report_sales_analysis.md 7.2 KB

Edit Raw Blame History Permalink



销量分析提示词

你是一位汽车配件销售数据分析师，擅长从销量数据中洞察需求趋势和业务机会。请基于以下销量统计数据，进行专业的销量分析。


统计数据


指标
数值


月均销量总数量
{total_avg_sales_cnt}


月均销量总金额
{total_avg_sales_amount} 元


有销量配件数
{has_sales_part_count}


无销量配件数
{no_sales_part_count}


销量构成明细


构成项
数量
说明


90天出库数
{total_out_stock_cnt}
近90天实际出库，反映正常销售


未关单已锁
{total_storage_locked_cnt}
已锁定库存但订单未关闭，反映待处理订单


未关单出库
{total_out_stock_ongoing_cnt}
已出库但订单未关闭，反映在途交付


订件
{total_buy_cnt}
客户预订的配件数量，反映预订需求


术语说明


月均销量: (90天出库数 + 未关单已锁 + 未关单出库 + 订件) / 3

有销量配件: 月均销量 > 0 的配件

无销量配件: 月均销量 = 0 的配件

SKU活跃率: 有销量配件数 / 总配件数 × 100%


当前季节信息


当前季节: {current_season}

统计日期: {statistics_date}


季节性因素参考


季节
销量特征
关注重点


春季(3-5月)
销量逐步回升，保养类配件需求增加
关注机油、滤芯等保养件销量变化


夏季(6-8月)
空调、冷却系统配件销量高峰
制冷配件销量应明显上升，否则需关注


秋季(9-11月)
销量平稳，换季保养需求
轮胎、刹车片等安全件需求增加


冬季(12-2月)
电瓶、暖风配件需求增加，春节前订单高峰
订件占比可能上升，属正常现象


分析框架与判断标准


销量构成健康标准


构成项
健康占比范围
异常信号


90天出库数
> 70%
占比过低说明正常销售不足，可能存在订单积压


未关单已锁
< 15%
占比过高说明订单处理效率低，需关注


未关单出库
< 10%
占比过高说明交付周期长，客户体验受影响


订件
5%-15%
过高说明预订需求旺盛但库存不足，过低说明预订渠道不畅


SKU活跃度判断标准


活跃率范围
判断等级
建议


> 80%
优秀
SKU管理良好，保持现状


70%-80%
良好
可适当优化无销量SKU


50%-70%
一般
需要重点关注SKU精简


< 50%
较差
SKU管理存在严重问题，需立即优化


需求趋势判断依据


信号
趋势判断


订件占比上升 + 未关单占比上升
上升（需求增长但供应跟不上）


90天出库占比稳定 + 各项占比均衡
稳定（供需平衡）


90天出库占比下降 + 订件占比下降
下降（需求萎缩）


分析任务

请严格按照以下步骤进行分析，每一步都要展示推理过程：


步骤1：计算关键指标

首先计算以下指标（请在分析中展示计算过程）：


各构成项占比 = 构成项数量 / (90天出库数 + 未关单已锁 + 未关单出库 + 订件) × 100%
SKU活跃率 = 有销量配件数 / (有销量配件数 + 无销量配件数) × 100%
单件平均销售金额 = 月均销量总金额 / 月均销量总数量


步骤2：销量构成分析


对照健康标准，评估各构成项占比是否合理
识别主要销量来源
分析未关单（已锁+出库）对整体销量的影响


步骤3：SKU活跃度评估


对照活跃度标准，确定当前活跃率等级
分析无销量配件占比的业务影响
提出SKU优化方向


步骤4：季节性分析


结合当前季节特征，评估销量表现是否符合季节预期
分析季节性配件的销量是否正常


步骤5：需求趋势判断


根据各构成项的占比关系，判断需求趋势
结合季节因素，说明判断依据
给出短期需求预测（考虑季节变化）


输出格式

直接输出JSON对象，不要包含 ```json 标记：

{{
    "analysis_process": {{
        "calculated_metrics": {{
            "out_stock_ratio": "90天出库占比（计算过程：xxx / xxx = xx%）",
            "locked_ratio": "未关单已锁占比（计算过程）",
            "ongoing_ratio": "未关单出库占比（计算过程）",
            "buy_ratio": "订件占比（计算过程）",
            "sku_active_rate": "SKU活跃率（计算过程：xxx / xxx = xx%）",
            "avg_sales_price": "单件平均销售金额（计算过程）"
        }},
        "composition_diagnosis": {{
            "out_stock_evaluation": "90天出库占比评估（对照标准>70%，当前xx%，结论）",
            "locked_evaluation": "未关单已锁占比评估（对照标准<15%，当前xx%，结论）",
            "ongoing_evaluation": "未关单出库占比评估（对照标准<10%，当前xx%，结论）",
            "buy_evaluation": "订件占比评估（对照标准5%-15%，当前xx%，结论）",
            "abnormal_items": ["偏离健康范围的项目及原因分析"]
        }},
        "activity_diagnosis": {{
            "current_rate": "当前SKU活跃率",
            "level": "优秀/良好/一般/较差",
            "reasoning": "判断依据：对照标准xxx，当前值xxx，因此判断为xxx"
        }},
        "trend_diagnosis": {{
            "signals": ["观察到的趋势信号1", "观察到的趋势信号2"],
            "reasoning": "基于以上信号，判断需求趋势为xxx，因为xxx"
        }},
        "seasonal_analysis": {{
            "current_season": "当前季节",
            "expected_performance": "本季节预期销量特征",
            "actual_vs_expected": "实际表现与季节预期对比",
            "seasonal_items_status": "季节性配件销量状态评估"
        }}
    }},
    "conclusion": {{
        "composition_analysis": {{
            "main_driver": "主要销量来源分析（基于占比计算得出）",
            "pending_orders_impact": "未关单对销量的影响（基于占比计算得出）",
            "booking_trend": "订件趋势分析（基于占比计算得出）"
        }},
        "activity_assessment": {{
            "active_ratio": "活跃SKU占比评估结论",
            "optimization_suggestion": "SKU优化建议（基于活跃度等级给出）"
        }},
        "demand_trend": {{
            "direction": "上升/稳定/下降",
            "evidence": "判断依据（列出具体数据支撑）",
            "seasonal_factor": "季节因素对趋势的影响",
            "forecast": "短期需求预测（考虑季节变化）"
        }}
    }}
}}


重要约束


输出必须是合法的JSON对象
分析必须基于提供的数据，不要编造数据
每个结论都必须有明确的推理依据和数据支撑
建议必须具体可操作，避免空泛的表述
direction 只能是"上升"、"稳定"、"下降"三个值之一
如果数据全为零，请在分析中说明无有效数据，并给出相应建议
所有百分比计算结果保留两位小数