店铺文化助手 (专业版)

概述

专业版面向连锁品牌、电商运营公司与代运营机构,在免费版文案生成之上,扩展多店铺管理、销售数据分析、团队培训、批量生成、商业授权、电商平台对接等企业级能力。支持同时管理多个店铺,基于数据驱动营销决策,适合规模化电商运营场景。

专业版与免费版文案格式完全兼容,小店升级后现有内容无缝迁移。

核心能力

核心功能执行

用input_params参数进行配置。

输入: 用户提供核心功能执行所需的指令和必要参数。 处理: 按照skill规范执行核心功能执行操作,遵循单一意图原则。 输出: 返回核心功能执行的执行结果,包含操作状态和输出数据。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

参数配置与调用

用config_options参数进行配置。

输入: 用户提供参数配置与调用所需的指令和必要参数。 处理: 按照skill规范执行参数配置与调用操作,遵循单一意图原则。 输出: 返回参数配置与调用的执行结果,包含操作状态和输出数据。

• 执行此能力时使用config_options参数,支持修改/重置/导入操作

结果处理与输出

用output_format参数进行配置。

输入: 用户提供结果处理与输出所需的指令和必要参数。 处理: 按照skill规范执行结果处理与输出操作,遵循单一意图原则。 输出: 返回结果处理与输出的执行结果,包含操作状态和输出数据。

• 执行此能力时使用output_format参数,支持导出/保存/转换操作 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：企业级店铺运营平、支持多店铺管理、团队培训与商业授、面向连锁品牌、电商运营公司与代、运营机构的企业级、店铺运营平台、核心能力、销售数据分析、适用场景、连锁品牌运营、电商代运营、企业培训、商业营销、差异化、专业版支持多店铺、与企业级能力、与免费版文案格式、适用关键词、销售分析等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

使用场景

场景一: 多店铺管理

为连锁品牌管理多个店铺的文化与营销。

import os
import requests
from datetime import datetime

API_BASE = "https://api.shop-culture-pro.local/v1"
ADMIN_KEY = os.environ["SHOP_CULTURE_ADMIN_KEY"]

class MultiShopManager:
    def __init__(self, admin_key):
        self.headers = {"X-API-Key": admin_key, "X-Edition": "pro"}

    def add_shop(self, shop_info):
        """添加店铺"""
        payload = {
            "name": shop_info["name"],
            "category": shop_info["category"],
            "platform": shop_info.get("platform", "taobao"),
            "location": shop_info.get("location"),
            "staff": shop_info.get("staff", []),
        }
        resp = requests.post(
            f"{API_BASE}/shops",
            headers=self.headers,
            json=payload,
            timeout=30,
        )
        return resp.json()

    def batch_generate_content(self, shops, content_type, params):
        """批量生成营销内容"""
        payload = {
            "shop_ids": [s["id"] for s in shops],
            "content_type": content_type,  # product_copy, social_post, promotion
            "params": params,
            "personalize": True,
            "language": "zh",
        }
        resp = requests.post(
            f"{API_BASE}/content/batch",
            headers=self.headers,
            json=payload,
            timeout=300,
        )
        return resp.json()

    def cross_shop_dashboard(self):
        """跨店铺仪表盘"""
        resp = requests.get(
            f"{API_BASE}/dashboard/cross-shop",
            headers=self.headers,
            timeout=60,
        )
        return resp.json()

manager = MultiShopManager(ADMIN_KEY)
# 批量为 10 家店铺生成产品文案
contents = manager.batch_generate_content(
    shops=[{"id": "s001"}, {"id": "s002"}, {"id": "s003"}],
    content_type="product_copy",
    params={"product": "新品护肤精华", "price": 199},
)

场景二: 销售数据分析

基于销售数据优化营销策略。

def analyze_sales_data(shop_id, period):
    """分析销售数据"""
    payload = {
        "shop_id": shop_id,
        "period": period,
        "metrics": [
            "total_revenue", "avg_order_value", "conversion_rate",
            "top_products", "customer_segments", "seasonal_trends",
        ],
        "analysis": [
            "best_selling_products",
            "customer_retention",
            "marketing_roi",
            "growth_opportunities",
        ],
        "recommendations": True,
    }
    resp = requests.post(
        f"{API_BASE}/analytics/sales",
        headers=manager.headers,
        json=payload,
        timeout=120,
    )
    return resp.json()

