连锁零售如何用 AI 提升门店经营：选品、客流、导购与复购

连锁零售拥有交易、商品、库存、会员和门店数据，看起来天然适合 AI，但项目常停留在总部报表和营销文案。真正影响经营的是店长今天调什么货、导购联系谁、哪个时段补人、什么活动会伤害毛利。AI 必须把预测转成门店可执行动作，并在 POS、库存、会员和任务系统中形成反馈，才能改善销售与复购。

从一个门店角色出发

店长、区域经理、商品、导购和客服需要的决策不同。首个项目应锁定一个角色和一个日常节奏，例如店长晨会或导购班前任务。观察他们目前查看哪些数据、做哪些判断、哪些动作经常延迟。不要先做一个包罗万象的大屏，再期待一线自己寻找价值。

选品要结合门店差异

总部畅销不等于每店畅销。建议需要考虑商圈、面积、客群、季节、陈列、价格带和当地活动，并展示为什么推荐。新品缺少历史数据时，可参考相似商品和相似门店，但要保留试销与快速下架机制。商品团队仍负责品牌策略和供应约束，AI 负责提供更细颗粒度证据。

客流预测要连接排班和活动

仅展示明日客流数字没有意义。系统应给出高峰时段、影响因素和建议动作，例如调整班次、补充试吃、开放收银或改变活动时间。店长可以修改建议并说明原因。比较预测误差的同时，还要看排班成本、排队时间和转化率是否改善。

导购助手应服务客户而不是骚扰客户

AI 可根据购买周期、偏好和互动记录建议联系对象、产品和沟通理由，但不得批量生成无差别私信。高敏感品类和未授权渠道要严格限制。导购发送前应确认内容，系统控制频率并记录退订。衡量复购与回应，也要关注投诉和客户屏蔽。

库存动作要考虑调拨成本

缺货预警只是起点。建议应同时考虑在途、保质期、仓店库存、调拨距离、最小包装和预期毛利。对于生鲜和短生命周期商品，还要把损耗纳入目标。自动补货可以从低风险品类开始，异常大单、促销和供应波动仍需商品或计划人员批准。

会员经营要识别下一最佳动作

不是所有沉睡会员都适合发券。系统可区分补货提醒、内容服务、到店体验、权益说明和优惠，并根据客户价值与价格敏感度选择动作。优惠额度应由规则引擎控制，避免模型随意承诺。门店反馈客户不购买的原因后，画像和策略才能持续改进。

建立门店可理解的任务界面

一线不需要复杂模型解释，而需要“做什么、为什么、何时完成、预计影响、如何反馈”。每天任务数量要有限，并按价值排序。操作尽量嵌入现有工作台，不要求员工登录多个系统。完成、拒绝和结果都应回写，拒绝原因是优化建议的重要数据。

用实验避免把自然波动当成效果

选择相似门店做对照，覆盖完整销售周期，并控制促销、天气和节假日。指标包括销售额、毛利、转化、客单、复购、缺货、损耗和任务执行率。若销售上升来自更深折扣，不能算 AI 带来的净收益。区域经理应审查异常，避免一线为指标做短期行为。

隐私与公平必须前置

会员数据要有合法来源和明确用途，限制敏感属性推断。摄像头和客流数据涉及隐私时，应进行告知、脱敏和保存期限管理。模型不能对特定客户实施无法解释的不公平价格。客户有权退出个性化营销，门店也要知道如何处理相关请求。

老板的下一步

选十家具有代表性的门店和一个角色，围绕晨会、补货或会员回访建立八周试点。先定义三个经营指标和两个风险指标，再决定使用什么模型。零售 AI 的竞争力不在于预测图表，而在于总部知识能否每天变成一线正确动作，并从结果中快速学习。