用于商品企划与品类组合的 AI agents

商品企划人员需要先看数字，再听观点。这些 agent 会读取你的商品目录和销售数据，解释哪些有效、哪些无效，并给出行动建议。

今天就能启用的 13 个 agent

Merchandising Copilot（商品企划副驾）

用数字回答品类组合和业绩问题，然后推荐行动。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 商品 使用的工具： 品类组合与系列分析；按类目、渠道或时间段的销售分析；对你的零售数据的只读 SQL（按工作区沙箱隔离）；带筛选条件（价格、颜色、类目）的语义化商品搜索

例如可以这样问它：

• “女品类目的品类组合结构是怎样的？”
• “过去 90 天哪些类目贡献了营收？”
• “女鞋类目中哪些品牌领先？”

Best & Worst Sellers（畅销与滞销商品）

按任意时间段和部门，用营收或销量对 SKU 和类目进行排名。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 商品、订单、订单明细 使用的工具： 按类目、渠道或时间段的销售分析

例如可以这样问它：

• “过去 30 天按营收排名的前 10 个 SKU”
• “男士品类中滞销的类目”
• “过去 30 天最畅销的颜色”

Assortment Gap Finder（品类缺口发现器）

对比需求，找出代表性不足的颜色、价位段或类目。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 商品 使用的工具： 品类组合与系列分析；对你的零售数据的只读 SQL（按工作区沙箱隔离）

例如可以这样问它：

• “女装连衣裙中哪些颜色代表性不足？”
• “手袋品类有哪些价位段缺口？”
• “哪些类目 30 美元以下的商品太少？”

Product Copywriter（商品文案撰写器）

基于商品数据撰写 SEO 友好的标题、描述和卖点列表。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 商品 使用的工具： 完整商品详情；带筛选条件（价格、颜色、类目）的语义化商品搜索

例如可以这样问它：

• “为我们目录中的第一支口红写商品详情页文案”
• “为 SKU 21979 写一条 Instagram 文案”
• “重写我们最畅销手袋的描述”

Range Review Prep（品类回顾准备）

准备品类系列回顾：结构、销售、赢家、输家以及该增补或砍掉什么。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 商品、订单、订单明细 使用的工具： 品类组合与系列分析；按类目、渠道或时间段的销售分析；对你的零售数据的只读 SQL（按工作区沙箱隔离）

例如可以这样问它：

• “为女装连衣裙准备一次品类回顾”
• “手袋的品类回顾”
• “男士衬衫的品类回顾”

Size-curve Optimiser（尺码曲线优化器）

对比已售尺码与已采购尺码，为下次采购建议更合理的尺码曲线。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 订单、订单明细、商品 使用的工具： 对你的零售数据的只读 SQL（按工作区沙箱隔离）

例如可以这样问它：

• “我们女装上装的尺码曲线是怎样的？”
• “整体上哪些尺码卖得最好？”
• “男士 T 恤的尺码占比”

Trend Scout（趋势侦察）

发现你自身销售中的加速趋势：增长最快的类目、颜色和品牌。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 商品、订单、订单明细 使用的工具： 对你的零售数据的只读 SQL（按工作区沙箱隔离）；按类目、渠道或时间段的销售分析

例如可以这样问它：

• “最近 30 天与前 30 天相比有什么趋势？”
• “哪些颜色增长最快？”
• “哪些品牌正在上升？”

Product Attribute Enricher（商品属性补全器）

基于商品数据建议缺失的属性（颜色、场合、季节、风格）和更好的描述。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 商品 使用的工具： 对你的零售数据的只读 SQL（按工作区沙箱隔离）；完整商品详情

例如可以这样问它：

• “哪些商品缺少颜色或季节属性，应该填什么？”
• “补全 SKU 48466 的属性”
• “哪些类目缺失属性最多？”

Range Rationalisation Advisor（系列精简顾问）

利用销售、库存和系列重叠情况，识别应下架的长尾 SKU，并给出涉及的营收金额。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 商品、订单明细、库存 使用的工具： 对你的零售数据的只读 SQL（按工作区沙箱隔离）；按类目、渠道或时间段的销售分析

例如可以这样问它：

• “女装上装中哪些 SKU 应该下架？”
• “有多少商品 90 天内零销售？”
• “手袋品类中仍有库存的长尾 SKU”

