一、项目背景

某社区生鲜连锁线上线下长期是两张皮：线上下单和到店自提衔接不上，预售团购的备货全凭店长拍脑袋，损耗高得吓人。我们当时要解决的就是"预售定备货、自提闭环降损耗"这一件朴素的事。它本质是个履约协同问题，不是流量问题，所以我们的注意力一直放在链路打通和数据回流上，而不是去做花哨的营销。

二、落地场景

场景分三块。一是预售团购：社群里发起次日达团购，用户下单即锁定需求。二是到店自提时段预约：用户选自提时段，系统按时段聚合订单给门店排备货。三是备货与自提核销：门店按聚合量备货，用户到店扫码核销，未核销的进入临期处理流程。四是临期处理：核销窗口关闭后，剩余商品自动触发折扣或捐赠，减少报废，把损耗从"事后认亏"变成"事前可控"。

三、关键技术挑战与解决思路

第一个挑战是预售备货的准确度。我们没有做复杂预测，先用历史同小区同品类的销量做基线，叠加天气和节假日因子，给店长一个"建议备货区间"而不是强制数字，保留人的最后判断。第二个挑战是自提时段的均衡，热门时段容易扎堆，系统对高峰时段做轻量限流引导错峰。第三个挑战是核销闭环，用统一核销码打通社群订单和门店收银，任何一笔都能追到"谁、何时、哪店"取走。

案例片段（已脱敏）： 一个约两千户的社区店，周一晚八点团购某叶菜三百份。系统按历史基线建议备货二百八十到三百二十份，店长取中值。次日自提准时率约九成七，未核销的十一份在窗口关闭后自动转八折清货，全天损耗率控制在百分之一点五以内，店长当天就反馈"终于不用猜了"。

四、效果数据

跑通三个月，覆盖社区店约六十家。自提准时率从约七成提升到约九成六；综合损耗率从约五个百分点降到约一点八；团购转化率提升约两成；复购率因履约稳定提升了约一成五。门店店长从"每天猜备货"变成"看建议、做微调"，人效和情绪都好了不少。

五、可复用经验总结

预售定备货，需求先锁定再谈供应链，反向压降损耗。自提闭环降损耗，核销数据回流才能知道真实动销。给店长建议而非强制，人脑的最后一层判断不能省，系统只是放大器。临期处理要自动化，否则再好的预测也挡不住突发。履约这件事，链路顺了，损耗自然就下来了。

结语

这个项目让我重新理解了一句话：生鲜的利润是"省"出来的。预售和自提看着是两个功能，背后其实是同一套"先锁定需求、再组织供给"的履约哲学，把它打通，损耗和体验就同时解决了。

附：规模化落地的工程取舍

我们把这套履约系统从单店推到六十家社区店时，最关键的取舍是备货建议的粒度。太粗门店不采信，太细又容易过拟合单店偶然波动。最终我们按小区画像分组，同组门店共享基线再各自微调，兼顾准度和可解释。自提时段聚合我们做了滚动窗口，临近时段才锁定备货量，给临时加单留余地。临期处理默认走自动折扣，但高毛利敏感品类转人工确认，避免系统误杀利润。

附：给同行的一些提醒

第一，预售定备货是反向压降损耗的核心，需求先锁定再组织供给，比正向预测稳得多。第二，给店长建议而不是强制数字，人脑对社区突发（比如隔壁新开竞品）的判断系统短期学不会，最后一层判断要留给人。第三，核销闭环必须打通社群订单和门店收银，否则动销数据永远是瞎子。第四，临期处理自动化，否则再好的预测也挡不住当天突发事件。第五，损耗率要看绝对值也要看结构，叶菜和肉类的损耗逻辑完全不同，混在一起会被平均掉。

附：我们踩过的几个坑

第一坑是时段扎堆，最初不限自提时段，周末上午全挤在一起，门店核销排长队反而引发投诉，我们加了时段预约加轻量限流才均衡。第二坑是临期误清，早期自动折扣把高毛利品也一刀切打折，门店利润受损，后来改成敏感品类转人工确认。第三坑是预售超卖，某次团购量远超备货，我们用聚合量加安全系数动态封顶，超了就关团。这几坑让我们确认，履约系统的核心不是功能齐全，而是把每一个可能失控的环节都提前设了闸，稳比快重要。

附：回到工程本质

这个项目让我重新理解了一句话：生鲜的利润是省出来的。预售和自提看着是两个功能，背后其实是同一套先锁定需求、再组织供给的履约哲学。把它打通，损耗和体验就同时解决了，比在营销端拼命拉新划算得多。系统要做的不是替人决策，而是把建议给到对的人手里。

另一点体会是，社区场景的波动比想象中大，天气、节假日、隔壁竞品开业都会瞬间改变动销，所以备货建议必须保留店长的最后判断。我们后来把系统定位成放大器而不是决策者，店长用得顺手，数据才回得来，闭环才转得动。