从业务视角到计划视角：重新定义产品分类
提到产品分类，业界常采用 ABC 分类法，即依据营收贡献将产品划分为头部（A 类）、腰部（B 类）和尾部（C 类）。然而，这种基于业务价值的分类在供应链计划层面存在局限性。高单价的 A 类产品与低单价的 C 类产品，尽管对营收影响迥异，却可能具备相同的“计划特性”。
以汽车行业为例，整车属于典型的 A 类产品，而备胎属于 C 类产品。但两者存在强关联销售关系：每售出一辆整车，必然对应一只备胎的需求。因此，在需求预测和安全库存设定上，二者完全适用相同的计划逻辑。
计划特性的两大核心维度
所谓“计划特性”，本质上是产品的需求特点，主要通过稳定性和频繁度两个维度来界定。需求越频繁且稳定，产品的可预见性与可计划性越高；反之则越低。
维度一：需求的频繁度
衡量需求频繁度可引入"13 周频次”概念，即统计过去一个季度（13 周）内产生需求的周数。若某周有需求记为 1，无需求记为 0，累计值即为该产品的 13 周频次。频次越高，代表需求越频繁。同理，也可扩展至 26 周或 12 月频次。
如图 1 所示，在某电商前置库位的数据中，2500 多个 SKU 的 13 周频次为零，表明其为典型的长尾产品；而 400 多个 SKU 的频次为 13，表明其每周均有需求，更倾向于短尾或中尾产品。
图 1：需求的频繁度：13 周频次（示例）
需注意的是，高频次并不等同于短尾产品，还需结合需求的稳定性进行综合判断。
维度二：需求的稳定性
需求稳定性通过离散度（离散系数）来量化。如图 2 所示，假设需求符合正态分布，离散度等于标准差除以平均需求。例如，某产品过去 20 周的平均需求为 49.6，标准差为 18.2，则其离散度为 0.37。
虽然标准差能反映波动，但受平均需求量级影响较大，缺乏跨产品可比性。离散度作为标准差的归一化指标，有效解决了不同量级产品间稳定性对比的问题。
图 2：需求的稳定性：离散度（示例）
基于计划特性的产品三维分类法
综合需求的频繁度与稳定性，可将产品划分为三类：
- 短尾（可预测）：需求频繁且稳定。此类产品适合利用数据模型进行自动化预测。
- 中尾（难预测）：需求频繁但不稳定。通常由促销、市场活动或大客户变动引起，需在基准预测基础上结合人工判断进行调整。
- 长尾（不可预测）：需求既不频繁也不稳定。多为项目驱动或定制化需求，可预测性极低。
传统的 A 类（头部）产品中，既包含短尾产品，也可能混入部分中尾产品甚至高单价的长尾产品。从计划角度出发，将“高频但高波动”的中尾产品单列出来，有助于实施更精细化的管理策略。
工业品企业分类实战案例
以某拥有 1919 个产品型号的工业品企业为例（如图 3），针对其小批量、多品种的特点，采用"12 月频次”衡量频繁度，并将离散度以 0.25 为阶梯进行分级。
图 3：产品的分类示例（数据来源：某工业品企业）
短尾产品策略
该企业将"12 月频次≥8 且离散度≤0.75"定义为短尾产品，占总 SKU 数的 12%。在此类小批量行业中，0.75 的离散度已属相对平稳。这类产品是数据模型预测的理想对象，除非发生设计变更或重大客户变动，否则无需过多人工干预。
中尾产品策略
中尾产品定义为"12 月频次≥6 且离散度>0.75"。其需求波动往往源于内外部驱动的重大事件（如促销、竞争策略等）。应对方案应基于历史数据制定基准预测，并融合销售、市场等部门的专业判断进行动态调整。
长尾产品策略
剩余产品归为长尾，其特征是低频且高波动，常见于项目型或定制化场景。虽然此类产品营收占比不高，但 SKU 数量庞大。为保障服务水平，通常需设定一定的安全库存，具体备库水平需结合服务水平目标与成本约束进行精细化计算。