Shopee库存变化推算销量：从可拍数量看走势

可拍数量是动态信号

可拍数量的本质是一个减法结果，它等于初始上架量减去已经卖出的部分，再减去被锁定但还没付款的部分，再加上期间补进来的货。理解这个构成之后，你会明白它的每一次变动都对应着一个具体动作，而不是随机跳动。

多数人第一次注意到这个数字，是因为它变成了零，商品显示售罄。但售罄只是它变化过程里最显眼的一个状态，在归零之前它经历了漫长的下落，这段下落过程里藏着的信息比归零本身丰富得多，可惜常常被忽略掉。

这个数字还有一个特点是可以随时看到，不需要任何工具，也不需要额外的权限。任何一条在售链接的商品页面上都能直接读到，这意味着你可以对同一批对手做高频次、低成本的连续观察，这是它作为数据源最大的优势。

它的弱点也很明确，就是只能看到结果不能看到过程。你看到数字从三百掉到两百，但不知道这两百件里有多少是真实成交、有多少是被锁定、有多少是下架调整。跨规格分开看的链接，数字本身还可能是合并显示的。

所以把它当作唯一信号是不可靠的，但把它当作一组信号里的一员，配合评论节奏和榜单排位交叉验证，就能得到一个相当扎实的判断。它的价值不在精确，而在连续、免费、可高频取得。

看这个数字的第一步是把它和已售件数放在一起对照，如果页面上同时显示了两个数字，两个数之间的变化关系就是第一手线索。成交增加的时候可拍数量应该减少，如果两边不同步，说明中间有锁定或者有其他调整在起作用。

第二步是判断这个数字是实时更新的还是定时更新的，有些页面的库存数字会有几分钟到几十分钟的延迟，连点两次刷新看到不同的数就说明它是实时的，一直不动则可能是定时刷新。搞清这一点决定了你该多久看一次。

第三步是给这个数字定一个基准，也就是把今天读到的数当作起点，明天再读一次算出差值。没有基准的数字毫无意义，同一个三百件放在一个昨天是三百一的链接和一个昨天是六百的链接上，含义完全不同。

第四步是给这个数字配一个来源标注，写清是在商品主页面读到的、还是在规格选择处读到的。两处显示的数字可能不一样，标注清楚来源，后面不同人复读时才知道该去哪里看，避免口径混乱。

整个看数的动作加起来不超过一分钟，但它建立的是一个可持续的观察习惯。养成这个习惯之后，你对一批对手的库存状态会有一个连续的感觉，这种连续感是临时翻看永远建立不起来的。

举一个例子。一条家居链接的可拍数量连续三天都是四百八十件，看起来完全没动。第四天时它突然降到四百二十件，跌了六十件。前三天不动和第四天暴跌，是两个完全不同的状态，只看单天你完全读不出这个差别，只有连起来才能看见。

再举一个例子。一条服饰链接的可拍数量每天稳定下降二十件左右，节奏非常均匀。某天它突然只降了两件，第二天又恢复正常。这两件这一天基本可以判断不是销量下滑，而是当天的平台数据更新延迟造成的。

还有一个例子说明合并显示的影响。一条有四种颜色的链接，总可拍数量看起来还有两百件，但点进规格选择会发现其中两种颜色已经显示缺货，真正可拍的是剩下的两种。只看总数会以为货源充足，实际主销规格已经断了。

边界条件是可拍数量在个位数时的读法，这时候每减少一件都是百分之十几的变化，比例波动被放大。库存个位数的链接不适合用斜率法，更适合观察它什么时候归零、归零之后多久补货。

记录方法上建议给每个链接起一行，写清它的链接标识、当前可拍数量、观察时点和当天状态。这四项在一行里，就是一条最小可用的观察记录，后续所有的分析都从这一行开始。

可拍数量本身是绝对值，连成曲线之后的下降速度才是信号

连续记录的方法

连续记录的第一件事是固定时点，这一点比记什么内容更关键。如果今天早上记明天晚上记，两次之间隔了三十多个小时，下降量里混进了日内的波动，算出来的斜率就不干净，可比性也会被破坏。

