电商经营工作台经营决策中枢
经营路径

情报 → 判断 → 选品 → 上架

经营主流程

AI 情报
每日 AI 情报开源项目与 Skills
今日工作台方法库经营 Agent任务记录PDD 采价记录候选商品上架商品价格换算物流价格浏览器任务订单管理
智能客服
在线客服入口客户入口管理客服会话售后确认客服知识

治理与复盘

规则库规则建议运行日报任务控制台策略配置
登录

经营与 AI 决策视角

电商经营工作台
AI情报工作台选品池上架
返回方法库

方法详情

订单共现建模—候选搭配排序—毛利与售后约束放行法

将匿名订单中的商品共现关系与毛利、退款、库存约束结合,比只按销量设置搭配购更可能提高连带率,同时避免把高退货或缺货商品放大。
领域:营销营销方法、数据分析方法可创建经营任务候选可创建经营任务
可执行性
89
CEO:可创建经营任务候选

决策路径

系统审核结论

可创建经营任务候选

决定是否展示创建经营任务入口。

我的处理状态

可创建经营任务

只代表人工跟进意图,不会单独解锁创建入口。

下一步

可以创建经营任务

下面可以直接创建选品或经营任务。

来源

平台:GitHub开源项目

作者/项目:Recommenders Team / Microsoft Recommenders

去重使用的来源链接:

https://github.com/recommenders-team/recommenders

适用范围

市场:US

平台:淘宝、拼多多(参考开源推荐系统方法迁移)

类目:母婴, 家居用品, 日用消费品, 非Electronics且非High-return fashion类目

审核分解

来源可信度:17/20

步骤清晰度:22/25

结构化程度:18/20

边界清晰度:13/15

执行可行性:19/20

我的处理状态

当前:可创建经营任务。处理状态用于记录人工判断;是否能创建经营任务,仍以页面上方“系统审核结论”为准。

创建营销助手

这个入口会创建经营任务配置,绑定当前方法和领域;不会写入商品候选池,也不会立即运行。

订单共现建模—候选搭配排序—毛利与售后约束放行法

领域:营销。后续会按当前输入对象、检查频率和输出格式执行。

已创建任务

当前方法还没有创建营销助手。

CEO 审核结论

数据输入、候选生成、约束过滤和离线评估均可结构化,适合先由任务生成候选并由运营人员审批。

建立订单清洗、隐式反馈建模、候选重排、风险规则和实验复盘五个模块;默认只输出建议,不自动创建平台搭配活动。

执行步骤

  1. 1.抽取最近90至180天已支付且未全额退款的订单,按平台、店铺和时间窗口统一商品ID
  2. 2.过滤测试订单、赠品、刷单嫌疑订单以及样本量过低的SKU
  3. 3.构建订单—商品交互矩阵,计算共现支持度、置信度或隐式反馈推荐分
  4. 4.按类目兼容性、价格带差异、库存可售天数和毛利贡献重排候选组合
  5. 5.剔除高退款、高投诉、缺货风险及法规责任不一致的组合
  6. 6.在单一类目和小流量范围展示搭配建议,保留未展示人群作为对照
  7. 7.按连带率、组合毛利、退款率和增量利润决定扩大、暂停或重新训练

判断指标

  1. 1.搭配曝光至加购转化率
  2. 2.每订单件数和连带率增量
  3. 3.组合毛利及增量利润
  4. 4.Precision@K、Recall@K或NDCG@K
  5. 5.组合订单退款率与投诉率
  6. 6.推荐覆盖率和库存可满足率

输入数据要求

  1. 1.匿名订单ID、SKU、数量、成交时间和实付金额
  2. 2.SKU类目、售价、成本、库存及毛利数据
  3. 3.退款退货、投诉和取消记录
  4. 4.试验曝光、点击、加购及成交日志
  5. 5.禁止搭配规则和类目合规标签

排除规则

  1. 1.排除Electronics和High-return fashion
  2. 2.排除共现订单数低于30或由少数异常买家主导的组合
  3. 3.排除任一SKU处于缺货、召回、停售或高投诉状态的组合
  4. 4.排除母婴商品中年龄段、规格、安全用途或使用场景冲突的搭配
  5. 5.不使用可直接识别消费者身份的信息训练
  6. 6.未经对照试验不得全店自动发布

风险与适用边界

  1. 1.共现关系可能来自促销捆绑或季节因素,不能直接证明因果增量
  2. 2.淘宝和拼多多可导出的曝光及用户行为字段可能不完整
  3. 3.头部SKU容易获得过多推荐,需要设置覆盖率和多样性约束
  4. 4.开源示例以通用推荐场景为主,参数必须使用店铺历史数据回放
  5. 5.母婴商品的搭配建议仍需人工检查年龄、安全和使用兼容性

来源摘要与执行说明

该仓库提供推荐系统的数据准备、候选生成、排序和离线评估示例,并包含precision、recall、NDCG等评估思路。迁移到淘宝和拼多多时,可将用户—商品交互替换为店铺订单明细,用共购或隐式反馈生成候选,再叠加平台可取得的毛利、库存和退款指标;仓库并不提供淘宝或拼多多接口。

输出格式:SKU级候选搭配表,包含主商品、搭配商品、推荐分、共现样本量、预计组合毛利、风险标签、建议动作和复核状态。

执行示例:以美国市场婴幼儿喂养用品为试点,系统从90天订单发现围兜与清洁刷的稳定共购关系;确认两者库存可售天数均超过21天、组合毛利为正且退款率未高于类目基线后,仅向10%流量展示搭配建议,两周后按增量利润和退款率决定是否扩大。