售速度不同，有可能出现有些商品在上午就卖完了，有些在下午卖完，导致去购物的客户看到的是空空如也或者半空的货架，这肯定会影响客户的购物欲望。客户购物是一个与商品交互的过程，客户需要走走看看，挑挑拣拣，没什么好选的也就不会刺激出需求。第二，假设平均一个客户一生中在门店消费200元，如果一个客户到店里，发现想买的商品没有货，他会去隔壁竞争对手那里买，并且可能再也不来你的店里了，你就损失掉了这个客户200元的终生价值。为此门店宁肯冒着库存损失的风险，也要额外备一些库存。第三，不同商品之间是有相互促进作用的，比如有的商品的销售会带动另一种商品的销售，因为它吸引了客流，客户到店后看到其他商品也会产生购买。实践中超市常常会用引流款来吸引客流，如果这类商品本身库存不足，导致客流受到影响，其他商品的销售也会有风险。

只销售一种商品的场景用来解释问题是可以的，但没有实践意义，实践中没有哪家企业是只经营一种商品的，销售往往是由多个品种、多个品类构成的。零售供应链上的库存不是单个商品的问题，而是如何在资金有限的情况下，在品类内不同的商品之间进行库存投入的分配问题。这是和制造供应链中的服务水平差别较大的地方，在制造供应链中重点考虑的是有货率，是从单品的角度考虑的，而零售供应链更多的是从全盘考虑，不仅考虑有货率，还考虑呆滞风险，以及单品缺货对客流量的影响、对销售的影响、对商品之间连带销售的影响。

要给多个商品设定服务水平，就需要分析它们的特点。举一个实践中常用的方法，如表6-1所示。售速度不同，有可能出现有些商品在上午就卖完了，有些在下午卖完，导致去购物的客户看到的是空空如也或者半空的货架，这肯定会影响客户的购物欲望。客户购物是一个与商品交互的过程，客户需要走走看看，挑挑拣拣，没什么好选的也就不会刺激出需求。第二，假设平均一个客户一生中在门店消费200元，如果一个客户到店里，发现想买的商品没有货，他会去隔壁竞争对手那里买，并且可能再也不来你的店里了，你就损失掉了这个客户200元的终生价值。为此门店宁肯冒着库存损失的风险，也要额外备一些库存。第三，不同商品之间是有相互促进作用的，比如有的商品的销售会带动另一种商品的销售，因为它吸引了客流，客户到店后看到其他商品也会产生购买。实践中超市常常会用引流款来吸引客流，如果这类商品本身库存不足，导致客流受到影响，其他商品的销售也会有风险。

只销售一种商品的场景用来解释问题是可以的，但没有实践意义，实践中没有哪家企业是只经营一种商品的，销售往往是由多个品种、多个品类构成的。零售供应链上的库存不是单个商品的问题，而是如何在资金有限的情况下，在品类内不同的商品之间进行库存投入的分配问题。这是和制造供应链中的服务水平差别较大的地方，在制造供应链中重点考虑的是有货率，是从单品的角度考虑的，而零售供应链更多的是从全盘考虑，不仅考虑有货率，还考虑呆滞风险，以及单品缺货对客流量的影响、对销售的影响、对商品之间连带销售的影响。

要给多个商品设定服务水平，就需要分析它们的特点。举一个实践中常用的方法，如表6-1所示。表6-1　如何给品类内不同的商品设置服务水平

第一，获取商品的单位毛利、单位成本、有效期长短等基本信息，这些信息不需要计算即可获取。

第二，计算商品之间的替代性。门店里满足同样需求的商品往往被归为一类，称为品类，同一品类内的商品具有相似性，比如洗发水既有飘柔的也有海飞丝的，要设定服务水平就要看这两者有没有替代性，如果一个商品的可替代性很低，那它缺货带来的损失风险就非常高，如果一个商品的可替代性很高，那么它缺货时需求会转移到其他商品上。可以通过分析同品类的商品销售数据，计算该商品缺货时其他商品的销量，如果它缺货时其他商品的需求同比增加，那说明它的可替代性很强，缺货时需求都转移到了其他商品上。也可以通过同品类内其他商品打折、上新、促销时该商品的销售波动程度来判断，波动（15%以上）很大，则说明该商品的可替代性高，反之则说明该商品的可替代性不高。

第三，判断商品是不是引流款。可以通过分析商品出现在多少笔销售（小票）中来判断，如果该商品出现在超过30%的小票上，同时它的售价不高，那么它往往就是引流款。表6-1　如何给品类内不同的商品设置服务水平

