渠道运营-全渠道商品活动价格校验

五个平台各配各的、同品不同价被投诉,活动漏配错配、渠道串价利润流失

!
演示模式 · 可视化预演

本页展示的是「应该怎么跑、每一步看什么、交付什么」,用的是真实业务格式的脱敏构造数据, 不宣称已接入客户生产系统,也不承诺任何效率提升百分比。 案例设定:某餐饮连锁商品运营,招牌套餐 A 调价 + 2 个新品上架,涉及 25 个商品在美团/饿了么/抖音来客/点评/小程序五个平台的配置。她把主数据表和五个平台的现有配置导出全部扔进来 —— 上周刚因抖音来客串价被投诉,这次上线前必须先过校验。

商品
25 个 · 5 平台
校验规则
价差/串价/穿底
告警
3 项 · 附行号
放行判定
No-Go · 先修再放
输入

商品运营手上能拿到的东西

不需要整理格式、不需要分文件 · 直接拖进对话框
01_拟真输入_全渠道价格校验.md
全渠道商品主数据 + 5 平台现有配置导出 —— 校验与分发的全部依据
主数据表 + 各平台后台导出 · 上新调价前

注意这份材料的构成 —— 主数据是唯一真源,五份平台配置是实际在跑的版本,两边的差异就是风险的藏身之处。平时没有人把六张表并排看过,串价倒挂才会活到被顾客投诉那天。

提示词

就说这么几句

没有模板、没有表单 · 专业规则由 Skill 兜底
这是我们的商品主数据和五个平台的现有配置,帮我做全渠道一致性校验,招牌套餐A还要算一下满减档位。 主数据为唯一真源,一键出五个平台的配置稿和变更清单; 满减按毛利率 55% 仿真,各档位算实收、盈亏平衡和加权毛利,推荐最优; 同品跨平台价格矩阵并排,价差、串价、穿底都打标并附行号; 最后出主数据和各端实配的一致性 diff,给 Go/No-Go 放行结论。

短是因为「5 平台字段映射、串价/穿底规则、仿真口径、放行规则」都在 Skill 规格里。商品运营只要把表扔进来。

触发

串价被投诉后的第一次上新

25 个商品五个平台 —— 上线前先过规则引擎,不再等顾客发现

商品运营把主数据和五份平台配置一次扔进来 —— 校验的价值在「主数据↔实配的差异全部摆到明处」,不在任何单点检查。

1

比价校验 · 三类告警各附行号

串价倒挂、活动漏配、力度不一致,规则引擎一次扫出
#告警类型明细(附来源)
1串价倒挂SP001 · 抖音来客(62 < 会员价 60)
2活动漏配SP005 · 美团(新品未配)
3力度不一致SP002 · 饿了么(满100减15 ≠ 减20)

三条告警分属三类问题,每条都附了平台与行号来源 —— 以前靠投诉发现的问题,现在上线前自己浮出来。规则引擎按阈值打标,跨平台活动叠加场景可能误报漏报,所以要逐项复核。

2

满减仿真 · 最优档位是算出来的

招牌套餐 A 毛利率 55%,三个档位三种结局
档位实收毛利预期转化加权毛利
满60减105827.4(不亏)18%4.93
满80减15 ⭐5322.4(不亏)25%5.60(推荐)
满100减20需凑 2 份单均更优22%5.05

满 80 减 15 不是拍出来的:实收、盈亏、转化、加权毛利四个数摆在一起,推荐档自己浮出来。仿真的价值是把「毛利扛不扛得住」从争论变成计算 —— 但预估转化率受门店与时段影响,上线前须结合历史动销验证。

3

闭环确认 · No-Go 也是有价值的结论

一致率 68%(17/25)—— 三项 P0/P1 待修正,不放行
检查项优先级结果
穿底问题清零P0✅ 无穿底
串价问题清零P0🔴 1 项待修正
核心品漏配清零P0🔴 1 项待修正
活动力度一致P1🔴 1 项待修正
主数据↔实配一致率P168%(17/25)
放行判定P0🔴 No-Go

No-Go 不是坏消息,是校验在起作用:三项问题在上线前被拦住,修正后重跑即可转 Go。没有这道闭环,这三项就是下周的三条客诉。

配置还不能直接下发 —— 两处必须先经人工复核
文档的重要声明写得很清楚,两处尤其不能省:

复核点 1 · 串价/穿底打标:规则引擎按阈值打标,跨平台活动叠加场景可能误报漏报 —— 建议价格管控逐项复核后再放行。
复核点 2 · 满减档位与放行判定:仿真基于毛利率与预估转化率,实际转化受门店与时段影响;Go/No-Go 为框架演示结论,对外发布与正式配置须经渠道负责人复核并做二次合规审查。

给出的不是「改完再生成一遍」,而是:配置稿、比价矩阵、仿真表直接用,打标项与放行两处处方级确认 —— 复核逐项过一遍,比五个后台人肉核对快一个量级。
之后

这一次跑完,手上多了什么

不讲省了多久 · 讲少了几个隐患、沉淀了什么
✓
五个平台的配置第一次有了唯一真源 —— 一处改、处处同步,变更清单可追溯
✓
串价倒挂从「顾客投诉发现」变成「上线前规则引擎拦住」
✓
满减档位从拍脑袋变成加权毛利计算 —— 满 80 减 15 是算出来的推荐
✓
No-Go 拦住三项问题 —— 一致率 68% 摆在明处,修完再放行

追问现场可能被问到的

答不上来的问题,比答得漂亮的问题更能决定这场演示的结果

能直接写进各平台后台吗?
不能 —— Skill 不替代各平台后台真实写入、不做平台 API 真实对接,产物是配置稿与校验报告,由人工在后台执行。这是刻意的边界:不碰生产系统。
五个平台之外的渠道能加吗?
能 —— 生成 Skill 前在提示词的字段映射里补充新渠道的字段结构,Agent 按同一真源适配分发。
一致率 68% 是常态吗?
演示数据如此 —— 主数据与实配的差异正是这个场景要解决的对象。跑几轮闭环后一致率应趋近 100%,长期不一致说明主数据维护流程本身有问题。

想了解来龙去脉?

回到场景引入,看这个场景的痛点、做法与边界