庫存週轉率低不是只該清倉：台灣 SME 用 AI 先抓 5 個進貨錯誤

庫存週轉率低時，台灣 SME 不應該第一步就清倉，而是先判斷貨賣不動的原因：需求真的變弱、價格太硬、SKU 買錯、商品頁和 feed 狀態不一致，還是補貨時間抓錯。AI 最有價值的地方，是把 POS、電商訂單、GA4 事件、商品 feed、毛利和客服問題整理成同一張檢查表，幫老闆看出哪一批貨該補、該綁組合、該改頁面，哪一批才真的需要出清。

庫存週轉率低先看原因，不要直接清倉

很多店家一看到庫存堆高，就把問題歸類成「賣不好」，接著開始折扣、免運、直播特賣或把廣告預算灌到滯銷品。這樣做有時有效，但也可能把毛利打掉，還沒解決真正的問題。若商品原本需求還在，只是頁面資訊不清、尺寸選項混亂、Google Merchant Center 顯示缺貨、門市補貨太慢，清倉反而會讓你誤判下一季進貨。

庫存週轉率真正該回答的是：這筆庫存用多快的速度變成營收或毛利？它卡住，是因為市場不想買，還是你沒有把對的商品放到對的人面前？對中小企業來說，這不是財務部門才看的指標，而是進貨、廣告、商品頁、LINE 推播和門市陳列都要一起看的營運訊號。

庫存週轉率公式與台灣 SME 的判斷方式

常見的庫存週轉率公式是銷貨成本除以平均庫存。Shopify 的庫存週轉率指南也用這個邏輯說明，週轉率可以協助零售商判斷銷售、訂價、庫存管理、需求預測與組合銷售問題。來源：Shopify inventory turnover ratio guide。

但台灣 SME 不要急著找一個固定標準，因為不同品類差異很大。食品、美妝、服飾、課程周邊、家居選品、3C 配件、B2B 耗材，合理週轉速度完全不同。比較務實的做法，是先把商品分成核心長銷品、季節品、活動品、測試品和即將淘汰品，再分別看週轉。用同一個數字評估所有 SKU，很容易把「應該慢慢賣的高毛利商品」和「真的卡死的滯銷品」混在一起。

AI 先抓 5 個進貨錯誤

1. 需求訊號看錯：把短期熱賣當長期需求

週年慶、KOL 推薦、短影音爆量、展場訂單或一次性企業採購，都可能讓某個商品看起來很熱。AI 可以先整理近 8 到 12 週的訂單、流量來源、活動名稱和促銷紀錄，標出銷量是否只集中在某幾天。若銷量來自一次檔期，下一批進貨就不該直接照放大倍數採購。

2. 價格與毛利沒有一起看

有些商品週轉慢，不是沒需求，而是價格和價值說明不匹配。也有些商品靠折扣賣得快，但扣掉成本、運費、平台費和客服成本後幾乎沒有毛利。AI 可以把銷售量、折扣、毛利、退貨和客服問題放在同一張表，避免只用「賣得快」判斷是否補貨。

3. SKU 買太細，客人選擇反而變慢

服飾、保養品、選品店和配件品牌常把顏色、尺寸、材質、組合拆得太細。結果每個 SKU 都有庫存，但每個 SKU 的需求都不夠厚。AI 可以整理同品類的瀏覽、加購、詢問和購買資料，找出哪些變體只是佔庫存，哪些變體真的帶動成交。這類判斷比單純看總銷量更接近下一季採購。

4. 商品頁、feed 和實際庫存不同步

如果商品明明有貨，但 Merchant Center、結構化資料或商品頁顯示不一致，廣告和免費版位可能承接不到正確需求。Google Merchant Center 的產品資料規範要求 availability 顯示商品供應狀態，支援 `in_stock`、`out_of_stock`、`preorder`、`backorder`，並要求供應狀態與 landing page、checkout page 和 structured data 一致。來源：Google Merchant Center product data specification。

AI 可以協助比對商品表、feed 匯出、頁面狀態和實際庫存，先抓出「有貨但頁面像缺貨」「缺貨但廣告還在跑」「預購沒有日期」「組合包和單品庫存扣抵不一致」這類問題。這些不是文案問題，而是會直接拖慢週轉的資料問題。

5. 補貨時間只靠感覺，沒有看 lead time

台灣小品牌常因為供應商交期、海運、節慶、門市活動和平台檔期而失準。若補太早，現金卡在庫存；補太晚，熱賣期缺貨，後面再進就變滯銷。AI 可以把供應商 lead time、到貨日、活動日、缺貨天數和銷售曲線整理成補貨提醒，但最後仍要由人確認供應商風險、付款條件和現金流。

