01 / Business Friction
3C 零售最麻烦的不是商品多，而是每个商品都要讲清楚。
参数、型号、兼容、套装、售后、保修、库存、活动价，这些信息只要不统一，客服、导购、内容和采购就会各说各话。
新品资料分散
品牌方 PDF、供应商表格、平台字段、门店培训材料格式不同，内容团队需要手动整理。
兼容问答复杂
充电器功率、接口协议、蓝牙版本、系统型号一变，客服就要重新查资料。
导购训练不稳定
新人记不住型号差异，只会背卖点，遇到真实顾客比较问题容易卡住。
补货靠经验
活动、达人带货、平台热度和门店动销没有放在一起看，爆品缺货和滞销并存。
02 / Scenario Cases
三个 3C 案例，把 AI 放进具体岗位。
我们不用“AI 提效”这类空话，而是拆到每天谁在做、做多久、错在哪里、AI 接哪一步。
Case A · 新品上架
一批手机配件 200 个 SKU 上新，内容团队要在 48 小时内铺满多平台。
传统流程是运营从供应商表格里复制参数，再手写标题、卖点、详情页、直播口播和客服 FAQ。AI 介入后，先把接口、功率、材质、适配型号、包装清单、保修条款结构化，再自动生成不同平台所需版本，人工负责校验重点和品牌语气。
- AI 做什么
- 识别字段缺失、统一卖点表达、生成型号对比表和平台差异化文案。
- 人做什么
- 确认参数准确性、保留品牌语气、决定主推卖点和最终上架节奏。
- 可验收
- 单 SKU 内容初稿时间、返修次数、平台审核通过率、上架准时率。
Case B · 导购问答
顾客问“这款平板能不能配旧键盘、手写笔和投屏器”，新人导购答不上来。
兼容类问题最容易导致流失，因为顾客不是问单个商品，而是在问一组设备能不能一起工作。魔力智算把型号、系统版本、接口协议、官方说明、历史售后反馈放进知识库，导购可以用自然语言查询，并获得“确定答案 + 风险提示 + 可替代方案”。
- AI 做什么
- 按设备组合检索兼容关系，提示不确定条件，给出可售替代组合。
- 人做什么
- 确认顾客预算、使用场景和可接受替代品，完成推荐和成交。
- 可验收
- 导购查询次数、组合成交率、新人独立接待速度、兼容投诉下降。
Case C · 售后与补货
蓝牙耳机活动爆单后，连接问题、换新规则和缺货预警同时压过来。
售后问答如果只靠人工经验，客服容易口径不一致；采购如果只看历史销量，容易错过活动放量。AI 可以把售后工单聚类成高频故障，把保修规则同步给客服，同时把销量、投放、库存和退货原因放在一张看板里，提前给出补货和风险提醒。
- AI 做什么
- 归纳故障原因、生成标准回复、标记异常批次、预测未来 7 天库存压力。
- 人做什么
- 确认最终售后政策，判断是否调整活动节奏或门店调货。
- 可验收
- 售后首次解决率、异常批次发现时间、缺货率、客服平均处理时长。
03 / AI Workflow
3C 数码不是做一个聊天机器人，而是做一条商品知识生产线。
资料进入
接入供应商表格、品牌 PDF、ERP 字段、售后政策、门店培训资料。
结构化清洗
抽取型号、接口、协议、功率、材质、保修、适配关系和缺失字段。
内容生成
生成详情页、对比表、直播口播、短视频脚本、导购问答和客服快捷回复。
人工审核
运营和品类负责人确认参数、促销规则、主推卖点和风险表述。
经营复盘
看点击、咨询、成交、退换、库存变化，把有效问答反哺知识库。
04 / First Sprint
第一期不要贪大，先选 50 个高频 SKU 跑通。
3C 行业数据复杂，第一期最适合选一个“高咨询、高退换、高动销”的品类，把知识库、内容生成、客服问答和库存预警串起来。
30-Day Pilot
建议试点节奏
- 第 1 周：收集 50 个 SKU 资料、历史客服问答、退换原因、库存数据。
- 第 2 周：建立参数结构表、兼容关系表、售后规则表和内容模板。
- 第 3 周：上线导购问答、客服快捷回复和上新内容生成流程。
- 第 4 周：复盘命中率、人工修改点、客户咨询变化和库存预警准确度。
05 / Deliverables
交付的不只是页面，而是一套能继续学习的经营资产。
3C 商品知识库
包含参数、型号、兼容、卖点、售后、常见问和风险提示。
上新内容模板
适配详情页、平台标题、短视频脚本、直播口播和社群种草。
导购训练问答
围绕真实顾客问题训练新人，记录未命中问题持续补库。
经营预警看板
把咨询高频词、售后异常、动销变化和补货风险放在一起看。
