商品 → 客户
商品资料的整理方法，也可以用于客户资料。
森虫虫 WorkBuddy 小白课 · 第 09 期
电商运营如何用WorkBuddy 工作
拆开一份工作，再完成两个实战。
从用户原话，到能检查的经营复盘。
8 个模块 · 48 个动作2 个完整实战
森虫虫 · 用真实任务讲清 AI 工具本期的两个案例
245
条评论 → 商品洞察
原话 · 标签 · 分母 · 文案依据
6 SKU
多表数据 → 经营复盘
资料 · 异常 · 抽查 · 核查清单
本课商品、评论与经营数据均为合成教学样本。课件里的数字是练习参考，不是实际店铺表现，也不代表 WorkBuddy 已替你执行任务。
开场 / 从职业到具体任务
不做电商，也能跟着做
不是让 AI 包办整个岗位，而是看清：交出去什么、给它什么资料、最后怎么验收。
评论 → 用户反馈
保留原话、判断诉求、找到需要继续核实的问题。
经营数据 → 项目数据
确认口径、查找变化，再列出下一步核查事项。
销售、行政、HR、项目管理，都可以先把整份工作拆开，再判断 AI 参与到什么程度。
01 / 先看整份工作
8 个模块 · 48 个具体动作 · 2 项实战
这是一张工作地图，不是要求一个运营亲自完成所有动作。先看工作如何衔接，再决定每个具体任务交给谁。
01 / 先定分工
同一份工作里，AI 的参与程度不同
输入是否稳定、规则是否明确、结果能否检查，以及后果由谁承担。
按已确认的规则执行
核重复 SKU、查缺失字段、计算指标、按阈值筛异常。
规则由人定，结果仍要能检查。
承担主要处理工作
评论分类、资料整理、文案初稿和经营报告。
人说明目标与边界，最后验收。
列证据与待验证方向
整理可能原因、比较方案、指出还缺什么资料。
不能把假设当成真实原因。
核实现实，作出决定
采购付款、退款、实物检测、客户承诺与正式发布。
真实权限和责任不能交给模型。
四层不是永久标签。同一个动作，等数据格式、规则和验收稳定以后，才可能进一步自动化。
01 / 回到电商运营
8 个模块，48 个具体动作
点击模块，看它解决什么、AI 可以做什么，以及仍需由人确认的部分。
评论反馈回到商品页；订单与库存影响活动；经营复盘回到下一轮目标。这是一套循环。
实战一 / 评论与事实分开
用户说了什么 ≠ 商品确认了什么
本店 80 条，三个模拟竞品各 55 条，共 245 条。评论和事实卡一起看，但不能混成一种证据。
comments.csv
用户说了什么使用经历、信息需求、反复出现的反馈。可以提示哪里值得查，不能直接证明产品性能。
product-facts.md
目前确认了什么已经确认的参数与尚未验证的性能。写商品文案时，以事实卡限定承诺范围。
1确认资料220 条小样3全量处理4讲清分母5A / B / C 分类6两份小成品
“我的杯架能放”只描述这位用户的体验，不能直接改写成“适配所有车型杯架”。
实战一 / 第 1 步
先确认材料，再开始分析
这一轮不打标签，也不写商品页。先看它是否真的读到了你交给它的内容。
数量与店铺
实际读取多少条？有几个店铺？每个店铺多少条？
预期：245 = 80 + 55 × 3
字段与完整性
有哪些字段？comment_id 是否唯一？是否存在空评论？
已确认 / 未验证
事实卡支持哪些结论？哪些性能与承诺没有验证？
少读材料，或者把未验证性能当成事实，都会让后面的分析失去依据。
实战一 / 第 2 步
先看它会不会读懂人话
四个店铺各取 5 条，共 20 条。先确认主题、情感和理由，再扩大处理范围。
用了一个星期，
没有漏水。
侧着放进包里，到地方
发现内衬湿了一小块。
A 肯定防漏体验；B 描述放入包内后发现潮湿的负向体验。
不能只匹配关键词或星级，更不能由 B 直接判断产品缺陷。每条选一个主主题；情感为正向 / 中性 / 负向；附理由与是否需要人工复核。覆盖不足，就明确要求补充样本。
实战一 / 第 3 步
每个汇总结论，都能找回原话
