夜雨聆风
很多团队不是“不会用AI”，而是“没有可用的数据”。工具买回来，只是把问题照得更亮。
不少电商团队：采购了智能客服、AIGC详情、BI+大模型分析、甚至一整套“AI中台”。上线前大家兴奋，三周后群里安静。不是因为工具不行，而是项目一开始就踩进了同一个坑——数据准备不够。
3个最常见的“翻车现场”
这三种情况，你可能至少中过一种：
1）AIGC商品详情：生成得很快，但错得也很快。
标题里“真皮/PU”混着写、尺码表对不上、卖点抓不住；同一款SKU在不同系统里叫法不同，模型只能按“它看到的字”胡乱拼。结果运营要么不敢放，要么放了被用户追着骂。
2）智能客服：能聊天，但不解决问题。
客服机器人回答“看起来很像那么回事”，但一问到“这类商品能否七天无理由”“换货运费谁出”“活动价保怎么走”，就开始绕圈。根因通常不是模型能力，而是规则/知识散在表格、群公告、IM聊天、不同版本的SOP里，且没有结构化、没有版本号。
3）预测与决策：模型挺准，但业务不买账。
补货预测明明“误差不大”，但运营还是说“没用”。一追问才发现：促销日历没接进来、价格调整没同步、缺货导致的“销量为0”被当成需求下降，甚至不同人口中的“销量”口径都不一样（下单/支付/出库/签收）。模型做得再好，也是在用错误口径拟合。
问题不在AI：工具缺的是“可用数据”，不是“更多数据”
:::很多人听到“缺数据”，第一反应是“我们数据多得很：订单、广告、直播、仓储、客服……”。但AI要的不是“多”，而是“可用”。所谓可用，至少包含三件事：
•可对齐：同一个商品、同一个用户、同一笔订单，在不同系统里能对得上（ID能映射，口径能解释）。
•可相信：关键字段完整、及时、稳定，缺失有规则可补，异常有监控可追。
•可调用：权限清晰、脱敏策略明确、接口稳定，不是“问数据要一张表等两周”。
你会发现：很多“AI项目”，本质是在用AI把数据工程欠的债一次性催出来。
电商里最容易断的4条“数据链”
:::如果你想快速定位问题，建议从下面四条链路去排查：
•商品主数据链：类目/品牌/规格/材质/属性是否统一？SKU层级、套装/赠品关系是否清晰？
•交易事实链：下单→支付→出库→签收→售后各环节是否串得起来？退款/逆向订单口径是否统一？
•行为事件链：曝光→点击→加购→收藏→支付是否能闭环？事件命名、埋点版本、渠道维度是否一致？
•内容与规则链：客服SOP、价保规则、活动机制、质检标准是否结构化、可检索、可追溯版本？
这四条链不通，你买再贵的AI工具，也只能在断点附近“聪明地胡说”。
别再从“买工具”开始：从一个场景做出数据闭环
:::想让AI真正跑起来，我更推荐一个“反直觉”的顺序：先把业务动作定义清楚，再倒推数据。下面是电商团队常用的落地流程（不需要大改架构，关键是把路径走通）：
Step 1：先写清楚“AI要替谁省哪一步”。
不要写“提升效率/降本增效”。写成一个可验收的动作：例如“把新品上架的标题+5点描述从40分钟压到10分钟，且合规错误率<1%”；或“把售后咨询首响自动解决率做到30%，无法解决的要给出准确的转人工理由与证据”。
Step 2：列“最小可用数据集”（MVD），只要够用就行。
以“生成商品卖点”为例，MVD可能只包含：类目、核心属性（材质/规格/型号）、历史成交关键词、差评TOP原因、竞品卖点（可公开抓取）、禁用词库。别一上来就要全量明细表，先把能闭环的字段凑齐。
Step 3：做一次“ID对齐+口径对齐”，别嫌麻烦。
电商AI最常见的三大主键是：用户ID、商品ID、订单ID。
你至少要有一张“映射表/主数据表”，说明这些ID来自哪里、如何更新、变化时怎么通知下游。否则模型今天用A系统的SKU，明天用B系统的SKU，输出自然不稳定。
Step 4：把数据质量变成指标，像盯GMV一样盯。
•完整率：关键字段缺失比例（如材质、尺码、发货时效）。
•一致性：同一字段在不同来源的冲突比例（如类目、品牌）。
•及时性：从业务发生到数据可用的延迟（分钟/小时/天）。
•漂移：近7天/30天字段分布是否突变（活动/换品/换系统常触发）。
Step 5：给数据加“合同”，让接口稳定下来。
数据合同并不复杂：字段定义、取值范围、更新时间、负责人、变更流程。你甚至可以先从一个飞书文档/Notion开始，但一定要让“改字段=改产品”，否则AI效果会像抽奖。
Step 6：上线别一刀切，灰度+人工兜底才是常态。
把AI当成“新同事”：先在低风险SKU/低峰时段灰度；每周复盘“错在哪个数据字段/哪个口径”；把纠错动作回写到数据资产里。这样你会越用越稳，而不是越用越怕。
买AI工具前，先问自己这5个问题（很现实，但能救命）
:::• 我这次要解决的，是“内容生产/客服问答/预测决策/分析洞察”哪一类？验收指标是什么？
• 这个场景的最小可用数据集是什么？现在能在1周内拿到吗？
• 关键口径（销量/退款/毛利/转化）有没有统一定义？谁拍板？
• 数据权限和合规怎么做？能否脱敏、能否审计、能否回溯？
• 上线后谁负责持续维护：数据、业务、还是供应商？预算里有没有预留“数据工程”的钱？
如果这5个问题答不上来，十有八九不是“工具买错了”，而是“顺序错了”。先把数据这条路修通，再上AI，效果会完全不同。
◇ ◆ ◇
