# V1 方案 · FBA 总收益最大化决策引擎

**版本**: V1（基于企业家定位修正 + R1 四方挑刺重塑）
**日期**: 2026-05-23
**关键调整**: 从"补货 workflow 工具"重定位为"经济优化决策引擎"

---

## 0. 重大定位修正（响应企业家反馈）

### V0 误解
把这事当成"替代 Excel + 直觉的 workflow 工具"。

### V1 真定位
**这是一台经济决策引擎**：

> **「给定 200 SKU 的全量数据，每天求解一个总收益最大化问题，输出最优发货决策。」**

人的价值在"判断异常 + 修正模型 + 战略调整"；机器的价值在"消化 50+ 维度同时优化"。这是人做不到的事。

### 与 V0 的核心差异

| 维度 | V0 | V1 |
|------|----|----|
| 产品定位 | workflow 工具 | 优化引擎 |
| 核心价值 | 省时间（15 分钟） | **准确性**（避免拍脑袋错 10 万） |
| 决策模式 | "海运 or 空运" 二选一 | 物流方式是优化变量之一，目标函数自动权衡 |
| "海空运决策"独立模块 | 单独的 FR-5 | 取消，并入目标函数 |
| 销量预测准确度承诺 | 25% 误差（伪指标） | 改为"决策结果的总收益"对比 baseline |

---

## 1. 核心目标函数（数学形式）

每天对每个 SKU，求解：

```
Max: 总收益 (Total Profit)
    = Σ(销售收入)
      - Σ(资金占用成本 + FBA 仓储费 + 缺货损失 + 在途货物成本 + 运费)
```

### 1.1 各项展开

| 项 | 公式 | 关键参数 |
|---|------|---------|
| **销售收入** | Σ(预测日销量 × 售价 × min(1, 库存可用天数 / 7)) | 销量预测、缺货折扣 |
| **资金占用成本** | (库存价值 + 在途货值) × 年化资金成本率 / 365 × 持有天数 | 年化资金成本（如 10%） |
| **FBA 仓储费** | 月度仓储费 + 长期仓储费 + 移除/弃货费 | FBA 费率表（按 SKU 体积、库龄） |
| **缺货损失** | 缺货天数 × 日销售额 × (1 + 排名恢复倍数) | 排名恢复倍数 2-4，按 SKU 校准 |
| **在途货物成本** | 在途货值 × 年化资金成本率 / 365 × 在途天数 | 海运 30-45 天 / 空运 5-10 天 |
| **运费** | 海运/空运单价 × 货物重量 × 数量 | 实时报价（v1 假设有） |

### 1.2 决策变量

对每个 SKU s 和每个时间窗口 t：
- `x_s,t,sea` ∈ {0, 1, 2, ...}: 走海运的数量
- `x_s,t,air` ∈ {0, 1, 2, ...}: 走空运的数量
- 物流方式选择**不是单独决策**，是 x_sea 和 x_air 的相对大小决定的

### 1.3 约束

- 每个 SKU 当前库存 + 在途库存 + 新发货 ≥ 预测期内总需求 × (1 - 可容忍缺货率)
- FBA Restock Limit（基于 IPI 的仓位上限）
- 总资金约束（如最多占用 X 万美元）
- 工厂产能约束（每周最大可生产量）—— 不在 v1，留 v1.5

