这场保暖品类的爆发，先被打穿的不是折扣力度，而是尺码结构。11 月 9 日晚 8 点天猫双 11 巅峰价开闸，同期一股冷空气把全国多地气温压低 10℃ 以上，开卖 4 小时取暖器增长 400%、羽绒服一晚卖出超 30 万件。截至 11 月 10 日的公开数据，巅峰首小时成交环比增长 400%，超 3 万个品牌成交同比翻倍——对做商品与库存的品牌，这更像一次需求提前集中兑现的压力测试，断码往往比缺货更早发生。
两个变量撞在同一个晚上
把时间轴拉直看，这一晚的成交节奏非常规整：晚 8 点开闸，首小时成交环比增长 400%，4 小时内保暖品类完成主要放量，随后让位给补货与返场网易。规整本身说明一件事——消费者不是被临时说服的，购物车在降温之前就已经装好了，折扣只是扣动扳机。
保暖品的爆发有严格先后顺序
先动的是小件和即时可用的东西：取暖器、暖手宝、加厚家居服；后动的是需要决策的耐用品，比如干衣机与洗地机。这个顺序对备货很关键，因为小件可以靠调拨补，耐用品只能靠提前铺到仓。添可新款洗地机卖出 1400 万元、海尔新款干衣机卖出 1300 万元，这类成交一旦缺货，转化会直接掉到竞品页面上。
30 万件羽绒服背后，是三种完全不同的货
同样在保暖赛道里，三个品类的供给压力点并不相同。羽绒服一晚卖出超 30 万件，压力在尺码与颜色结构；取暖器增长 400%，压力在安装与售后排期；童装同比增长 432%、童鞋增长 486%，压力在身高段与年龄段备货网易。用同一个备货系数去覆盖这三类商品，必然有一类会断。
| 品类 | 开卖 4 小时表现 | 供给压力点 |
|---|---|---|
| 取暖器 | 增长 400% | 安装与售后排期 |
| 羽绒服 | 一晚超 30 万件 | 尺码与颜色断码 |
| 童装与童鞋 | 同比 432% 与 486% | 身高段备货不足 |
断码和缺货不是一回事
从品类趋势看，把这张表放在商品页运营的视角下，会看到另一层信息：断码不是库存问题，是商品页结构问题。羽绒服的成交高度集中在少数几个主推款上，主推款的中间尺码先空，页面就只剩大码和小码，转化率会掉得比库存数字更快。童装更极端，身高段一旦缺档，家长会直接换店而不是换款。
阿迪达斯 2000 万与波司登 1 万件，是两种卖法
品牌之间的差异，比品类之间的差异更能说明问题。阿迪达斯鸭绒面包羽绒服成交超 2000 万元，波司登 2026 新款工装羽绒服卖出 1 万件，保姆鹅风墙儿童羽绒服卖出 1.2 万件网易。前者的成交额靠单件高客单撑起来，后两者靠件数，对应的是完全不同的价格带与人群。
这两种卖法对库存的要求是相反的。高客单款需要的是深度：一个爆款压足货，卖不完可以跨季；宽价格带需要的是宽度：每个价格点都要有货，任何一个价格点断货都会把顾客推走。把两种逻辑混在一张备货表里，很容易出现总额达标、结构错位的结果。
天气单怎么变成可复用的备货规则
每年入冬都会有一轮降温，但把降温直接当备货信号并不可靠。更稳的做法是把降温幅度、覆盖城市数、品类增速三组数据对齐，看同一幅度下不同品类的弹性差异，再决定加单比例。今年这一次，可以作为第一条样本。
接下来两周该盯的不是成交额，而是退货率与换码率。天气驱动的订单，退货往往集中在尺码不合适与厚度预期不符两类；这两个数字如果明显高于日常，说明今年的加单方向对了、结构错了。
常见问题
为什么保暖品类的爆发集中在开卖四小时内？
需求被两个变量同时压到一个时点：11 月 9 日晚 8 点巅峰价开闸，同期多地气温骤降 10℃ 以上。降温让需求成立，折扣让需求兑现，两个条件同时满足，成交才会在几小时内集中出现。
羽绒服卖得好，是不是所有保暖品类都能跟着涨？
不是。取暖器增长 400%、童装同比 432%，但供给压力点完全不同：取暖器卡安装排期，羽绒服卡尺码断码，童装卡身高段备货。趋势一致，瓶颈不一致。
天气驱动的销量能不能用来做明年备货？
只能作为区间参考。天气是外生变量，一次降温不构成稳定规律；把降温幅度、覆盖城市数与品类增速做成对照，积累两三个冬季后再定区间更稳。
同样卖羽绒服，为什么品牌之间差这么多？
阿迪达斯鸭绒面包羽绒服成交超 2000 万元，波司登 2026 新款工装羽绒服卖出 1 万件，差别在价格带与款式定位：前者靠单件高价撑成交额，后者靠宽价格带覆盖更多人群。
