从一次便利店的偶遇说起
周末早上，我照例去家附近的罗森便利店买早餐。一进门，就看到店员正忙着把一箱箱的饮料、零食往货架上补充。看着满满当当的货架，再联想到自己作为一名供应链产品经理的日常，一个职业病式的问题瞬间涌上心头：
这些琳琅满目的商品，总部是如何知道该给这家店送多少箱？又是如何保证既不断货、又不造成积压的呢？
对于拥有成百上千家连锁门店的新零售品牌来说，总部的配货并不是一个简单的“你报我发”的游戏。它背后是一套复杂的、需要精妙设计的商业逻辑和系统支撑。
今天，就以这个话题为切入点，和大家分享一下新零售的总部，究竟是如何把货物高效、合理地配送到形形色色的门店手中的。这其中不仅涉及到业务模式的差异，更包含了许多产品经理在设计相关系统时必须思考的关键细节。
自营与加盟的配货差异
在探讨具体的配货方式之前，我们必须先弄清楚一个最基本的前提：门店的性质。因为门店是直营还是加盟，直接决定了总部配货的底层逻辑。
1. 亲儿子——自营店
自营店，顾名思义，就是品牌方自己投资开设、自己运营管理的门店。从产权到人事，都归总部说了算。
对于这类门店，总部的配货更像是一种内部资源的调拨。货物从总部的仓库，转移到自营店的仓库，本质上货权没有发生转移，仍然属于公司资产。因此，配货的核心目标是最大化坪效和资金效率，决策权也高度集中在总部。总部会基于强大的数据系统，进行统一的计算和配送，门店店长更多的是一个执行者的角色。
2. 干儿子——加盟店
加盟店则完全不同。加盟商通过缴纳加盟费，获得了品牌的经营权，但门店的投资和日常运营都由加盟商自己负责。
在这种模式下，总部与加盟店的关系更像是一种 B2B的交易关系。总部把货“卖”给加盟店，加盟店再“卖”给消费者。因此，配货的发起方主要是加盟店，他们会根据自己的判断向总部“叫货”。总部的角色则变成了审核订单、组织发货，并且需要重点管理其中的财务风险。
简单来说，给自营店配货，是“计划经济”，总部说了算，追求的是整个零售网络的效率最优化；而给加盟店配货，更像是“市场经济”，门店是独立的利润中心，总部需要平衡服务与风险。理解了这个根本差异，我们才能更好地理解后面将要讲到的各种配货和结算策略。
三种主流配货模式拆解
搞清楚了门店的两种基本类型后，我们来看看总部和门店之间具体是如何完成“配货”这个动作的。在实践中，主要有三种主流的模式。
1. 门店要货申请模式
这是最常见，也最符合直觉的一种模式，尤其在加盟体系中。
门店店长或相关负责人，每天或定期检查店内库存，结合销售情况和个人经验，判断需要补充哪些商品、补充多少数量，然后在系统里提交一张“要货申请单”。这张单据会流转到总部的运营或配货部门进行审核。
总部的审核环节至关重要，它并非简单地逐单审批，而更像一个“汇总-匹配-分配”的统筹过程。
汇总需求：首先，系统会将一定周期内（如一天）所有门店提交的要货申请单按商品维度进行汇总，形成一张总的需求清单。 匹配库存：然后，总部的配货专员或系统会将这份总需求清单与各个总仓（可能不止一个）的可用库存、库存计划进行匹配。 生成配货单：这是最关键的一步。系统会根据库存分布和最优发货策略（如就近原则），将汇总后的需求拆分或合并，生成一张或多张发往不同门店的“配货单”（或称“出库通知单”），并下发给具体的仓库执行。例如，一家门店要的10件商品，如果存放在两个不同的仓库，那么就会生成两张配货单。 异常处理：在这个过程中，如果总库存不足以满足所有需求，就会触发“库存分配”逻辑（如按门店等级、提报先后顺序或按比例分配）。同时，审核人员也会关注单个门店要货量的异常波动、加盟店授信额度等风控点。
“门店要货申请”这种模式下的优缺点，总结如下：
