Skip to main content
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。 RPA 运行持续采集数据 关键词趋势数据库 竞店数据库 查看原视频 选品与上架:筛选出能承接、能盈利的商品 RPA 拉取竞店流量、成交和健康度数据,Agent 横向对比筛出重点竞店;获取重点竞店 Top 商品成交表现,只保留持续成交的商品;采集候选商品的流量结构、转化率、ROI 和客群画像,逐项核验过滤高投流、弱转化、客群不匹配的商品。运营再把通过数据核验的商品与内部货盘匹配,确认能否承接、毛利是否达标——四个条件全部成立(市场有需求、经营数据可行、货盘能接、利润达标)才进入上架环节。Agent 分析竞品主图、详情和卖点生成视觉方案,视觉智能体自动出图,运营审核确认后 RPA 完成上架。 商品数据库 查看原视频 测款优化与扩品:用真实经营数据决定商品去向 RPA 定时下载投放报表,Agent 找出表现差的计划和单元生成暂停待办,运营确认后 RPA 执行暂停并写回记录;对通过测款的商品,RPA 采集竞品图片、详情、SKU、价格和标题,Agent 对比差异生成调整建议;商品展现爆款潜力时,RPA 下载 500 个细分关键词,Agent 按场景、规格、人群和需求分类形成品类矩阵。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。 扩品关键词分析 查看原视频

02.方案优势

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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