欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

零售连锁企业门店知识库建设方案:SOP、商品资料与促销规则的结构化入库与生效期检索

上邦 AI 工程团队2026-09-23阅读 约 7 分钟
连锁门店的知识管理难在过期促销与新版 SOP 混用、店长靠微信群转发文件。本文给出门店知识库四步建设方案:按变更频率分层、openpyxl 解析促销表、五维元数据设计、Chroma 生效期过滤检索,附可运行代码示例与零结果率等三项验收指标。
连锁零售的知识管理痛点集中在门店端:陈列与收银标准、促销规则、商品卖点资料分散在总部各部门的文档与表格里,店长靠微信群层层转发,过期文件与新文件混用。据公开信息,中国连锁经营协会发布的 2024 年中国超市 TOP100 显示,门店总数同比下降 9.8%,但通过调改与整改,六成以上企业门店经营业绩得到改善。门店运营标准的快速、准确执行,正在成为存量竞争的关键变量。本文给出一套四步建设方案,重点是让促销规则只命中现行有效版本。

第一步:文档盘点与分层

① 按变更频率把门店知识分四层:低频层(总部制度与流程规范,年变更少于 2 次)、中频层(门店 SOP、设备操作与异常处理,按季度修订)、高频层(促销活动规则、价签与陈列指引,按档期生效)、资产层(商品资料与卖点库,只增不删)。
② 确定入库边界:首期只收中频层与高频层,因为这两层直接决定门店当日动作;资产层随商品新增逐步补充,避免一开始铺开导致治理失控。

第二步:解析与切片

SOP 多为 Word 文档,促销规则多为 Excel 表格。用 python-docx 按标题层级切片,用 openpyxl 逐行解析促销表,一行对应一条规则:
import openpyxl

# promotion_rules.xlsx 列:rule_id, brand, store_type, title, detail,
# effective_from, effective_to
wb = openpyxl.load_workbook('promotion_rules.xlsx')
ws = wb.active
rows = list(ws.values)
header = rows[0]
records = [dict(zip(header, r)) for r in rows[1:]]
print(len(records))  # 待入库规则数

第三步:元数据设计

零售知识库的检索质量取决于元数据而非模型。每条内容至少打五个标签:doc_type(sop、promotion 或 product)、brand、store_type(标超、社区店、会员店等)、effective_from、effective_to。制度与 SOP 没有档期概念,effective_to 可填 2999-12-31 占位,保证过滤逻辑统一。

第四步:入库与生效期过滤

用 Chroma 做本地向量库,入库时写入元数据,查询时用 where 条件把过期促销与不匹配业态的内容过滤掉:
import chromadb

client = chromadb.PersistentClient(path='./retail_kb')
col = client.get_or_create_collection('retail_docs')

def add_rule(rec):
    col.add(
        ids=[str(rec['rule_id'])],
        documents=[str(rec['title']) + '\n' + str(rec['detail'])],
        metadatas=[{
            'doc_type': 'promotion',
            'brand': str(rec['brand']),
            'store_type': str(rec['store_type']),
            'effective_from': str(rec['effective_from']),
            'effective_to': str(rec['effective_to'])
        }]
    )

for r in records:
    add_rule(r)

# 店员提问:只命中当日有效、且匹配业态的促销
today = '2026-09-23'
results = col.query(
    query_texts=['会员日生鲜满减怎么算'],
    n_results=3,
    where={'$and': [
        {'doc_type': {'$eq': 'promotion'}},
        {'effective_from': {'$lte': today}},
        {'effective_to': {'$gte': today}},
        {'store_type': {'$eq': '社区店'}}
    ]}
)
print(results['documents'])
提醒:促销到期后新档期文件入库时,旧规则不删除,仅依赖生效期过滤排除,保留历史档期数据便于复盘促销执行情况。

验收指标:用三个数字判断有没有建成

上线两周后统计三个指标:零结果率(查询日志中无命中的比例,目标低于 10%)、现行版命中率(促销类问答命中生效期内的比例,目标高于 95%)、出处率(答案附带文件编号与档期的比例,目标 100%)。三个指标连续一周达标,再开放给全部门店使用。
这套方案对硬件要求不高,一台带 GPU 的工作站即可跑通本地向量检索与开源模型问答,数据不出内网。上邦的私有 AI 知识库方案(https://aiwork.shangbon.com/ai-rag.html)已按上述分层与生效期过滤思路沉淀了完整实施模板,欢迎结合贵司门店规模与文档现状做一次落地评估。

参考来源

2024年中国超市TOP100发布 腰部企业经营改善明显 - 央广网(数据来源:中国连锁经营协会) Chroma 官方文档:Metadata Filtering - docs.trychroma.com openpyxl 官方文档 - openpyxl.readthedocs.io
相关标签:企业AI知识库零售连锁SOP管理向量检索Chroma

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案