笑驴 AI 业务负责人: 过去一次上新要运助、美工、运营三个人接力,单店一周做到十个就到顶了。现在 Agent 负责分析和调度、RPA 负责取数和执行,我一个人就能管起来,一周能上五十个款,从确认趋势到上架最快一天;经验也不再只留在老员工脑子里,都写进了 SOP 和 Skill。
Agent 自动化需开通企业功能:点击申请1个月免费权限 点击申请 →
1.客户信息
笑驴 AI 是一家 AI Native 电商企业,专注于精铺模式,长期运营多平台、多品类的商品矩阵,目前经营百货精铺 30 家店。面对日益增长的 SKU 规模和平台复杂度,笑驴 AI 将分散的自动化能力整合为企业级 AI 能力:在 AI 选品场景,Agent 负责理解任务、分析和调度,RPA 负责数据采集和跨系统执行,人集中处理经营判断、复杂问题和异常。 把数据采集、市场机会发现、选品验证、供应链匹配、视觉生成、商品上架、测款和商品优化多个业务环节接进同一条 AI 工作流,实现从「人找货」到「数据找货」的转变。2.业务问题
01.业务背景
精铺经营需要持续发现新品、批量上新、快速测款,再决定哪些商品值得继续投入,其选品链路背景如下:- 经营模式:多平台、多品类精铺商品矩阵,需持续发现新品、批量上新、快速测款
- 原有分工:一次上新要经过运助、美工、运营三个岗位接力
- 扩产受限:上新越多,查数、传文件、对需求、催进度的工作就越多,上新数量增加、人手也相应增加
02.流程与问题
改造前,一次上新要经过三个岗位,三岗接力成了扩产瓶颈:三岗接力成瓶颈
运助挖掘市场趋势、整理竞品数据;美工制作主图和详情素材;运营复核商品、供应链、利润和视觉素材。三岗接力,任何一环都成为扩产瓶颈。任何一环延迟就等
趋势数据没整理完,候选商品出不来;视觉需求有偏差,图片要返工;美工排期延后,上架和测款跟着顺延。任何一环没交付,后面只能等。上新越多人力越多
上新越多,查数、传文件、对需求、催进度的工作就越多;上新数量增加,人手也相应增加,单店周上新维持在约 10 个,很难再往上提。03.客户需求
- 流程连续跑:夜间自动更新数据,Agent 分析后把结果和待办推给运营,运营确认后继续执行,不用等下一个岗位接手
- 经验沉淀成规则:趋势判断、选品、测款标准写进 SOP 和 Skill,新老员工用同一套规则,投放、利润和转化结果再反馈调整下一轮
- 人专注判断:运营不用再查数、传文件、协调交接,只判断商品机会、供应链利润、视觉方案和投放去留
3.解决方案
笑驴 AI 把精铺商品运营链重构为一条 AI 驱动、一人管理的连续工作流:Agent 负责分析和任务调度,按业务规则判断每个环节输出是否达标、自动触发下一环节;RPA 负责数据采集、平台操作和结果回写,跨亚马逊、供应链系统、广告平台执行;运营在关键节点决策——商品与供应链利润评估、视觉素材审核、投放去留判断。原来分散在三个岗位的任务,由一名运营统一管理 Agent 和 RPA 完成。01.概述
市场机会发现:寻找增长需求和已被验证的商品
RPA 每天凌晨自动采集三类数据:关键词趋势、竞店清单、竞品销量,运营白天打开系统就能看到更新好的数据,省去每天重复查数、整理表格的工作。数据准备好后,Agent 从趋势选品和竞对选品两个方向寻找机会:趋势选品从多渠道采集趋势词、分析关键词涨跌找出正在升温的需求方向;竞对选品从 DMP、平台前台与第三方工具批量采集竞店信息、商品列表、销量估算、BSR 排名和评论增长数据,筛选出已产生真实销量、成交趋势稳定且与本店客群品类匹配的商品进入候选池。





02.方案优势
- 流程连续跑:RPA 夜间更新数据,Agent 分析后把结果和待办推给运营,运营确认后继续执行,不用等下一个岗位接手。
- 经验沉淀成规则:趋势判断、选品、测款标准写进 SOP 和 Skill,新老员工用同一套规则,投放、利润和转化结果再反馈调整下一轮。
- 人专注判断:运营不用再查数、传文件、协调交接,只判断商品机会、供应链利润、视觉方案和投放去留。
- 数据驱动选品:从「人找货」到「数据找货」,选品依据来自每日更新的关键词趋势、竞店与竞品库,而非个人经验。
- 全链路闭环:从数据采集到测款优化,投放、利润和转化结果写回系统持续更新规则,形成可复用的数据闭环。
03.涉及解决方案
选品 | 亚马逊市场机会发现 Agent 自动化为亚马逊选品团队打造的市场机会发现方案,由智能体调度工具统一取数、输出机会报告,一次性给出蓝海方向、潜力关键词与捆绑组合的候选清单。方案链接:选品 | 亚马逊市场机会发现 Agent 自动化选品 | 亚马逊竞品数据采集与分析 Agent 自动化
为亚马逊卖家团队打造的竞品数据采集与分析方案,由智能体调度多个工具执行卖家精灵/Sif 双平台数据采集与自动清洗合并,输出竞品数据表与流量分析报告。方案链接:选品 | 亚马逊竞品数据采集与分析 Agent 自动化
4.落地效果
单店周上新从约 10 个提升到约 50 个
原来由运助、美工和运营三人接力完成的工作,现在由一名运营管理 Agent 和 RPA 完成:单店周上新从约 10 个提高到约 50 个,从确认趋势到商品上架最快 1 天完成。
流程人员从三岗接力到一人管理
精铺商品运营链被重构为一条 AI 驱动、一人管理的连续工作流,流程参与人员从 3 人降到 1 人,人力投入下降约 67%,运营只做经营判断。
经验沉淀为可复用规则
趋势判断、选品、测款标准写进 SOP 和 Skill,新老员工用同一套规则;投放、利润和转化结果写回系统,用于更新下一轮选品规则,形成数据闭环。
改造前 vs 改造后
改造前:一次上新要经过运助、美工、运营三个岗位接力,任何一环没交付后面只能等;上新越多,查数、传文件、对需求、催进度的工作越多,单店周上新维持在约 10 个,扩产受限于人力。
改造后:Agent 负责分析和任务调度、RPA 负责数据采集与后台录入等确定性操作、运营只做经营判断;原分散在三人的工作由一名运营统一管理 Agent 和 RPA 完成,单店周上新约 50 个、上架最快 1 天、人力投入下降约 67%。
原文:查看原文