优点：非常灵活，能充分发挥门店人员的主观能动性。毕竟店长离炮火最近，最了解本店的客户需求和销售节奏。 缺点：对门店人员的要求极高。如果店员经验不足，很容易出现“拍脑袋”式的要货，导致缺货或库存积压。同时，这也加大了总部审核的工作量。
2. 总部统一测算配货模式
这种模式通常应用于数据化能力很强的直营连锁体系。
总部不再被动地等待门店申请，而是主动出击。总部的供应链系统会像一个“大脑”，自动汇集所有门店的实时销售数据（POS流水）、库存数据，然后结合一套复杂的算法模型进行计算。
算法模型：这个模型通常会考虑以下因素：
历史销量：过去一段时间（如7天、14天）的平均销量。 安全库存：为了防止意外情况（如销量突增、物流延迟）而设定的最低库存水平。 预测因子：比如天气（下雨天方便面销量上升）、节假日（春节礼盒装需求大）、促销活动（买一送一期间销量会激增）等。
“总部统一测算配货”这种模式下的优缺点，总结如下：
优点：高度自动化和标准化，减少了人为判断的误差，能够从全局视角进行库存的优化配置，实现整体库存水平的健康可控。 缺点：对信息系统的要求极高，需要精准的实时数据和成熟的预测算法作为支撑。同时，模式相对刚性，可能无法及时响应某些门店的突发性、个性化需求。
3. 混合模式（主流选择）
在现实业务场景中，并不是只能单纯的选择模式一或者是模式二，而是可以两者都要，选择一种“混合模式”。
基础配额 + 门店补充：总部根据数据模型，先给每个门店计算出一个基础的建议配货量（比如满足未来3天的销售），生成一张“建议配货单”推送给门店。门店店长可以在这个建议的基础上进行微调，比如增加或减少某些商品的数量，然后确认提交。 强制配货 + 门店申请：对于某些特殊场景，总部会采用“强制配货”的策略。比如，新品上市推广，为了保证所有门店都能第一时间铺货，总部会不管门店要不要，直接配发一定数量的商品。同样，大型促销活动期间，总部也会主动推送活动商品。而在这些强制配货之外，日常的补货则依然由门店自主申请。
不同的配货模式，对应着不同的业务场景和管理思路。作为产品经理，在设计配货系统时，不能一刀切。需要深入理解企业的业务形态，判断应该以哪种模式为主，哪种为辅，并确保系统能够灵活支持这些模式的组合与切换。
加盟与自营的“钱规则”
聊完了货物的流转，我们再来聊聊与“钱”相关的话题——结算。正如前面所说，自营和加盟在财务处理上有着天壤之别。
1. 加盟店：授信额度是核心
对于加盟店，每一次配货都是一笔真实的交易，必然涉及到结算。如果每次叫货都先打款，流程繁琐且效率低下。因此，行业内普遍采用授信额度的机制。
什么是授信额度？ 总部会根据加盟商的资信情况、历史合作记录、保证金金额等因素，为其设定一个信用额度，比如10万元。 这意味着，加盟店可以在10万元的额度内自由地叫货，无需立即付款。每次发货后，系统会自动扣减其可用额度。 额度如何影响叫货？ 当加盟店提交要货申请时，系统会校验「本次订单金额 + 已欠款金额」是否会超过总授信额度。 如果未超出，订单顺利流转。 如果超出，系统会拦截订单，并提示加盟店“授信额度不足，请先还款”。加盟商需要先支付部分欠款，恢复可用额度后，才能继续要货。 价格政策： 总部给加盟店供货，使用的是“供货价”（或称结算价、批发价），这个价格是总部与加盟商之间的约定。 而商品在门店的最终售价，则是“建议零售价”。加盟店通常需要在此价格附近销售，以维护品牌形象的统一。
2. 自营店：虚拟单据与内部核算
对于自营店，因为货权始终在公司内部，所以不存在“一手交钱，一手交货”的真实交易。但为了精细化地核算每个门店的经营效益，总部与门店之间会通过一套内部虚拟结算体系来模拟“交易”。
