SKU（库存单位）

每当产品属性发生影响存储或履约方式的变化——尺寸、颜色、材质、组合套装配置——就会产生一个新的 SKU。中号白色T恤和大号白色T恤是两个不同的 SKU。同样是中号的白色T恤，作为单件销售和作为三件装的一部分销售，也是两个不同的 SKU。这种区分在运营上很重要，因为每个 SKU 都有自己独立的库存数量、补货点和履约标识。

SKU 与其他产品标识符的区别

SKU 常常与其他产品识别系统混淆。理解它们之间的区别，有助于明确各自的适用场景：

SKU 是由商家自定义、仅供内部使用的编码。每家企业都会基于自身逻辑创建独有的 SKU 体系。一个商家的 SKU 对另一个商家来说毫无意义，它是一种运营工具，而非通用标准。

条形码（UPC/EAN）是由制造商或品牌方分配的标准化、全球通用的产品标识符。SKU 仅限商家内部使用，而条形码是通用的——同一款产品无论由哪家零售商销售，都携带相同的条形码。

ASIN（Amazon 标准识别码）是 Amazon 专有的产品标识符，分配给其目录中列出的每一件商品。每个 ASIN 都对应 Amazon 上的一个特定商品页面。在 Amazon 上销售的商家既需要用于自身库存管理的 SKU，也需要用于 Amazon 目录系统的 ASIN。

GTIN（全球贸易项目代码）是标准化产品标识符的总称体系，包括 UPC（12位）、EAN（13位）以及 ISBN（图书）。在大多数主流电商平台上架销售以及提交 Google Shopping 商品信息流时，都需要提供 GTIN。

SKU 是如何构建的

SKU 格式没有统一的标准，每家企业都会设计自己的一套体系。最好的 SKU 结构应当逻辑清晰、易于阅读且具有可扩展性。设计精良的 SKU 会以紧凑而一致的格式编码关键产品属性，让人一眼就能看懂，同时也便于系统可靠地处理。

一种常见的做法是采用层级结构，从大类逐步细化到具体变体：

类别代码 + 产品代码 + 属性代码 + 变体代码

示例：APP-TSHIRT-WHT-M（服装、T恤、白色、中号）

或者对于更复杂的产品目录：SKN-SERUM-VCE-30ML（护肤品、精华液、维生素 C&E、30ml）

优秀 SKU 设计的关键原则包括：一致性——每个 SKU 都遵循相同的结构逻辑；可读性——查看 SKU 的人无需查表即可理解其所指内容；唯一性——任何两个 SKU 都不会完全相同；以及可扩展性——该体系能够容纳新产品、新变体和新类别，而无需进行结构性大改。

SKU 设计中常见的错误包括使用会让系统识别混乱的特殊字符、以某些平台会自动去除的零开头、使用会破坏数据库查询的空格，以及创建过长的编码，从而拖慢人工操作并增加录入错误。

为什么 SKU 在电商运营中如此重要？

库存准确性。SKU 是精准库存盘点的基础。如果没有为每个变体设置唯一标识符，就不可能准确知道每种具体配置有多少库存。如果一家店铺把“蓝色牛仔裤”当作单一商品来跟踪，而不是按尺码和洗水工艺分别设置 SKU，就无法准确履约订单，也无法进行智能补货。

履约效率。在仓库环境中，拣货员正是依靠 SKU 来定位、识别和核对正确的商品。清晰、有逻辑的 SKU 体系能减少拣货错误，加快履约速度，并让新仓库员工的培训变得更加轻松。

报表与数据分析。SKU 级别的数据，正是表层业绩分析与可执行洞察之间的分水岭。知道“运动鞋”卖得好，能告诉你的信息很有限；而知道 SKU FTWR-SNK-WHT-42 的售罄率比 FTWR-SNK-BLK-42 高出 4.2 倍，才是你能在采购、商品陈列和广告投放中付诸行动的信息。

多渠道管理。对于同时在自有网站、Amazon、eBay 以及批发渠道销售的品牌来说，SKU 是串联各平台库存的共同纽带。集中化的 SKU 体系可以防止超卖，简化对账流程，并支持精准的跨渠道报表统计。

补货与预测。每个 SKU 都携带着各自的需求历史、补货点和安全库存水平。如果没有 SKU 级别的颗粒度，有效的库存补货几乎是不可能实现的——将各个变体的需求汇总在一起，反而会导致预测在两个方向上同时出错。

SKU 泛滥——当 SKU 数量过多成为问题

对于快速成长中的电商企业来说，SKU 泛滥是一种常见却常被低估的运营风险。每新增一种颜色、尺码、套装或变体，都会带来一个新的 SKU，随之而来的是一件需要采购、存储、跟踪、拣选并纳入报表统计的库存单位。

每新增一个 SKU 所带来的运营成本都是实实在在的。SKU 越多，意味着需要管理的采购订单越多，需要维护的仓库库位越多，需要监控的补货点越多，需要分析的数据也越多。到了某个临界点，那些鲜少动销的长尾 SKU 所产生的成本，反而会超过其带来的收入——既占用了运营资金，压在滞销库存上，又给每一个运营环节都增加了复杂度。

SKU 泛滥问题恶化的信号包括：过去 90 天内销量为零或接近零的 SKU 占比过高、滞销变体推高了存储成本、仓库员工在更复杂的品类中操作导致拣货错误增多，以及由于绩效数据分散在过多变体中而难以识别真正的畅销品。

解决方法是 SKU 精简——一个系统化的过程，用于识别并淘汰表现不佳的 SKU，同时保护那些贡献大部分收入和利润的变体。

需要追踪的关键 SKU 指标

• SKU 销售速度：每个 SKU 的销售速率，以每天或每周的销量衡量。高销售速度的 SKU 需要与低销售速度的 SKU 采用不同的安全库存和补货逻辑

• SKU 贡献利润率：每个 SKU 的收入减去所有直接成本，用于识别哪些变体真正盈利，哪些变体在产生收入的同时却在侵蚀利润

• 每个 SKU 的库存周转天数：现有库存水平能满足当前需求多少天，用于揭示缺货风险和库存积压风险

• SKU 退货率：不同 SKU 之间退货率差异明显，说明存在值得在扩大规模前调查的产品特定问题

• 滞销 SKU 占比：过去 90 天内销量为零的活跃 SKU 占比，是衡量品类效率的一项指标

💡 专业提示：在需要扩展 SKU 系统之前就先设计好它。大多数电商品牌是在添加产品的过程中被动地创建 SKU，没有明确的逻辑或结构。这种做法在 50 个 SKU 时还行得通，但到了 500 个 SKU 时就会变成运营噩梦。在品类规模扩大之前，花几个小时设计一套一致且合理的 SKU 体系，能在后期为你节省数百小时的对账、数据清理和系统迁移工作。