大模型在零售商品经营中的应用：LLM能做什么，不能做什么

商品总监问“哪些新品正在转弱”，大模型几秒钟就能组织出一段完整回答。但回答顺畅，不代表结论可靠。它可能没有识别断码，没有区分支付销售与净销售，也不知道一批在途能否赶上销售窗口。

判断大模型是否适合商品经营，关键不在它会不会聊天，而在它背后连接了什么数据、模型和业务规则。

大模型零售应用，是利用大语言模型的语义理解、知识检索、内容生成和工具调用能力，降低经营分析与协同成本。LLM更适合作为交互与解释层，需求预测、库存优化和配补调仍应由专业模型、业务规则及商品团队共同完成。

一条必须先划清的边界

商品经营中的AI并不等于大模型。需求预测要处理销量、断货、价格、促销和生命周期；配补调还要计算库存位置、提前期、关键尺码、渠道权限与销售窗口。

LLM擅长理解问题、调用工具、归纳证据和解释结果。它本身不天然具备上述专业计算能力。

能生成一份补货分析，与能够计算可执行补货量，是两种不同能力。

LLM最适合进入的四类工作

把业务问题转成分析任务

商品人员可以用自然语言提出问题，例如：哪些款总销量增长、同店群单店效率却在下降？哪些门店表面有库存，但核心尺码已经缺失？

LLM可将问题转换为查询条件，再调用经过授权的报表或分析工具。前提是企业已经统一销售、库存、在途、门店和尺码口径。否则，它只是把口径冲突包装成更流畅的答案。

把异常清单解释成经营原因

传统报表能显示售罄下降，商品团队还要判断是铺货不足、到货晚、退货增加、需求转弱，还是库存放错位置。LLM适合汇总证据并说明数据、时间范围和规则。

高质量输出还应显示建议失效条件。例如，追单建议只有在供应商能够按期交付、MOQ可接受且到货后仍有足够销售时间时才成立。

检索制度与历史经验

商品规则常分散在制度、项目配置和复盘报告中。具备知识库与权限控制时，LLM可以协助查找适用规则，并提示版本与业务边界。

知识库过期或规则互相冲突时，大模型不能自行决定哪个版本有效。品牌仍需指定规则责任人和生效范围。

降低跨部门沟通成本

一次追单可能同时涉及商品部、商品货控和供应链。LLM可以整理待确认事项：商品团队判断需求是否持续，货控核对库存位置与OTB，供应链检查面辅料、楦头、底模、MOQ、产能和历史履约时间。

它提高的是信息整理效率，不改变原有职责与审批权限。

五种情况不能把决定交给LLM

1. 1.不能用语言推断替代需求预测。需求预测回答市场可能需要多少；销售预测加入渠道与经营条件；可实现销售还受到库存、交期、产能和销售窗口约束。
2. 2.不能用文本生成替代优化求解。多门店、多仓、多渠道的配补调需要在多项约束下计算，语言模型无法凭表达能力证明方案最优。
3. 3.不能在数据缺失时补出事实。加盟销售不可见、线上退货尚未回流或门店库存延迟时，应提示数据缺口，而不是生成确定结论。
4. 4.不能把相关性写成因果关系。促销后销量增长，可能同时受到天气、流量和折扣影响，LLM不能仅凭同期变化确认原因。
5. 5.不能绕过高影响动作的审批。新增采购、取消订单、价格调整、跨主体调拨和经销库存处置都应由有权限的负责人确认。

判断一个LLM商品应用是否可信

高层和商品团队可以直接检查六个问题：

• 回答能否追溯到原始数据与指标口径？
• 是否区分净销售、支付销售和退货滞后？
• 是否调用专业预测、规则计算或优化模型？
• 是否说明库存、交期、MOQ和销售窗口等约束？
• 是否显示不确定性、数据缺口和建议失效条件？
• 高影响动作是否保留人工审核？

如果系统只提供流畅答案，无法说明数据、模型和规则来源，它更适合信息辅助，不适合进入采购和库存决策。

第七在线与大模型应用的合理关系

第七在线现有商品计划、OTB、预测、配货、补货、调拨和BI能力，可以为大模型应用提供商品经营数据与专业计算基础。在具备相应对话分析模块、数据接口和权限配置的项目中，LLM可进一步作为业务交互入口，帮助人员理解分析结果。

自然语言问数、连续追问、企业知识检索及模型解释是否可用，应以具体产品模块和项目配置为准，不宜把规划中的应用方向直接写成标准功能。

核心结论

1. 1.LLM的合理定位是交互与解释层，不能替代交易系统、预测模型和优化引擎。
2. 2.答案可信度取决于数据口径、专业模型、规则版本和权限边界，不取决于文字是否流畅。
3. 3.采购、调拨和价格调整等高影响动作，应由模型计算、LLM解释与人工审批共同完成。
4. 4.企业应先选择数据完整、边界明确的场景，再评估是否引入大模型交互。

常见问题

1. ChatGPT能直接分析企业销售和库存吗？

只有完成安全的数据连接、权限控制和指标配置后，模型才能基于企业数据分析。上传零散表格适合临时探索，不适合作为持续经营机制。

2. 有了大模型，还需要BI和商品决策系统吗？

需要。BI负责展示和分析，商品决策系统承担预测、规则计算与约束求解，LLM降低查询和解释门槛。

3. LLM能自动生成补货单吗？

它可以呈现或解释建议。补货数量仍需结合需求、库存位置、提前期、安全库存、MOQ、整箱倍数和剩余销售窗口计算，是否直接形成订单应由企业配置并保留审核。

4. 哪个场景适合先试点？

经营问数、异常解释、新品跟进和库存风险摘要通常更容易验证。年度商品战略或高金额采购承诺不适合作为首个自动化场景。

5. WOS超过8周就一定属于积压吗

WOS（库存覆盖周数）超过8周可作为积压预警参考，但不是统一行业标准。品牌还需结合品类、商品角色、季节性、跨季能力、剩余销售窗口和退货情况调整阈值；LLM只能解释已配置的口径，不能自行把参考线改成经营结论。