智能补货试点最容易踩的坑，不是系统跑不起来，而是跑起来之后没人说得清它到底有没有用。订货员觉得建议单“差不多能看”，采购觉得缺货还是那么多，项目负责人拿着一堆报表却给不出一个能让管理层信服的结论。问题往往不在模型，而在评估这件事本身没有被提前设计。
评估智能补货，第一件要做的事是在试点开始前就把指标和口径定死。缺货率按门店还是按品类统计，是算缺货SKU占比还是算缺货时长；库存周转天数是看整体还是分重点品类；报损与临期金额按什么周期归集——这些口径不统一，试点前后的对比就没有意义。建议采纳率是一个常被忽略但信息量很大的指标：人工调整的比例和调整方向，直接反映建议单的质量。如果订货员普遍把建议量往上调，可能说明预测偏保守；如果调整集中在少数品类，问题可能出在那些品类的数据或参数上。
指标定好之后，还要解决归因问题。销量受促销、季节、竞品活动等多重因素影响，把试点期间的变化全部算作补货系统的功劳并不严谨。更稳妥的做法是设置对照：试点门店与相似门店对比，或者试点前后同口径对比，并且观察多个周期的趋势，而不是只看一个订货周期。同时结合过程指标一起判断，比如异常处理量、人工复核触发频次，这些能帮助区分“系统真的在改善”和“只是这一段时间生意好”。
评估的另一个常见误区是只看结果指标，不看流程是否跑通。试点的价值之一，是验证“数据—建议—复核—下单—复盘”这个闭环能不能稳定运转。主数据由谁维护、订单最终写入哪个系统、异常数据由谁处理，这些接口边界如果没理清，指标再好看也只是暂时的。试点门店的选择同样影响评估结论：数据基础相对完整、店长配合度高、门店间差异具有代表性，才能让结果既有说服力又可复制。
最后要克制对改善幅度的承诺。不同企业的品类结构、数据基础和执行力差异很大，任何具体的百分比都应该来自自身试点数据，而不是通用宣传。参数也需要持续维护，安全库存、配送周期、最小起订量都会变化，缺少维护机制的系统会逐渐失真。从小闭环开始，先让一个品类、一批门店跑通完整循环，再逐步扩展，比全面铺开更容易发现问题，也更容易让评估结论站得住脚。