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

零售促销知识的全生命周期管理:从立项、生效到复盘归档的知识库建设方案

上邦 AI 工程团队2026-10-09阅读 约 7 分钟
促销规则散落在活动方案、审批邮件与台账之间,是零售口径争议与客诉的主要来源。本文提出按立项建档、生效发布、执行问答、复盘归档四个阶段管理促销知识,结合零售商促销行为管理办法的明示与备案要求设计字段与归档动作,给出 openpyxl 与 Chroma 的可运行入库与生效期过滤示例,并提供三项可从查询日志统计的验收指标。
促销是零售企业频率最高、规则最复杂、出错代价也最高的业务动作之一。一次大促涉及的规则包括满减门槛、限购数量、适用门店、叠加互斥、赠品发放与价格档案留存,这些内容散落在活动方案、审批邮件、门店通知和 Excel 台账里,店员执行时各凭理解,客诉与口径争议大多由此而生。与把文档集中存放的思路不同,本文讨论的是把促销知识当作一个有生命周期的对象来管理:立项建档、生效发布、执行问答、复盘归档,四个阶段各有动作、各有验收。
第一阶段:立项建档。活动立项时同步生成一条结构化记录,字段至少包括活动编码、活动名称、业态与品类、生效起止日期、适用门店范围、审批人与审批时间。合规层面这一步并非可有可无:依据《零售商促销行为管理办法》,零售商开展促销应当在经营场所显著位置明示促销原因、方式、规则、期限与限制条件,且不得以保留最终解释权为由损害消费者权益;单店营业面积 3000 平方米以上的零售商开展开业、节庆类促销,还应在活动结束后十五日内向县级以上商务主管部门备案。立项建档阶段把明示内容与备案材料一并归档,后续应对检查才有据可查。
第二阶段:生效发布。审批通过后,把规则表(通常是一张 Excel)解析后写入知识库,并打上生效期与门店类型元数据。入库的关键是版本与状态:同一活动的规则变更不覆盖旧记录,而是新版本生效、旧版本标记为历史。向量库选型上,中小规模(万级以下切片)用 Chroma 这类嵌入式库即可满足,无需单独部署检索服务。
下面是一段可直接运行的入库与查询示例:openpyxl 读取促销规则表,Chroma 写入并按状态、日期与门店类型过滤。
import openpyxl
import chromadb
from datetime import date

wb = openpyxl.load_workbook('promo_202610.xlsx')
ws = wb.active
client = chromadb.PersistentClient(path='./promo_kb')
col = client.get_or_create_collection('promo_rules')

docs, metas, ids = [], [], []
for row in ws.iter_rows(min_row=2, values_only=True):
    code, name, rule, start, end, store_type = row[:6]
    docs.append(code + ' ' + name + ':' + rule)
    metas.append({
        'code': code, 'store_type': store_type,
        'start': str(start), 'end': str(end),
        'status': 'current'
    })
    ids.append(code)
col.upsert(ids=ids, documents=docs, metadatas=metas)

# 门店侧查询:只返回当日有效且适用于该店型的规则
today = str(date.today())
res = col.query(
    query_texts=['会员日满减与积分叠加规则'],
    n_results=3,
    where={'$and': [
        {'status': {'$eq': 'current'}},
        {'start': {'$lte': today}},
        {'end': {'$gte': today}},
        {'store_type': {'$eq': 'community'}}
    ]}
)
print(res['documents'][0])
示例中日期以字符串形式存储并按字典序比较,前提是统一使用 YYYY-MM-DD 格式。若规则变更频繁,建议在更新脚本里先把旧版本的 status 改为 history 再 upsert 新版本,避免同一活动编码出现双现行记录。
第三阶段:执行问答。促销期间,店员与客服通过问答入口查询具体规则,系统只返回当前有效版本并给出出处(活动编码与规则表来源行),回答口径在全门店保持一致。这一阶段的价值在于把解释权收回到知识库:顾客产生争议时,店员调出的是带出处的官方口径,而不是个人记忆。
第四阶段:复盘归档。活动结束后,将实际执行偏差、客诉热点与复盘结论写成复盘文档回灌入库,并把对应规则的状态从 current 改为 archived。归档不是终点:下一轮同类活动的立项阶段,可以检索历史复盘作为定价与规则设计的参照,让每一场促销的经验都进入下一场的起点。
验收这套方案是否真正落地,建议盯三个指标:口径问答一致率,即同一问题在不同门店抽问,回答是否一致;现行版命中率,即检索结果中现行版本的占比;作废规则零召回,即已归档规则是否还会出现在答案里。三项指标都可以从查询日志里直接统计,每周出一次报表即可支撑例会复盘。
促销知识管理的难点从来不在技术选型,而在于四个阶段的动作有没有人负责:立项时有没有人建档、变更时有没有人改状态、复盘时有没有人回灌。把流程绑定清楚之后,一个嵌入式向量库加一张结构化规则表,就足以支撑百店规模的促销知识管理。如果您在评估零售场景的私有 AI 知识库方案,可以了解上邦的私有 AI 知识库方案(https://aiwork.shangbon.com/ai-rag.html),支持本地化部署与按门店、按角色分级检索,适合连锁零售与即时零售团队落地使用。

参考来源

零售商促销行为管理办法(商务部等五部门令 2006年第18号)- 中国政府网国务院公报
Chroma 官方文档(PersistentClient 与 where 过滤)- docs.trychroma.com
openpyxl 官方文档 - openpyxl.readthedocs.io
相关标签:企业AI知识库零售连锁促销管理Chroma建设方案

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