时点选定之后要写死在记录表里，比如每天早上九点，然后每天照做。选九点的理由是多数跨境店铺在这个时段流量最低，下单的人少，数字相对稳定，测到的下降更接近前一天完整成交的累积结果。

第二件事是记原始数字而不是记差值，直接写可拍数量是多少件，让差值由表格自动算出来。手工算差值容易出错，而且一旦某天数字抄错，后面几天的差值会跟着一起错，很难回头发现。

第三件事是同时记下当时的状态，比如有没有在做活动、有没有显示预售、有没有规格显示缺货。这些状态会影响可拍数量的读法，不记下来，几周后回头看这一行数字时，你根本想不起来当时发生了什么。

第四件事是保住连续性，中间断几天是这套方法最致命的损伤。断档之后曲线无法接续，斜率要重新起算，之前积累的观察窗口等于白费。宁可某天只看一眼随手记下，也不要整段跳过。

开始记录的第一步是选定要跟踪的链接，不要一上来就选二十个，先选三到五个最相关的主要对手，把这些记录做扎实，节奏稳定之后再逐步扩表。范围铺太开往往会导致记录断档，反而什么都留不下。

第二步是建一张只有日期和可拍数量的最小表，先用最简的结构跑两周，确认自己能坚持下来再往里加状态列和备注列。一开始就设计得很复杂，往往在第三天就因为录入麻烦而放弃。

第三步是设定一个固定的提醒，早上九点的闹钟或者工作日程里的一条固定项都可以，关键是要让它变成不需要意志力就能完成的事。靠记性维持的记录很难活过一周，这是所有类似跟踪工作失败的头号原因。

第四步是每周做一次小回顾，看这一周的曲线有没有异常，有没有忘记记录的日子。发现断档要立刻补上状态说明，标清哪天缺记，而不是默默跳过去，跳过去会让后面的斜率计算失去依据。

记录这件事的收益来得慢，前两周你只能看到一条短短的曲线，只有积累到两个月以上，补货规律和销售节奏才会浮现出来。所以开始之前就要接受它是一件慢功夫，别指望一周见效。

举一个具体的记录实例。某链接的记录写着，六月十日九点可拍三百二十件，状态为无活动；六月十一日九点两百九十二件，状态无活动。两行之间的二十八件，就是这一天的净减少量。

另一个实例说明时点选错的影响。同一条链接，有人早九点记，有人晚九点记，两个人算出来的日降幅差了将近一倍。查下来是因为晚间是下单高峰，晚间取数刚好把当天的成交算到了一起，和早间取数不是同一段。

还有一个实例是断档的代价。一位运营在出差期间漏记了五天，回来后重新起算，结果发现前面积累的两周数据和新数据接不上，斜率出现了断崖，白白浪费了半个月的观察。

边界条件是平台维护或者页面改版期间不要强行记录，这段时间读到的数字可能不是真实的库存，记下来反而会污染曲线。发现异常时宁可在备注里写一句当日不可用，也不要照抄一个可疑数字。

记录方法上建议用最简单的方式起步，一张纸一支笔也能做，重要的是习惯而不是工具。等习惯稳定了再考虑把它搬到表格里，让计算自动化，顺序颠倒过来往往坚持不下去。

多数推算失准都来自规格合并与库存锁定这两项，先把它们排掉再算斜率

补货节点怎么识别

补货在曲线上表现为一次向上的跳变，这个跳变的幅度就是这次补进来的数量。跳变的位置和大小是判断对手补货习惯的两把钥匙，而补货习惯又能反过来印证他对自己销量的预期。

识别跳变时要区分小幅回调和真实补货，有些平台会因为库存锁定释放而让可拍数量回升几件，这种小幅回升不是补货。判断标准可以定在回升幅度超过前一日的下降量，达到这个量级才算一次真实的补货动作。

跳变的频率本身就是信息，一个月补三次的链接说明它的周转比较快，可能主销规格在持续出货。一个月补一次的链接周转相对慢，也可能是一次性大批量备货，两种模式对库存资金的占用完全不同。

跳变的规律性也值得记录，如果对手的补货间隔非常稳定，比如每十二天补一次，那说明他有一套自己的补货节奏，很可能按固定的销售预测在走。一旦某次间隔明显拉长或者缩短，就是一个值得留意的信号。

