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/
