"而不是"决定"。这里的核心工具是订货指导书：给出品类结构建议、价格带建议、宽度深度建议、尺码曲线建议，再配合订货返利政策做牵引。强行压货的结果是加盟商库存爆掉、下一季不敢订。

线上的逻辑又不一样。线上没有陈列面约束，理论上宽度可以无限，但实际上流量成本决定了你必须把资源集中在少数款上。线上的商品计划更接近"流量分配计划"：主推款给多少曝光、多少库存深度、什么价格带做引流、什么款做利润。

这三套逻辑必须在一个总的 OTB 下面协调，否则会出现"直营压货、加盟不敢订、线上缺货"的荒唐局面。

3.4 折扣文化与价格实现能力

国内鞋服零售的一个现实是，消费者已经习惯了等待折扣。这意味着计划阶段的定价和折扣预算必须提前算进去，不能等到季末再说。

常规做法是在 OTB 测算时就把折扣率作为一个输入参数，而不是结果。比如计划整季平均折扣 88%，其中正价期 100%、中期促销 85%、季末清仓 60%，按各阶段的销量占比加权得出。这个参数一旦定下来，毛利目标也就确定了。

折扣节奏的设计也有讲究。清货启动太早，正价期被自己打断，毛利白白损失；启动太晚，好货和烂货一起打折，好货本来能正价卖掉。我的经验是按售罄进度而不是按日历触发：当某品类累计售罄率达到 55% 且剩余销售窗口不足 45 天时，启动第一档折扣；达到 70% 且窗口不足 30 天，启动第二档。这个触发条件要用系统做预警，靠人盯会漏。

4. 完整实操流程：从数据到清货的七步

4.1 第一步：历史数据清洗与基线建立

这一步最枯燥，但决定了后面所有数字的可信度。要清洗的东西包括：SKU 主数据（品类、价格带、上市日期、生命周期状态）、销售流水（含退货、含折扣）、库存快照（期末、月末）、调拨记录、渠道属性。

清洗的重点有三个。一是剔除异常值，比如某一季因为特殊原因（大规模闭店、极端天气）造成的极端数据，不能直接进基线。二是统一口径，销售金额到底是吊牌价、实收还是成本价，库存是时点值还是平均值，必须写清楚。三是对齐时间轴，期货到货日期、上市日期、首销日期是三件事，分析动销要用首销日期，分析到货效率要用到货日期。

基线建立的产出通常是三张表：品类售罄率基线（按季节、按品类、按价格带）、尺码结构基线（按区域）、上市节奏基线（首周销量占总销量的比例，正常在 12% 到 20%，可以用来判断后续走势）。

4.2 第二步：品类与价格带规划

有了基线，就可以做结构规划。这一步的输入是销售目标、历史结构、以及本季的策略意图。

先定品类结构。假设总销售目标 5000 万，历史结构是上衣 35%、裤装 22%、裙装 18%、外套 25%。如果本季想推外套（因为毛利高），可以把外套提到 28%，对应压缩上衣到 32%。结构一变，后面的宽度深度、上市节奏全要跟着变。

再定价格带。价格带规划的核心是"主力价格带不能动"。主力价格带通常贡献 55% 到 70% 的销量，是客群认知的锚点。你要做的是在主力带保持密度，向上做形象款、向下做引流款，形成哑铃结构。常见错误是把平均价格往上拉，觉得这样毛利高，实际上是把主力客群推出了门。

4.3 第三步：SKU 计划与上市波段排布

这一步要把前面的钱和结构落成具体的款数、件数、时间。

宽度深度先算出总量上限（前面 OTB 的例子是 11 万件），再按品类分配，然后按价格带分配，最后按波段分配。假设春季分三个波段：1 月上新占 30%、2 月占 40%、3 月占 30%，每个波段的品类侧重不同——1 月以厚外套和早春过渡款为主，2 月是全品类主力，3 月以薄款和衬衫类为主。

深度分配有个原则：主推款深度足、形象款深度浅。主推款占总件数的 40% 到 50%，但只占 SKU 数的 15% 到 20%；形象款占 SKU 数 20%，但只占件数 8% 到 10%。这个反比关系是保证陈列丰富度和库存效率同时成立的关键。

波段排布还要考虑面料和产能的约束。2 月是春节前后，工厂放假，产能会有一个断层，所以 2 月波段的货必须提前到 1 月中入仓，不能卡在节点上。这种供应链侧的常识，商品计划必须知道，否则计划表做得再漂亮也落不了地。

4.4 第四步：分货铺货与门店分级

分货是商品计划最容易做粗的一环。很多企业的做法是按门店等级均摊，A 类店多分、C 类店少分，同一个比例套所有款。这种做法在品类结构复杂的时候会出大问题。

更细的做法是门店分级加款式分级双向匹配。门店按销售能力、客群结构、陈列面积分三级；款式按定位分主推、常规、形象三类。A 类店配全主推款加常规款加形象款，B 类店配主推款加部分常规款，C 类店只配主推款和少量常规款。这样做的结果是每个店拿到的都是"能卖的货"，而不是"平均分配的货"。

分货的量化依据可以用单店单 SKU 的预期销量：预期销量 = 该店该品类历史日均销量 × 该款预期生命周期 × 款式匹配系数。款式匹配系数靠经验，主推款 1.2、常规款 1.0、形象款 0.6。算出来的数字再取整，低于 2 件的直接不铺，避免尺码铺不全。

