AI 分析销售数据怎么用？先解决这一个问题

你大概已经试过把 Excel 报表丢进 ChatGPT，问它「帮我分析一下销售数据」，然后拿到一堆看起来很专业、但你自己都不敢拿去做决定的结论。问题通常不在 AI 笨，是你给它的资料本身就是一堆没有结构的数字。AI 分析销售数据怎么用才有效，九成的答案都藏在资料准备这一步，而不是你用哪个模型。

先看数据长什么样，再谈 AI

很多人以为「AI 分析」是把文件拖进去、打几个问题就能出结果。实际操作过就知道，AI 能不能给出有用的答案，取决于你的数据是不是「订单层级」而不是「汇总层级」。汇总层级的数据 - 比如月报表里已经算好的总营收、总订单数 - AI 只能重复你已经知道的东西。真正有价值的分析，要从原始订单资料开始，让 AI 自己去找规律，而不是喂它别人已经算好的结论。

• 合并单元格：Excel 里为了好看合并了日期或客户名称，AI 读进去会直接漏掉整行
• 字段命名不统一：同一个渠道有时写「Shopee」，有时写「虾皮」，AI 会把它当成两个渠道
• 退货和取消订单没有单独标记，混在正常订单里，营收和转化率都会算错
• 促销期没有标注，AI 会把促销带来的短期高峰误判成正常增长趋势
• 客户 ID 不唯一，同一个人用不同手机号下单，AI 算出来的复购率会失真

AI 不会主动告诉你数据有问题，它会很有把握地给你一个错误答案。

资料整理好之后，能问 AI 哪几类问题

把订单层级的资料整理干净 - 日期、SKU、渠道、客单价、成本、客户 ID 这几个字段齐了之后，你能问的问题会分成四类，难度和价值是递增的。

• 异常侵测：「过去 3 个月哪个渠道的客单价在下降，而且不是因为促销？」这类问题 AI 做得最好，因为它擅长在大量数字里找模式
• 客户分层：「哪些客户买过 3 次以上，但 90 天没有再下单？」用来找回流失客户，比自己在 Excel 里筛选快很多
• 贡献拆解：「过去半年营收增长，是来自新客户还是老客户复购？是哪几个 SKU 撑起来的？」这类问题能帮你判断增长是不是真的健康
• 假设推演：「如果把某个 SKU 的价格降 10%，历史数据显示销量会怎么变？」这类问题 AI 只能给方向和参考区间，不能当预测用，问的时候心里要有这个底线

什么样的输出算「做得好」

判断一份 AI 数据分析做得好不好，不是看图表多不多，是看三件事：第一，它能不能回答「所以呢」，而不是只丢一堆数字；第二，它会不会主动说「这部分数据不够，结论要打折扣」，而不是硬答；第三，它给的是不是可以当天执行的下一步，比如「联系这 200 个客户」，而不是「加强客户关系管理」这种空话。

老实说，如果你每个月订单量不到 50 笔，别急着上 AI 分析，用 Excel 加几个筛选就够用，省下的时间比花在整理资料结构上更值得。真正需要这套系统的，是订单量已经够大、渠道超过 3 个、但你自己看数据看不出规律的阶段。

我们在自己孵化的 itsherbs.com 用的就是这一套方法 - 30,000+ 位患者的资料、10 家分馆的营运数据，先花时间把字段和结构定下来，才轮到 AI 上场。这不是理论，是我们自己每天在看的数据看板。

AI 分析销售数据这件事，投入的重点从来不是选哪个模型，而是你有没有把资料结构定下来、有没有人每周花时间维护它。没有这一步，AI 只是把混乱的数字换了一种看起来更权威的方式，继续骗你。