如何计算Wildberries的入库量？

向 Wildberries 的入库量是这样计算的：确保商品足够支撑到下一次补货，但又不会产生多余库存。为此，需要针对每个商品编号计算在生产、运输和计划库存期间能卖出多少件，加上安全库存，再减去现有库存和在途商品。

计算 Wildberries 入库量需要哪些数据

计算 Wildberries 入库量时，需要针对每个商品编号单独收集数据：平均销量、库存、在途商品以及补货周期。一套通用的方案并不适用于所有品类，因为不同商品的销售速度不同，所需的入库间隔也不同。

要正确计算入库量，需要准备以下数据：

日均销量；

每个 WB 仓库的当前库存；

已发出但尚未入库的商品；

生产或采购周期；

运输和入库周期；

安全库存量。

所有后续计算都基于这些指标。

日均销量

日均销量显示商品平均每天卖出多少件。这是预测需求的主要参数。

如何选择计算周期：

稳定商品——可取 60–90 天；

新品和快速增长的商品——30 天或更短，以免“模糊”增长趋势；

季节性品类——与去年同期比较，而非最近几个月。

计算时应排除商品缺货的天数。如果计入零库存时期，平均销量会被人为压低，导致入库量低于实际需求。

当前库存

计算时只考虑 Wildberries 仓库中可售的库存。

为了准确计算，需要注意：

分别查看每个商品编号和每个仓库的库存；

以 WB 自身的数据为准，而非进入电商平台前的内部库存。

在途商品

已发往 Wildberries 的商品应从新入库量中扣除，以免重复计算。

重要提醒：

计算中只包括实际已发货的批次；

计划中但尚未发出的入库最好不计入，因为它们可能延迟或数量发生变化。

如果忽略在途商品，就有高估入库量、导致仓库库存过剩的风险。

生产或采购周期

生产或采购周期是指从向供应商下订单到批次准备发往 Wildberries 的完整周期。

其中包括：

订单和规格确认；

实际生产或采购；

包装；

贴标；

文件准备和装运准备。

这个周期越长，就需要预留更多的库存天数，以避免库存归零。

运输和入库周期

运输和入库周期不仅包括到 WB 仓库的路程，还包括卸货、排队和实际入库的时间。

正确设定运输周期很重要，因为：

商品不会在车辆到达时立即开始销售；

实际周期可能与理论周期不同，尤其是在高峰期。

最好参考以往入库的实际数据：从出发到商品上架销售平均需要多长时间。

安全库存

安全库存是为应对需求激增或任何环节（生产、物流、入库）的延迟而预留的缓冲。将其添加到预测需求中，以降低缺货风险。

如何设定缓冲量：

按件数（例如，+100 件）；

按销售天数（例如，+5 天的需求量）；

按预测量的百分比（例如，+10%）。

参考标准：

对于稳定商品，缓冲量通常设为 5–10%；

对于季节性商品和积极推广的商品，百分比通常更高。

Wildberries 入库量计算公式

入库量 = 日均销量 × 计划周期 + 安全库存 – 当前库存 – 在途商品

这里的“计划周期”不仅指需要库存的天数，还包括新批次上架销售前的所有时间：

计划周期 = 生产或采购周期 + 运输和入库周期 + 目标库存周期

目标库存周期是指新入库商品在 Wildberries 仓库上架后应能支撑销售的天数。

Wildberries 入库量计算示例：分步详解

为了更直观，我们来看一个实际例子：如何得出建议的入库件数。

初始数据：

日均销量——15 件；

生产周期——7 天；

运输和入库周期——6 天；

入库后目标库存——30 天；

WB 当前库存——220 件；

在途商品——60 件；

安全库存——65 件。

第 1 步：计算计划周期

计划周期包括商品上架前的所有阶段以及入库后的目标库存：

7 天（生产）+ 6 天（运输和入库）+ 30 天（目标库存）= 43 天。

第 2 步：计算预期需求

计划周期内的需求预测：

15 件/天 × 43 天 = 645 件。

第 3 步：加上安全库存

考虑缓冲量后增加数量：

645 + 65 = 710 件。

第 4 步：减去库存和在途商品

已有和在途的库存覆盖了部分需求：

710 – 220（库存）– 60（在途）= 430 件。

结果：建议发出下一批次，数量为 430 件。

接下来，应根据季节性、广告活动、促销参与情况以及商品在仓库间的分配来调整这个数字。

如何判断何时向 Wildberries 发货

发货启动时间取决于当前库存能支撑多少天，并与生产、运输和入库的总周期进行比较。

公式：

库存天数 = 当前库存 / 日均销量

示例：

当前库存——300 件；

日均销量——15 件。

计算： 300 / 15 = 20 天库存。

