体育商品供应链的难点：需求按赛程跳动，供应按周期推进

普通消费品的需求大多平稳，季节性变化也相对可预期。体育商品不同，它的需求会被一场比赛、一次夺冠、一位球员的表现突然放大，又在几周内迅速回落。一件球衣在常规赛季每周卖4000件，夺冠后第一周可能卖到3万件，第四周又回到6000件左右。

供应的节奏却完全不同。面料准备、工厂排产、印号、质检和物流，每一段都有固定的 Lead Time，合起来往往要三到八周。需求窗口短、供应周期长，这个错位是体育供应链几乎所有问题的根源。本栏目的文章都从这个错位出发，讨论如何在需求到来之前把生产、库存和物流准备好，而不是等卖空之后再补。

球衣生产：最难预测的是号码，最耗时的是面料和缝制

球衣是体育供应链里最典型的事件型商品。它的需求同时取决于球队成绩、球员热度和赛事结果，而且被拆成几十个号码、七八个尺码。总量预测对了，如果热门号码的中码缺货、冷门号码的大码堆积，结果仍然是一边缺货一边积压。

比较有效的做法是“延迟差异化”：把面料和缝制这些最耗时的工序提前完成，生产未印号的空白球衣作为安全库存；把哪个号码会热卖这个最难预测的问题，推迟到赛果出来之后再决定，在24到48小时内完成印号和发货。决赛前该准备多少、怎样按胜负情景和报童模型思路决定备货位置，可以阅读决赛之前应该准备多少球衣。夺冠后迅速卖空为什么反而说明错过了销售窗口，可以阅读球衣卖断货为什么不一定值得庆祝。

运动鞋：先看货在哪里，再决定要不要生产

运动鞋的需求变化更多是区域性的。一场城市马拉松、一位运动员换鞋、一次社交平台上的讨论，都可能让某款鞋在某个区域突然走强，而全国库存总量其实并不缺。此时向工厂追单，最快也要一个月以上到货，那时热度可能已经回落。

运动鞋供应链更需要关注尺码曲线和库存分布：缺的是哪几个尺码，其他区域仓和门店有没有对应尺码，调拨过去能覆盖几天。多数情况下，先调拨、同时小批量锁定追单产能，比立刻下大单更稳妥。具体的决策顺序和判断指标，见运动鞋销量突然上涨以后先补生产还是先调库存。

体育器材：需求更平稳，但季节和政策节点影响明显

与球衣和运动鞋相比，球拍、球类、健身器械、户外装备等体育器材的需求相对平稳，更多受季节、学校开学、全民健身活动和场馆开放节奏影响。它们的 Lead Time 通常更长，部分器械需要跨区域运输和安装，单件体积大、仓储成本高。

器材供应链的关键不在于追赶热点，而在于准确判断季节性需求的起点和幅度，并控制仓储占用。例如某类羽毛球拍在暑期前六周开始上升，如果按月度平均备货，前两周会缺货，后两周会积压。Forecast Model 在这类品类上主要负责把季节曲线和区域差异算清楚，再与仓储容量一起计算合理的 Safety Stock。

赛事物资：比赛日期是硬约束，赛后价值接近于零

大型赛事需要的物资远不止商品，还包括餐饮原料、瓶装水、安保证件、隔离设施、清洁用品和医疗耗材。这些物资共享同一个约束：比赛日期不会改变，物资必须在开赛前到位；赛事结束后，带有日期的纪念品和专用证件价值迅速归零。

因此赛事物资的计划必须以比赛日为零点往回倒排，确定每类物资最晚的下单、投产、出厂和进场时间。比赛日当天，场馆周边通常有交通管制和进场时间窗，开赛以后基本只能在场内调配。相关讨论可以阅读体育赛事物资为什么比普通零售商品更难预测和赛事物资为什么必须提前预测。

库存与物流：安全库存放在哪里，往往比备多少更重要

体育供应链里有大量“位置性缺货”：全国库存充足，但热门区域、热门门店、热门看台的货不够。要解决这类问题，Safety Stock 不能只按总量计算，还要按区域和时间分层放置：

  • 总仓覆盖全年常规需求和长周期的季节波动；
  • 区域仓随赛事日历调整，在关键赛事前两周前移部分库存；
  • 门店和场馆零售点保留覆盖高峰时段的前置库存；
  • 赛事期间在场馆内部设置看台或区域级的前置库存点，减少比赛中的长距离补给。

物流方面，需要把干线运输、区域分拨、门店收货、赛事日进场报备和安检时间都计入 Lead Time，而不是只看工厂交期。一车货在平日从城市仓到场馆只要一个半小时，比赛日可能需要五小时。

需求预测怎样分工：几类模型各自回答一个问题

BB体育的体育供应链AI并不是一个模型包办全部判断，而是由几类模型分工完成：Demand Model 根据赛程、球队和球员热度、搜索与社交讨论，给出不同情景下的需求区间；Forecast Model 把区间拆到区域、门店、号码和尺码；Supply Chain Analytics 对照生产和物流的 Lead Time，倒推每个决策点的最晚时间，并计算安全库存的规模和放置位置。

模型的输出以情景对照表的形式交给商品和供应链负责人，写明每种情景下可能缺多少、剩多少、成本多少。是否为某个情景承担预投入，是经营判断，需要由人来做。模型也有常见的误差来源：赛事情景概率被舆论带高、把往届缺货后的销量当作真实需求、低估赛事期间的交通限制，这些都需要在复盘中持续校准。

复盘时，BB体育建议不要只看售罄率。一个在需求窗口开始后两天就卖空的商品，售罄率是100%，但窗口内满足率可能不到一半。更有参考价值的指标包括：窗口内满足率、各号码和尺码的缺货时长、补货到仓时间与需求峰值的时间差、调拨次数和成本、窗口结束后剩余库存的折扣率。这些指标连续记录几次赛事和几个销售季之后，情景概率和成本参数才有可靠的依据去调整，模型也才能逐步减少对单次经验的依赖。

这个栏目适合谁阅读

本栏目的内容主要面向体育品牌和零售商的商品计划、供应链和区域运营团队，也适合赛事组委会、场馆运营方以及为赛事提供餐饮和物资服务的合作方。如果你关心的是某类商品的热度是否会持续，可以先阅读趋势预测栏目；如果你关心的是热度确认之后货从哪里来、何时到、放在哪里，这里的文章更直接相关。所有案例均为模拟场景，数字用于说明判断逻辑，不代表真实企业或真实市场数据。