门店的销售数据交给 AI 分析，动手前要先整理成什么样

传原始流水和传汇总表，结论质量差得远。

原始流水：1 个店 1 个月 3000 多行，模型读完只能给平均值，问它为什么降，答不上来。

汇总表：按日、按品类、按店员 3 个维度各 1 张，每张不超过 200 行，它能指出具体哪 1 天、哪 1 个品类出了问题。

同一批数据我试过 2 种传法，汇总版本的可用结论多了 4 倍。

行数压到 200 以内是关键，超过这个量它开始抽样，细节就丢了。

3 家店的数据建议分开传，合在一起它默认按 1 家算，环比数字全错。

想比 3 家店的差距，就让它在同 1 张表里按门店列 3 行数字，别让它自己合并。

它看不出你数据里的坑，整理的重点在口径。

3 家店的流水合在 1 张表里，先加 1 列门店名，否则它把 3 家当成 1 家算。

退货和优惠要单独列，混在营业额里环比会失真。1 家店做活动那周卖了 8 万，实际净额只有 6 万多。

日期统一成 2026-11-01 这种格式，混着写 11/1 和 11月1日，排序会乱，它按文本处理。

缺失值别留空，写 0 或写「未营业」，空单元格它当成 0 参与平均，客单价会被拉低。

这几项花 20 分钟改一遍，后面每次问它都不用重复解释。

口径改过 1 次就存成 1 份空白模板，下个月直接往里贴数据，省掉重讲规则的时间。

整理成 4 张表，再喂给它。

1. 日汇总：日期、门店、营业额、订单数、客单价，5 列就够。

2. 品类表：日期、门店、品类、销量、退货数。

3. 人员表：日期、店员、接待数、成交数、成交率。

4. 活动表：起止日期、活动形式、折扣方式，用来解释异常波动。

4 张表用同一套日期和门店名，字段别写简称。第 4 张常被省掉，少了它，它会把活动期的暴涨当成趋势。

先跑 1 个月的，结论对得上再上季度数据。跨度一拉长，字段不齐的问题会集中冒出来。

4 张表放进同 1 个文件，用 4 个工作表分开，传的时候它读表名，比 4 个文件对着看省事。

表头写在首行，别加合并单元格，合并过的表头它常只认第 1 列。

5 个坑，第 1 个出现得频繁。

1 是把手机号和会员姓名一起传上去，属于个人信息，先删列再上传。

2 是让它预测下月销量，凭 3 个月数据给出的数字没有参考价值，季节性和活动都没进去。

3 是问它「为什么下滑」这种开放问题，回答多半是套话，改成「对比 10 月和 11 月的品类销量，列出降幅前 5」，答案才具体。

4 是只给结论不给过程，1 个数字对不上就没法追。

5 是拿它的分析直接开会用，小数点和单位常错，汇报前自己核 1 遍。

5 个坑里有 2 个跟提问方式有关，问题问得窄，它给的答案才有落点。