一、先把问题写成“补货决策”
这一节先建立边界：预测只服务于可复核的补货判断。
1.1 本文解决什么
本页处理从 Shopify 当前报告与店铺资料中整理需求信号，再把信号转成补货复核清单。关注对象是产品或 SKU、库存位置、历史销售窗口、市场维度，以及 lead time、MOQ 和库存政策这些由商家确认的约束。
“预测”在这里不是独立的内容模块，而是决策前的一层证据。它可以帮助团队发现哪些商品需要复核、哪些商品资料不足、哪些结果被异常事件污染，以及哪些市场不能直接合并。
1.2 不在本文承诺什么
本文不承诺准确率、实时性、增长率或自动采购。AI 生成的解释、分类或建议可能错误，必须由商家审阅。库存、价格、市场、订单、支付和客户数据的权威仍来自当前店铺与相应政策；模型不会凭空生成授权。
因此，任何“建议补货”的文字都只能进入草稿清单。它不能直接创建采购、改变产品资料、改变市场设置，或绕过人工审批。若输入不完整，N/A 是有效的治理结果。
二、先确定决策粒度
粒度决定哪些输入可以比较，也决定哪里必须停止。
2.1 用产品、市场和窗口组成一个决策单元
不要先问“全店下个月要买多少”，再把不同商品、不同市场和不同历史窗口揉成一个总数。更稳妥的单元是“某个产品或 SKU × 某个市场上下文 × 一个固定历史窗口”。这是本文的工作组织方式，不是对店铺数据的自动推断。
同一个产品在不同市场可能有不同的语言、币种、税、退货或支付处理条件。即使库存记录看起来相似，也应分别验收市场上下文，再决定能否把结果放在同一份补货复核中。
2.2 让输出只有可解释的状态
建议在内部清单中使用少量、可回退的状态，而不是给每个结果附上虚假的精确度：
- 待人工补货复核：历史、库存、市场和政策输入均已检查，且触发了商家设定的复核阈值。
- 暂不判断：历史不足、关键字段缺失或报告窗口不可比，结果应为 N/A 或暂停。
- 异常隔离：发现断货导致的销售为零、时间点错位或市场错配，先保留证据，不把异常当成正常需求。
- 人工覆盖：商家依据库存政策、lead time、MOQ 或其他当前店铺证据覆盖草稿建议，并留下理由。
这些状态描述工作流位置，不代表预测准确，也不等于系统已经执行任何采购动作。
三、输入、窗口、缺数与异常值总表
下面的矩阵把每个草稿结果拆成可追溯的输入。
3.1 决策前先填完四列
下表是本页的独有检查表。每个产品或 SKU 的草稿结果都应能回到一行或多行证据；不能确认的单元不要用猜测补齐。
| 输入 | 窗口 | 缺数处理 | 异常值处理 | 决策用途 |
|---|---|---|---|---|
| 历史销售 | 选择并记录一个固定、可解释的历史窗口 | 销售历史不足时标为 N/A；不把缺数直接当成零销量 | 标记断货造成的销售为零、窗口切换或其他已知非正常事件，先解释再使用 | 形成需求估计并判断可比性 |
| 当前库存与库存报告 | 与本次复核一致的报告时间点 | 无法确认当前库存时暂停，不把空白当成可售库存 | 检查报告时间点、产品或 SKU 对应关系；不把不同快照拼成一个余额 | 估计可覆盖范围并核对库存事实 |
| 市场上下文 | 对每个市场单独选择并固定窗口 | 市场标识缺失或无法匹配时隔离该结果 | 发现市场错配时不合并；保留原市场标签并回退 | 判断需求信号是否属于同一决策范围 |
| lead time、MOQ 与库存政策 | 使用商家当前确认的约束版本 | 任一关键约束缺失时转人工复核 | 约束与当前政策不一致时覆盖草稿建议，不能让模型自行补值 | 把估计转成可审阅的补货条件 |
| Shopify Analytics 或相应报告选择 | 记录报告名称、筛选范围与复核时点 | 无法复现报告范围时不发布结论 | 报告范围变化或口径不一致时重新取数 | 让后续人员能复核来源与口径 |
Shopify 的库存报告以历史销售为基础计算库存天数等估计，并可能在销售历史不足时显示 N/A；因此，N/A 不是需要被 AI “修好”的错误，而是应被保留的输入状态。可从 Inventory reports、Demand forecasting 和 Shopify Analytics 交叉确认当前报告与分析入口。报告字段、店铺配置和政策可能变化，使用时请按当前页面与店铺数据重新核对。
3.2 输入表的填写规则