### 1.4 求解方式

- **v1**: 线性规划（LP）或贪心 + 局部搜索
- **v1.5**: 动态规划 / 强化学习（如果 v1 验证有效）

---

## 2. 数据需求清单（响应"提示我需要哪些数据"）

### 2.1 必需数据（v1 算法运行必须）

| # | 数据项 | 颗粒度 | 频率 | 来源（v1 假设有） |
|---|-------|--------|------|------------------|
| D1 | FBA 当前库存 | SKU 级 | 实时 | Amazon Seller Central API |
| D2 | FBA 历史销量 | SKU × 日 | 日 | 同上 |
| D3 | SKU 主数据 | SKU | 一次性 + 变更 | 内部 ERP |
| D4 | SKU 售价历史 | SKU × 日 | 日 | Amazon Seller Central |
| D5 | SKU 单位成本（采购成本） | SKU | 一次性 + 变更 | 内部财务 |
| D6 | SKU 体积/重量 | SKU | 一次性 | 内部产品库 |
| D7 | FBA 仓储费率表 | 全品 | 按月更新 | Amazon |
| D8 | 当前在途库存 | SKU × 批次 | 实时 | 货代 / 内部 |
| D9 | 中国仓库存 | SKU | 实时 | 内部 ERP |
| D10 | 海运实时报价 | 路线 × 货量 | 日 | 货代 API |
| D11 | 空运实时报价 | 路线 × 货量 | 日 | 货代 API |
| D12 | 海运/空运时效 | 路线 | 日 | 同上 |

### 2.2 强烈建议（显著提升预测准确度）

| # | 数据项 | 颗粒度 | 频率 | 价值 |
|---|-------|--------|------|------|
| D13 | 广告投放数据 | SKU × 日 | 日 | 销量与广告联动；区分"自然 vs 投放"需求 |
| D14 | BSR (Best Sellers Rank) | SKU × 日 | 日 | 销量先行指标 |
| D15 | Listing 评分 / 评论数 | SKU | 周 | 排名 / 转化率因子 |
| D16 | 关键词搜索量 | SKU 主词 × 日 | 日 | 需求趋势 |

### 2.3 可选（用于参数校准）

| # | 数据项 | 用途 |
|---|-------|------|
| D17 | 历史缺货事件 + 后续 30 天销量曲线 | 校准"排名恢复倍数" |
| D18 | 历史移除/弃货记录 | 校准长期仓储费触发条件 |
| D19 | 同类竞品 BSR 变化 | 季节性 / 行业趋势识别 |

### 2.4 不需要 / 不在范围

- ❌ 客户评论文本（不影响补货决策）
- ❌ 广告关键词竞价数据（这是广告优化的事）
- ❌ Listing 文案 / 主图（同上）

---

## 3. 功能架构（v1）

### 3.1 4 个核心模块

```
┌─────────────────────────────────────────────────┐
│ Module 1: 数据接入层                            │
│ - 12 + 4 个数据源的 Adapter（含 v1 mock data）  │
│ - 数据质量校验、异常值标记                       │
│ - 数据快照存档（用于回测可复现）                 │
└─────────────┬───────────────────────────────────┘
              ▼
┌─────────────────────────────────────────────────┐
│ Module 2: 预测层                                │
│ - 销量预测（含广告/BSR 特征）                   │
│ - Lead time 预测（含海运/空运波动）             │
│ - 价格/费率预测（用相对稳定值即可）              │
│ ⚠️ 单一预测变区间预测（含置信度上下界）           │
└─────────────┬───────────────────────────────────┘
              ▼
┌─────────────────────────────────────────────────┐
│ Module 3: 优化引擎（核心 ⭐）                    │
│ - 加载目标函数 + 约束                            │
│ - 求解最优发货组合（SKU × 数量 × 物流方式）      │
│ - 输出：决策清单 + 各项收益/成本分解             │
│ - 灵敏度分析：关键参数 ±20% 时决策怎么变         │
└─────────────┬───────────────────────────────────┘
              ▼
┌─────────────────────────────────────────────────┐
│ Module 4: 决策展示 + 拍板闭环                   │
│ - 日报 Dashboard（决策清单 + 总收益预估）        │
│ - 决策可解释面板（每个建议的成本/收益分解）       │
│ - 拍板交互（接受/调整数量/改物流/跳过）          │
│ - 助理执行视图 + 状态回写                        │
│ - 预警 inbox（合并日报 + 紧急预警）              │
└─────────────────────────────────────────────────┘
```

