ai零售怎么弄?先备齐3类数据再谈上线

AI 零售落地分 3 步：先定 1 个场景（选品、补货、导购、会员、货架识别里挑 1 个），再凑齐 3 类数据（商品、交易、客户），最后小范围试跑 4 周。数据不齐就上系统，出来的建议没人敢照着做，这是门店最常见的卡点。

下面按「哪些店适合先做、要备什么数据、怎么做、卡在哪、怎么核」写，数字按门店规模给，具体投入看自己的系统底子。

哪些门店适合先做

1. 单店 SKU 在 800 个以上。品类太少，选品和补货的建议空间小，算出来的结论接近常识。
2. 有收银系统且能导出明细。日结单只有总额的，先让系统商把小票明细开出来，这是所有分析的地基。
3. 会员有手机号或卡号。没有会员体系，客户维度做不了，只能做商品维度。
4. 日均订单 80 单以上。样本太少的店，7 天的数据波动盖过真实趋势。
5. 有 1 个能拍板的人。场景选完要改流程，店长或老板得点头，不然试跑 2 周就停。
6. 能接受 4 周不赚钱的试跑期。AI 给的建议在第 2 周才开始有参考价值。

先选场景，别一次上全套

5 个场景的价值密度不一样。库存周转慢、临期损耗高的店，先做补货预测，见效通常在 3 到 6 周；客流大但转化低的店，先做导购问答，见效在 2 周内；SKU 上千的大店，先做选品与汰换，见效要 1 个季度。挑 1 个，做透，再扩第 2 个。

要备什么数据

5 类里最常缺的是库存损耗和货架位置。损耗不记，补货模型会把被偷、被损、过期三者混成一个数，建议就会偏。货架位置不记，导购和陈列的建议落不了地。这两项补起来不用花钱，用 3 天人工盘点就能建起来。

怎么做

1. 拉数据。从收银系统导 90 天小票明细和商品档案，存成 2 张表，字段名统一，编码用同一套条码。
2. 洗数据。去掉测试单、退货单、员工内购，把同名不同条码的商品合并，这一步占整个项目 40% 的工作量。
3. 定指标。补货场景看缺货率和周转天数，选品场景看动销率和毛利率，导购场景看客单价和连带率。指标定 2 个就够。
4. 跑基线。不做任何改动，先把过去 90 天的指标算出来，这是后面对比的参照。
5. 小范围试跑。挑 1 个品类或 1 个货架区，按建议调整，跑 4 周，每周记 1 次数据。
6. 对比复盘。4 周后把试跑区和对照区的指标放在一起看，差 5% 以内属于波动，差 15% 以上才算有效果。
7. 定规则。有效的做法写成操作规范，比如「周转天数超过 45 天的 SKU 每周淘汰 3 个」，交给店长执行。

第 2 步是最容易被低估的。我参与过一个 12 家门店的项目，商品档案里有 3 套编码并存，同一个可乐有 4 个条码，清洗花了 9 个工作日。清洗没做完就跑模型，出来的补货建议把同一商品算成 4 个，订货量直接翻了 2 倍。

第 1 个月只做 1 件事

第 1 个月不调任何东西，只把数据跑到能看。具体做 3 个动作：把小票明细导成 1 张宽表、把商品档案里的重复条码合并、把过去 90 天的基线指标算出来。这 3 件事做完，第 2 个月给出的建议才有对比基础。

很多店在第 1 个月就急着改陈列、改订货量，改完发现指标没动，也说不清是改得不对还是数据有问题。基线没建就跑改动，等于没有对照组，4 周后无法判断效果。我在 1 家社区超市见过这种情况，他们第 1 周就换了 3 个货架，月底复盘时只能凭感觉说「好像好了点」。

数据保留也要提前定。小票明细建议留 3 年，商品档案留全量含已下架品，客户消费记录做脱敏后留 2 年。留得太短，第 2 年想跑同比就没有基数；留得太长又涉及存储成本与合规，3 年是个平衡点。

卡在哪

1. 系统导不出明细。老版收银软件只存日汇总，让服务商开通明细表或换导出方式，通常 1 到 2 周能解决。
2. 商品档案脏。同物多码、一码多物两种情况都有，先做条码主数据，别急着上模型。
3. 建议没人执行。店员按习惯订货，AI 建议放在系统里没人点开，把建议做成每天 1 条推送，落到店长手机上。
4. 试跑期太短。跑 1 周就下结论，数据波动大于效果，4 周是下限。
5. 把工具当结果。系统给出补货量，采购仍按经验砍半，等于没做。规则要写清谁执行、谁复核。
6. 隐私边界。客户手机号做分析前先脱敏，只留卡号与消费记录，别把名单导到外部工具里。

小店的低成本做法

单店日均 100 单以内，不必上独立系统。用收银系统自带的报表加 1 张 Excel，按周算 3 个指标：动销率、缺货率、周转天数，连续看 8 周，趋势比模型结论更可靠。等这 3 个指标稳定下来，再考虑接工具，投入会省一半。

别只看销售额

销售额受天气、促销、节假日影响，1 个月的波动盖过 AI 带来的变化。看 3 个更稳的指标：缺货率、周转天数、动销率。这 3 个指标跟运营动作的因果关系更直接，也更容易在 4 周内看出差别。

促销期要单独标注。做过促销的那 2 周数据从对比里剔除，否则促销带来的涨幅会被算成工具的功劳，下一轮决策就偏了。

怎么核验做成了没有

1. 看缺货率。试跑区缺货率从 8% 降到 5% 以下，补货场景算跑通。
2. 看周转天数。整体周转天数下降 5 天以上，说明库存结构在改善。
3. 看执行率。系统建议的采纳比例能到 60% 以上，才算真正落地；低于 30%，说明问题出在流程上，工具本身没毛病。

三个指标里，执行率最能说明问题。工具再准，店长不用就是零。我在 2 家门店见过相反的情况：系统很朴素，只做缺货提醒，采纳率 85%，半年后周转天数降了 7 天。

选谁来做这件事，也有个判断：门店自身有懂 Excel 的人，前 3 个月自己跑就够，不必买服务；没有这样一个人，就把数据整理外包，模型部分用现成工具。分工定清楚，比一次买全套系统实用。

门店数少于 3 家时，别急着做跨店对比模型，先把单店跑通再说。样本量不够，算出来的差异多半是门店位置和客流造成的，跟运营动作无关。

还有一点：把试跑结论写下来，1 页纸就够，写清试跑范围、周期、3 个指标的前后值、下一步动作。半年后回头看，这页纸比任何系统报表都清楚。

本文信息核对时间：2026-11。各系统的数据字段与导出方式不同，实施前先确认自家收银系统能提供哪些明细。