小样规则确认后，处理全部 245 条。保留原始字段，在后面追加标签。
01保留原始材料
comment_id、shop_id、原文
02追加逐条判断
主主题、情感、理由、复核标记
03按店铺汇总
各主题数量及正负向情况
04保留证据路径
从结论回到具体 ID 与原话
全量出现新主题时，单独列出，说明是否需要新增分类后重跑；不要硬塞进旧分类。汇总同时显示两种比例及各自分母。
实战一 / 第 4 步
两个比例，都对；回答的问题不同
课堂参考：本店 80 条评论，防漏主主题 16 条，其中负向 10 条。点击切换分母。
本店 80 条评论
每格 = 1 条防漏负向 10该主题其余 6其他主题 64
10 ÷ 16
62.5%
防漏主题内部的负向比例
分母是 16 条防漏主题评论。
62.5% 和 12.5% 都不是杯子的真实漏水率。我们没有产品抽检，也没有全量用户数据。
实战一 / 第 5 步
哪些能改，哪些只能去验证？
先把评论分析结果和商品事实卡放在一起，再决定哪些发现能进入商品页。
A 可以优化表达
事实卡已确认，评论说明存在信息需求，而且不需要新增性能承诺。
容量 600 ml、底径 7.2 cm、高 22 cm：可以把已确认尺寸展示得更清楚。
交付：具体修改建议 ＋ 依据。
B 需要进一步验证
评论反复提到，但事实卡还不能证明是产品缺陷或性能问题。
漏水、保温等重复反馈：值得检查，不等于已经查出原因。
交付：下一步需要检查什么。
C 不能写成商品事实
单个用户体验、未验证性能、由评论推断的认证或适配范围。
“适配所有车型杯架”“100% 防漏”“保温 XX 小时”：不能无依据承诺。
交付：为什么不能直接写。
所有建议引用评论证据或事实卡；评论不能替代产品检测。
实战一 / 第 6 步
先交付一小段有依据的文案
只使用 A 类发现，不重写整个详情页。生成后，直接检查每句话从哪里来。
一条主图 / 卖点文案
用已确认的事实，回应评论中观察到的信息需求。
事实依据：……
100–150 字详情页草稿
短到能逐句核对，而不是用长度掩盖没有依据的描述。
事实依据：……
不新增防漏、保温时长或适配范围承诺；不虚构材料、认证、价格、库存、促销和售后政策。
实战一 / 小结
评论要回到原话，文案要回到事实
用户经历了什么，不等于产品性能已经被证明。
先小样，再全量
先用 20 条确认理解和分类方式，不把错误直接批量化。
每个结论有原话
“用户普遍认为”必须能回到具体 comment_id 和原文。
反馈不替代检测
评论帮助发现需要核实的地方，不直接证明性能或缺陷。
实战二 / 多表经营复盘
先找异常，抽一个数字验，再查原因
这次换成 6 个 SKU 的经营数据，不先追求一份漂亮周报。
01确认资料
知道每个文件在说什么
02经营体检
按已定规则找全提醒
03抽查数字
回到原始字段和公式
04形成清单
区分事实、假设与核查动作
业务数据、分析规则、字段说明一起给。不能让 AI 猜你们公司的口径。
实战二 / 第 1 步
6 个文件，其实是 3 类材料
这一轮不算指标，也不判断经营好坏。先确认有哪些数据，以及它们不能说明什么。
业务数据 · 4 份
sales.csv · 销售
ads.csv · 广告
inventory.csv · 库存
sku_master.csv · 商品资料
ads.csv · 广告
inventory.csv · 库存
sku_master.csv · 商品资料
分析规则 · 1 份
config.json
规定本次练习的周期、计算与提醒规则。
字段 / 口径说明 · 1 份
field-guide.md
每个数字是什么意思，怎样关联与比较。
检查 SKU 数量、销售与广告周期、库存快照日期、SKU 对应关系，以及明显缺失、重复和无法对应的数据。
本课为固定历史样本：两期各 7 天，库存为 8 月 16 日快照。
实战二 / 第 2 步
先看 B、D、F：每条提醒都要保留
