单SKU门店分析 Skill

分析单个商品在指定门店的销售表现、库存状态、导购贡献和AIoT转化数据。

使用方式

import sys
sys.path.insert(0, '~/.openclaw/skills/sku-store-analysis')
import analyze as sku_analyze

# AIoT门店（获取完整数据）
result = sku_analyze.analyze(
    store_id="416759_1714379448487",
    goods_base_id="34311",
    from_date="2026-03-01",
    to_date="2026-03-26",
    store_name="正义路60号店",
    is_aiot_store=True
)

# 非AIoT门店（仅基础数据）
result = sku_analyze.analyze(
    store_id="416759_1714379448487",
    goods_base_id="34311",
    from_date="2026-03-01",
    to_date="2026-03-26",
    is_aiot_store=False
)

API 端点

1. 基础数据（所有门店）

GET /api/v1/store/dashboard/bi/goods/detail

2. 导购表现数据（仅AIoT门店）

GET /api/v1/store/dashboard/bi/goods/performance

字段映射

基础数据字段

| API 字段 | Skill 字段 | 说明 | |---------|-----------|------| | goodsBaseId | goods_base_id | 商品基础ID | | goodsName | goods_info.name | 商品名称 | | goodsModelCode | goods_info.model_code | 款号 | | goodsColor | goods_info.color | 颜色 | | goodsSize | goods_info.size | 尺寸 | | goodsShape | goods_info.bag_type | 包型 | | standardPrice | goods_info.standard_price | 标准价 | | goodsLauchDate | goods_info.launch_date | 上市日期 | | imageUrl | goods_info.image_url | 图片URL | | dealAmount | metrics.sales.amount | 统计周期内销售额 | | dealAvgAmount | metrics.sales.avg_price | 统计周期内成交均价 | | qty | metrics.sales.qty | 统计周期内销量 | | giftQty | metrics.sales.gift_qty | 统计周期内赠品数量 | | contributeRate | metrics.sales.contribute_rate | 占门店销售额百分比（已加%） | | contributeRateFloat | metrics.sales.contribute_rate_float | 贡献率原值 | | inventory | metrics.inventory.current | 当前库存 | | inStockDays | metrics.aiot.in_stock_days | AIoT在架天数（系统记录） | | binding | metrics.aiot.binding_state | AIoT绑定状态（1=绑定，2=未绑定） | | transFrequency | metrics.sales.lifetime_frequency | 上市以来成交频次 | | dealMoneyTotalRank | metrics.ranking.sales_rank | 销售额排名 | | dealMoneyShareRank | metrics.ranking.share_rank | 销售占比排名 |

导购表现字段（AIoT）

| API 字段 | Skill 字段 | 说明 | |---------|-----------|------| | clerkName | metrics.clerks.list[].name | 导购姓名 | | salesAmount | metrics.clerks.list[].sales_amount | 销售额 | | salesPercentage | metrics.clerks.list[].sales_share | 销售占比（%） | | effectiveOrderCount | metrics.clerks.list[].orders | 订单数 | | effectiveQtyCount | metrics.clerks.list[].qty | 销量 | | attachQtyRatio | metrics.clerks.list[].attach_ratio | 连带率 | | transGroup | metrics.clerks.list[].trans_group | 成交客户数 | | deepTrialGroup | metrics.clerks.list[].deep_trial_group | 深度试用客户数 | | trialGroup | metrics.clerks.list[].trial_group | 试用客户数 | | deepTrialTransRate | metrics.clerks.list[].deep_trial_trans_rate | 深度试用转化率 |

新老客字段（AIoT）

| API 字段 | Skill 字段 | 说明 | |---------|-----------|------| | isNewVip | - | 1=新客, 2=老客 | | salesAmount | metrics.vips.new_vip/old_vip.sales_amount | 销售额 | | salesPercentage | metrics.vips.new_vip/old_vip.sales_share | 占比 | | effectiveQtyCount | metrics.vips.new_vip/old_vip.qty | 销量 |

