访客、搜索、推荐、活动、曝光/点击
← 返回首页Internship Experience / Merchant Copilot
AI OPERATIONS PRODUCT商家经营分析
商家经营分析
Copilot
服务多商家运营场景，把日常工作从“逐店扫描”转成“异常优先、AI 辅助归因、人工最终判断”。
- ROLE
- AI 运营实习生
- SCENARIO
- 多商家经营巡检与阶段复盘
- DELIVERABLES
- 指标体系、异常机制、报告模板
- PROJECT STAGE
- 内部场景验证 / 辅助运营使用
15–25家商家 / 运营
30+商家样本
9 次阶段性经营复盘
5 份可复用报告模板
约 1–2h → 20–40min日常巡检 / 人 / 天
经营金额、订单、转化率等具体数值为基于真实业务场景构造的脱敏模拟数据；商家规模、复盘次数、样本和模板数量来自项目实际背景。
THE OPERATIONS PROBLEM
运营难的不是看不懂一间店，而是没有时间每天深看每一间店。
一名运营同时服务约 15–25 家重庆鲜果商家。Copilot 的第一步不是写报告，而是先把全天要看的商家从 25 家收敛为 3–6 家。
人工模式25 家商家，逐店扫描
每日鲜果果然鲜果山城鲜果轻甜鲜果鲜果时光江北鲜果观音鲜果渝中鲜果南坪鲜果巴南鲜果北碚鲜果九龙鲜果大渡鲜果两江鲜果合川鲜果永川鲜果万州鲜果涪陵鲜果璧山鲜果长寿鲜果綦江鲜果铜梁鲜果荣昌鲜果潼南鲜果开州鲜果
每一间店都要重复流量→转化→商品→服务→手工报告
产品改变逐店找问题 → 异常优先单点指标 → 交叉验证
Copilot 模式25 家全量监控，先推 5 家进入重点队列
92每日鲜果
营业额 / 活动 / 转化
营业额 / 活动 / 转化
86鲜果时光
评价 / 履约
评价 / 履约
74山城鲜果
搜索 / 新客
搜索 / 新客
69轻甜鲜果
加购 / 套餐
加购 / 套餐
61果然鲜果
推荐 / 新客
推荐 / 新客
规则筛异常→AI 聚合证据→运营确认因果→行动回流
METRIC SYSTEM
四类指标，不把经营问题压缩成一个 GMV 数字。
下单、支付、加购、新客、客单价
商品结构、套餐、低转化商品
差评、退款/售后、评分、反馈
PRIORITIZE BEFORE DIAGNOSIS
先判断谁值得看，再判断问题可能在哪里。
DAILY EXCEPTION QUEUE
5优先处理今日异常候选池
25 家服务商家中，优先将 5 家推给运营复核。
商家异常分影响范围连续天数建议先看
候选池减少无效扫描，不替代运营确认。进入诊断后仍需结合活动资源、商品素材、客服记录与用户评价复核。
异常识别规则
指标触发条件窗口 / 连续优先级人工复核
营业额低于近 30 日均值，且环比下降超过阈值30 日 / 3 天高进入候选池
活动流量活动来源环比异常下降7 日 / 2 天高确认活动参与
转化率低于同类基准且持续下滑14 日 / 2 天中核对商品承接
差评率高于自身常态区间7 日 / 连续中查看评价明细
规则、AI 与人工各自负责什么
发现异常与排序
阈值、环比、窗口、连续异常组织证据与解释
多指标聚合、可能原因、历史案例确认因果与策略
业务复核、资源判断、执行沟通INTERACTIVE WORKBENCH
异常先被看见，再由运营验证与推进。
原完整 Demo 保留经营总览、异常诊断、报告、行动、竞品、商家管理与知识库交互；右侧信息区会随当前任务变化。
REPORT AS A DECISION ARTIFACT
报告不是一段 AI 总结，而是五个需要被验证的判断。
通过 Prompt 与 Few-shot 统一指标解释与输出口径；每一段都有明确输入、格式和人工确认点。
先说清楚哪里异常
- 输入
- 异常规则、指标变化
- 输出
- 优先级摘要 + 关键指标
- 人工确认
- 是否确为当日重点
给出待验证解释
- 输入
- 跨指标趋势、历史案例
- 输出
- 可能原因 + 待验证项
- 人工确认
- 不把相关性当因果
说明问题影响到哪
- 输入
- 订单、商品、服务明细
- 输出
- 影响模块 + 波及范围
- 人工确认
- 是否存在业务外部变量
转成可执行任务
- 输入
- 历史复盘、运营模板
- 输出
- 行动清单 + 验证指标
- 人工确认
- 资源是否可执行
主动暴露不确定性
- 输入
- 缺失字段、异常边界
- 输出
- 风险边界 + 补充信息
- 人工确认
- 是否需要人工补证
DAILY INSPECTION SCOPE
巡检效率的比较范围
从打开当日商家数据，到识别异常、判断优先级、标记待跟进为止；不包含深度复盘、商家沟通和动作执行。
约 1–2 小时→约 20–40 分钟人 / 天 · 内部阶段性观察，不是后台埋点统计
FROM DAILY SIGNAL TO REUSABLE METHOD
日常巡检和阶段复盘不是两条流程，而是一条持续更新的闭环。
日常异常异常信号
→候选池优先级 / 待看维度
→深度诊断可能原因 / 待复核
→阶段复盘案例标签 / 报告
→行动方案负责人 / 状态 / 风险
→效果验证有效 / 无效建议
→规则更新异常规则 / 模板
5 个月实习期间约每半个月一次阶段性大型经营复盘 · 9 次复盘覆盖 30+ 商家样本，沉淀 5 份可复用经营分析报告模板
WHAT I LEARNED
业务 Copilot 的价值，不是替运营下结论，而是让判断发生在更值得看的地方。
商家经营问题很少由单一指标决定。好的产品需要先用规则从多商家中筛出异常，再让 AI 组织跨指标证据，最后把因果确认、资源判断和执行策略留给运营。这让日常巡检更聚焦，也让阶段复盘能持续沉淀成下一次可复用的规则和模板。