截至 2026 年 11 月 10 日，唐久便利把 2600 多家门店和 12 个配送中心的补货决策，正式交给了一套预测与补货系统。它常态化管理的 SKU 只有约 2500 个，听起来不多，难的是其中日配品类每天都要重算一遍：鲜食保质期以小时计，订多了报废，订少了断货，过去完全靠店长和督导的经验在两端之间找平衡。同花顺财经与中宏网 11 月 10 日的报道都提到，这次引入的是 RELEX 的预测与补货方案，也是该方案在国内便利业态落地的第一个项目。对管着几十上百家门店的人来说，这件事真正的看点是「经验」第一次被拆成了可核对的字段——谁在什么时候、按什么依据、把哪个 SKU 的可售天数定成了几天。
两千五百个 SKU 里 日配最难算
便利店的商品结构和超市完全是两套逻辑。2500 个 SKU 里，真正决定顾客下次还来不来的，是那几百个高周转的鲜食、乳品、饮料和关东煮原料。这些品类的共同点是保质期短、单店日均销量小、波动大：一个写字楼店周一早上的饭团需求，可能是隔壁社区店的三倍，而周三又会倒过来。用同一个补货系数去覆盖两种门店，结果一定是一边报废一边缺货。这也是为什么行业里谈「有货率」时，越来越强调要拆到品类、拆到门店类型，而不是只看一个总量数字。
更麻烦的是数据颗粒度。人工补货的经验里其实包含大量有效信息——店长知道这周附近在修路、知道隔壁学校开始放假、知道昨天下午三点后突然来了一波团购。这些信息在系统里没有位置，只能靠人记。当补货权从人手上交到算法上，第一件要解决的不是算法准不准，而是这些「人知道、系统不知道」的因素，有没有被变成可以录入的字段。没有这一步，算法只会把过去平均化的错误，算得更精确一点。
把补货权收回来 门店要交什么
唐久在 CCFA 便利店大会上的说法是「以 50 个商品大类为基础，对动销率、毛利率、损耗率做单品精细化管理」。这句话翻译成执行动作，就是门店端要按统一口径上报三件事：昨天卖了多少、货架上还剩多少可售、报废了多少。三个数字缺一个，预测就会失真——只报销量不报报废，系统会以为这个品卖得好；只报可售不报报废，系统会把陈列缺位当成需求不足。
可售不等于库存
这是补货类项目里最容易被含糊过去的定义。仓库里有 30 箱，门店后仓压着 5 箱，货架上只剩 2 盒，顾客能买到的就是 2 盒。按「门店可售」口径统计，这个品的可售率已经掉到危险区；按「仓库库存」口径统计，它仍然是充足品。两种口径算出来的补货建议会完全相反。因此在系统上线前，先把「可售」定义成「货架上有、顾客能拿到」，是所有后续动作的前提。
督导的角色从订货变成校准
补货建议由系统生成之后，督导不再逐店下单，而是处理系统给不出的例外：新店开业前三个月没有历史数据、临时团购、设备故障导致的整柜报废。这些例外如果仍然用人工覆盖，就必须留下原因码，否则下一次预测还是错的。行业里常见的失败路径是：系统上线、门店嫌麻烦、继续按老办法订货、系统数据越来越脏、半年后项目静默下线——问题从来不在算法，在例外没有被结构化。
一张补货分工表 三个角色各管一段
把上面这些落成一张表，能看清每个角色到底该为什么负责。有意思的是，这张表里没有「预测准确率」这个指标——它太笼统，无法指向具体动作。真正能追责的是缺货率、报废率、以及例外覆盖率这三个可拆解的量。
| 角色 | 负责的字段 | 判断依据 | 失败信号 |
|---|---|---|---|
| 店长 | 可售数、报废数、临时因素 | 每日闭店前盘点货架与后仓 | 连续三天例外原因留空 |
| 督导 | 例外覆盖、门店类型标注 | 系统建议与门店实际订货的差异 | 差异长期超过两成却无原因码 |
| 品类 | SKU 宽度、汰换节奏 | 动销率与毛利结构的月度复核 | 新品三个月内动销未达门槛 |
| 配送中心 | 到货时效、拆零能力 | 门店下单到上架的时长 | 日配到店晚于上午高峰 |
这张表最容易被跳过的是第二行。督导的活看着像「传话」，实际是在替系统识别门店类型：社区店、写字楼店、商圈店、医院店的销量曲线完全不同，如果门店类型标错，后面所有预测都建立在错的基线上。行业里做补货项目，常见的做法是先用三个月把门店分型跑准，再谈预测精度，顺序反过来的项目大多会返工。
从人工到算法 先改三件事
CCFA 的数据给了一个不太乐观的背景：2025 年便利店单店日均营收 4453 元、同比下降 3.9%，来客数下滑 8.7%，超过七成企业客流减少。在客流下行的周期里做补货升级，逻辑和增长期完全不同——增长期优化的是「别断货」，下行期优化的是「别压货」，因为报废直接吃毛利。这也解释了为什么这次的重点落在日配，而不是全品类：日配是报废率最高、也最直接影响顾客到店判断的那一段。
因此三件事的优先级应该是：先把可售口径统一，再把例外结构化，最后才调预测参数。顺序颠倒的项目，通常会得到一套「预测很准但门店不用」的系统。判断一个补货项目有没有真的跑起来，有个很朴素的信号：门店店长还会不会在早上七点自己打电话问配送中心要货。如果还在打，说明系统给的量他不敢信；如果不打了，才说明这套东西进了日常。
唐久这个案例还有一个容易被忽略的背景：它近九成门店是加盟店。加盟体系里，补货建议不是命令，是参考——加盟商有权自己决定订多少，因为报废是他的成本。这意味着系统的说服力必须建立在「按建议订货确实更赚钱」上，而不是靠总部下文。对做渠道数字化的团队来说，这是比算法更难的一段：你要让两千多个独立决策者相信，一套黑箱给的数字比他自己十年经验更划算。
常见问题
唐久这次补货升级覆盖多大范围？
覆盖 2600 多家门店与 12 个配送中心，常态化管理约 2500 个 SKU，是 RELEX 预测与补货方案在国内便利店业态的首个项目，由北京时代商联协助实施。
为什么日配品类最难做预测？
保质期短、单店日均销量小、需求波动大，且不同门店类型的销量曲线差异明显。同一套补货系数覆盖多种门店，结果必然是一边报废一边缺货。
「门店可售」和「仓库库存」有什么区别？
仓库有货但货架缺位时，顾客买不到，按门店可售口径已经算缺货，按仓库库存口径仍算充足。两种口径给出的补货建议可能完全相反，上线前必须先统一。
加盟体系里推补货系统难在哪？
报废成本由加盟商承担，补货建议只能是参考而非命令。系统要跑通，必须让加盟商相信按建议订货确实更赚钱，这比调算法参数更难。