先保存原始报告范围与复核时点，再写任何 AI 摘要。字段只在当前店铺可以核对时进入草稿决策；模型可以帮助整理，但不能补造历史销售、库存余额、市场归属、lead time、MOQ 或政策。
如果一个字段的值来自人工判断，应把它与报告值分开记录。这样在回退时可以撤回人工覆盖，而不必覆盖原始证据。若不同资料对同一个 SKU 的窗口或市场标签不一致，优先进入异常隔离状态。
四、如何选择并冻结历史窗口
窗口决定结果能否被另一名复核者重建。
4.1 窗口要固定、可复现
窗口不是为了让结果看起来更稳定而随意移动。记录开始、结束、筛选范围和市场标签，让另一名复核者可以用相同范围重新查看。若窗口改变，旧结果不能默认为新结果的输入，必须重新标记版本。
历史数据越短，解释空间越小。资料不足时，使用 N/A 或人工复核，不用外部常识替代店铺历史。预测是估计，历史不足尤其不能写成确定的采购量。
4.2 只比较可比窗口
比较两个结果前，先核对产品或 SKU、市场、报告范围和时间口径是否一致。若其中一个窗口受到断货、市场迁移或数据缺失影响，把差异标记为异常或缺数；不要把差异直接叙述成需求增长或下降。
一个合格的内部备注应回答：使用了哪个输入、哪个窗口、哪些缺数、哪些异常、谁确认了覆盖规则。它不需要制造一个单一“可信度分数”，但必须让人知道为什么结果被保留、暂停或回退。
五、缺数和 N/A 的处理
缺数处理是需求预测治理的分水岭：不确定就保留不确定。
5.1 N/A 是决策状态，不是零
当销售历史不足时，库存天数或预测可能为 N/A。N/A 表示当前证据不支持继续计算或比较；把它替换成零、平均值或模型猜测，会掩盖不确定性并改变补货风险。
建议将缺数分成三种状态：
- 可补采：原始报告范围明确，重新取得当前店铺数据后再复核。
- 可人工覆盖：商家掌握当前库存政策或供应约束，但必须记录授权人与理由。
- 不可判断：市场标签、库存事实或历史窗口不可恢复，保留 N/A 并结束本轮自动辅助。
5.2 缺一项就暂停相应范围
不要因为全店其他 SKU 有数据，就把缺数 SKU 设为“跟随全店趋势”。按产品或 SKU、市场和窗口分别暂停。暂停的范围越小，回退时越容易恢复其他已经通过检查的草稿项。
若 AI 输出为完整句子，但其中的数字无法回到报告或商家政策，应删去数字，保留“待补数据”状态。审核人要能看出这是未完成的草稿，而不是已获批准的结果。
六、识别库存与销售异常
异常不是需要被文字包装消失的噪声，而是决定是否暂停的证据。
6.1 断货导致的销售为零
销售为零不一定代表没有需求。若某段时间库存不足或不可售，需求信号可能被库存约束截断。这里不要求模型推断被截断的真实需求；只要求把该段标为 stockout anomaly，并避免把零直接送入正常窗口。
回退方式是暂时排除受影响的比较、保留原始报告证据，并把决策状态改为异常隔离或 N/A。只有在商家重新确认窗口与库存事实后，才允许再次进入草稿复核。
6.2 其他异常先解释再使用
报告时间点不一致、产品或 SKU 对应关系变化、市场标签错位，都可能让两个本不相同的序列看起来可以相加。异常记录至少说明发现了什么、影响了哪个决策单元、当前采取了什么状态，以及谁有权恢复。
不要通过删除异常行来让曲线变得平滑，也不要让 AI 自动判断某个异常“应该被忽略”。如果确有人工处理，保留原值、处理理由和覆盖人；没有理由就保持隔离。
6.3 何时允许恢复
恢复不是“模型重新生成一次”就完成。至少需要重新确认当前店铺数据、报告窗口、市场标签和库存政策；如果仍无法说明异常，继续 N/A 或隔离。恢复后也只能回到人工补货复核，不会直接变成自动采购。
七、Markets 上下文要单独验收
市场上下文决定哪些需求信号可以放在一起讨论。
7.1 不把市场标签当成装饰
市场是需求解释的一部分。对每个市场记录相应的产品、库存与窗口范围；发现市场错配时，停止合并并回到原市场。关于产品资料与 Markets 的配置，应分别参照 Products 和 Markets 的当前官方页面，并结合本店设置逐项核对。
这里的“分开”不是要求每个市场都必须得出预测，而是要求你能证明结果没有把不同上下文混在一起。不能证明时，隔离比拼接更安全。
7.2 市场、语言、币种与政策逐项验收
市场匹配后，仍要分别检查语言、币种、税、退货与支付处理等条件。它们不能被一条“市场一致”标签代替，也不能由 AI 生成一个法律结论。若某个条件未确认，补货建议保持人工复核状态。
