ABC-XYZ 九宫格分类矩阵
把 ABC 分析（按销售额累计占比）与 XYZ 分析（按需求变异系数 CV）合到同一张矩阵上。常见教程只教 ABC，结果你会发现"最重要的 A 类 SKU 偏偏需求巨不稳定"——这才是真正决定补货策略的关键。
它能解决什么问题
ABC 告诉你"哪些 SKU 重要"，XYZ 告诉你"哪些 SKU 可预测"。合在一起，你才能回答"哪些 SKU 值得专门备货策略"。
谁适合用
SKU 超过 50 的电商运营、计划员、采购；想停止"一刀切备货"的中小品牌。
怎么解读结果
落在 AX 的 SKU 要严控库存、保证不缺货；落在 CZ 的 SKU 可以直接砍掉；落在 AY/BX 的要差异化对待。
输入你的 SKU 数据
格式：每行一个 SKU，多个数值用逗号或空格分隔。
① 销售额（如年销售额，单位：元）
② 过去 N 期的销量数据（如过去 12 个月每月销量，用逗号分隔）
两个字段之间用 ; 或换行隔开。
分析结果
九宫格分布
| X 类 CV ≤ 0.5 |
Y 类 0.5 < CV ≤ 1.0 |
Z 类 CV > 1.0 |
|---|
CV（变异系数） = 销量标准差 / 平均销量。CV 越低说明需求越稳定，越高说明不可预测。
解读：AX = 压舱石，要保证不缺货 + 周转快；CY = 长尾，可考虑淘汰；AZ、BY 是决策最容易出错的地方。
SKU 明细
| SKU | 销售额 | 累计占比 | ABC | 平均销量 | 标准差 | CV | XYZ | 象限 | 策略建议 |
|---|
销售额帕累托曲线
使用说明
- 准备数据：汇总每个 SKU 的累计销售额（建议至少 6 个月）和逐期销量（建议至少 8 期）。
- 输入格式：每行一个 SKU，三个字段——SKU 名、销售额、销量序列（逗号分隔）。
- 查看结果：九宫格告诉你每个 SKU 落在哪个象限，下方明细列出每个 SKU 的 CV 与 ABC 等级。
- 导出动作：结果可复制 / 截图发给采购、计划与运营团队，作为补货策略调整依据。
注意事项
- ① CV 受零销量期影响巨大。一个月销量 0，下一期销量 10，CV 会飙到 1.5 以上。建议剔除异常月份或用滚动 3 月均值平滑。
- ② ABC 阈值默认按 80/15/5 切。如果你公司有自己的层级（比如 70/20/10），可在结果出来后人工对照重新归类。
- ③ 不要因为 SKU 落在 AZ 就判定它"该砍"。AZ 是高价值 + 高波动，通常意味着"机会品"——它的波动可能正是利润来源。
- ④ XYZ 切分阈值（0.5、1.0）是经验值，不同行业可微调。冷链、生鲜品类建议用 0.3 / 0.7。
- ⑤ 新 SKU 的 CV 没有意义，前 3 个月建议标记为"观察期"，不入矩阵。
常见问题
为什么我的 SKU 全在 AZ 象限？
可能原因：① 输入的销量数据太少（不到 6 期），CV 算出来失真；② 你在做促销活动，旺季波动被当成常态；③ 你的 SKU 确实处于生命周期的导入期，前几个月天然波动大。
CV 是怎么算的？
CV = 销量序列的标准差 / 销量均值。例如 12 月销量均值 100、标准差 30，CV = 0.3（X 类）。
我有 2000 个 SKU，全粘进去会不会卡？
本工具按行顺序处理，2000 SKU 大约 1–3 秒。如果你的浏览器很慢或内存吃紧，可分批跑。
这个矩阵能直接对接 ERP 吗？
不能。本工具只输出策略建议，无法自动修改 ERP 中的补货参数。如需落地，需要运营人员根据结果手动调整 SKU 主数据。
About 本工具
开发目的：解决"我有一堆 SKU，但不知道哪些值得单独管理"的经典难题。常见 ABC 分析只按销售额排序，结果忽略了"高价值但需求巨不稳定"的 SKU 才是最需要专门策略的。
适用：SKU 数 50–5000、有完整历史销售数据、需要做差异化补货策略的企业。
局限：需要至少 6 个月数据；新品无效；CV 阈值是经验值，不同行业需要校准。
Privacy Policy
本页所有计算在浏览器本地完成，输入数据不上传。第三方 Cookie（Google AdSense）由 Google 投放用于广告，相关说明见 StockLab 总隐私政策。
Disclaimer
结果仅供参考，不构成专业供应链建议。实际策略需结合行业经验、公司战略、财务目标综合判断。