提示：C 类店不要强铺形象款。形象款的意义在于提升整体调性，但单店销量撑不起来，最后变成长期滞销库存，反而拖累周转。

4.5 第五步：在季跟踪与补货翻单

货铺下去，商品计划才进入真正的高强度阶段。这一阶段的核心工作是每周看三张报表：售罄进度表、断码预警表、库存健康表。

售罄进度表的看法是"对标基线，不看绝对值"。比如某品类上市 4 周，售罄率 28%，而基线是 22%，超额 6 个点，说明卖得好，要考虑翻单。反之则要评估是否启动促销或者调拨。

断码预警表按"可售天数"排序，可售天数 = 当前库存 / 近 7 天日均销量。低于 10 天的尺码要立即触发补货或调拨。这里有个细节：补货要按尺码补，不能按 SKU 整体补，否则卖得好的尺码继续缺，卖不动的尺码越补越多。

翻单决策要算经济账。翻单的前提是剩余销售窗口足够覆盖交期加上清货期。假设交期 70 天，季末清货期 30 天，那么在第 60 天之后就不应该再翻单了，因为货到的时候已经进入清货阶段，正价卖不掉。这个"翻单截止日"必须提前算出来钉在日历上。

4.6 第六步：调拨与结构修正

季中调拨是库存再分配，价值很高但执行阻力也大。阻力来自加盟商不愿意出货、直营店怕影响自己业绩、物流成本。解决方式是建立调拨规则而不是靠协调：明确什么条件下强制调拨（比如某 SKU 在 A 店 60 天动销率低于 20%，同时 B 店可售天数低于 10 天），调拨的物流成本由总部承担，业绩归属按实际销售结算。

调拨的另一个价值是修正结构错配。前面提到"结构错配"是最难诊断的状态，而调拨是最直接的解法：总量不缺，只是错位了，挪一挪就能救回来。

4.7 第七步：季末清货与复盘

清货要在季中就开始规划，不能等到季末看剩多少再说。规划内容包括：清货渠道（折扣渠道、特卖、员工内购、捐赠）、折扣节奏（三档递减）、目标清货率、可接受的残余库存水位。

复盘是商品计划能力提升的唯一途径，但大多数团队做得敷衍。有效的复盘要回答四个问题：预测偏差在哪里（品类、价格带、尺码、区域）、偏差的原因是什么（判断错、数据错、执行错）、哪些是可复制的经验、下一季的参数要改哪几个。把答案落到参数上，比如"下季女装外套的深度系数从 1.0 调到 0.85"，这才叫复盘，否则只是总结。

5. 常见问题速查与踩坑实录

5.1 高频问题速查表

5.2 踩过的坑，以及我现在怎么处理

坑一：把历史销售当成需求。早期做计划，我直接拿去年同期的销售数据做基线，结果连续两季备货偏少。原因很简单，去年卖得少可能是因为没货卖，不是因为没人买。现在我的做法是算"需求上限"：用有货天数的销售数据反推，缺货天数的销量用同类款在同类门店的日均销量补上，得到一个"如果货够能卖多少"的数字。这个修正通常会让基线高出 10% 到 25%，差别很大。

坑二：尺码曲线用全国平均。有一季做裤装，统一按 S:M:L:XL = 1:3:4:2 铺货，结果北方市场 L 和 XL 全线断码，南方市场 S 和 M 剩了一堆。后来改成按大区分别建曲线，并且在铺货系统里做了强制校验——某个区域的尺码结构和该区域历史结构偏差超过 10% 就报警。这个改动之后，断码率从 24% 降到 11%。

坑三：翻单截止日没算清楚。有一年秋装卖得好，团队兴奋地在第 75 天还在追加订单，交期 70 天，货到的时候已经是季末清货期，最后这批货基本是原价进、五折出，白忙一场。现在我会在季初就把每个品类的翻单截止日算出来，写在计划表的第一行，所有人看得到。

坑四：宽度失控。设计部每季给的款越来越多，理由是"给终端更多选择"。结果单店 SKU 数从 380 涨到 620，动销率从 62% 掉到 43%，店员讲不清楚，陈列挤成一团。后来我们定了一条硬规则：单店 SKU 数上限按陈列面积算，每平米不超过 3.2 个 SKU，超出的必须合并或砍掉。这条规则执行起来有阻力，但效果立竿见影。

坑五：复盘只写结论不写参数。最早的复盘报告写的是"本季外套销售不及预期，下季需加强"，这种话没有任何指导意义。现在的复盘必须落到可执行参数：下季外套的 SKU 数从 120 减到 95，深度从 80 提到 110，上市日期从 9 月 20 提前到 9 月 10，主推价格带从 599 下移到 459。参数写清楚了，下一季才能真的改。

坑六：把 OTB 当成一次性数字。很多人季初算完 OTB 就锁死了，季中不再更新。实际上 OTB 是一个滚动值，销售超预期要重算，库存变化要重算，在途延误也要重算。我现在习惯每两周重算一次 OTB，看看还剩多少额度可用，这个习惯帮我们避开过两次季中盲目追加订单的风险。

5.3 几个提高效率的小工具和习惯

不用上很重的系统，Excel 加一套固定模板就能跑起来。我的模板分四页：参数页（折扣率、成本率、交期、窗口期）、OTB 页（滚动计算）、SKU 计划页（宽度深度分配）、跟踪页（周度售罄与断码）。四页之间用公式联动，改一个参数全表更新。

习惯上有两条我觉得最值钱。一是每周固定时间看数，不要随时看，随时看会被短期波动带偏节奏。二是每个决策都留一条"当时的判断依据"，等季末回看，能清楚知道是判断错了还是运气不好，这两者的处理方式完全不同。

商品计划这个活，说到底是在不确定里做概率下注。你不可能每季都算准，但你可以让每次偏差都可解释、可修正、可积累。做到这一点，三五个季度下来，团队的整体判断力就会明显上一个台阶。