用 AI 做便利店订货参考：销售数据的补货建议

便利店订货全凭经验，结果要么压货占资金，要么断货丢生意。把近期的销售数据喂给 AI，让它按品类给出补货参考量，是低成本改进订货的办法。AI 的角色是推算助手：算日均动销、估安全库存、提示需要关注的单品，最终下单量仍由店主结合实际情况拍板。数据越完整，建议越靠谱。

订货参考要喂哪些数据

推算补货量最少要三类数据：近四到八周的日销售流水（按单品更佳，按品类也行）、当前库存、供应商的到货周期。有条件的再补两样：商品保质期、上次订货量与实际售罄情况的记录。数据来源通常是收银系统导出的表格，把格式整理干净——日期、商品名、销量三列齐全——直接交给 AI 处理。数据有断档要提前说明，比如某两天停业、某周搞过促销，AI 不知道这些背景就会把异常当成常态算，得出的建议会跑偏，交代背景这一步不能省。

补货建议的推算逻辑

让 AI 按一个简单公式推：建议订货量约等于日均动销乘以补货周期，加上安全库存，再减去现有库存。举个例子（假设）：某饮料日均卖 12 瓶，供应商两天到一次货，安全库存按一天销量备 12 瓶，现有库存 8 瓶，参考建议就是 12×2+12−8=28 瓶。请 AI 对每个单品都走一遍这个算式，输出一张按补货紧迫度排序的表。这个模型不复杂，但比拍脑袋强在两处：每个数字有出处，事后能回查是哪一环估错了；批量处理几十上百个单品的速度是人手算不过来的。

鲜食与常温分开处理

鲜食（饭团、关东煮、面包）与常温商品要分成两张表处理，因为逻辑不同。鲜食保质期以小时计，订货逻辑偏「宁少勿多」，卖断货的损失小于报废的损失，安全库存压到最低，AI 推算时让它按最近一周的销量下浮一成左右给参考值（假设），报废率高的单品再单独下调。常温商品保质期长，逻辑相反，卖得动的多备一点不心疼，安全库存可以放宽到一到两天的量。把两种策略明确告诉 AI，别让它用同一套参数套所有品类，混在一起算是订货参考最常见的错误。

促销与天气的修正

基础算式之外，两类因素需要人工修正后喂回去。促销：这周有买赠或陈列位调整的单品，销量会跳升，按正常动销算必然断货，把促销计划告诉 AI，让它按上浮系数（比如一点五倍，假设）调整参考量。天气与季节：气温骤降热饮和关东煮上量，雨天客流下降鲜食减量，把当地未来几天的天气预报作为一个输入项，请它在建议里注明哪些品类需要增减。修正不必每单都做，抓住促销单品和强天气敏感品类这两块，参考量的准确度就能上一个台阶。

建议值的人工复核

AI 给的建议表要过一遍再下单。重点抽查三类：建议量为零但你觉得能卖的（可能数据里缺这个单品，或最近刚好缺货没销量记录）、建议量明显超常的（通常是促销期的异常数据被当成了常态）、资金占用大头的前十名单品（金额大，值得逐个人工过目）。复核后把你的调整记下来，下一轮喂回去，让 AI 对照「建议值与实际值」的差距改进系数。跑上四五个订货周期，参考表会越来越贴合你这家店的实际，这是数据积累的复利，前期多花的那点核对时间都会赚回来。

延伸阅读：门店盘点与库存对账、陈列与促销物料规划、门店会员复购的做法。

补货表下单前的复核动作

• 日均动销按四到八周流水算
• 停业与促销的异常日先说明
• 促销单品按上浮系数单独调
• 建议为零又觉得能卖的先查数据
• 资金占用前十的单品逐个过目

五条里最容易被跳过的是异常日说明，背景不交代，推算就把促销当成常态。

便利店补货量怎么算才不容易压货？

• 没有收银系统，手写台账能用吗？：可以。手写台账拍照或手动录入成表格即可，关键是坚持按日记录；记录不够细，推算精度会打折，但比没有数据强得多。
• 新品没有销售数据怎么定首单量？：参照同品类相似价位商品的头两周销量做基数，首单按基数的一半订，卖得动再加，让 AI 帮你挑出可参照的同类单品。
• AI 建议和供应商起的起订量冲突怎么办？：以起订量为下限重新权衡，把多订的部分摊到保质期长的品项上，鲜食宁可接受低频次多跑一趟供应商，也别为凑量多订易耗品。