① 问题 ② 算法 ③ 场景 ④ 代码 ⑤ 关联 ⑥ 价值

FBA滞销不可售库存KPI与处置策略 — 滞销率/仓储过长费预警/移除决策优化

Skill-FBA-Stranded-Unfulfillable-Inventory-KPI · 04-供应链

causalexperimentforecastingoptimizationragpricing供应链与补货知识图谱与RAG定价与利润WF-A 智能补货WF-D 选品扫描WF-F 动态定价WF-G Listing内容优化

实现难度⭐⭐☆☆☆

业务视角

适用角色供应链负责人 · 采购负责人 · CEO / 运营 VP

适用平台Amazon FBA · 海外仓 · 多国仓位（美/欧/日）

什么情况下用库存周转率低，资金压在海外仓出不来；SKU 断货紧急空运，物流成本吃掉毛利；多仓库存分布不均

成功是什么样的库存周转天数从 90 天降到 60 天，断货率 <3%，海外仓综合成本降低 15-25%

业务痛点

库存周转天数太长资金压死了断货了只能空运救急成本爆了多市场库存分配不均

1. 解决的问题

FBA运营面临"仓储过长费持续蚕食利润"——库龄×销速四象限处置决策节省年化LTSF约$18,000，同时追回Amazon赔款$2,000+

2. 核心算法逻辑

FBA滞销/不可售库存是Amazon跨境卖家最主要的隐性成本陷阱。陈凤霞书中专设FBA运营章节，将此类库存分为三类：

3. 业务应用场景

场景A：吸奶器SKU FBA库存健康度诊断 - 业务问题：Momcozy美国FBA仓有SKU库龄超过180天，每月仓储过长费高达$2,800 - 数据要求：FBA库存报告（SKU/数量/库龄段/仓储费用）+ 近期销售数据 - 预期产出： - 问题库存清单：5个SKU库龄>180天，占FBA库存额的8.5% - 月仓储过长费估算：$2,800（可避免） - 处置方案：2个SKU做闪购，2个SKU申请移除，1个SKU维持观察 - 业务价值：执行处置后节省$2,200/月仓储费，同时回收约$3,500现金流

**场景B：不可售库存追踪与Amazon索赔** - **业务问题**：Amazon仓库操作导致部分货物受损标记为不可售，但未自动赔偿，需要人工索赔 - **数据要求**：FBA调查报告 + 不可售库存记录 + 原始入仓记录 - **预期产出**： - 识别Amazon责任损坏比率（通常占不可售的60-70%） - 准备索赔材料清单 - **业务价值**：年化追回Amazon赔款约$1,500-$3,000（多数卖家未主动索赔）

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

ROI预估：FBA运营1年以上的品牌通常有5-15%库存产生过长费，年化LTSF支出约$3,000-$15,000；系统化管理可减少70%过长费；同时Amazon索赔可追回$1,500-$3,000/年（多数卖家未追）
实施难度：⭐⭐☆☆☆（Amazon Seller Central提供库存报告，主要是分析逻辑）
优先级评分：⭐⭐⭐⭐⭐（陈凤霞书FBA专章核心：LTSF是直接吞噬利润的"看不见的成本"）
评估依据：陈凤霞书数据：跨境卖家平均FBA库存健康度评分仅62分，滞销库存费年化占营业额0.5-2%

7. 代码模板

代码块数量：2 · 路径：未检测到

"""
FBA 滞销/不可售库存 KPI 与处置策略
功能：库龄分布分析 / 仓储过长费计算 / 处置决策树 / 索赔识别
输入：FBA库存报告（SKU/库龄/数量/尺寸）
输出：FBA库存健康KPI + 过长费预测 + 处置优先级
"""
import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings('ignore')


# Amazon FBA 仓储费率表（美国站，立方英尺/月，2024年）
FBA_STORAGE_RATES = {
    (0, 90):   {'standard': 0.75, 'ltsf': 0.00},
    (91, 180): {'standard': 0.75, 'ltsf': 0.15},
    (181, 270):{'standard': 0.75, 'ltsf': 0.15},
    (271, 365):{'standard': 0.75, 'ltsf': 1.50},
    (365, 9999):{'standard': 1.50,'ltsf': 6.90},
}

def get_storage_rate(days_in_storage):
    """根据库龄获取仓储费率"""
    for (low, high), rates in FBA_STORAGE_RATES.items():
        if low <= days_in_storage < high:
            return rates
    return {'standard': 1.50, 'ltsf': 6.90}


def generate_fba_inventory(n_skus=50, seed=42):
    """生成模拟FBA库存数据"""
    np.random.seed(seed)
    
    sku_categories = ['吸奶器主机', '吸奶器配件', 'A2奶粉900g', '婴儿湿巾', '辅食机', '安抚奶嘴']
    
    records = []
    for i in range(n_skus):
        category = np.random.choice(sku_categories)
        
        # 库龄分布（大部分健康，少部分滞销）
        age_segment = np.random.choice(
            ['0-90', '91-180', '181-270', '271-365', '365+'],
            p=[0.55, 0.20, 0.12, 0.08, 0.05]
        )
        
        age_map = {'0-90': (0, 90), '91-180': (91, 180), '181-270': (181, 270),
                   '271-365': (271, 365), '365+': (365, 500)}
        age_low, age_high = age_map[age_segment]
        days_in_storage = np.random.randint(age_low, age_high + 1)
        
        units = np.random.randint(5, 200)
        unit_price = np.random.uniform(15, 180)
        
        # 商品尺寸（立方英尺/件）
        cubic_feet = np.random.uniform(0.1, 2.5)  # 标准尺寸
        
        # 月销售量（用于判断销速）
        monthly_velocity = np.random.exponential(30)  # 均值30件/月
        if age_segment in ['181-270', '271-365', '365+']:
            monthly_velocity *= 0.2  # 滞销品销速低

8. 论文来源

2309.07832