页面加载中

正在准备内容,请稍候

文章详情
2026-11-10博晓通

取暖器一晚翻四倍 门店可售率却没跟上

取暖器一晚翻四倍 门店可售率却没跟上 文章配图

晚上八点,北方一家连锁超市的保暖区货架被搬空了一半。11 月 9 日晚 8 点天猫双 11 巅峰价启动,开卖 4 小时取暖器成交增长 400%,羽绒服一晚卖出超过 30 万件;截至 11 月 10 日下午已公开的战报里,能被核对的只有成交,没有一家平台披露低温品类的门店可售率。对做铺货的人来说,这两组数字之间的距离,才是第二天早上真正要处理的问题。

一个晚上卖掉的 30 万件羽绒服

已知事实未证实需要核实
11 月 9 日晚 8 点天猫双 11 巅峰价启动,首小时成交环比增长 400%,超 3 万个品牌成交同比翻倍这些成交里有多少由线下门店就近发货门店发货订单占单品牌成交的比例
开卖 4 小时取暖器增长 400%,羽绒服一晚卖出超 30 万件,波司登新款工装羽绒服卖出 1 万件低温品类的门店缺货率是否同步上升重点城市保暖品类的门店可售率
阿迪达斯鸭绒面包羽绒服成交超 2000 万元,保姆鹅风墙儿童羽绒服卖出 1.2 万件单款爆发靠的是提前备货还是临时调拨单店单款首日的库存消耗曲线

这组数字来自上游新闻 11 月 10 日的报道,它把大促的爆发力描述得很清楚:天猫双 11 巅峰首小时成交环比增长 400%,超 3 万个品牌成交同比翻倍,保暖、宠物、童装几条线一起放量。但它同时也留下了一个空白,成交是结果,货在不在货架上才是原因,而原因从来不在战报里。

增速榜上最容易被误读的一栏

童装同比增长 432%、童鞋 486%、取暖器 400%,这些百分比放在一起看很像一张热度榜,其实是一张基数榜。增速越高,往往说明去年同期基数越低,或者品类本身的销售窗口极短,比如取暖器只在天冷那几天有生意,卖完这一波就要等明年。把增速直接当成补货信号,最容易犯的错是按最高增速去铺最深库存。

同一批数据里还有另一条线索。淘宝闪购在立冬周末有 935 个零售品牌成交较双 11 开启前翻倍,鲜食熟食销售额同比增长 73%,母婴用品 72%,家用电器与居家日用均 71%,参与的品牌商家超过 50 万家,覆盖数百万实体门店环球网 11 月 10 日的报道。鲜食和母婴的增速不如取暖器抢眼,却是门店每天都要重新卖一遍的品类,缺一天就少一天。

高增速不等于高可售

可售率的算法很简单,门店有货的 SKU 数除以该店应该经营的 SKU 数,难的是分子怎么取。系统里有库存不等于货架上有货,货架上有货不等于能被拣货员在三分钟内找到。大促期间最常见的失真,是系统显示可售、拣货时找不到,订单最终以缺货取消,而这个取消不会出现在任何成交战报里。

深夜 35 万个营业点位说明什么

经济日报 11 月 9 日的三季报解析给了一组更靠近供给侧的数字:美团平台上每天中午 12 点有超 100 万个实体营业点位,深夜 12 点仍有超 35 万个;美团闪购出行一次性用品销售额同比增长 47%,覆盖出行场景的门店达到 80 万家经济日报的报道。营业点位数量的意义在于,它决定了任何一个时点上,平台能对多少公里内的需求作出承诺。

但营业点位不等于可售点位。一家深夜还亮着灯的门店,可能只保留了两百个 SKU 的夜间库存,其余商品锁在仓库里,拣货要走后门、要找人开门。这类门店在点位统计里算一个,在履约上却只能算半个。对品牌方来说,判断一家店值不值得投铺货资源,看的不是它几点关门,而是它在承诺的时段里能拣出多少比例的订单。

补货节奏决定第二天的可售率

低温品类的爆发有一个共同特征,销售窗口只有几天,补货窗口只有一夜。羽绒服的尺码结构在首日就会被打乱,取暖器的单款爆发会让同品类其他型号瞬间变成滞销,鲜食熟食则是日配,隔夜即失效。这三类商品的补货逻辑完全不同,用同一套订货模型去覆盖,必然有一类会被压死。

三个 SKU 分层

把大促期间的 SKU 分成三层,判断会清楚很多:第一层是爆发款,只补不断码的那几个尺码,宁可少铺也不压货;第二层是结构款,保证价格带完整,让顾客进店有得选;第三层是引流款,用来承接临时起意的订单,允许一定的缺货率。三层的补货节奏不同,考核口径也必须不同,否则门店会用同一个缺货率数字掩盖三种完全不一样的问题。

品类公开增速对门店的含义
童装同比增长 432%断码集中在首日,补货要按尺码而不是按款
取暖器开卖 4 小时增长 400%单品爆量,补货窗口只有一夜
鲜食熟食销售额同比增长 73%日配品,缺货当天即失效,无法次日补救
母婴用品销售额同比增长 72%复购频次高,缺货直接把顾客推到隔壁

一次大促要留下哪几个数字

  1. 按门店统计可售率:取保暖、鲜食、母婴三个品类,逐店算有货 SKU 占比,不看系统看货架。
  2. 记录缺货取消:把因缺货取消的订单单独打标,与成交订单分开统计,避免被 GMV 掩盖。
  3. 标出补货时点:记录每次补货的到店时间与可上架时间,算出真实的补货窗口。
  4. 回填单店结论:把上述三个数字落到具体门店,形成下一轮铺货的优先级名单。
字段示例值
门店沈阳铁西店
品类保暖内衣
应经营 SKU 数86
货架有货 SKU 数61
缺货取消订单34 单,占该品类订单 4.1%
下次补货到店11 月 11 日 06:30

这四个动作都不需要新系统,只需要在大促期间多填几张表。真正难的是把它们变成惯例,因为大促结束后所有人都在忙复盘,而复盘最容易只看成交。等到下一个降温周期来临,同样的门店会在同样的位置再缺一次货,而这一次的战报依然好看。

常见问题

  • 双 11 期间门店可售率为什么会掉得这么快?

    因为成交在几个小时内集中释放,而补货要按天走。单款爆发先打乱尺码结构,再让同品类其他型号变成滞销,系统里的可售数字还没反应过来,货架已经空了。

  • 战报里的增速能不能直接拿来做补货计划?

    不能。增速高往往意味着基数低或销售窗口短,直接按增速铺深度库存,窗口一过就变成滞销。补货要按品类特性分三层,爆发款、结构款、引流款各有各的节奏。

  • 只有几家门店,也要做可售率统计吗?

    要做。门店少的时候统计成本更低,而且能看清单店的缺口结构。等到门店多到没法逐店看,才发现口径不清,改起来就很贵了。

  • 缺货取消的订单怎么统计才不会被漏掉?

    在订单系统里单独打标,与成交订单分开统计,并且按门店、按品类拆开。只算总量会被大店的量掩盖,看不出问题出在哪家店。

数据来源