我的 AI 运营助手,终于能分析店铺和市场数据了

“

我一直想解决一个问题：怎么把 ERP 里的内部经营数据和外部市场数据放在一起，更好地帮助运营做判断。

国庆这段时间，常用的工具陆续补上了新能力：赛狐有了 MCP，外部数据可以通过 MyLevis MCP Hub 接入，一直在用的 FastClaw 底座也迎来了大版本更新。

趁着这轮更新，我把之前做的东西重新梳理、重构了一遍，做了一次整体打通。现在，自己的销售、广告、利润和库存，可以和市场、竞品的变化结合起来分析，这套做法也已经能用于我们的日常运营。

📌 本文看点

我们内部用赛狐 ERP，订单、销售、广告、利润、库存都在里面。外部市场则会看卖家精灵、SIF、Sorftime，研究关键词、竞品、流量和评论。

比如查销量下降，ERP 里要看销售、广告和库存，外部还可能要查关键词趋势、竞品价格和流量变化。数据分散在几个地方，看完一圈，还得自己判断哪些变化和这款产品有关。

我希望 AI 能顺着这个问题查下去：先找出哪款产品、从哪几天开始下降，再看同期广告、利润和库存。如果自己的数据还解释不清，就补查主要关键词和竞品。

最后告诉我，哪些情况已经确认，哪些只是可能的原因，接下来还需要看什么。这样我才好判断要不要动广告、价格或者库存。

最容易想到的做法，是给 Agent 接一个 ERP 的 MCP，再接几个外部数据工具。MCP 可以简单理解为让 AI 调用工具的一种连接方式。

这能解决“去哪里查”的问题，但日常运营还要反复看历史、做对比、继续追问。

比如先问“这周哪些产品销量降了”，接着追问“这些产品的广告花费和利润有没有变化”。这两次提问用到的数据有不少重合，明天复盘还会用到。如果每问一次都从头去查，既要等，也在重复做同一件事。

所以，我保留了之前定时收集经营数据的做法，把常用数据提前整理、存好，像一本持续更新的经营底账。日常看销售、广告、利润和库存，先查这份底账，做历史对比时也能接着用。

这样，追问某款产品、换一个角度做对比时，就能继续查已有数据，缺哪部分再补哪部分。

这张图是本次做法的示意：常用经营数据提前存好，当前状态和外部市场信息按需要补查。

提前准备好的数据适合看历史、做复盘。但问“现在还有多少可售库存”，就得看当前状态，这时再通过赛狐 MCP 查询。

外部数据则通过 MyLevis MCP Hub 接入 SIF、卖家精灵和 Sorftime。先看内部发现了什么问题，再决定要补哪些市场信息，不是每次都把全部工具查一遍。

接下来，要把这些数据放到同一款产品、同一段时间里看。

比如，内部查的是某款商品最近一周的销售，外部却看了整个类目一个月的趋势，就不能直接拿来解释这次下降。现在库存正常，也不能据此判断过去一周没有缺过货。

我们测试小时业绩时，还遇到过小时明细为零、日汇总已有广告数据的情况。数据拿到了，但两边尚未对齐。如果 AI 直接说“今天没有业绩”，后面的判断就跟着错了。

所以我也把平时分析时的做法告诉 AI：先确认在看哪款产品、哪个店铺、哪段时间；分清自己的真实数据和外部估算；缺了关键依据，就说明还需要查什么。

对我来说，两边的数据接通以后，至少要说清楚：看的是否是同一款产品、同一段时间，结论依据是哪条数据。否则 AI 回答得再完整，我也不敢拿它做运营判断。

这套东西自己能用以后，还要让运营日常用起来。

我一直用 FastClaw，也是因为它能把这些 AI 助手集中管理起来，给它们安排不同的工具和工作方法，也能保留之前的对话。官方把它叫作 Agent 工厂。

项目地址：https://github.com/fastclaw-ai/fastclaw

FastClaw 官方项目配图

我把整理好的数据工具和分析方法接进去，再按负责的店铺配置使用范围。运营从同一个入口提问、追问，需要研究竞品时，再用相应的外部工具。数据采集和更新放在后台持续做，不用每个人临时重新准备一遍。

回头看，这件事确实是以终为始。我先想清楚要回答什么运营问题，再决定数据怎么准备、工具怎么接。

要反复看历史，就把常用数据存下来；要确认当前状态，就保留实时查询；要解释自己的变化，就按需要补市场信息。FastClaw 把这些能力组织到团队能用的入口里。

这套方法也有机会用在其他需要结合内外部数据的场景里：先明确要做什么判断，再看哪些数据要长期积累、哪些临时查询，最后把它们组织到同一个问题下。换一个业务，数据来源和分析规则还要重新梳理。

后面我想继续验证的也很具体：运营问一个问题，回答有没有漏掉关键数据；建议执行以后，结果有没有变化。这些反馈，会告诉我下一轮应该补什么。

我是 Terry，持续关注 AI、跨境电商和 Agent SaaS 的真实业务实践。