从问答到分析,从聊天到执行
阅读原讲稿选段学完这一课
你能看懂 AI 为什么挑出一个商品,也能选一件自己的小事,让 AI 先帮你做第一轮。
1. 看 AI 怎么回答问题
看图里从展示到点击的两步。点击率回答的是「展示过的次数里,有多少次被点开」。换一个例子,展示 500 次、点开 30 次,点击率是多少?
查看回答示例
点击率是 6%。 用 30 次点击除以 500 次展示,相当于每展示 100 次,平均点开 6 次。
2. 给 AI 一份真实数据
下面是天猫商品表的四款摘录,统计时间是 2026 年 7 月 21 日至 27 日。商品名在这里用 A、B、C、D 代替。
图上每个点代表一款,越往右访客越多,越往下支付买家所占的比例越低。绿色区域内的款,访客至少 20,000,买家占比低于 0.20%。点一下筛选,再看这两款的表格数字。
| 款式 | 访客合计 | 支付买家 | 买家 ÷ 访客 |
|---|---|---|---|
| 款 A | 28,083 | 104 | 0.37% |
| 款 B | 34,169 | 54 | 0.16% |
| 款 C | 20,177 | 19 | 0.09% |
| 款 D | 8,120 | 39 | 0.48% |
网页按练习规则筛选。这个比值用两列的每日数字相加后计算,同一个人跨天出现会被计入多次。
3. 回到原表核对
来核对款 B。把这 7 行的访客数和支付买家数分别加起来,再用买家合计除以访客合计。
| 行号 | 日期 | 访客 | 支付买家 |
|---|---|---|---|
| 37 | 07-21 | 4,941 | 9 |
| 38 | 07-22 | 3,578 | 4 |
| 39 | 07-23 | 14,731 | 11 |
| 40 | 07-24 | 3,518 | 4 |
| 41 | 07-25 | 2,230 | 6 |
| 42 | 07-26 | 2,434 | 10 |
| 43 | 07-27 | 2,737 | 10 |
查看核对结果
访客 34,169,支付买家 54。 54 ÷ 34,169 约等于 0.16%,两项都符合练习规则,可以优先复核。
下一步可以先看 7 月 23 日。那天有 14,731 个访客和 11 个支付买家,值得打开商品页看看,再结合当天的流量来源判断原因。
4. 把原表做成类目趋势
前面从商品表里挑出值得看的款。换一个问题,想看每天哪个类目卖了多少钱,就让 AI 按「日期和类目」合计支付金额,再交一张新表。
这份模拟原表的最后一天是 7 月 27 日,所以最近 7 天是 7 月 21 日至 27 日。先看看哪些行可以计入。
展开 7 条模拟原始记录
| 记录号 | 日期 | 类目 | 支付金额 |
|---|---|---|---|
| A01 | 07-20 | 上衣 | 90 元 |
| A02 | 07-21 | 上衣 | 150 元 |
| A03 | 07-21 | 上衣 | 5,000 分 |
| A03 | 07-21 | 上衣 | 5,000 分 |
| A04 | 07-27 | 连衣裙 | 300 元 |
| A05 | 07-27 | 空白 | 60 元 |
| A06 | 07-27 | 上衣 | 单位不明 |
揭晓汇总数字和检查办法
7 条原始记录里,1 条超出日期范围,1 条是重复导出的 A03,另有 2 条待确认。把 A03 的 5,000 分换成 50 元,剩下 3 条有效明细,合计 500 元。
新表有 2 条汇总,7 月 21 日上衣 200 元,7 月 27 日连衣裙 300 元。按同一口径核对有效明细和汇总金额,两边都是 500 元。
实际做表时,把空日期、空类目和单位不明的记录列到异常表,等人确认。按已确认的唯一记录号识别重复,同日同类目的不同记录都要保留。原表留着,生成的新 Excel 打开后应当可以编辑。