识别补货节点还有一个附带用途，就是能估出对手的备货深度。跳变幅度大的链接通常资金和供应商关系比较稳，跳变幅度小的可能是在小批量试单。这个判断对你评估这个对手的竞争力很有参考价值。

识别的第一步是给补货定一个判定阈值，建议用前一天下降量的两倍作为门槛，回升幅度超过这个门槛的才记为补货。定阈值是为了把锁定释放造成的几件回升自动过滤掉，不用每次都人工判断。

第二步是记录补货时的两个数字，一个是补货前的可拍数量，一个是补货后的可拍数量，两者之差就是这次补的量。这个差值直接写进补货小表，是最原始也最有用的记录，不要只记一个补货后的总数。

第三步是算这次补货的间隔，也就是距离上次补货过了多少天。间隔的稳定性比补货的量本身更有分析价值，稳定的间隔往往意味着对手有一套按预测运转的补货计划，这种对手的节奏更容易预判。

第四步是把补货时点和可拍数量的位置对上，看对手是在什么样的情况下补货的。余量见底才补和余量还很充足就补，反映的是两种完全不同的供应链能力和风险偏好，这个判断对评估对手很有用。

动作上要注意的一点是补货当天的斜率不能用，从补货前后的数字算出来的下降速度会把补货量算成负销量。正确做法是在补货点把曲线断开，前后两段各自单独计算斜率。

举一个清晰的补货实例。某链接的可拍数量从一百八十件在前一天夜里跳到四百六十件，一次补进两百八十件。这个幅度远超过前一天的下降量二十件，可以确认是一次真实的补货而不是锁定释放。

另一个实例说明小幅度回升怎么处理。某链接的日降幅在三十件左右，某天早上看到可拍数量涨了五件，随后一天又继续下跌。这五件的回升幅度太小，判定为结算未完成的订单释放，不计入补货。

还有一个实例是关于补货规律的。某店铺每十四天补一次货，每次补的量都在三百件上下，一年下来几乎没有变过。这种高度规律的补货说明对手有一套成熟的销售预测体系，一个稳定运转的供应链才会呈现这样的节奏。

边界条件是新上的链接，前几次补货的间隔和量都很不规律，因为需求还在摸索阶段。这段时期的补货记录不能用来看规律，只能当作参考，等链接稳定之后再开始看它的补货周期才有意义。

记录方法上建议给补货单独建一张小表，每次记四个字段，补货日期、补货前数量、补货后数量、距上次补货的天数。这四个字段足以还原任何一次补货动作，也足以支撑后续的周期分析。

从补货量倒推销量

补货量本身就是一个区间的下界，对手补进来多少货，说明他预期至少能卖掉这么多，否则不会备这批。这个下界虽然粗糙，但它是从对手的实际资金动作里读出来的，比任何主观猜测都更实在。

更进一步的推算要用到补货周期，如果把每次补货的量和两次补货之间的天数放在一起，用补货量除以间隔天数，就得到一个日均销量的近似值。这个算法假设补货的量大致等于这个周期里卖掉的量。

这个假设成立的前提是补货之后可拍数量回到一个大致相同的高度。如果每次补货之后数字都回到三百多件，说明对手在按销量补充，这个算法能用。如果补货之后高度忽高忽低，说明他的补货更多凭感觉，推算结果就没那么可靠。

还有一层校正要做，就是补货时点的库存余量。如果对手是在可拍数量见底时才补货，那补货量里就包含了整个周期卖掉的量；如果他是提前补货，补货量只覆盖了部分销量，需要把剩余库存也考虑进去。

从补货量倒推出来的销量通常偏保守，因为补货量只反映对手愿意备的货，不反映他实际卖掉的速度。把它当作销量的下界来用比较稳妥，不要直接当成实际销量去算利润或者排产。

倒推的第一步是选一个完整的补货周期，也就是从上一次补货到这一次补货之间的一段。周期要完整才有意义，缺头少尾的周期会把销量算错，通常需要等到至少两个完整的补货周期之后才开始倒推。

第二步是算这个周期里消耗掉的总量，用周期开始时的可拍数量加上这期间补进来的量，再减去周期结束时的可拍数量，得到的就是这段时间里实际流出的货量，这个量接近这个周期的销量。