流程是怎样的？ 这张结算单的价格不是零售价，而是一个内部约定的“转移价”或“结算价”。这个价格通常是零售价的一个固定折扣（例如零售价的7折），代表了门店的“采购成本”。 利润核算：通过这种方式，门店的每一笔销售，都会对应一个虚拟的“采购成本”。这样一来，财务系统就可以非常清晰地计算出每个门店、甚至每个单品的毛利（零售价 - 内部结算价），而无需等到月底才进行笼统的核算。 货物调拨：总部给自营店配货，系统首先会生成一张“调拨单”，代表货物库存从总仓转移到了某门店。在这一步，财务上只是库存地点的变更。 零售出库：门店通过POS系统将商品卖给最终消费者，产生了一笔真实的销售流水。 虚拟结算：这才是关键。一旦POS系统记录了一笔销售，系统会实时或准实时地（如每日T+1）自动触发一个内部结算流程。它会根据这张零售单，生成一张总公司卖给该门店的“内部结算单”（虚拟销售单）。 核心差异： 自营店的配货（调拨），在财务上只是库存地点的转移。 真正的内部成本确认，是发生在商品卖给最终消费者之后，通过虚拟结算单来完成的。这与加盟店在收到货时就确认应收账款完全不同。
授信额度是加盟体系风控的核心，也是产品经理在设计加盟配货系统时必须闭环考虑的功能。而自营体系的结算，则更多是业财一体化的体现，考验的是系统内部成本利润核算的精细度。搞懂这两种“钱规则”，才能真正设计出符合业务需求的供应链产品。
退货与调拨的那些事
有进就有出。配货的反向流程——退货和调拨，同样是连锁零售管理中不可或缺的一环。
1. 退货场景与规则
什么情况下门店会向总部退货呢？常见场景有：
新品推广失败：总部强配的新品，市场反响平平，门店卖不掉，只能申请退回。 要货失误：门店高估了销量，要多了货，导致商品长期积压。 质量问题：商品本身存在质量问题，或在运输过程中出现破损。
一般来说，直营门店申请退货，总部对相关操作的把控程度会稍微低一些，因为直营门店和总部的关系更加“亲近”。而对于加盟门店来说，退货就意味着总部的销售数据减少了，同时也额外增加了一些处理的成本，所以对加盟商的退货把控程度、审核程度就会更严格一些。但是考虑到加盟商的利益和体验，总部也不能完全限制对方退货。所以一般会提前约束、制定相关的规则：
不影响二次销售：这是最基本的要求。包装破损、外观污损的商品通常不允许退。 物流费用承担：退货产生的物流费，一般由发起方（门店）承担，以提高其要货的准确性。 特殊商品禁退：生鲜、冷链、短保质期商品（如牛奶、面包），以及有特殊政策的商品，一般出库后概不退换。
2. 调拨规则：加盟店的“禁区”与自营店的“法宝”
当A门店的某商品积压，而B门店正好畅销断货时，一个自然的想法就是：让A店把货直接调给B店不就行了？这就是“门店间调拨”。
这个看似简单的操作，在加盟和自营体系中却有着截然不同的待遇。
加盟体系：原则上严格禁止 对于加盟店，总部通常严格禁止门店之间的私下调拨。原因正如我们前面分析加盟模式时提到的，总部与加盟店是B2B的交易关系，每个加盟店都是独立的利润中心。随意调拨会引发一系列问题： 因此，最规范的做法是：A加盟店的积压商品，必须先【退货】回总部仓库，再由总部【配货】给有需要的B加盟店。 当然，也会有一些特殊的例外情况，例如说同一加盟商旗下有多家门店，加盟商希望能在自家的多个门店之间执行商品的调拨，这种情况下是可以被允许的，它并不受到总部的管控。 价格体系混乱：不同加盟店的供货价可能不同，私下调拨会扰乱总部的价格体系。 管理失控：总部无法追踪库存的真实流向，导致库存数据失准。 责任界定不清：调拨过程中的货损、货差责任难以划分。 自营体系：灵活调配，优化库存 与加盟店相反，在自营体系内，门店间的调拨不仅被允许，而且是被鼓励的。 为什么鼓励？ 因为所有自营店同属一个法人主体，货物在不同门店之间流动，本质上只是公司内部资产的地点转移，目的是为了最大化整个零售网络的销售额和库存健康度。让闲置的库存在畅销的门店产生价值，远比退回总仓再重新分配要高效得多。 当然，这种调拨也绝非“私下”操作。它必须通过系统发起一张“调拨单”，清晰地记录调出方、调入方、商品和数量。调拨完成后，系统的库存数据会实时更新，确保账实相符。
