Store Clustering Engine: apa yang dilakukan AI agent ini dan cara menggunakannya

Coba demo langsung Store Clustering Engine →

Apa yang dilakukannya

Merchandiser butuh angka sebelum opini. Agent-agent ini membaca katalog dan penjualan Anda, menjelaskan apa yang berhasil dan yang tidak, serta menyarankan tindakan. Agent Store Clustering Engine adalah spesialis untuk pekerjaan ini: mengelompokkan toko berdasarkan apa yang laku di mana, sehingga rentang produk dan ruang bisa disesuaikan untuk setiap cluster.

Untuk siapa

Tim Anda. Agent ini berjalan di console untuk staf Anda dan melalui REST API. Ini adalah agent tim, jadi tidak pernah terekspos ke pembeli.

Pertanyaan yang bisa dijawab

Ajukan pertanyaan dalam bahasa apa pun yang kami dukung, misalnya:

• "Kelompokkan toko kami berdasarkan komposisi kategori"
• "Toko mana yang paling banyak menjual beauty?"
• "Bagaimana rentang produk sebaiknya berbeda antar kelompok toko?"

demo langsung menampilkan pertanyaan-pertanyaan ini sebagai contoh prompt dalam bahasa Anda, dengan data toko fiktif.

Cara kerjanya

1. Agent memahami pertanyaan dalam bahasa aslinya, meskipun katalog Anda dalam bahasa lain.
2. Agent mencari informasi dengan tools, tidak pernah dari ingatan:

• SQL read-only terhadap data retail Anda (ter-sandbox per workspace)

3. Agent menjawab dari data Anda, dengan gaya bahasa dan mata uang merek Anda, dan menunjukkan tools mana yang digunakan.
4. Aturan tetap ada di kode. Harga, kelayakan, dan izin berasal dari data dan pengaturan Anda; agent menjelaskannya dan tidak bisa mengarangnya. Mengapa ini penting.

Data yang dibutuhkan

Orders, Order lines, Products, Inventory, Stores. Begitu tabel-tabel ini dimuat, agent siap diaktifkan. File bisa memakai nama kolom Anda sendiri: semuanya dipetakan secara otomatis. Lihat Hubungkan data Anda.

Bekerja baik bersama

• Merchandising Copilot: Menjawab pertanyaan assortment dan performa dengan angka, lalu merekomendasikan tindakan.
• Best & Worst Sellers: Memeringkat SKU dan kategori berdasarkan pendapatan atau unit untuk periode dan departemen apa pun.
• Assortment Gap Finder: Menemukan warna, titik harga, atau kategori yang kurang terwakili dibandingkan permintaan.
• Product Copywriter: Menulis judul, deskripsi, dan poin highlight ramah SEO dari data produk.
• Range Review Prep: Mempersiapkan range review kategori: komposisi, penjualan, yang menang, yang kalah, dan apa yang perlu ditambah atau dipangkas.

Tim Anda bisa menggunakan semuanya berdampingan di console, atau memanggil masing-masing melalui API.

Aktifkan agent ini

1. Muat data yang dibutuhkan.
2. Instal Store Clustering Engine dari katalog Agent dan tambahkan instruksi Anda sendiri (panduan).
3. Uji di Playground, dalam setiap bahasa yang Anda layani.
4. Undang tim Anda atau panggil dari sistem Anda sendiri.

Baru mengenal ServiceBuddy? Mulailah dengan cara kerja onboarding.