不同問題要用不同行動處理

GA4、商品 feed 與毛利表怎麼接在一起

庫存週轉率只看財務數字還不夠，因為它看不到客人在哪一步停下來。Google Analytics 的電商量測文件提供 `view_item_list`、`select_item`、`view_item`、`add_to_cart`、`begin_checkout`、`purchase`、`refund` 等事件，這些事件可以帶 item_id、item_name、item_category、price、quantity 等商品層級資料。來源：Google Analytics ecommerce measurement、GA4 recommended events。

台灣 SME 可以先做一個最小版本，不必一開始就導入完整 BI。每週匯出三張表：第一張是銷售與毛利，包含 SKU、銷售數、銷貨成本、毛利、退貨；第二張是網站行為，包含瀏覽、加購、結帳、購買；第三張是商品資料，包含庫存、availability、價格、活動、供應商交期。AI 的任務是比對這三張表，產出「該補貨」「該修頁面」「該組合銷售」「該停採購」「該出清」的候選清單。

這裡要保守處理個資。庫存和商品層級分析通常不需要姓名、電話、Email 或 LINE UID。若要加入 CRM 或會員資料，也應先去識別化，只保留必要欄位，例如新客或老客、品類偏好、購買週期和是否同意行銷。台灣個資法要求個資利用要符合特定目的和必要範圍；把可識別個人資料丟進 AI 工具前，應先確認來源、目的、權限與委外處理規則。來源：全國法規資料庫：個人資料保護法。

誰適合用這套流程，誰先不要用

這套流程適合有固定 SKU、每週有訂單或門市銷售、會做促銷或廣告、並且已經開始感覺庫存壓力的台灣 SME。尤其是服飾配件、生活選品、美妝保養、食品禮盒、課程周邊、寵物用品、家居用品和 B2B 耗材，都可以先從 20 到 50 個高庫存或高毛利 SKU 開始。

暫時不適合的情境也要講清楚。如果你的商品剛上市、資料少於四週、訂單量非常低、成本資料不完整，或進貨主要受供應商最低訂購量限制，AI 只能做整理，不能給出可靠預測。這時先補商品資料、成本表、活動紀錄和庫存盤點，比急著問 AI 下次要買多少更重要。

資料更新與來源

本文更新於 2026 年 7 月 1 日。庫存週轉率公式與零售決策脈絡參考 Shopify 的庫存週轉率說明；商品 feed 的價格與 availability 要求參考 Google Merchant Center 產品資料規範；網站與電商行為量測參考 Google Analytics ecommerce measurement 與 GA4 recommended events；台灣個資邊界參考全國法規資料庫個人資料保護法。平台欄位、廣告商品版位、GA4 事件文件與法規解釋都可能更新，正式導入前應回到官方文件與自己的系統後台確認。

• Shopify：Inventory Turnover Ratio
• Google Merchant Center：Product data specification
• Google Analytics：Measure ecommerce
• Google Analytics：Recommended events
• 全國法規資料庫：個人資料保護法

結論：庫存週轉率是進貨決策，不是折扣開關

庫存週轉率低，真正要修的可能是進貨、定價、商品組合、頁面資料、廣告承接或補貨節奏，不一定是折扣不夠狠。台灣 SME 可以先用 AI 做一件很實際的事：每週把庫存、毛利、GA4、商品 feed 和活動紀錄對在一起，列出 10 個最該處理的 SKU。只要能分清楚該補、該修、該組、該停和該清，庫存週轉率就會從財務報表上的數字，變成一套可以改善現金流和行銷效率的工作方法。

FAQ

庫存週轉率越高一定越好嗎？

不一定。太低可能代表滯銷或買太多，太高也可能代表補貨不足、缺貨或低估需求。要和毛利、品類、lead time、缺貨天數一起看。

AI 可以直接預測下次要進多少貨嗎？

資料夠乾淨時，AI 可以協助整理趨勢和異常，但不應直接取代採購判斷。供應商交期、現金流、季節和最低訂購量仍要人工確認。

庫存週轉率低時要先做折扣嗎？

先不要。先檢查是否是商品頁、feed 狀態、價格說明、SKU 選項或補貨時機造成的問題。只有確認需求真的弱或商品即將過季時，才適合清倉。

小店沒有完整 ERP，也能做這套流程嗎？

可以先用試算表。每週整理 SKU、庫存、銷售數、毛利、活動、GA4 行為和 feed 狀態，從高庫存或高毛利的 20 到 50 個 SKU 開始就夠。

做庫存分析需要把會員個資丟給 AI 嗎？

通常不需要。多數庫存和商品層級分析只需要 SKU、品類、銷售、庫存、毛利和事件資料。若使用會員資料，應先去識別化並確認同意與使用目的。