带自己的表做一遍
读取我指定的商品表,以表内最后一个有效日期为终点,取含当天的最近 7 天。
按日期和类目汇总支付金额,统一换算为元。按确认的唯一记录号去重,列出空日期、空类目和金额单位不明等异常。
生成一份可编辑的新 Excel,包含日期、类目和支付金额汇总,并附异常记录。保留原表。
报告实际日期范围、原始记录数、各类剔除或待确认的行数、汇总行数和金额合计。
5. 看 AI 交付一个文件
顺着图上的箭头试一遍。先打开分类方案,确认下面六个文件各放哪一类,再下载清单,按文件名对一遍。
新品主图.jpg商品明细.xlsx新品说明.pdf
IMG_0711.png推广记录.csv待确认.txt
预览分类方案
| 文件 | 建议放入 |
|---|---|
| 新品主图.jpg | 图片 |
| 商品明细.xlsx | 表格 |
| 新品说明.pdf | 文档 |
| IMG_0711.png | 图片 |
| 推广记录.csv | 表格 |
| 待确认.txt | 文档 |
6. 选一件自己的小事
挑一项你常做、结果容易检查的工作。把下面三句话写完,生成一张可以带走的练习卡。
看一张示例练习卡
我经常做什么:整理每周下载的文件。
我希望 AI 交给我什么:一份按文件类型分类的清单,写清每个文件建议放在哪。
拿到结果后,我会怎么检查:数一数清单有没有漏文件,再抽查图片和表格各一份。
原讲稿选段
一、AI 的能力变了:从「问答」到「分析」
以前我们大多数人使用 AI,主要还是问答。
比如:
- 这个标题怎么改?
- 这段文案怎么写?
- 这个数据指标是什么意思?
- 帮我总结一下这篇内容。
这种方式当然有价值,但是本质上还是:我问一句,它答一句。
现在不一样了。现在的 AI 已经可以直接读取 Excel、CSV 等数据文件,然后参与到实际分析过程里。
它可以帮我们:
- 汇总整体经营情况;
- 对比不同款式的表现;
- 找出异常波动;
- 筛选高潜款、风险款、亏损款;
- 总结共性问题;
- 形成日报、周报或者复盘报告。
所以这里最重要的变化,不是 AI 突然变得什么都懂了,而是它终于可以接触到我们的真实数据,并且按照我们的规则做第一轮分析。
这里有一个很重要的原则:
AI 负责把问题冒出来,人负责判断问题到底是不是问题。
比如,AI 发现某个款点击率高,但是支付转化明显偏低。
它可以提醒我们:这个款可能存在价格、详情页、评价、尺码、货品匹配等问题。
但是最终到底是什么原因,AI 不一定判断得对。这个时候仍然需要运营去看链接、看评价、看竞品、看实际货品。
所以真实的工作方式不是:
AI 把结论告诉我,我照着做。
而是:
AI 先把几百个款快速扫一遍,把真正值得我们花时间的款挑出来,我们再重点判断。
这样做的价值,是把人的注意力从“所有款都要看”变成“优先看最值得看的款”。
二、AI 的形态变了:从「聊天」到「执行」
第二个变化,是 AI 的形态变了。
以前我们在网页聊天框里问 AI:
这个事情应该怎么做?
AI 会告诉你第一步、第二步、第三步。
然后你看完以后,会发现一个非常现实的问题:
道理我都懂了,但是活还是得我自己干。
比如 AI 告诉你怎么整理文件、怎么改图片尺寸、怎么合并表格、怎么批量改文件名。
步骤写得很清楚,甚至比教程还详细,但最后点击鼠标、复制粘贴、调整格式的人,还是你自己。
现在一些本地 Agent 工具已经可以读取文件、调用程序、执行脚本、生成文档,并且在授权范围内直接处理任务。
于是工作方式就从:
我问 AI 怎么做
→ AI 告诉我步骤
→ 我自己操作
变成了:
我把目标告诉 AI
→ AI 拆解任务
→ AI 执行
→ 我检查结果
这里大家要注意,AI 能执行,不代表我们就应该让它随便执行。
比较稳妥的方式是:
先让 AI 分析和提出方案,确认没有问题以后,再让它真正修改文件。
也就是:先看清楚,再动手。