第三步是把这个总量除以周期天数，得到周期的日均销量。如果这个日均和用斜率法算出来的结果接近，说明两种方法互相印证；如果差得多，说明这个周期里发生过别的变动，需要回头查状态列。

第四步是把多个周期的日均放在一起看分布，如果几个周期算出来的日均都在一个窄带里，说明这个链接的销量很稳，可以取平均值用；如果分布很宽，说明它本身波动大，只能给区间不能给点值。

倒推时最容易犯的错是把补货量直接当销量，这只有在你的观察刚好覆盖了整个周期、而且周期首尾库存持平的情况下才成立。多数时候两者并不相等，直接用会得到一个偏差很大的结果。

举一个完整的算例。某链接在第 1 天有四百件，第 12 天补货前剩一百件，补进来三百件，第 24 天又补货前剩一百件。第一个完整周期里流出的量是四百减一百等于三百件，用了十一天，日均约二十七件。

另一个算例说明多周期对比的价值。同一链接后面两个周期算出来的日均分别是二十六件和二十九件，三个周期的结果都落在二十七件上下，非常稳定。这说明这个链接的需求平稳，可以给出一个比较确定的日均区间。

还有一个算例说明结果不稳时的处理。某链接三个周期算出来的日均分别是十五件、四十件、二十件，差异很大。查下来是因为中间赶上了平台活动，那个周期被活动放大。剔除活动周期之后，另外两个周期都落在十七件附近。

边界条件是长周期链接在统计期间的轻微趋势变化会被平均掉，如果这个链接正在缓慢上升，用整个周期的平均会低估当前节奏。识别的方法是看每个周期的结果有没有系统性抬高，有的话就取最近一个周期。

记录方法上建议每个完整周期算完就立刻记下来，写清周期起止日期、流出的总量、日均结果，并存成一列。几个周期并排放在一起，稳定性一目了然，也不需要每次重新回头算。

大促前后的特殊变化

大促期间可拍数量的下落速度会突然加快，平时一天掉三十件的链接，在大促当天可能掉几百件。这个变化本身是真实的，但它的持续时间很短，用它去推日常销量会严重高估。

大促之后的一段时间也有特殊规律，可拍数量可能长时间不动，看起来像是卖不动了。实际原因往往是卖爆之后补货还没到，页面显示的是一个偏低的数字但成交其实已经停了，这时候数字不动不代表需求下降。

还有一种情况是大促前的备货动作，可拍数量在大促前几天突然大幅跳升，这不是销量信号，是备货信号。看到这个跳升要意识到对手在为活动做准备，它的出现时间本身透露了对手的活动节奏。

处理这些特殊变化的办法是把大促窗口单独切出来，标注清楚起止时间，不参与常态斜率的计算。如果一定要用这段数据，就只在同期之间比较，也就是拿这次大促和上次大促比，而不是拿大促和日常比。

大促后的收尾期也值得单独记一笔，看看可拍数量有没有出现一次补货跳升。如果大促后很快补货并且数量不小，说明对手这次活动效果不错，愿意继续加码；如果迟迟不补，说明他对后续的需求判断比较保守。

处理大促数据的第一步是先把活动日期标出来，把活动前备货期、活动期、活动后收尾期分成三段，每段单独看。分段之后你会发现有些看起来混乱的曲线，分段看其实每段都有自己的清晰规律。

第二步是给活动期单独建一组参数，斜率的计算不改，但解读的基准要换，也就是拿这一期的下落速度去和上一次同级别活动的下落速度比，而不是去和日常比。这样比才有意义。

第三步是重点看活动后的补货动作，补货快不快、量大不大，直接反映对手对这次活动效果的评价。这一笔补货是判断对手活动表现最可靠的外部证据，比任何销量显示都更接近真实。

第四步是等活动后两周再回看这一段数据，把活动期的高斜率剔除之后重新算一次常态日均，看它和活动前的水平有没有变化。如果活动之后常态日均抬高了，说明这次活动给链接带来了持续的增量。

大促这块数据的边界是单次活动的样本量很少，一次活动的表现不足以推出规律。至少要积累三到四次同类型活动的数据，才能判断这个对手在大促期间的一般表现，单次数据只能当个案看。

