商品 AI 选品助手 · 产品架构
对话式智能选品 —— 一句话解决「选什么 + 选多少」,覆盖全点位
数据链路 × 逻辑架构 × 上线节奏 · v1
一、核心数据链路
数据怎么流:从多源接入到效果回流的闭环
1多源数据接入
品牌方 PDF(AI解析入库)· 平台流量 · ERP销售/库存 · 点位在架
›
2统一数据底座
清洗对齐 SKC/SKU 主数据,指标口径唯一(售罄率/动销/周转)
›
3评分 + 策略计算
商品多因子评分 × 分点位策略 × 全局约束,产出候选池
›
4AI 生成选品方案
各点位清单(选什么)+ 量化建议(选多少)+ 变动原因
›
5人审 + 后台执行
运营审核采纳/调整,人工到平台后台落位
›
6效果数据回流
点位曝光-点击-转化回收,衡量选品质量
⟲ 效果回流 → 反哺评分权重与策略库,选品越用越准
二、产品逻辑架构
自下而上五层,右侧人机协作闭环贯穿
💬 对话入口"帮我更新首页选品"
⏰ 定时任务按各点位节奏自动出全量建议
📋 选品清单SKC × 坑位 × 变动 × 原因
📦 量化建议每个品压多少:备货/分配量
📈 效果看板采纳率 · 点位转化跟踪
▲带理由的可执行方案
AI 编排层
LLM ORCHESTRATION
听懂人话,调度工具
意图理解自然语言 → 任务路由
工具调用 MCP认证查数 · 评分 · 策略执行,不裸写SQL
结果生成清单 + 对比上期 + 原因解释
▲在确定性工具的轨道上跑,不自由发挥
选品策略大脑
STRATEGY ENGINE
核心资产:经验→算法
商品评分引擎销售动能 · 流量效率 · 库存健康 · 毛利 · 新品扶持 · 季节
分点位策略库首页/分类页/LP/PLP/售罄换品/KOC… 各一套规则,运营经验显性化
全局约束曝光平衡不押宝 · 价格带覆盖 · 库存深度门槛
量化测算坑位分配 + 备货量推算
▲口径统一的可信数据
数据底座
DATA FOUNDATION
一个口径,一个真相
商品主数据SKC属性 · 价格带 · 上市时间
销售事实表SKC/SKU 日销
流量事实表分点位曝光-点击-转化
库存快照本仓 · 菜鸟 · 在途
点位在架表各点位当前商品
指标语义层售罄率/动销/周转 口径唯一定义
▲多源汇入 · 自动更新
📧 品牌方邮件 PDF新品资料 → AI 解析自动入库
🏪 平台后台生意参谋等:点位流量数据
🗄️ ERP / 业务库销售流水 · 库存 · 成本毛利
📋 运营记录点位在架 · 活动排期
人机协作闭环
AI 提案,人拍板
信任逐步升级
AI 提案
选品清单+理由
▼
运营审核
采纳 / 调整并记录原因
▼
人工执行
后台落位上架
▼
效果回收
点位转化 vs 上期
⟲ 调整记录+效果
反哺策略库迭代
「选多少」逻辑
建议量 = 预测销量(近期动销 × 点位流量 × 季节因子) × 目标周转天数 − 在手可用库存(本仓+菜鸟+在途) ,再经 库存深度门槛 / 曝光平衡 约束修正 —— 每个数字可追溯、可解释
三、上线节奏
全点位是目标,分三波是路径 —— 信任逐波建立
W1
地基:底座 + 查数
数据接入与口径对齐,自然语言查数先跑通,让团队先用起来、先信数据
✓ 验收:覆盖 80% 日常查数,口径零争议
W2
单点跑通:1–2 个点位
首页(或售罄换品)先上,策略库从老运营经验萃取,AI 出清单人来拍板
✓ 验收:采纳率达标,点位转化不差于人工
W3
全点位 + 量化
策略库复制扩展到全部点位,叠加「选多少」备货/分配量化建议
✓ 验收:全点位覆盖,选品工时降 70%+
四、三个关键设计决策
老板若问"凭什么靠谱",答案在这
① AI 不裸写 SQL,只走认证轨道
AI 只做意图路由 + 参数填充,查数走语义层认证模板,策略走策略库——杜绝幻觉,每个结论可追溯到口径。
② 策略库 = 把老运营经验变成公司资产
选品逻辑从「在人脑子里」变成「显性规则 + 评分权重」,人员变动不再带走能力——直接回应总监「降低经验依赖」的核心诉求。
③ 人审闭环 = 信任与进化的引擎
AI 提案、人拍板、效果回流、策略迭代。采纳率与点位转化双指标,既保安全,又让系统越用越准。