### 3.2 功能清单（修订）

| ID | 功能 | 优先级 | 备注 |
|----|------|--------|------|
| FR-1 | 数据接入 Adapter（v1 假设数据都有，但 schema 按真实 API 反向设计） | 必做 | 吸收 T7 |
| FR-2 | 销量预测（区间预测，含上下界） | 必做 | 不再承诺 25% 误差，改用"决策效果"验证 |
| FR-3 | 经济目标函数（5 项展开） | 必做 | 核心新增 |
| FR-4 | 优化引擎（LP 求解） | 必做 | 替代旧的"海空运决策" |
| FR-5 | 灵敏度分析模块 | 必做 | 关键参数 ±20% 时决策稳定性 |
| FR-6 | 决策清单 + 可解释面板 | 必做 | 设计评审硬性要求 |
| FR-7 | 助理协同（操作视图 + 状态回写） | 必做 | 从 v1.5 提前到 v1（设计/商业评审一致） |
| FR-8 | 缺货 + 销量异常预警 | 必做 | |
| FR-9 | 收件箱（合并日报 + 预警） | 必做 | 设计评审建议 |
| FR-10 | Mock/Real 模式切换 + UI 警示 | 必做 | 设计评审硬性 |
| FR-11 | 三策略回测对比（系统 vs 保守 vs 激进） | 必做 | 用"总收益"对比 |
| FR-12 | 决策日志 + 事后正确率统计 | 应做 | 商业评审建议（替代"接受率 70%"） |
| FR-13 | SKU 自动分类（稳定/波动/季节性） | 应做 | |
| FR-14 | 60/90 天上游下单预警 | 应做 | |
| FR-15 | "影子模式"：人工对照（v1 内同步运行） | 应做 | 商业评审建议 |

### 3.3 v1.5 后

- 真实数据 API 接入（FBA / 货代 / 广告平台）
- (s,S) 策略 / 强化学习
- 滞销 SKU 清仓
- 季节性活动专用模型
- SaaS 化

---

## 4. 关键修改（吸收 R1 四方挑刺）

| R1 问题 | V1 修改 |
|---------|---------|
| 🔧 T1 虚拟数据 = 自欺欺人 | V1 引入"影子模式"FR-15：用 1-2 个真实 SKU 人工录入，跟系统建议对照 |
| 🔧 T2 25% 预测误差不现实 | 不再承诺单点误差，改区间预测 + 灵敏度分析 + "决策效果"对比 baseline |
| 🔧 T3 海空运 API 难接入 | v1 假设报价可得（用户拍板），v1.5 真实接入是另立项目 |
| 🔧 T6 缺货损失系数 3-5 倍跨度大 | FR-5 灵敏度分析：报告系数从 2 到 8 时决策的稳定性 |
| 🔧 T7 v1.5 Adapter 是大重构 | FR-1 v1 数据 schema 按真实 FBA API 反向设计 |
| 🔧 T8 时区问题 | 数据接入层定义"统一标准时间"（如 UTC），各源数据按各自时区入库 |
| 🎨 D1 拍板交互无定义 | FR-6 显性化每条建议的拍板交互（接受/调整数量/改物流/跳过 + 重算 landed cost） |
| 🎨 D2 预警和日报关系 | FR-9 收件箱统一心智，日报是常规、预警是插队 |
| 🎨 D3 Mock 数据 UI 警示 | FR-10 模式切换器 + 顶部沙盘斑马条 + "演练数据"标签 |
| 🎨 D4 空清单怎么展示 | FR-6 空清单设计"今日扫描 200 SKU、最近临界 SKU 还有 45 天"安心信号 |
| 🎨 D7 助理状态机 | FR-7 助理操作视图 + 状态回写（已派单/执行中/已发货/已入仓）|
| 💰 B2 接受率 70% 没冷启动 | 改为"事后复盘正确率"，企业家每周 5 分钟复盘 |
| 💰 B5 CEO 拍板成本 | FR-6 加"批量一键接受 80%+ 置信度建议"功能 |
| 💰 B6 微信推送合规 | 改企业微信应用 / 自建机器人 / Bark for iOS / Telegram |