举一个大促的实例。某链接平时日均下降二十五件，大促当天降了三百八十件，第二天又降了两百件，第三天回落到五十件，第四天回到三十件左右。四天加起来流出了一千五百多件，接近平时两个月的量。

另一个实例是关于大促后断货的。某链接在活动后第三天可拍数量归零，随后两周一直显示售罄。同行都在恢复日常节奏的时候它还是空的，判断它的备货没跟上活动的销量，这段时间的竞品格局会短暂改变。

还有一个实例说明活动前的备货信号。某个链接在活动前五天可拍数量突然从两百件涨到一千两百件，这个动作本身是很强的信号，说明对手对这次活动的预期很高，愿意压一批货去赌活动期间的转化。

边界条件是不同级别的大促影响差别很大，平台级别的活动和店铺自己做的活动，对销量的拉动量级完全不同。记录时一定要标明是哪一级的活动，否则跨活动比较时会得出错误的强弱关系。

记录方法上建议在记录表里给大促期单独加一个标记列，写清活动名称和级别。等到积累了几次活动之后，把同级别活动期的日均拉出来比一比，就能看出这个对手在不同活动上的表现变化。

补货形态决定了这条曲线能不能用，频繁上下架的链接基本读不出斜率

库存锁定的干扰

库存锁定是指买家把商品放进购物车、进入结算但还没有完成付款的这段时间，这部分数量会从可拍数量里扣掉。如果买家最终付款，它变成成交；如果放弃，它会释放回来变成可拍数量。

这个机制造成的干扰在结算高峰期特别明显，比如平台做活动的时候下单的人多，锁定的数量会短暂抽走一大块可拍数量，曲线会出现一个比成交速度更陡的下落，过几个小时又有部分回升。

识别锁定干扰的一个线索是看回升，如果可拍数量在没有任何补货迹象的情况下涨了几件到几十件，那基本可以判断是锁定释放，而不是对手补货。这类回升幅度通常不大，也不会回到之前的整数位置上。

还有一种干扰来自限购规则，部分平台会对单个买家的购买数量设上限，这个规则可能在特定时期调整。规则变化会让可拍数量的读数出现系统性偏移，而这种偏移和销量毫无关系，纯粹是规则层面的变化。

处理锁定干扰的办法是在时点上避开结算高峰，选在流量低的时段取数，让锁定量在两次记录之间基本自然释放完。这样可以大幅降低它的影响，不必去做复杂的还原计算，用时间选择代替算法是最经济的做法。

看锁定影响的第一步是观察一天之内的数字波动幅度，如果同一时点前后差不了几件，说明这个链接的锁定量很小，可以直接忽略这一层，正常算斜率即可，不必增加额外的工作。

第二步是如果波动明显，就去确定波动的时间规律，多数链接的锁定高峰出现在流量高峰期间，把这个时段避开之后，剩下的时段数字就相对干净了。避开比还原更省力，也更不容易出错。

第三步是遇到无法解释的上升时，先按锁定释放处理，在备注里写一句疑似锁定释放，然后继续观察下一个时点。如果下一个时点数字又降回去了，就确认这个判断；如果持续上升，那就要考虑补货的可能。

第四步是定期检查限购规则有没有变化，这类规则变化不常见，但一旦发生会让整个链接的可拍数量读数出现系统性偏移。发现偏移时先排除规则因素，再考虑销量因素，顺序搞反会浪费很多时间。

锁定这一层最终的定位是一个噪声源，它的处理目标不是精确还原，而是让它小到不影响斜率判断。把时点选好、把异常标记出来，这一层的干扰基本就被控制在可以忽略的范围内了。

举一个锁定干扰的实例。某链接在一个午后两个小时内可拍数量从两百一十件掉到一百三十二件，速度远超日常。两个小时后它又回升到一百九十八件，回升了六十六件。这个形态是典型的锁定，不是真实成交。

另一个实例说明限购规则的影响。某个类目在一段时间里调整了单个买家的购买上限，随后多个链接的可拍数量读数都出现了系统性变化，下降速度普遍变慢。这不是需求变化，而是规则变化改变了流失的结构。

