单SKU门店分析

单SKU门店分析工具。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。 核心能力： 1. SKU基础信息（名称、款号、颜色、包型、标准价、上市日期） 2. 销售表现（销售额、销量、成交均价、贡献率、排名） 3. 库存状态（当前库存、在架天数、绑定状态） 4. 导购贡献（各导购销售额、销量、连带率、成交客户数） 5. AIoT转化数据（试用次数、成交件数、转化率） 触发条件： - 用户询问商品表现（如"心遥2卖得怎么样"） - 用户分析SKU数据（如"这个款库存还多吗"） - 用户需要导购贡献分析（如"谁卖了这款包"）

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：

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/