系统推荐的订货量店长从来不看 · 因为它不知道明天小学开学、不知道隔壁街拆迁、也不知道上周那批虾是谁家发的
生鲜与损耗管理(生鲜主管/生鲜采购) · 真实业务触发
生鲜订货每天 11 点前必须报数:前一日销量、现有库存、次日到货全部要考虑。经验公式是「前 4 周同日均值×1.2 安全系数」,但真实决策里天气、社区活动、竞品促销全在店长脑子里。报错了第二天就见分晓订多了一天损耗、订少了一天缺货,都是真金白银。
不是流程描述,是调研出来的真痛点 —— 每条可点开核对出处
变化不在「快」,在「参与的角色」和「覆盖的范围」
6 步 · 每一步的产出都是下一步的输入
痛感 5 × AI 适配 3 ÷ 落地难度 3 = 6.0
最大差异点 · 与厂商「智能订货模块」的区别不在算法在解释:每个建议量都拆成「基础量(前四周同日均值)+修正因子(天气/活动/临近过期/到货质量)」两段展示,店长改哪个数字、为什么改,系统都记下来——店长的本地知识第一次被系统学习而不是被系统替代。
评分口径:痛感看「这事没做好谁会生气、生气到什么程度」; AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」; 落地难度是分母 —— 需要客户先做数据治理的场景,分数会被压得很低。
判断标准只有一个:这份东西能不能直接进企业的流程
这个场景的设计前提就是「不全自动」:订货参考单只是参考,最终报数由店长确认后提交,确认栏留空。不自动向供应商下单——下单这个动作永远发生在人的手上。建议必须逐条可解释:每个数字写清来自哪几周的数据、调了什么修正因子,解释不了的宁可不给。
Live Demo 里有一个完整案例的每一步,包括 Agent 在哪一步拦住了