有了这个FBA补货公式，再也不用担心断货了（FBA加拿大限制补货）

不温不火的上半年基本上就这样过去了，下半年的几个销售高峰和整体向好的旺季来临，很多亚马逊卖家现在已经开始磨刀霍霍的期盼着下半年的大丰收。没销量担心销量，有销量担心库存。但也一定有不少人，在销量增长中库存频繁断货，最终严重影响店铺预期销量。

每个卖家都会遭遇到库存断货的情况，大卖尚且如此，中小卖家团队一分钱掰成两半来花，每次备货都担心备多压力大，断货就更是常态了。但不管怎么样，如果能够在原本的备货逻辑里多考虑几个层面的东西，再配合适当的技巧，还是可以大大降低断货的几率，同时还能尽可能的将运营的利润最大化。

其实备货亚马逊FBA是并不简单，一般卖家通常会用 ：“预计销量-库存=备货数量”来计算备货数量，这个公式大致看起来没什么毛病，实际上存在三个问题：

预计销量如何算?

库存是直接看后台的库存吗？

算出的备货数量就是要发货的数量吗？

那我们就来逐个解决。

01

预计销量如何算？

我们先看一个案例，下图为某库存软件的建议补货截图。我在这里设置的是备货90天的销量。这个软件系统给出的建议补货数量是1339（19.33*90-400）

这里最重要的一个数据就是日均销量 ，那这个19.33是如何得出来的呢？

日均销量 = (3天日均销量 + 7天日均销量 + 14天日均销量+ 30天日均销量)/4

30天日均销量是18.40

14天日均销量是18.57

7天日均销量是19.00

3天日均销量是21.33

这个公式是每个销售时段的平均数的平均数，是没问题的。如果是旺季，我们不应这样算，遇上特殊节日或与产品相关的时节，这个数据一般会再翻两番。假设销量是一直稳定上升的，如果按平均数来算，备货就不够充足了。这种情况，建议日均销量直接用最大的数 21.33来算，所以正确的补货数量应该为：1520（21.33*90-400）

02

库存是直接看后台的库存吗？

许多卖家都会忽略的一个问题，往往会将后台库存直接拿来计算，所以就有货还没有到就断货了。

问题出在哪里呢？

因为很多人都忽略货物在途的时间，产品仍在销售状态。假设每天卖出20个，那么400个库存只能维持20天（400/20），所以补货的货物必须要在20天内入库上架可售。针对这种情况，卖家需要把运输这段途中的库存数量加上去。

仍以上面的例子举例，假如快递天数是10天（一般为5-7天）入库，那么我们备货的数量应该是 1520+（21.33*10）。

这个才是充足的数量。如果按照系统推荐备货1339，很有可能会有断货风险。另外，库存的计算则还需要减去在途的数量。我们要把这些不确定因素的所消耗的时间要尽量都算到里面，就能做到充足备货。

03

算出的备货数量是我们要发货的数量吗？

为了避免一次全部发过去被扣关、延误、转运等因素造成时效问题，建议分批发过去，如果你算出来是要发1000件货，可以分三次发，每次发300左右即可。如果是海运，就可以一次性发了，因为海运一般是有足够的时间够给延误了。

如果是走快递或者空加派 （以美国为例，时效若为10-15天，入库时间要再加3-5天），如果是走海运 （以美国为例，时效若为25-45天，入库时间要再加3-5天）

总结一下：

预计销量=日均销量*90

库存=库存-（日均销量*到货天数）+运输途中数量

“预计销量-库存=备货数量”

如果算出来后，公司不给补这么多怎么办？这个就需要你去沟通了。同时卖家也应要有计划地给工厂下单，保证可以持续供应货物。我们把产品分为生产和销售两个过程，再细分就可以有四个过程了，如下图

生产中：工厂在生产的过程

生产后：已经生产完成，需要打包，贴标签，准备发FBA

运输中：发货到入库前的状态。

入库后：可以销售状态

04

供应链6336原则

根据自身经验，我总结了一个不断货的供应链原则——6336原则。

生产数量=预计销售够90天的数量

可销售库存数量=足够90天的数量

再细分

生产中够60天的数量，生产后够30天的数量（共90天）

运输中够30天的数量，入库后有60天的数量（共90天）

这样，就不会有断货的情况了。

注意：以上方法建议单个SKU至少销量100个以上且销量稳定的的产品，销量太少了，只能自己看着办了。“数据是死的，人是活的”，不要单单看数据来备货，数据是作为人分析的工具而已，做决策的是我们自己。

以上仅仅作为参考，具体问题还是具体分析的。

05

避免缺货的两点建议

（1）不要低估销量

遇上特殊节日或与产品相关的时节，这个数据会再翻两番。此外，做好整年或整个季度的数据统计和分析，可为次年的备货提供一定程度的依据。

（2）备货数量一定要比实际的销量多

除非卖家出售的是单品重量以吨计算或面积过大的产品，一般产品建议备货的数量增加20%，相对于缺货造成的损失，多发20%的产品风险损失较小。