---

## 5. 战略评审回应（这是 V1 必须正面回答的）

### 战略评审 3 个元问题的回答

#### Q1: FBA 业务对刘润是什么？

A: **是真实主业的一部分**（不只是案例素材）。200 SKU 是实打实经营的资产，库存决策错误是真金白银的损失。

#### Q2: "自用→SaaS→咨询案例" 三步连乘 < 10%？

A: **战略叙事不依赖这条路径**。V1 价值已经被定位为"决策准确性带来的真实收益"——独立于是否 SaaS 化。SaaS 化作为可选副产品（如果学员有需求），不是核心论证。

#### Q3: 砍掉这个项目核心事业受影响吗？

A: 核心事业（咨询/内容/演讲）**不直接受影响**。但 FBA 业务本身的经营效率会受影响。

### 战略评审"自用工具是最贵的工具"挑战

| 选项 | 全周期成本 | 准确性 | 可解释性 |
|------|----------|--------|---------|
| **A: 订阅 SoStocked + 助理** | ~10 万/年 | ❌ 现有工具都没完整经济目标函数 | ❌ 黑盒 |
| **B: 自建优化引擎** | ~100 万+ 全周期 | ✅ 目标函数完整 | ✅ 可解释 |

**关键差异**：现有工具都不解 V1 目标函数（5 项展开），它们只解部分（"补多少 + 何时补"）。订阅工具 + 助理 = "10 万/年决策依然拍脑袋"。

### 战略评审"主线错配"挑战

A: 接受这是机会成本——但 FBA 业务本身就是刘润主业之一，提升它的决策效率不是"分散资源"，是"主业经营提效"。

### 战略评审最尖锐那句

> "刘润老师，你教别人'战略就是选择不做什么'——这个项目本身就是这句话最好的试金石。"

A: **这个 challenge 我接受，但我的判断是要做。理由**：
1. FBA 决策的复杂度（50+ 维度优化）已经超出人工决策能力，"忽略它"是更大的错误
2. 现成工具都不解完整目标函数，订阅 = 继续拍脑袋 = 战略级问题
3. 项目可控边界清晰（200 SKU、自用、决策辅助），不会演变成"无底洞"

---

## 6. v1 验证标准（替代"25% 误差"）

| 验证 | 方法 | 通过标准 |
|------|------|---------|
| **决策合理性** | 在虚拟数据 + 影子真实 SKU 上 90 天回测 | 系统建议的总收益 > 保守策略总收益 > 激进策略总收益（按行业经验合理排序） |
| **灵敏度健壮性** | 关键参数 ±20% | 决策不大幅震荡（核心决策稳定率 > 70%） |
| **可解释性** | 用户能在 1 分钟看懂每条建议的逻辑 | 用户满意度调查（自评） |
| **影子模式契合度** | 1-2 个真实 SKU 90 天对比 | 系统建议跟用户实际决策的偏差能被解释 |
| **运营成本** | CEO 拍板时间 / 日 | < 5 分钟（含批量接受） |

---

## 7. v1 工作量估算（拍脑袋，待研发确认）

| 模块 | 估算 |
|------|------|
| 数据接入层（含 mock 生成器） | 3-4 周 |
| 预测层 | 2-3 周 |
| 优化引擎 | 4-6 周（核心难点） |
| Dashboard + 拍板交互 | 4-5 周 |
| 助理协同 | 1-2 周 |
| 预警 + 收件箱 | 1-2 周 |
| 回测 + 灵敏度模块 | 2-3 周 |
| **合计** | **约 4-6 个月** |

团队配置建议：1 数据/算法 + 1 后端 + 1 前端 + 0.5 PM（你）。

---

## 8. 还需企业家回答的（PRD 终稿前）

1. 团队配置：自己招还是外包？预算？
2. v1 是否同步跑"影子真实 SKU"（强烈建议是）？哪 2 个 SKU 当试点？
3. "决策日志事后复盘"的频率：周/月？
4. 助理是否已经有？账号怎么管？
5. v1 上线后 6 月内的 KPI 你接受什么样的？（建议：用 7 月内总收益对比 6 月历史，要求 +10% 以上）

---

**V1 的核心承诺**：

> 不是"省你 15 分钟"，是**"用 50+ 维度的目标函数优化，做出人脑做不到的最优决策"——准确性是核心价值，总收益是验收标准**。