公开案例 · 跨境电商
十几人跨境电商团队(东南亚服装市场)
库存、补货与广告决策联动
项目做法
FDE 没有急着把它当 API 集成项目做,先问"打通以后谁用,用来解决什么业务问题"。花了一周、三四轮沟通,让客户录屏演示实际怎么工作,逐渐看到库存只是链条一环。 1. 先把数据打通:把聚合 SaaS 的数据同步到飞书,让员工在熟悉的业务环境里看到实时库存。过程中碰到整个项目最难的技术问题——对方 SaaS 的 API 开放程度很低,Key 机制满足不了多团队同时共享数据的需求(一个 Key 不能多团队同时用,A 刷新会让 B 的 Key 失效),最后加了一层开源云端数据库 Supabase 做中转,数据先进中间库再同步到飞书。 2. 让 AI 处理物流照片:工厂拍照上传多维表后,以前全靠员工一张张看图回填;让 Agent 参与"识图+回填",AI 做最耗时间的第一轮识别和录入,人只最后检查。 3. 让 AI 照着原来的公式算补货:没有重新发明库存算法,客户原来看过去三个月销售、按自己逻辑算补货的公式继续保留;数据打通后 Agent 按原补货规则计算,筛出需补货的 SKU 并给出预计补货周期和数量,人工从"计算员"变"审核员",确认后直接生成 PDF 订单发供应商。 4. 把库存和广告联系起来:Agent 把库存、订单和广告投放结合,某 SKU 库存下降到一定程度时判断对应广告是否继续投,库存不足就先把广告额度调低甚至暂停,避免一边烧广告一边发不出货。 > 方案选择上先判断需不需要 AI:规则非常死的任务写脚本就够,涉及语义理解、跨系统判断的部分才引入 Agent。
项目进展
时间效率变化(原文披露口径): - 物流照片和数据处理从每人每天约 4~5 小时压到 1 小时以内——AI 先完成识别和回填,人只做最后核对 - 补货从至少 2~3 小时变为 Agent 算出结果后,人工看一眼、验证、确认即可 项目价值概括为三个变化:从"人工搬数据"变成"数据自动流动";从"人工计算"变成"AI 计算、人工确认";从"库存、补货、广告各自决策"变成"库存开始影响广告决策"。 不足与代价:交付后客户移除了团队权限,营收、广告成本和利润数据没拿到完整;最大的遗憾是没把后续效果完整追踪下来——如果重做一次,会一开始就设计好"效果基线":上线前后持续记录人工处理时长,把交付、使用、反馈、迭代、效果归因做成服务闭环。
