ai零售怎么弄?先挑 1 个门店跑 2 周再谈复制

AI 零售落地不用从系统改造开始，先拿 1 个门店、1 个场景跑 2 周就能看出值不值得复制。跑通的 3 个前置条件是：有 3 个月以上的流水数据、有 1 个能改流程的店长、场景只选 1 个。三样齐了，2 周能看到 1 个可比指标的变化。

2025 年我陪过 1 家 6 店规模的连锁便利店做这件事。第 1 家店选了缺货提醒这个场景，2 周把缺货率从 11% 压到 4%；第 2 家店照搬到第 2 个月才见效，原因是那家店的数据只导出了 1 周，历史不足，预测一直在漂。

谁能做：4 个门槛

4 个门槛里前 2 个是硬条件，后 2 个决定能不能复制到第 2 家店。门槛不齐的，先把数据补齐再谈工具。

1. 有 3 个月以上的交易明细。字段至少 5 个：日期、商品编码、数量、金额、门店号。少于 3 个月，季节性判断做不出来。
2. 有可改流程的人。店长能拍板调整补货频次与陈列位，说了不算的门店，试点只会停在报表上。
3. 场景能落 1 个指标。缺货率、动销率、人工工时，选 1 个能按周统计的，多了算不清归因。
4. 有 1 台能跑系统的设备。收银机旁的闲置平板或旧笔记本够用，不必新买硬件。

场景怎么挑

4 个场景按落地难度排：缺货提醒最容易，陈列建议次之，客流分析要摄像头，动态定价最难。第 1 个试点建议选缺货提醒，因为它只依赖 2 类数据（库存、销量），改动只涉及补货单 1 个环节。

1 个前置动作常被跳过：把门店的营业时间、补货窗口、冷柜容积写进配置。3 个参数不填，系统给的补货建议会超出实际收货能力，店长看一眼就放下。填写花 20 分钟，能省掉 2 周的来回调。营业时间要写到小时，补货窗口写到周几，2 个字段都不留空，冷柜容积按升数填。

数据从哪来

3 个来源：收银系统导出的流水、进销存系统的库存快照、会员系统的消费记录。第 1 个来源必须有，后 2 个有就更好。导出格式统一成 CSV，字段名用英文，编码 UTF-8，能省掉后面 3 轮清洗。

要备什么：4 样数据

4 样数据决定模型准不准。少了第 2 样，补货建议会给出不存在的货。

工具怎么选

3 条路各有适用条件。SaaS 现成产品适合单店与 10 店以内，开通 3 天能用，按门店数付费；平台方插件适合已经用某家收银系统的门店，数据不用二次导入；自建脚本适合有 IT 人员的连锁，1 个月起，但能按自己的补货逻辑改。第 1 次试点走前 2 条，别一上来就自建。

怎么办：6 步跑通

6 步的顺序按「先窄后宽」排。第 1 步把范围压到 1 家店，第 6 步才谈复制，中间任何一步跳过去，后面都要返工。

1. 定场景与指标。写 1 句话：在 A 店用缺货提醒，把日缺货 SKU 数从 X 降到 Y。X 与 Y 用上周真实数据填，别拍脑袋。
2. 导数据。导出 3 个月流水、当天库存、商品主数据，存 1 个文件夹，按日期命名。半天能完成。
3. 选工具。3 条路：SaaS 现成产品、平台方提供的经营插件、自建脚本。第 1 次试点选前 2 条，2 周能上线；自建要 1 个月起。
4. 跑试点。只在 1 家店、只覆盖销量前 200 的 SKU，每天出 1 张补货建议单，店长按单核对。
5. 看 2 周数据。每周对比 1 次缺货 SKU 数、动销率、补货单修改率 3 个数，修改率高于 40% 说明建议不准。
6. 再谈复制。2 周指标改善且店长愿意继续用，才推到第 2 家。第 2 家先补数据，别直接套用第 1 家的参数。

试点门店怎么选

选销量中位、SKU 数 800 到 1500 的门店。太大跑不动，太小看不出差异。避开刚装修、刚换店长、临近节假日的门店，这 3 类波动会把指标搅乱，2 周数据没法比。

第 2 家店复制时最容易犯的错是直接套参数。第 1 家店的销量结构、补货提前期、冷柜容量都不同，安全库存系数要重算 1 次。做法是把第 1 家店的参数抄过去，先跑 3 天，看建议单被改的比例，超过 50% 就说明需要按第 2 家店的数据重算。

卡在哪：6 个常见问题

6 种问题出现频率最高。前 3 种属于数据，后 3 种属于人和流程。数据问题在试点前解决，人的问题在试点中解决。

1. 历史数据不足。现象是建议单天天变。原因是流水只有 1 到 2 周。解法是先补 3 个月历史再跑，补不齐就把预测周期缩到 7 天。
2. 商品编码不统一。现象是同 1 个商品出现 2 个编码。原因是主数据维护混乱。解法是先做 1 次编码清洗，按条码对齐，1 天能清完 1000 个 SKU。
3. 库存不准。现象是建议补的货其实在库。原因是盘点差异。解法是试点前做 1 次全盘，差异率压到 2% 以内。
4. 店长不用。现象是建议单打印出来没人看。原因是建议与实际经验冲突。解法是让店长改单，改完的记录回流，2 周后建议准确度会明显上升。
5. 指标定错。现象是缺货率降了但销售额没动。原因是只补了低毛利品。解法是加 1 个毛利额指标，2 个一起看。
6. 成本没算清。现象是试点结束算不出投入产出。解法是试点前记 3 项成本：工具费、工时、盘点损耗，按周摊，2 周后能算出单店每月的净变化。

试点期间每天花 10 分钟做 1 件事：把当天的建议单与实际补货单并排放，标出改了哪几行。2 周下来能看出建议在哪些品类上不准，比只看总体缺货率更有用。第 2 家店复制时，先按这 2 周的修改记录调参数，能省掉 1 轮试错。

2 周的试点结不了全账，能看清方向就够。要判断长期效果，至少跑 1 个完整的促销周期，因为促销期的销量结构与平日差得远，参数要分开算。

办完怎么核验

3 个数按周对比，比看报表截图可靠。基线用试点前 2 周的平均值，别用去年同期。

1. 缺货 SKU 数。每天闭店前统计 1 次，2 周取平均。下降 30% 以上算跑通，只降 10% 左右说明场景选得不对。
2. 补货单修改率。店长改动行数除以总行数，低于 40% 说明建议能被接受；高于 60% 要先查数据质量。
3. 人工工时。补货从下单到上架的时间，试点前后各记 5 天，按每天 2 次补货算，能算出省了多少人时。

成本按周摊算 3 项：工具订阅费、员工多花的工时、盘点损耗。3 项加起来除以试点周数，就是这 2 周的投入。第 2 家店复制时，工具费按门店数涨，工时费会降，因为流程已经跑过 1 遍。

3 个数之外再看 1 个兜底项：退货与报损。缺货率压得太狠会带来压货，报损率涨 1 个点以上，说明补货量给多了，把安全库存系数调低 10% 再跑 1 周。

本文信息核对时间：2026-11，工具形态与平台能力按各家当时公示的功能执行，试点指标按门店自身历史数据计算。