第一，获取商品的单位毛利、单位成本、有效期长短等基本信息，这些信息不需要计算即可获取。

第二，计算商品之间的替代性。门店里满足同样需求的商品往往被归为一类，称为品类，同一品类内的商品具有相似性，比如洗发水既有飘柔的也有海飞丝的，要设定服务水平就要看这两者有没有替代性，如果一个商品的可替代性很低，那它缺货带来的损失风险就非常高，如果一个商品的可替代性很高，那么它缺货时需求会转移到其他商品上。可以通过分析同品类的商品销售数据，计算该商品缺货时其他商品的销量，如果它缺货时其他商品的需求同比增加，那说明它的可替代性很强，缺货时需求都转移到了其他商品上。也可以通过同品类内其他商品打折、上新、促销时该商品的销售波动程度来判断，波动（15%以上）很大，则说明该商品的可替代性高，反之则说明该商品的可替代性不高。

第三，判断商品是不是引流款。可以通过分析商品出现在多少笔销售（小票）中来判断，如果该商品出现在超过30%的小票上，同时它的售价不高，那么它往往就是引流款。第四，判断商品是不是主力销售品。通过分析商品销售额占品类内销售额的比例来判断，如果超过20%，就可以认为它是主力销售品。

第五，计算单位缺货成本，它一般就等于毛利。

根据这些数字来设定服务水平。比如针对P1这个商品，它的单位毛利低，可替代性高，不是引流款，也不是主力销售品，那就说明它的重要性相对不高，即便缺货了，一来由于它的可替代性高，需求可以转移到其他商品上，二来由于它的销售量不大，缺货成本低，因此它的服务水平就可以设定得低一点，根据经验可以设定为85%。运用同样的道理可以给P2、P3设定服务水平。到了P4，该商品单位毛利高，可替代性低，有效期也长，同时是主力销售品，单位缺货成本也高，因此就需要很高的服务水平，可以根据经验设定为98%。除了经验，还可以用复杂的优化算法来计算更优化的服务水平，这类方法一般会考虑各个商品之间的配比、缺货与库存积压风险的平衡。

实践中，当同一个品类内有众多的商品时，要分析它们的可替代性，是不是引流款，是不是主力销售品，就变得很复杂。同时面对非常多的商品，以及非常多的门店时，就不得不借助优化算法来找到最优的服务水平。优化算法考虑的因素更多，比如客户终生价值、客户流失的损失、门店销售目标、目标在不同品类间分解的比例、不同品类里的商品的可替代性等，通过这样的优化能够更合理地设定每种商品的服务水平。不少生鲜电商和线上零售商也有各种高级的智能算法，但基本原理都差不多。

对于时尚型商品，门店库存的补充有两种方式，一种是补同样的第四，判断商品是不是主力销售品。通过分析商品销售额占品类内销售额的比例来判断，如果超过20%，就可以认为它是主力销售品。

第五，计算单位缺货成本，它一般就等于毛利。

根据这些数字来设定服务水平。比如针对P1这个商品，它的单位毛利低，可替代性高，不是引流款，也不是主力销售品，那就说明它的重要性相对不高，即便缺货了，一来由于它的可替代性高，需求可以转移到其他商品上，二来由于它的销售量不大，缺货成本低，因此它的服务水平就可以设定得低一点，根据经验可以设定为85%。运用同样的道理可以给P2、P3设定服务水平。到了P4，该商品单位毛利高，可替代性低，有效期也长，同时是主力销售品，单位缺货成本也高，因此就需要很高的服务水平，可以根据经验设定为98%。除了经验，还可以用复杂的优化算法来计算更优化的服务水平，这类方法一般会考虑各个商品之间的配比、缺货与库存积压风险的平衡。

实践中，当同一个品类内有众多的商品时，要分析它们的可替代性，是不是引流款，是不是主力销售品，就变得很复杂。同时面对非常多的商品，以及非常多的门店时，就不得不借助优化算法来找到最优的服务水平。优化算法考虑的因素更多，比如客户终生价值、客户流失的损失、门店销售目标、目标在不同品类间分解的比例、不同品类里的商品的可替代性等，通过这样的优化能够更合理地设定每种商品的服务水平。不少生鲜电商和线上零售商也有各种高级的智能算法，但基本原理都差不多。