退货和调拨是配货业务的逆向流程，也是管理的难点。规则的核心在于控制成本和风险。在加盟体系，重点是“控”，防止管理失序；在自营体系，重点是“通”，促进库存流动。作为产品经理，在设计相关功能时，必须深刻理解这两种模式的本质区别，从而设计出完全不同的流程和权限。
神机妙算：数据如何驱动智能配货？
前面我们聊了大量的业务逻辑和规则，但要让这些复杂的策略高效落地，最终离不开信息系统的强大支撑。一个现代化的新零售配货体系，早已不是人工Excel可以管理的了，一般新零售公司会针对这种业务场景去研发相关的“智能配货系统”。
1. 数据是燃料
系统的“智能”源于对海量数据的分析和学习。这些数据主要包括：
内部数据： POS销售流水：最核心的数据，精确到每家门店、每个SKU、每天的销售情况。 实时库存：门店的实时库存数、在途库存数（总部已发货但在路上的）、总仓的可用库存数。 商品生命周期：商品处于新品期、畅销期，还是即将进入衰退期。 促销计划：未来一段时间内有哪些商品要参与打折、满减等活动。 外部数据： 天气信息（可选）：未来的天气变化，如升温、降雨、台风等。 节假日历：法定节假日、传统节气等。 客流数据：门店周边的人流热力图、消费人群画像等（部分企业会采纳）。
2. 算法是引擎：揭秘“建议补货量”的诞生
有了数据作为燃料，就需要强大的算法引擎来处理和计算。系统会自动为每个门店的每个SKU，生成一个“建议叫货量”。这个数字的得出，通常是基于一个经典的库存管理公式的变种：
建议叫货量 = (预测未来一个补货周期内的销量 + 安全库存) - 当前库存 - 在途库存
这个公式看似简单，但其背后每一个变量的精确计算都极其复杂。让我们把它拆开揉碎了看。
第一部分：预测未来销量
这是整个公式中最核心、最体现“智能”的部分。预测未来一个补货周期（比如3天）的销量，绝不是简单地取前3天的平均值。系统通常会综合多种模型来输出一个置信度最高的预测值，这里会用到一些算法、公式、模型的等。由于我本人在这一块没做什么太深入的研究，所以我这里就简单带过一下。感兴趣的朋友，可以自行查找相关的资料研究学习一下。
第二部分：设定安全库存
安全库存，也叫缓冲库存，是为了防止各种不确定性（比如销量突然暴增、供应商送货延迟）导致断货而额外准备的货量。它的计算同样是一门科学，核心是平衡服务水平和库存成本。
安全库存服务水平系数需求标准差补货提前期
服务水平(Service Level)：你想在多大程度上满足顾客需求？95%的服务水平意味着你接受5%的缺货风险。这个目标越高，安全库存就要备得越多。这个系数Z可以通过查标准正态分布表得到（例如95%对应1.65）。 需求标准差(σ)：衡量的是历史销量的波动性。销量越不稳定、忽高忽低，标准差就越大，需要的安全库存就越多。 补货提前期(Lead Time)：从你下单到货品送达门店需要多长时间。这个时间越长，期间发生不确定性的风险就越大，需要的安全库存也越多。
这个计算量有多大？
我们来算一笔账：假设一个连锁品牌有1000家门店，平均每家门店经营2000个SKU。那么，系统每天需要计算的“门店-SKU”组合数量就是 1000 × 2000 = 200万。