如果生产、运输和入库总共需要 16 天，那么实际上只剩下 4 天的“富余”库存。在这种情况下，推迟下单已经存在风险。

关键原则：启动下一次入库的时间，必须早于补货周期超过剩余库存天数的时间。

如何为入库选择 Wildberries 仓库

仅仅计算商品总量是不够的——还需要合理分配到 WB 的各个仓库。仓库的选择会影响配送速度、本地订单比例以及最终的物流成本。

基本原则：将商品放置在靠近主要需求区域的地方，而不仅仅是在入库费用便宜的地方。

选择仓库时需考虑：

按区域划分的销售地理分布；

每个仓库的当前库存；

每个仓库的销售速度；

入库费用；

物流和仓储费率；

是否有空闲的入库窗口和日期；

本地化指数。

Wildberries 会显示按区域划分的销售数据，并提供本地化信息。这有助于了解商品在哪些地方最常被购买。

一个危险的错误是，仅仅为了便宜或免费的入库费而将整批货物运往一个仓库。如果买家在其他地区，入库费用的节省很容易转化为物流成本的增加和配送时间的延长。

哪些因素会影响入库量

入库量不能仅根据“平均销量”计算一次就不再调整。需求会受到季节性、促销、广告、价格和需求动态的影响。

季节性

对于季节性商品（冬装、学习用品、园艺用品等），需求会随月份大幅波动。仅平均最近几个月的销量是不够的。

需要考虑的因素：

季节何时开始；

生产和物流需要多长时间，以免错过入库时机；

季节需求高峰有多高。

对于这类商品，应提前增加库存，参考去年的销售数据和计划中的促销活动。

Wildberries 促销活动

WB 的大型促销活动通常会加速销售。如果按没有促销活动的情况计算入库量，商品可能会在推广期间售罄。

如何正确计算 Wildberries 促销期间的入库量：

提前评估促销期间订单可能增长多少倍；

在准备和进行促销期间，提高销售速度系数；

根据预期增长重新计算入库量。

广告

广告流量的增加几乎总是会带来订单的增长。因此，当广告预算发生变化或启动新活动时，需要更新入库量计算。

价格变动

价格变动后，过去的平均销量可能不再具有参考价值：

降价通常会提高需求；

涨价可能会减缓销售。

在价格发生重大变动后，最好更新用于计算平均销量的周期，不要依赖变动前的长期历史数据。

退货和成交率

仅根据订单或仅根据成交来计算入库量，是两种不同的方法。

关于退货和成交的入库量计算特点：

成交反映的是实际已付款的需求；

订单有助于更快地看到兴趣增长，但其中一部分不会被成交。

如果商品的退货率很高，仅根据订单而不考虑成交来计算，会高估需求。 对于稳定商品，通常使用成交数据；对于需求快速增长的商品，有时会使用订单数据，并根据成交率进行调整。

入库量过大的风险

向 Wildberries 过量入库会导致资金被商品占用，并增加仓储成本。如果需求下降或发生变化，大量库存本身并不能保护业务。

主要后果：

仓储成本增加；

资金周转率恶化；

滞销风险增加；

不得不打折清仓；

缺乏流动资金采购更受欢迎的品类。

WB 的仓储费率取决于商品体积和具体仓库的系数。因此，在计算入库量时，不仅要考虑预测销量，还要考虑库存持有成本。

如何在 Torgstat 中自动化入库量计算

当有几十上百个商品编号时，手动为每个商品计算入库量既费时又不准确：表格还没更新完，库存和销量就已经变了。在这种情况下，自动化计算会更方便。

在 Torgstat 服务中，有用于 Wildberries 的“入库量计算”工具。它有助于了解每个商品编号的下一次建议入库量。

在设置中可以设定：

周转周期；

计算基础：所有订单或仅已成交商品；

销售速度系数；

计划销售周期；

每箱件数；

生产和物流周期；

预计入库日期。

这样，卖家可以更快地制定入库计划，并降低缺货和库存过剩的风险。

常见问题

应该多久重新计算一次入库量？

对于稳定商品，大约每周重新审视一次计算即可。 对于快速增长、季节性以及正在推广的商品，应提高计算频率。

计算入库量时是否需要考虑在途商品？

是的。所有已发往 Wildberries 且实际处于运输或入库过程中的商品，都应从新入库量中扣除。

不应将仅计划但尚未发出的批次计入计算——它们可能延迟或数量发生变化。

如何为没有销售历史的新商品计算入库量？

对于新品，可以参考类似商品的销售情况、品类需求以及试销批量的结果。第一次入库最好少量，待出现实际订单后再重新计算数量。

如何处理商品缺货的天数？

最好将这些天数从平均销量计算中排除。否则，指标会被压低，导致建议的入库量不足。

是否可以将整批入库发往一个仓库？

可以，但这并不总是划算的。如果订单来自不同地区，将货物发往一个仓库可能会增加配送时间、物流成本，并降低商品的本地化程度。