摘要：损耗（shrinkage，商品非正常减少）是零售独有的降本点，行业平均占销售额 1-1.5%（口径见文末），连锁年损耗可达千万级。损耗率每降 0.5pp ≈ 净利直接增厚（以 10 亿营收计即 500 万）。损耗来源（盗窃/过期/管理/破损/供应商）难定位，传统靠定期盘点被动发现。管损耗有一套行业实践常见的四步做法：每日巡检、根因归因、分级处置、验证复盘。极昆仑智能问数（极昆仑iInsight）把这套方法自动化落地：①巡检 28 家门店损耗率超警戒（>1.5%，合计损耗 320 万）；②多源根因自动归因（盗窃/过期/管理/破损/供应商 + 关联分析）；③生成《防控行动包》（防损工单 + 临期清仓 + 管理整改 + 供应商追责 + 预警规则）；④T+60 验证。收益按"减少损耗额 × 周期化折算"自算，中型连锁商超示例口径年化降损约 300 万（损耗率 1.8%→1.1%），只是举例不是承诺，区间不是定值。

一、现状：商品损耗，现在是怎么管的

先破一个常见的误区：很多人觉得"损耗是防损部门的事、是小偷的问题"。这是把损耗当"外因"，忽略了损耗的大头其实是管理漏洞（过期、盘点、收货、退换货入账）。盗窃只是冰山一角，而管理损耗是系统性的、可整改的。

损耗（shrinkage，商品非正常减少）行业平均占销售额 1-1.5%（口径见文末），连锁年损耗可达千万级。损耗率每降 0.5pp ≈ 净利直接增厚（以 10 亿营收计即 500 万）。它不像进货成本能算清、不像租金能谈价，是每个月都在悄悄漏掉的净利。

现在普遍怎么管？基本是"定期盘点 + 防损凭经验"两件套：

• 月度盘点被动发现，损耗已经漏了一个月；

• 防损凭经验巡查，说不清哪家店、哪个 SKU、哪个时段在漏；

• 损耗来源说不清，盗窃/过期/管理分不开，责任认定缺证据，整改落不了地。

除净利漏洞，还有两类更隐蔽的问题：

• 损耗来源难定位，传统靠月度盘点被动发现：盗窃/过期/管理/破损/供应商混在一起，说不清大头在哪。防损动作无的放矢，钱花了、损耗没降；

• 防损缺证据链，责任认定落不了地：疑似盗窃不敢认定、供应商短少难追责。没有数据证据，防损动作只能停在"加强巡查"这种泛化层面。

根本矛盾在于：损耗是每天、每店、每 SKU 都在发生的事，而传统管理是月度的、盘点的、被动的。等到盘点"看出来"，损耗已经漏了一个月。

二、极昆仑iInsight 方案：是什么，带来哪些变化

行业实践对防损有一套常见的四步做法：每日巡检（盯损耗率超警戒门店）、根因归因（盗窃/过期/管理/破损/供应商五类 + 关联分析）、分级处置（《防控行动包》一包到底）、验证复盘（试点门店 vs 对照门店）。这套做法人工也能做，难在全门店、多来源逐店执行，人盯不过来。

极昆仑iInsight 把这四步自动化落地，带来这些变化：

能降损多少，按公式自算：年化降损 ≈ 减少损耗额（一个验证周期）× 周期化折算。以中型连锁商超口径计算（示例企业 28 家警戒门店、损耗率 1.8%）：损耗率毛改善 1.8%→1.1%（0.7pp）、T+60 减少损耗 142 万，但毛改善不等于全部兑现：防损动作有投入、损耗率有季节波动、盗窃收敛有反复。所以按"减少损耗额"保守计，再周期化折算到全年：T+60 减少损耗 142 万（28 家警戒门店损耗率 1.8%→1.1%），周期化折算（防损动作持续、损耗率维持低位）约 300 万/年。以上为满额兑现口径，实际落地按门店执行率 50% 折算，保守收益约 150 万/年起步。

补充一个严格口径：142 万是 28 家警戒门店一个验证周期的减少额；若只按当期保守计，为一次性 142 万；周期化折算（全年多盘点周期 + 全连锁损耗率改善）示例约 300 万/年。

Δ损耗率取值有行业数据可查：针对根因做防损闭环（防盗 + 临期 + 管理整改），损耗率降 0.5-1pp 是常见区间（口径见文末）。每降 0.5pp ≈ 净利直接增厚（以 10 亿营收计即 500 万）。损耗数据越全、防损执行越到位，越靠近上限；反之取下限。

效果参考口径：T+60 试点 28 家门店损耗率从 1.8% 降至 1.1%，减少损耗 142 万，疑似盗窃门店通过重点巡查收敛，周期化折算年化约 300 万（按执行率 50% 折算约 150 万起）；员工盗窃责任认定、报警、扣薪、员工处理人工执行。

合规边界：

三、为什么传统 ChatBI、智能问数做不了这件事

钱算得动，还得看是不是非 iInsight 不可。前面比的是"人工执行"，这里比的是"传统 BI 工具"——很多企业已经上了 BI，照样卡在防损上。

三个跨不过去的壁垒：

• 多源关联分析：损耗不是"一个数"，是关联出来的。母婴/美妆/小家电 + 晚 8-10 点 + 收银异常，这种"疑似盗窃"信号要把损耗记录、SKU、时段、收银、监控文本串起来才能发现。通用 ChatBI 你问"哪几家店疑似盗窃"，它答不出——跨表关联 + 非结构化融合不在"问一句出一张表"的能力范围。但防损恰恰要从这里找证据；

• 证据链：防损最难的不是发现损耗，是责任认定缺证据。疑似盗窃不敢认定、供应商短少难追责，是因为没有数据证据。iInsight 把损耗记录、时段、收银异常、监控文本串成证据链，支撑防损总监做责任认定；通用 ChatBI 给损耗报表，给不了证据链。而没有证据链，防损只能停在"加强巡查"；

• 盗窃认定 / 报警红线：数字员工自动执行的是防损工单、临期清仓、预警规则；员工盗窃责任认定、报警、扣薪、员工处理一律人工执行。AI 不自主认定员工盗窃、不自主报警、不自主扣薪、不自主处理员工。这是零售版最硬的一条红线。

四、怎么试

你家也在被"损耗占销售 1-1.5%、月度盘点才发现、来源说不清"困扰？约一次 30 分钟需求对齐（不带销售，只看你家数据适配度），合适就做 概念验证：拿你家损耗记录 + 收银数据跑 3-5 家警戒门店的关联分析，当场看"损耗大头在哪、有没有可落地的防损证据链"。

根因拆得准不准、证据链成不成立，当场判断。先验证方案；损耗率是经营结果，要 2-3 个盘点周期试点才能看到结论。

数据来源与口径说明：

• 损耗（shrinkage）占销售额 1-1.5%：零售行业防损通用基准

• 损耗率每降 0.5pp ≈ 净利直接增厚（以 10 亿营收计即 500 万）：零售防损通用口径

• 损耗来源分类（盗窃/过期/管理/破损/供应商）：零售防损通用分类

• 防损闭环损耗率降 0.5-1pp：行业研报常见区间的推演值

文内所有收益数字均为基于上述公开基准的推演示例值，非企业实际回款；发布前请以各机构最新年度报告核对数值，立项测算请以自家损耗/收银/库存数据为准。