对于时尚型商品，门店库存的补充有两种方式，一种是补同样的款（也称为补深度），另一种是补不同的款（也称为补宽度，即补充多样性）。这两种方式代表两种不同的策略，优衣库采用的是第一种策略，而ZARA采用的则是第二种策略。对于第一种方式，新品上市后，随着销售的发生可以区分不同款式在品类内的重要性，进而设定相应的服务水平。对于第二种方式，每一款商品的生命周期很短，卖完了就下架，无法通过分析历史数据来测算，同时新老款又有差别。这时有一种改良的方法，虽然新品和老品是不同的，但是消费者到门店里购买商品，其实购买的是一组属性的组合，频繁推出的新品其实也是一组属性的组合，通过计算属性之间的替代性、属性和属性之间替代的弹性关系（属性增删对其他属性影响的程度）、属性的引流程度、销售量贡献，可以计算出不同属性的重要程度，进而设定属性的服务水平。它的基本原理是构建历史销量和商品属性的关系，看哪些属性随着新属性的引入或者删除而波动比较小，这些就是可替代性弱的属性，反之则是可替代性强的属性。再结合属性所占的销售额、小票数量，来判断它是主力销售属性还是引流销售属性，进而决定属性本身的重要程度。基于这个重要程度设定属性的服务水平，在后续补货时需要确保所补充的新商品其属性所对应的量能够达到服务水平，这也被称为基于属性的计划（attribute base plaig），实践中特别适合补充宽度的商品。可以用表6-2来定性表示属性与服务水平的关系（实践中服务水平是需要经过数学模型量化的）。当服务水平要求高时，引入或者补充具有这些属性的商品，销售出去的概率就更大。

表6-2　属性与服务水平的关系（示例）款（也称为补深度），另一种是补不同的款（也称为补宽度，即补充多样性）。这两种方式代表两种不同的策略，优衣库采用的是第一种策略，而ZARA采用的则是第二种策略。对于第一种方式，新品上市后，随着销售的发生可以区分不同款式在品类内的重要性，进而设定相应的服务水平。对于第二种方式，每一款商品的生命周期很短，卖完了就下架，无法通过分析历史数据来测算，同时新老款又有差别。这时有一种改良的方法，虽然新品和老品是不同的，但是消费者到门店里购买商品，其实购买的是一组属性的组合，频繁推出的新品其实也是一组属性的组合，通过计算属性之间的替代性、属性和属性之间替代的弹性关系（属性增删对其他属性影响的程度）、属性的引流程度、销售量贡献，可以计算出不同属性的重要程度，进而设定属性的服务水平。它的基本原理是构建历史销量和商品属性的关系，看哪些属性随着新属性的引入或者删除而波动比较小，这些就是可替代性弱的属性，反之则是可替代性强的属性。再结合属性所占的销售额、小票数量，来判断它是主力销售属性还是引流销售属性，进而决定属性本身的重要程度。基于这个重要程度设定属性的服务水平，在后续补货时需要确保所补充的新商品其属性所对应的量能够达到服务水平，这也被称为基于属性的计划（attribute base plaig），实践中特别适合补充宽度的商品。可以用表6-2来定性表示属性与服务水平的关系（实践中服务水平是需要经过数学模型量化的）。当服务水平要求高时，引入或者补充具有这些属性的商品，销售出去的概率就更大。

表6-2　属性与服务水平的关系（示例）2.如何设定仓库服务水平仓库层面的服务水平一般用订单达成率（或者订单满足率、订单完成率）来衡量，订单达成率=交付的数量/总需求数量，比如门店需要100个，仓库只发了80个，订单达成率为80%。既然在门店设定了服务水平，仓库又是服务门店的，那就可以把门店中各个商品的服务水平汇总到仓库，也可以用仓库发货记录来测算仓库的服务水平，这样就有两种方法。

对于第一种方法，由于仓库是服务门店的，仓库中某商品的服务水平可以从下游门店中商品的服务水平汇总得来。如图6-9所示，当门店的服务水平都相同时，汇总到分仓的服务水平与门店一样，从分仓汇总到总仓也是遵循类似的逻辑。

如果某商品在各个门店的服务水平不相同，一般按照需求量（D）进行加权平均计算，需求量大的门店其服务水平在仓库服务水平计算时权重更大，如图6-10所示。2.如何设定仓库服务水平仓库层面的服务水平一般用订单达成率（或者订单满足率、订单完成率）来衡量，订单达成率=交付的数量/总需求数量，比如门店需要100个，仓库只发了80个，订单达成率为80%。既然在门店设定了服务水平，仓库又是服务门店的，那就可以把门店中各个商品的服务水平汇总到仓库，也可以用仓库发货记录来测算仓库的服务水平，这样就有两种方法。

对于第一种方法，由于仓库是服务门店的，仓库中某商品的服务水平可以从下游门店中商品的服务水平汇总得来。如图6-9所示，当门店的服务水平都相同时，汇总到分仓的服务水平与门店一样，从分仓汇总到总仓也是遵循类似的逻辑。

如果某商品在各个门店的服务水平不相同，一般按照需求量（D）进行加权平均计算，需求量大的门店其服务水平在仓库服务水平计算时权重更大，如图6-10所示。