还有一个实例是关于规格合并的。一条多规格链接的总可拍数量看起来波动不大，但分规格看会发现主销的那个规格一直在快速下降，其他规格则基本不动。合并显示把结构信号完全掩盖了，必须点进去分开看。

边界条件是锁定干扰在流量小的类目里几乎可以忽略，一天可能只有几件被锁定，相对几百件的库存完全不影响判断。是否要处理这层干扰，取决于你的类目有多活跃，不必一律处理。

记录方法上建议在备注里只写一个标记，锁定疑似就写锁，规格缺货就写缺，不用写细节。标记的作用是提醒后面回看时这一行有特殊情况，需要单独解读，而不是把当时的细节完整记下来。

可拍数量的锯齿回落速度，就是推算日销量的直接来源

长期跟踪的记录表

这张表的骨架并不复杂，横着是日期，竖着是链接，格子里填当天固定时点读到的可拍数量。这样一个矩阵摆在那里，谁的曲线在下落、谁的曲线平着走、谁在频繁补货，一眼就能看出来。

表里要预留几列状态字段，一列记当天的活动状态，一列记有没有看到规格缺货，一列记有没有异常的跳变。这三列不填数字只填标记，但它们是后面解读曲线时唯一能解释异常的依据，缺了它们很多异常会变成无法解释的谜团。

斜率不需要每天算，建议按周计算一次，用本周第一天的数字减去第七天的数字，再除以天数。按周算的好处是把日内的干扰摊薄，得到的日均更稳，也避免了每天对着跳动的小数纠结。

补货的记录方式是在表外加一张小表，专门记每次补货的日期和幅度。主表用来看日常走势，小表用来看补货规律，两张表配合起来，你既能看到节奏，也能看到对手的备货动作和周期。

这张表每周维护花的时间大约半小时，看起来不多，但坚持三个月之后你就会有一份别人没有的资产。它记录的不是某一个瞬间的数字，而是一段时间里的完整过程，这是单次观察永远换不来的东西。

建表的第一步是把结构定成日期在行、链接在列，这样做的好处是同一列的上下两个数做差就是当天的下降量，不需要额外的计算列。横向对比时，不同链接的曲线也能直接放在一起看。

第二步是给表配一张补货小表，主表负责日常数字，小表负责记录跳变事件。两张表通过日期关联，回看时看到一个跳变，去小表里查一下就知道那天的补货幅度是多少，排查效率很高。

第三步是设一个每周固定动作，把这一周的可拍数量抄进表、算一遍周斜率、更新一次补货小表。固定动作让这件事变成流程而不是临时任务，流程化的东西才能长期坚持而不依赖于人的自觉。

第四步是每季度做一次归档和复盘，把已经不再跟踪的链接移走，把重点对象的曲线拉出来看一遍全貌。复盘的重点是看趋势和异常，不是看某一个数字，一个季度的跨度上趋势才会清晰可见。

表的价值随时间增长，前一个月的表只能告诉你几条链接的当前状态，一年的表就能告诉你这个类目的季节性、对手的补货周期和竞争格局的变化。这是一项前期投入大、后期回报高的基础工作。

举一张真实可用的表实例。表头是日期、链接甲、链接乙、链接丙三列，每列填当天九点的可拍数量，旁边配一张补货小表，记录三个链接各自的补货日期和幅度。两张表加起来不到二十行，一个人一分钟能维护完。

另一个实例说明这张表能读出什么。一家店铺连续记录了三个月之后发现，链接甲的补货间隔从十二天缩短到了九天，而另外两个链接没变。这个变化说明甲可能加了推广，或者它的供应能力提升了。

还有一个实例说明表在选品上的用途。通过长期记录发现某类目里所有链接的可拍数量都在缓慢下降，且没有补货动作，判断这个类目整体在萎缩，这个结论直接影响了下一季的选品方向。

边界条件是这张表只适合跟踪少数几个关键对手，选得太多会导致维护成本压过收益。建议每个类目控制在五个以内，选的依据是它们的销量量级和你自己的重合度，而不是随手挑几个看着熟悉的。

记录方法上建议把表按季度分文件存放，每个季度一个文件，文件名带上起止日期。这样既能保留完整的原始数据，又不会让单个文件变得过于庞大而难以打开和维护。

常见问题（FAQ）