清潔用品批發庫存補貨自動化

🎯 這條流程解決什麼

清潔用品批發倉的品項數量驚人——光是洗碗精就分 5 公升、20 公升、不同品牌、濃縮與一般；垃圾袋有大中小、各種顏色、加厚與一般；衛生紙、擦手紙、酒精、手套、菜瓜布……一個中型批發商庫存破百種品項很正常。要把這上百種品項每一種的庫存、用量、該補多少都顧好，靠人工幾乎不可能做到精準。

最痛的是兩個方向都會出事。一邊是熱銷品斷貨：客戶要叫的濕紙巾剛好沒了，等你跟上游調貨要三五天，客戶等不及就向別家叫，這一單沒了不打緊，往往連客戶都一起丟了。另一邊是滯銷品壓貨：採購憑感覺多進了一批冷門規格，結果賣得慢，現金卡在倉庫裡、佔著倉位，有些清潔劑還有保存期限，放久了得報廢。

現在多數批發商怎麼做？倉管每天或每隔幾天巡一次倉、憑經驗抓「這個好像快沒了該補」，採購再憑印象決定進多少。這種做法在品項少時還行，品項一多就顧此失彼，而且高度依賴某個老師傅的經驗——他請假或離職，補貨判斷就亂套。人工盤點與估算，光是把上百品項巡一遍、對照出貨速度、決定補貨量，每天就要耗掉採購或倉管兩三個小時，而且還是常常抓不準。

導入後的改變

導入前： 補貨靠人工巡倉與經驗判斷，熱銷品偶爾斷貨流失急單，冷門品時常超量囤積壓資金。每天耗在巡庫與試算補貨量上的時間約兩三小時，且品質取決於老師傅的經驗，難以複製與交接。

導入後： 系統每天自動掃描全品項庫存水位、比對安全存量與出貨趨勢，主動抓出該補的品項、算出建議補貨量、依供應商分好採購草稿，採購只需審核確認。斷貨次數可大幅下降，急單流失明顯減少；冷門品因為依實際出貨速度估算，超量囤貨的情形也跟著改善。每天的巡庫與試算時間從兩三小時壓到二三十分鐘的審核。

以一個約 150 個品項、月營業額千萬等級的批發商估算，熱銷品斷貨造成的急單流失，原本每月可能損失數十筆訂單；補貨精準後若能減少七成斷貨，等於把這些營收留住。同時降低超量囤貨，可釋放壓在滯銷庫存上的數十萬元現金，倉位週轉也更健康。

流程怎麼運作

這條流程對應 frontmatter 裡的五個節點，把倉庫從「被動救火」變成「提前備料」：

1. 讀庫存（📊）：每日排程從 Google Sheets（或進銷存系統匯出）彙整每個品項的即時庫存量、預設的安全水位，以及近期的出貨速度（例如過去 30 天平均日出貨量）。這是後續所有判斷的基礎，資料準確是關鍵。

2. 偵測低量（⚠️）：比對每個品項目前庫存與安全水位，抓出已經低於安全存量、或依出貨速度推估即將在前置時間內斷貨的品項，列成「待補清單」。

3. 算補貨量（🧮）：對每個待補品項，AI 預測 API 依出貨趨勢、供應商的前置時間（下單到到貨要幾天）與目標庫存天數，估算建議補貨數量——既要補到安全，又不要補過頭造成囤積。

4. 分配供應商（🏷️）：依品項對應的供應商與各家的最低進貨量（MOQ），把待補品項分配到對應供應商，湊整最低訂購量，產生一張張採購草稿。例如同一供應商的多個品項合併成一張採購單，省運費也達到 MOQ。

5. 送審通知（📨）：把建議補貨單透過 Gmail 或 Slack 推給採購人員，採購審核、議價、調整數量後再正式下單。系統只負責偵測與試算，下單與議價的決定權在人。

需要的工具與串接重點

• n8n / Make（流程引擎）：以每日排程觸發，串起庫存讀取、預測與通知。庫存與成本資料敏感，建議 n8n 自架。
• Google Sheets（庫存與主檔）：存放即時庫存、安全水位、出貨紀錄、品項對應供應商與 MOQ。若已有進銷存系統，可定時匯出或用 API 接入，重點是庫存數字要即時且準確，否則整套估算都會失準。
• AI 預測 API（補貨量試算）：依出貨趨勢與前置時間估補貨量。對出貨穩定的品項很準；對受促銷、季節影響大的品項，需保留人工調整。
• Gmail / Slack（送審通知）：把採購草稿推給採購人員，建議用 Slack 即時通知急需補貨的品項、用 Gmail 寄完整採購單。
• Notion（採購追蹤）：記錄每張採購單的狀態（待審 / 已下單 / 已到貨），方便追蹤交期。

串接注意點：安全水位與目標庫存天數要由熟悉業務的人逐品項設定，不能全用同一個數字——熱銷快消品的水位要高、冷門品要低。設定好之後也要定期檢視調整。

常見錯誤與注意事項

• 建議補貨量是系統試算，下單前務必人工確認。 實際進貨量、進貨價與付款條件須由採購人工核可後再下單，避免過量囤貨壓資金或熱銷品備料不足。本流程協助偵測與試算，不取代採購的專業議價與庫存判斷。
• 庫存資料要即時且準確。 若庫存數字落後實際（例如出貨沒即時扣帳），會導致誤判斷貨或重複補貨，務必先把進銷存資料的即時性處理好。
• 注意保存期限與滯銷風險。 清潔劑、酒精等有效期限品項，補貨量要考量銷售速度，別只看安全水位就大量進貨，造成過期報廢。
• MOQ 與運費要納入判斷。 為了湊最低進貨量而多進的庫存，要評估是否真的賣得掉，避免為省運費反而囤了一堆賣不動的貨。

台灣中小企業情境案例

新北一家供應餐飲與辦公通路的清潔用品批發商，倉庫約 180 個品項，過去補貨全靠一位資深倉管師傅憑經驗巡倉抓量。師傅準是準，但他一請長假，補貨就出狀況——那個月接連發生兩次熱銷垃圾袋斷貨，被客戶抱怨還流失了一個固定餐廳客戶。導入這條流程後，他們把每個品項的安全水位與出貨資料建好，讓系統每天掃描、抓出待補品項並算好建議量，師傅的角色轉成「審核與議價」。半年下來，熱銷品斷貨次數從每月數次降到幾乎沒有，超量囤貨的滯銷金額也減少約四成，壓在庫存上的現金鬆動了不少。老闆說最大的好處是「補貨邏輯不再綁在一個人身上」，新進採購也能照系統建議很快上手。

延伸應用

• 把補貨流程與 /automation 的供應商下單、進貨入庫串起來，做到從偵測低量到自動產生採購單、追蹤到貨的一條龍。
• 接上 /workflows 的定期回購預測，讓「預期客戶會回購的量」回饋到補貨判斷，提前為可預見的需求備料。
• 累積足夠資料後，分析各品項的庫存週轉率，淘汰長期滯銷的規格、聚焦資源在高週轉的主力品項。

可與 /workflows 的訂單處理、定期回購串成從需求預測到進貨的完整鏈路，更多庫存與採購自動化設計見 /recipes。

⚠️ 採購與金流提醒：建議補貨數量為系統預估，實際進貨量、進貨價與付款條件務必由採購人工確認後再下單，避免過量囤貨或熱銷品備料不足。本流程協助偵測與試算，不取代採購的專業議價與庫存判斷。

流程圖

用到的工具

更多「零售商店」工作流

瀏覽全部工作流藍圖 → 自動化工作流中心 → AI Skills 食譜庫 →