AI 智能体能当店铺研究员吗？

我们想搞清楚什么

我们之前关于样品的几项研究，发现了不少看板上看不出来的问题，比如“审核时看 GMV，几乎判断不了谁会出单”。但这些研究每一次都要有人提出问题、花时间深挖。而一家店真正需要的，是每周都有人做这件事，而不是一个季度做一次。

所以我们想试试：已经在店里工作的 AI 智能体，能不能只用这家店自己的数据，自己完成研究？我们在真实店铺上跑了一遍，全程只读、不做任何改动，算出来的每个数字也都核对过。

它自己找到了什么

• 点击涨了，订单没涨。 一个主力商品一个月内点击涨了约 6 倍，订单只涨了一成多。新增的点击几乎全部来自达人视频，但这些视频并没有带来转化。
• 样品申请没人审，直接过期。 几千条样品申请还没等到有人处理就超时了，其中有几百条来自 GMV 过万美元的达人。
• 销量下滑之前，先是内容变少了。 另一家店里，能出单的视频数量减少了一半以上，而且发生在 GMV 下滑之前。

这些问题都不是我们事先告诉它的。我们拿自己的数据逐条核对，结论的方向全部一致。

越追问，结论越扎实

和刚入行的分析师一样，它的初稿也容易把话说得太满。但让我们意外的是它被追问时的表现：问它“这会不会只是巧合”“这两段时间能直接比吗”，它每次都会回头重新算一遍，修正自己的结论，而不是硬撑。

确定的事交给代码，让模型去问代码问不出的问题。

一个好的复核人，翻来覆去问的其实就是那几个问题。所以我们把这些问题整理成一张检查表，在研究流程里加了一道自动复核。取数和对账交给稳定可靠的工具，智能体不用担心数据有没有拿全；它只负责需要思考的部分：该看什么、可能是什么原因、怎么去验证。最后要不要行动，由你来决定。

接下来

我们发现，研究做得好不好，关键往往不在模型够不够聪明，而在数据能不能完整、顺畅地交到它手上。这也是我们现在重点投入的方向。我们的目标是：每周，你的 AI 运营团队都能带着证据，给你提出一个值得关注的店铺问题，由你决定要不要行动。