AIoT表现字段（AIoT）

| API 字段 | Skill 字段 | 说明 | |---------|-----------|------| | inStockDays | metrics.aiot_performance.in_stock_days | 统计期间SKU绑定信标在架天数 | | transGroup | metrics.aiot_performance.trans_group | 绑定状态成交的客户组数 | | deepTrialGroup | metrics.aiot_performance.deep_trial_group | 绑定状态深度试用的组数 = 意向客户组数 | | trialGroup | metrics.aiot_performance.trial_group | 绑定状态累计试用组数 = 潜在客户组数 | | deepTrialTransRate | metrics.aiot_performance.deep_trial_trans_rate | 深度试用→成交转化率 | | sellThroughRate | metrics.aiot_performance.sell_through_rate | 售罄率（已加%） | | sellThroughRateFloat | metrics.aiot_performance.sell_through_rate_float | 售罄率原值 | | level | metrics.aiot_performance.level | 等级 |

售罄率公式：

售罄率 = 1 - 期末库存 / (期初库存 + 期间增加库存)

分析维度

基础分析（所有门店）

• 销售指标：销售额、销量、成交均价、赠品、贡献占比、排名
• 价格指标：标准价、折扣率
• 库存指标：当前库存、库销比
• AIoT基础：绑定状态、在架天数（系统记录）
• 生命周期：上市以来成交频次

AIoT增强分析（仅AIoT门店）

• 导购表现：各导购销售贡献、集中度分析、零销售识别
• 新老客分布：新客/老客购买占比
• AIoT转化漏斗：
  • 潜在客户（试用组数）
  • 意向客户（深度试用组数）
  • 成交客户（成交组数）
  • 深度试用→成交转化率
• 售罄率：库存周转效率

诊断规则

| 发现 | 条件 | |------|------| | 🔴 库存断货 | 库存 = 0 | | 🟡 库存偏低 | 库存 ≤ 2 | | 🟡 库存积压 | 库存 > 销量×3 | | 🟡 高折扣 | 折扣率 > 20% | | ⚠️ AIoT未绑定 | binding = 2 | | 📊 高频销售 | 成交频次 < 7天 | | 💡 动销较慢 | 成交频次 > 30天 | | 📊 销售冠军 | 排名第1 | | 💡 老款商品 | 在架 > 180天 | | ⚠️ 销售高度集中 | TOP3占比 > 80% | | 💡 零销售导购 | 存在销售额=0的导购 | | 📊 深度试用转化率高 | ≥ 50% | | ⚠️ 深度试用转化率低 | < 20% | | 📊 新客占比高 | > 50% | | 📊 老客复购为主 | 老客占比 > 80% | | 📊 售罄率高 | > 80% |

输出结构

{
  "status": "ok",
  "subject_type": "sku_store",
  "store_id": "...",
  "goods_base_id": "...",
  "is_aiot_store": true,
  "goods_info": {
    "name": "...",
    "model_code": "...",
    "color": "...",
    "size": "...",
    "bag_type": "...",
    "standard_price": 1099,
    "launch_date": "2025/7/1",
    "aiot_binding": 1,
    "aiot_in_stock_days": 227
  },
  "core_metrics": {
    "sales": {...},
    "price": {...},
    "inventory": {...},
    "aiot": {...},
    "ranking": {...},
    "clerks": {...},
    "vips": {...},
    "aiot_performance": {
      "in_stock_days": 16,
      "trans_group": 4,
      "deep_trial_group": 11,
      "trial_group": 28,
      "deep_trial_trans_rate": 0.36,
      "sell_through_rate": "83.3",
      "sell_through_rate_float": 0.833333,
      "level": "--"
    }
  },
  "findings": [...],
  "recommendations": [...]
}

Skill 路径

~/.openclaw/skills/sku-store-analysis/