严格按 field-guide.md 和 config.json 计算。一个 SKU 可以同时触发多条规则。
| SKU | 本周最值得注意的信号 | 提醒数 | 提醒级别 |
|---|---|---|---|
| A | 未触发本次练习的提醒规则 | 0 | 无触发 |
| B | 销售增长，同时库存覆盖偏短 | 1 | P0 |
| C | 未触发本次练习的提醒规则 | 0 | 无触发 |
| D | 支付额、转化、退款及广告表现触发提醒 | 4 | P1 |
| E | 未触发本次练习的提醒规则 | 0 | 无触发 |
| F | 退款、广告及库存覆盖触发提醒 | 3 | P0 / P1 |
课堂参考：3 个 SKU，共 8 条提醒。阈值不是行业统一标准。
只报告观察到的信号，不解释原因；无法计算就说明原因，不能拿 0 代替。
实战二 / 第 3 步
不用全部重算，先验一个关键数字
D 上周支付额 ¥20,000，本周 ¥12,040。拿计算器核一下，是否真的下降 39.8%？
可切换 D 触发的另外三条提醒，查看数据来源、口径和对应规则。
这里核对“提醒怎么得到”，先不解释原因，也不给解决方案。
实战二 / 第 4 步
发现异常，不等于已经找到原因
对 B、D、F 分别整理四部分。下面用 D 的退款提醒演示，点击逐步展开。
已观察到的事实
D 的 D14 退款率为 14 ÷ 118 ≈ 11.86%，超过练习的 10% 阈值。
假设 / 待验证
质量、预期落差、物流等都只是可能方向；当前材料不能确定原因。
还缺哪些资料
与问题有关的退款原因、客服反馈、订单批次，必要时再补检测信息。
建议先核查什么
先按退款原因整理样本，再对照订单批次。每个 SKU 列 1–3 个优先核查动作。
1 / 4 · 先确认数据事实
写“建议核查”，不是“已经执行”；不自动作出调价、停投、补货或采购决定。
实战二 / 第 5 步
最后只要一张简单的内部清单
只保留这 5 列。下方是根据课堂数据整理的核查示例，角色不是已经收到任务的人。
| 优先级 | SKU | 已观察到的问题 | 下一步建议查什么 | 建议找哪个岗位/角色确认 |
|---|---|---|---|---|
| P0 | B、F | 库存覆盖短于供货交期 | 核对在途、占用、实际可售库存与到货计划 | 供应链 |
| P1 | D、F | 退款率、ROAS 触发规则 | 分别核对退款原因、活动与投放变化 | 客服、投放、运营 |
| P1 | D | 支付额、CVR 下降触发规则 | 核对流量、价格与活动记录是否有变化 | 运营 |
这是一张内部核查建议表，不代表相关任务已经实际分派。
不虚构姓名、不写确定原因、不自动执行经营决定。
方法复用 / Skill
先把事情做对，再把方法留下来
第一次逐步跑，确认标签、公式和产物；换一份新副本复跑仍稳定，才考虑复用。
01手动跑通
→按步骤完成任务与验收
02改过问题
→留下纠正后的规则和方法
03新副本复跑
→确认结果仍然稳定
04整理为 Skill
方法、规则、必要脚本、输入边界与验收
第一次一起把事情做对；第二次留下正确的方法；之后，才谈更稳定的复用。
本期回顾
带走一套能检查、能复用的方法
不是把整个岗位交给 AI，而是逐步整理那些很碎、很重复、容易遗漏的工作。
拆开工作
把整份工作变成具体动作
判断分工
自动化、深度介入、辅助、人工
交代任务
目标、输入、规则、输出、验收
检查依据
评论回原话，数字回公式，文案回事实卡
稳定后复用
真正跑稳的方法，再沉淀成 Skill
森虫虫 WorkBuddy 小白课 · 第 09 期
让那些零碎的工作，
变成可以检查的方法。
实战一 · 评论洞察
确认资料 → 小样 → 全量 → 分母 → 分类 → 两份小成品
实战二 · 经营复盘
确认资料 → 经营体检 → 抽查 D → 区分原因 → 核查清单
感谢观看，我们下期见。