Festive Season Range Planner（节庆系列规划器）

基于品类表现和目录深度，规划节庆系列（斋月、排灯节、农历新年、圣诞节）。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 商品、订单明细 使用的工具： 品类组合与系列分析；按类目、渠道或时间段的销售分析；带筛选条件（价格、颜色、类目）的语义化商品搜索

例如可以这样问它：

• “规划我们的圣诞节礼品系列”
• “女装排灯节系列规划”
• “哪些类目应主导农历新年档期？”

Accessory Attach Planner（配饰连带规划器）

找出各主力品类搭配销售哪些配饰，并规划在其旁陈列的品类。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 订单明细、商品 使用的工具： 对你的零售数据的只读 SQL（按工作区沙箱隔离）

例如可以这样问它：

• “连衣裙搭配销售哪些配饰？”
• “包袋与鞋履的连带率”
• “哪些配饰应该陈列在腕表旁边？”

Shade Range Planner（色号系列规划器）

对比色号（颜色）销售与在售色号，规划美妆系列。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 商品、订单明细 使用的工具： 对你的零售数据的只读 SQL（按工作区沙箱隔离）

例如可以这样问它：

• “哪些口红色号卖得最好？”
• “规划我们的指甲油色号系列”
• “哪些色号应该淘汰？”

Size Curve by Region（分区域尺码曲线）

按城市构建尺码曲线，让采购匹配当地的尺码需求。

试试在线演示 →

适用对象： 你的团队（控制台、API） 所需数据： 订单、订单明细、客户 使用的工具： 对你的零售数据的只读 SQL（按工作区沙箱隔离）

例如可以这样问它：

• “按城市的尺码曲线”
• “哪些城市购买大码更多？”
• “我们前三大城市的尺码占比”

即将推出

• 外部趋势侦察（Trend scout, external）：监控社交媒体和竞品网站，捕捉新兴趋势。
• 采购额度规划器（Open-to-buy planner）：跟踪各品类、各季节剩余可花预算。
• 新品需求预测器（New product forecaster）：基于相似的历史商品预测新品的需求数量。
• 供应商记分卡（Supplier scorecard）：按交付周期等维度为供应商评分
• 文具季系列规划器（Stationery Season Planner）：基于校历和历史售罄率，按门店规划返校季文具和礼品系列。
• 门店聚类引擎（Store Clustering Engine）：按客群画像、气候和空间对门店分组，为每个集群定制系列。
• 货架图生成器（Planogram Generator）：基于空间、销售和相邻关系规则，为各门店业态自动生成货架陈列图。
• 趋势转采购翻译器（Trend to Buy Translator）：把趋势研究转化为采购计划，包含各品类的款数、深度和价位段。
• 商品线计划构建器（Line Plan Builder）：构建季节性商品线计划，含各品类的款数、价格阶梯和到货批次。
• 冷藏货架图构建器（Chilled Planogram Builder）：为冷藏和冷冻柜构建货架陈列图，兼顾温区、保质期和排面。
• 新书与常销书平衡器（Frontlist and Backlist Balancer）：基于销售速度和本地兴趣，按门店平衡新书与常销书品类。
• 季节性玩具系列规划器（Seasonal Toy Range Planner）：基于季前信号、授权 IP 和去年售罄率，规划节日玩具系列及深度。
• 场景套组规划器（Room Set Planner）：规划展厅场景套组，展示跨品类系列并带动整套购买。
• 限量款分配器（Limited Edition Allocator）：基于历史数据和等候名单，公平地将稀缺限量款分配到门店和头部客户。
• 专柜品牌组合优化器（Concession Mix Optimiser）：评估各楼层的专柜品牌与自有采购品牌组合，并基于盈利能力建议空间调换。
• 队服系列规划器（Team Kit Range Planner）：围绕赛程和发布节点，按地区和季节规划俱乐部、学校和球迷队服系列。
• 集群货架图规划器（Cluster Planogram Planner）：基于购物任务数据，为便利店集群（如写字楼、住宅区、加油站店）创建货架陈列图。

如何启用

1. 加载每个 agent 所需的数据（上传、API，或即将推出的电商平台连接器）。
2. 在 ServiceBuddy 控制台中打开 Agent catalog：数据已就绪的 agent 会显示为可用。
3. 安装、添加你自己的指令，并在 Playground 中测试。