1、每一次促销，我的计划员同事都要加班
对于促销计划，我们常常都会碰到促销如何合理备货的问题。首先，缺乏参考性，同一个产品一般很少做两次促销，即使同一个产品做了两次促销，促销力度对象目的的差异，都会导致历史数据是缺乏参考性的。其次，时间约束，即使市场部提前通知促销，促销的力度等都是未知数，往往只能在临近促销之前的一段时间才能确定，这个导致促销方案多变且计划缺乏反应时间。最后,是窗口期限定，促销产品的供应周期，从原料准备到成品交付，需要一段时间，而促销的窗口期是相对固定的，例如十天或者一个月，超期交付意味着从短缺到积压。面对这样的情况，大多数时候我们都在争吵。例如争论，销售觉得可以卖40万，但是计划说，你上次也是这么说，才卖了20万，这次说什么都不能生产这么多。但是在这里的背后，双方都是心虚的。谁也不能预知未来，也许一个南美洲的蝴蝶扇动翅膀就会让你的竞争对手做一个对等的促销，使得所有的预期失效了。
2、促销的备货的重点，并不是促销的预计销售量
这句话存在很大的争议，因为如果能知道预计的销售量，那么备货就不是太大的问题。我们先来分析下促销的销售量是通过什么决定的，首先是包含促销力度等相关信息的产品力，这个很大程度上决定了促销销售量的中位数。然后中位数发生的概率，也许只有百分之十几，竞争对手的行为，社会热点的变化等，都会导致销售高于中位数或者低于中位数。所以，实际上的销售量，是一个围绕中位数向上向下延展的概率曲线，比如说中位数是20万，概率只有15%，那么40万，概率有5%，卖到200万，概率可能只是0.5%。
每一次促销，都是迈上一个赌桌，你出一张牌，但是永远很难判断对手跟或者不跟。这并不意味着我们要随机抽取一张牌打出去，我们可以计算，对手剩下什么，我们剩下什么，然后打出胜率最高的组合拳。这也就是我们永远不可能估计准确的预计销售量，但是可以结合我们的产品特性，产品力等，打出最佳的促销备货策略，来追求更高的胜率。如果你需要经常打牌，那么计算是提高胜率的一个关键基础。
3、如何通过计算来，提高促销备货的收益率
• 背景：圣诞节定制产品，在圣诞节前10天到圣诞节后5天进行销售，到期下架。
• 市场评估：该产品有60%的概率可以完成30万到40万左右的销售量，当然有小概率会低于30万或者高于40万。
• 产品基本信息：利润预计为100元/台
• 缺货损失评估：如果市场需求量大于备货量，将导致销售产生损失，预计有80%的客户将因为产品缺货转而选择本公司的同类型产品，同类型利润为80元/台，预计有20%的客户将因为产品缺货转而选择其他公司的产品，预计销售损失为 20%*100+80%*（100-80）=36元/台
• 滞销损失评估：如果市场需求量小于备货量，需要返工重新销售，预计需要返工费用为10元/台；根据历史情况预计，产品将在仓库中存放超过2个月，预计资金占用及仓储成本为2元/台，合计滞销成本为12元/台。
如何求解：
单位销售损失，C1=(销售价-供应成本)
单位滞销损失，C2=(滞销的报废成本+滞销的折扣成本+滞销的持有成本+滞销的存储成本+。。。)
预计供货量X
求解目标 G(X)=E[C1*MAX((D-X),0)+C2*MAX((X-D),0)]
根据以上信息，建立简易模拟可知，最佳备货量是38万台。
场景2：我们调整一个参数，这个产品是高存储成本的，仓储成本是32元/台，我们会发现最佳备货量是35万台
场景3：我们再将这个场景复杂化，假设可以进行原料和成品备货，如果以原料备货，那么原料滞销的成本是2元/台，但是原料到成品需要7.5天，所以只能响应后50%的成品需求。（实际案例需要考虑销售曲线等，这里做一定的简化），通过计算可知，最佳备货量是44万台，22万成品，22万原料。
4、通过实际案例来，介绍促销备货的说明
以一个实际案例进行介绍。某公司有两个产品要进行促销备货，分别是电动牙刷和红酒。在常规情况下，我们是分别进行两个产品的备货，且大多数时间主要的争论点，是预计会卖多少。
如果我们通过模型进行计算，我们会发现，这两者是有较大差别的。这是前几年的案例，电动牙刷是一个社会新热点产品，这种产品有一个非常明显的特点，就是缺货成本比较高。对于电动牙刷这种产品，大多数客户都是追求新鲜感的，一旦缺货，会有较大概率选择其他公司的产品，且一旦使用后是有概率后续继续采购对应配件。同时，由于电动牙刷存储成本比较低，拆解可转卖的概率比较大，所以滞销成本相对较低。而红酒，是一个常规红海产品，有兴趣的客户，不介意多等一段时间，所以缺货成本相对低，同时红酒的存储要求很高，也就是滞销成本比较高。
通过上面的分析可知，电动牙刷应该是高备货，红酒应该是低备货。如果通过模型计算，就可以根据具体的数据来确定备货量。如果考虑牙刷的芯片转卖价格，和红酒酒浆的转卖价格也是不同的，原料备货比例也是不一样。
5、促销模型备货，让我们回归产品本身
通过算法进行备货，让隐形成本凸显。我们比较重视预计销售量，实际上某一次估计得准，不能代表下次估计也准。但是如果通过算法备货，我们聚焦点，就是这个产品本身，关注到如果缺货了会怎么样，客户会不会转投其他产品，滞销了会怎么样，这个东西还能转卖吗，是否存储成本非常高，如果备原料怎么样，生产周期是否来得及等产品本身的特性。
算法备货，从救火到防火。通过算法备货，我们将视角从你卖得怎么样，进一步扩展到，如果卖得很好，会怎么样，如果卖得很差，会怎么样。你估计不准红酒卖得怎么样，但是你可以估计红酒的存储成本。过去，我们更多的是，等到了产品积压成本很高的时候，再来复盘，考虑如何进行报废或者转卖，实际上这算是一个相对低效的处理方式。对于计划而言，需要在相对资源和时间都有调整空间的情况，提前去考虑这些问题。如果敌军在五百里之外，那么你需要一个军师，如果敌军在50米的时候，军师不如一个壮汉好用。