补货判断只处理库存与需求证据。价格、促销、退款、支付或客户数据的其他治理问题不在本文边界内；需要时阅读相应主题的 Shopify 官方说明，不在此处扩大范围。
八、补货阈值：触发复核，不触发采购
阈值把估计转成待办，但不会把待办变成授权。
8.1 用阈值把估计变成待办
阈值的作用是说明“什么时候必须看一眼”，不是让系统无条件执行。可在店铺内部先确认目标覆盖窗口、lead time、MOQ、安全缓冲和库存政策，再把它们作为草稿建议的检查条件。不要在没有商家输入时替这些字段填入数字。
| 条件 | 审核状态 | 建议动作 | 人工覆盖点 | 必留证据 |
|---|---|---|---|---|
| 历史窗口足够、库存与市场均匹配，估计覆盖范围低于商家目标 | 待人工补货复核 | 将产品或 SKU 放入补货审阅队列 | 商家可根据 lead time、MOQ 与库存政策调整或否决 | 报告范围、窗口、市场标签、阈值版本 |
| 历史不足或报告显示 N/A | 暂不判断 | 暂停草稿，不生成确定数量 | 有授权的商家可补充证据并记录理由 | N/A 原值、缺数字段、补采或覆盖记录 |
| 断货导致的销售为零或其他关键异常 | 异常隔离 | 从正常比较中回退，等待重新验收 | 人工确认是否能重建可比窗口 | 异常类型、受影响范围、恢复条件 |
| 市场标签或市场上下文无法匹配 | 市场隔离 | 不合并不同市场，不输出跨市场建议 | 市场负责人确认映射后再复核 | 原市场标签、冲突字段、确认记录 |
| 所有输入与政策约束均已通过人工检查 | 草稿可审阅 | 形成采购讨论清单，但不创建采购动作 | 授权人最终决定是否补货、数量与时间 | 审阅人、决策理由、最终状态 |
如果使用 Shopify inventory reports 的库存天数视图，要把它理解为基于历史销售的估计，而不是未来承诺。资料不足时按官方报告呈现的 N/A 处理。阈值表是本页的治理模板，不是 Shopify 自动采购规则。
8.2 人工覆盖必须能追溯
人工覆盖不是把 AI 结果改成另一个数字然后删除旧结果。保留原始草稿、覆盖后的状态、覆盖原因、授权角色和复核时点。覆盖理由可以是已确认的 lead time、MOQ、库存政策或当前店铺证据；不应写成“AI 说应该这样”。
当覆盖条件失效时，恢复到上一个可验证状态：待补数据、N/A 或异常隔离。不要为了保持列表连续而继续沿用过期覆盖。
8.3 把“草稿”与“执行”分开
本文最多产出补货复核清单。采购、订货、取消、支付或其他会改变外部状态的动作，都必须由获得授权的人员按当前政策执行。AI 可以协助整理理由，但不能制造批准。
九、如何审阅 AI 辅助输出
审阅的目标不是让 AI 看起来更确定，而是让证据链保持可追溯。
9.1 先审输入，再审语言
阅读一段自然语言建议时，先逐项核对它引用的产品或 SKU、历史窗口、库存报告、市场标签与约束。再检查它是否把估计写成事实、把 N/A 填成数字、把异常当成趋势，或漏掉人工审批。
输出只要有一项不能回到当前店铺或政策，就降级为需要补证据。没有来源的精确措辞不比简短的 N/A 更可靠。
9.2 让审阅人回答五个问题
每条草稿建议至少回答：
- 这条建议对应哪个产品或 SKU、哪个市场和哪个窗口？
- 历史销售是否足够，是否出现 N/A、断货或其他异常？
- 当前库存报告是否与复核时间点一致？
- lead time、MOQ、安全缓冲与库存政策是否已确认？
- 哪位获得授权的人员批准、覆盖或暂停了下一步？
答不出其中一项，就不要把状态写成“可执行”。这是一份审阅清单，不是自动采购授权。
十、失败与回退演练
本节把最容易误判的三类输入写成可重复演练。
10.1 演练声明
以下全部是使用模拟数据的失败演练，不是客户案例，也不描述真实店铺事件。步骤说明如何执行与验证检查；回退的目标是撤回草稿判断，不是修改店铺。
10.2 演练 A：历史稀疏
给定一个历史销售不足的产品或 SKU，报告可能无法支持库存天数或预测。运行人员应保留原始 N/A，停止生成确定补货量，将状态设为暂不判断，并记录需要重新确认的窗口与字段。
回退点是草稿清单的状态，不是用平均值填补报告。恢复门槛是当前店铺重新提供可复核的历史与库存资料；恢复后仍需人工复核阈值，不能跳到自动采购。
10.3 演练 B：断货异常
