聚水潭ERP功能上新：AI选品助手接入销量预测模型

2026年10月7日，聚水潭ERP上线AI选品助手（V1.2）。工具把平台搜索热度、竞品价格带、店铺历史动销与供应链交期放进同一套评分模型，为每个候选商品输出0到100分的选品评分，并附建议备货量与首单金额。内测商家选品命中率63.8%，新品滞销率下降21%。评分卡支持导出为表格，方便选品会现场讨论；商家也可以把候选商品链接直接粘贴进助手，系统自动抓取类目与价格信息后给出评分，不必逐个建档案。

选品从来不是拍脑袋，但也很难完全数据化。聚水潭数据智能负责人吴天成说：“我们不做凭空预测，只做有依据的加权：平台热度告诉你需求在不在，店铺历史告诉你卖不卖得动，供应链告诉你敢不敢备。”模型在2026年6月完成首轮训练，样本覆盖12个类目、4.7万个SKU。训练样本来自12个类目、4.7万个SKU的历史数据，团队刻意排除了大促期间的异常峰值，避免模型把一次性爆发当成常态需求，导致建议备货量虚高。

评分模型：四类信号加权输出

模型输入四组信号：平台搜索与成交热度（权重34%）、同类目价格带竞争度（22%）、店铺历史同类商品动销（28%）、供应商交期与起订量（16%）。输出评分同时给出短板提示，例如热度高但交期长，系统会建议先小批量试销。

为降低误导，评分附置信区间：样本充足时区间窄，新品或冷门类目区间宽，系统会提示补充数据。内测阶段共评估2.6万个候选SKU，评分与三个月后实际动销的相关性为0.71。

四组信号中，权重最高的是平台搜索与成交热度，但团队对热度做了去重处理：同一商品在多个店铺重复上架只计一次，避免刷单或铺货把热度推高。价格带竞争度则按同价位段的在售商品数与近30天成交中位数计算。

“AI选品不是替商家做决定，而是把散在各处的数据整理成一张可以讨论的评分卡，让决策有共同的依据。”

—— 严晓蕾，聚水潭数据产品经理

首单备货：把试错成本压下来

助手按预测销量与交期给出建议首单量，并给出三种策略：保守、均衡、进攻，分别对应不同的库存风险与毛利目标。某家居商家采用均衡策略上新32款，首单平均金额从2.8万元降到1.6万元，售罄率提升到74%，剩余库存占比下降13个百分点。

系统会在新品上架后持续跟踪7天、14天、30天的动销，自动修正预测并提示补单或止损。止损提醒平均提前11天发出，帮助商家在滞销形成前做促销动作。

评分低于50分的商品不会直接判死，系统会提示短板项，例如交期过长或起订量过高，商家可通过更换供应商或改小包装再评估。内测中，有27%的低分商品在调整供货方案后评分回升到65分以上。

使用边界：AI给建议，人做决定

选品助手不自动下单、不改价格，所有动作需人工确认；系统记录每次采纳与否决的原因，用于后续模型校准。内测商家反馈，助手的价值更多在于把选品会议从凭经验争论变成围绕评分讨论。

内测三个月，参与商家87家，平均上新周期从23天缩短到15天，新品滞销率由31%降到24.5%，选品会议时长减少约40%。

预测修正采用滚动窗口：上架第7天用真实销量替换预测值，第14天再加入退货率，第30天进入稳定期。每次修正都会留下版本记录，商家可以回看预测是如何一步步调整的，也便于复盘误判原因。对季节性类目，助手会把去年同期动销曲线叠加到预测里，商家可在图上看到今年与去年的偏差；偏差超过30%时系统提示检查活动排期是否变化。 AI选品助手已向聚水潭ERP企业版与旗舰版商家开放，试用期30天，可在数据中心的「智能选品」入口申请。后续将接入跨境平台的海外需求数据，并把预测能力开放为API。想体验选品评分与备货建议，可下载聚水潭ERP客户端。跨境需求数据接入已进入内测，计划支持亚马逊、Shopee等平台的类目热度，评分口径将与国内保持一致。对代运营场景，助手支持为不同店铺单独建评分卡，避免用一个店铺的历史动销去判断另一个店铺的选品，评分结果可按店铺横向对比。评分卡还支持导入竞品链接做对照，系统按同一套口径给出竞品评分，商家能看清自己与对手在价格带、热度上的差距。