对于这200万个组合，系统都要独立运行销量预测模型、计算安全库存，再套入总公式得出建议补货量。这背后需要的是强大的云计算能力和高效的数据处理架构，通常是在夜间由系统自动批量完成计算。
3. 系统是载体
最终，这一切都需要一个用户友好的系统来呈现和交互。
对于门店： 店长打开移动端或PC端的工作台，会直接看到系统推送的“智能补货建议单”。 清单上会清晰列出建议补货的商品、建议的数量，甚至会用不同颜色标记出高风险断货的商品。 店长可以一键采纳建议，也可以在此基础上进行微调，整个过程可能只需要几分钟。 对于总部： 运营人员可以从宏观视角监控所有门店的库存健康度，比如哪些门店缺货率高，哪些门店库存积压严重。 系统会自动对门店提交的要货单进行预警分析，比如超出历史均量、超出授信额度等，辅助审核人员快速决策。
4. 一个简化的案例推演
光说理论可能有点抽象，我们来模拟一个真实场景，看看一瓶“肥宅快乐水”的建议补货量是怎么算出来的。
场景设定：
对象：罗森A店的 “500ml可口可乐” 当前状态： 当前库存：30 瓶 在途库存（已发货在路上）：0 瓶 补货策略： 补货周期：每3天补一次货 补货提前期（下单到到货）：1天 服务水平目标：95%（对应的Z系数约为1.65） 历史数据： 过去14天，该可乐的日均销量是 20 瓶。 销量的标准差(σ)是 5 瓶（即销量在15-25瓶之间波动是常态）。 外部事件：气象台预报，未来3天将持续高温，系统内的机器学习模型根据历史经验，预测高温会带来 20% 的销量提升。
开始计算：
第一步：预测未来一个补货周期的销量 基础日均销量：20瓶/天 补货周期：3天 高温天气销量提升：20% 预测总销量 = 20瓶/天 × 3天 × (1 + 20%) = 60 × 1.2 = 72 瓶 第二步：计算安全库存 我们需要覆盖的风险时长 = 补货周期 + 补货提前期 = 3 + 1 = 4天 安全库存 ≈ Z × σ × √风险时长 = 1.65 × 5 × √4 = 1.65 × 5 × 2 = 16.5 瓶 (我们向上取整为 17 瓶) 第三步：代入总公式，计算建议补货量 建议补货量 = (预测销量 + 安全库存) - 当前库存 - 在途库存 建议补货量 = (72 + 17) - 30 - 0 = 89 - 30 = 59 瓶
系统最终会给罗森A店的店长推送一条补货建议：“500ml可口可乐，建议要货 59 瓶”。
这个数字，既考虑了未来3天的基础销售和天气带来的增长，又预留了足够的安全库存以应对意外的销量波动，同时还减去了门店的现有库存。它远比店员“拍脑袋”估计一个“大概要两三箱吧”要科学得多。
为了让你更直观地理解这个过程，我用Mermaid绘制了一个简化的流程图：
写在最后
好了，关于总部到门店的配货逻辑，我们今天从业务模式聊到了系统实现，从管“货”聊到了管“钱”。现在我们再回头看文章开头的那个问题，相信你已经有了更深刻的理解。
总部给门店配货，看似只是简单的物流动作，其核心却是在效率、成本和灵活性之间寻找最佳平衡点。
对于自营体系，重点在于通过集中的数据分析和智能预测，提升整个零售网络的运营效率和库存周转率。 对于加盟体系，重点则在于通过标准化的流程、清晰的结算规则和有效的风控机制（如授信额度），服务好加盟商这个“客户”，同时保障自身的资金安全。
对于我们供应链产品经理而言，这个领域充满了机会和挑战。如何设计出一套既能满足标准化管理需求，又能适应不同门店个性化差异的配货系统；如何利用AI和大数据技术，让销量预测和补货建议越来越“聪明”，这些都是值得我们持续深耕的课题。
希望今天的分享，能为你提供一个相对完整的认知框架。如果你在实际工作中遇到过更有趣的配货场景，或者对某个细节有不同的看法，非常欢迎在评论区留言，我们一起交流探讨。