给定一段销售为零、同时库存事实显示该时段受断货影响的窗口，运行人员应标记 stockout anomaly，把该窗口从正常比较中隔离，并保留原始销售与库存证据。不要把零销量当成稳定需求。
回退方式是撤销由该窗口触发的草稿建议，恢复为异常隔离或 N/A。只有重新确认可比窗口与当前库存后，才可重新生成草稿。
10.4 演练 C：市场错配
给定一个产品或 SKU 的市场标签与分析窗口无法匹配的输入，运行人员应停止跨市场合并，保留冲突字段，分别标记原市场和问题状态。
回退方式是撤回跨市场汇总，只保留可验证的原市场记录。恢复门槛是授权人员确认 Markets 与产品上下文的映射；语言、币种、税、退货与支付处理仍需独立验收。
| 测试演练 | 触发信号 | 立即动作 | 回退结果 | 恢复门槛 |
|---|---|---|---|---|
| 历史稀疏 | 历史不足或报告为 N/A | 停止数量判断并保留缺数 | 暂不判断/N/A | 重新取得可复核历史与库存资料 |
| 断货异常 | 销售为零且库存事实显示断货影响 | 隔离受影响窗口 | 撤回该窗口带来的草稿 | 重新确认可比窗口与库存事实 |
| 市场错配 | 市场标签、窗口或产品上下文冲突 | 停止合并并保留原标签 | 撤回跨市场结果 | 授权确认映射，再逐项验收市场条件 |
十一、启用前的文章与数据检查
启用前的最后一轮检查，要同时覆盖文章结构、来源和权限边界。
11.1 文章证据检查
启用前逐项确认：
- 输入/窗口/缺数/异常值表完整，且明确写出 N/A、stockout anomaly 与市场错配处理；
- 补货阈值写成复核触发器，人工覆盖字段和授权边界清楚；
- 三个失败演练均有检测、回退和恢复门槛，并标明使用的是模拟数据；
- 预测被描述为估计，没有准确率、实时性或自动采购承诺；
- AI 输出被描述为需要商家审阅的草稿；
- Markets、语言、币种、税、退货和支付处理没有被合并成未经检查的结论；
- 报告来源、店铺配置和政策都在使用时按当前页面重新核对。
11.2 让相邻主题各自保持边界
本文不扩展相邻主题；相关说明分别见 Shopify Storefront MCP AI 导购：搜索、购物车与结账边界、Shopify AI 售后与退货：政策问答、分流和交接 和 Shopify AI 数据分析：GA4、订单归因与跨境复盘。本页仍只负责库存、需求证据和补货复核。
官方来源与核验日期
以下官方页面用于理解报告、产品和 Markets 的当前边界；页面内容和店铺配置可能变化。
12.1 相关官方说明
12.2 按当前配置解释报告
这些页面用于说明报告和配置的解释边界。使用时请重新检查官方页面、店铺配置、报告范围和政策；若页面或配置发生变化，应先暂停相关判断并更新依据。
在库存报告中，days remaining 是按最近 28 天平均销量推算的报告指标；当销量为 0 时显示 N/A。它是报告口径下的估计，不应被改写成 AI 实时预测或采购保证。保留报告范围、时间点和原始 N/A，再由人工结合当前库存与政策判断。
常见问题
下面只保留五个与本页决策边界直接相关的问题。
FAQ 1：历史销售不足时，能不能让 AI 直接估一个补货量？
不能。历史不足时应保留 N/A 或暂不判断，重新确认可用窗口和当前库存资料。任何人工覆盖都要有授权人与理由，不能把模型猜测伪装成店铺事实。
FAQ 2：预测低于补货阈值后，是否可以自动下采购单？
不可以。阈值只触发人工复核队列。采购数量、时间与是否执行，仍须由获得授权的商家根据 lead time、MOQ、库存政策和当前证据决定。
FAQ 3：断货期间销售为零，应该当作没有需求吗？
不应该直接这样解释。先标记 stockout anomaly，把受影响窗口从正常比较中隔离，并保留原始库存与销售证据。无法恢复可比窗口时，回退到异常隔离或 N/A。
FAQ 4：多个 Markets 可以直接合并成一个预测吗？
不能直接合并。先确认产品、市场标签和窗口是否匹配，再分别验收语言、币种、税、退货和支付处理。任何错配都应隔离，不能让 AI 自动拼接。
FAQ 5：如何处理 AI 给出的听起来很确定的需求结论？
把它当作审核摘要，先核对当前店铺报告、历史窗口、库存、市场和库存政策。若数字或理由无法回到证据，就降级为需要补证据、N/A 或人工复核；AI 输出不能替代商家审阅与授权。