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#

python

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）#

text

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

2. 导购表现数据（仅AIoT门店）#

text

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IDgoodsName``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URLdealAmount``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_daysAIoT在架天数（系统记录）binding``metrics.aiot.binding_stateAIoT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：

text

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#

json

{
  "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/