# 示例
# {
#   "total_revenue": 156000,
#   "top_products": [
#     {"name": "精华液", "sales": 78000, "growth": 0.25}
#   ],
#   "insights": [
#     "精华液销量增长 25%,建议加大推广",
#     "晚 8-10 点转化率最高,建议集中投放",
#   ],
#   "recommendations": [
#     "为精华液撰写种草文案,投放到小红书",
#     "晚 8 点开启直播,主推精华液",
#   ]
# }

场景三: 团队培训方案

为店铺员工设计培训方案。

def create_training_program(team_members, focus_areas):
    """创建员工培训方案"""
    payload = {
        "team_members": team_members,
        "focus_areas": focus_areas,  # [customer_service, marketing, product_knowledge]
        "deliverables": [
            "training_outline",
            "lesson_plans",
            "role_play_scripts",
            "assessment_rubrics",
            "training_materials",
        ],
        "duration_weeks": 4,
        "format": "blended",  # online, offline, blended
    }
    resp = requests.post(
        f"{API_BASE}/training/programs",
        headers=manager.headers,
        json=payload,
        timeout=300,
    )
    return resp.json()

不适用场景

以下场景店铺文化助手专业版不适合处理：

• 虚假交易和刷单
• 跨境电商税务
• 实体店铺管理

触发条件

需要电商运营、商品管理、订单处理、支付集成时使用。不适用于非本工具能力范围的需求。

快速开始

Step 1: 申请专业版账户

联系销售开通专业版,获取管理员凭证与租户 ID。

Step 2: 配置凭证

export SHOP_CULTURE_ADMIN_KEY="sk_pro_admin_xxx"
export SHOP_CULTURE_ORG_ID="org_your_id"
export SHOP_CULTURE_EDITION="pro"

Step 3: 导入店铺数据

curl -X POST -H "X-API-Key: $SHOP_CULTURE_ADMIN_KEY" 
  -F "file=@shops.csv" 
  "https://api.shop-culture-pro.local/v1/shops/import"

Step 4: 批量生成内容

curl -X POST -H "X-API-Key: $SHOP_CULTURE_ADMIN_KEY" 
  -H "Content-Type: application/json" 
  -d '{
    "shop_ids": ["s001","s002","s003"],
    "content_type": "product_copy",
    "params": {"product":"新品","price":199}
  }' 
  "https://api.shop-culture-pro.local/v1/content/batch"

命令参数说明

• -API-Key: 命令参数,用于指定操作选项
• -Edition: 命令参数,用于指定操作选项
• -F: 命令参数,用于指定操作选项
• -X: 命令参数,用于指定操作选项
• -H: 命令参数,用于指定操作选项
• -Type: 命令参数,用于指定操作选项

配置示例

企业级配置

# /etc/shop-culture/pro.yaml
edition: pro
api:
  base_url: https://api.shop-culture-pro.local/v1
  admin_key: ${SHOP_CULTURE_ADMIN_KEY}
  org_id: ${SHOP_CULTURE_ORG_ID}
  timeout: 300

multi_shop:
  max_shops: 100
  permissions:
    admin: [manage_all, view_all, edit_all]
    manager: [manage_assigned, view_assigned]
    staff: [view_own, create_content]

analytics:
  metrics: [revenue, conversion, retention, aov, roi]
  real_time: true
  dashboards: [shop, category, cross_shop]
  export: [csv, excel, pdf]

training:
  modules: [customer_service, marketing, product, operations]
  certification: true
  tracking: true

content:
  batch_limit: 1000
  templates: 500+
  version_control: true
  approval_workflow: true

integrations:
  ecommerce_apis: [taobao, tmall, jd, pdd, douyin_shop]
  social_media: [xiaohongshu, weibo, douyin, wechat]
  analytics: [google_analytics, baidu_tongji]

collaboration:
  multi_user: true
  roles: [admin, content_writer, designer, manager]
  review: true
  version_control: true

营销日历

def generate_marketing_calendar(year, shops):
    """生成全年营销日历"""
    payload = {
        "year": year,
        "shops": shops,
        "include_holidays": True,
        "include_shopping_festivals": True,  # 618, 双11, 双12
        "content_planning": True,
        "resource_allocation": True,
    }
    resp = requests.post(
        f"{API_BASE}/calendar/generate",
        headers=manager.headers,
        json=payload,
        timeout=300,
    )
    return resp.json()

A/B 测试

def create_content_ab_test(shop_id, variants, metric):
    """文案 A/B 测试"""
    payload = {
        "shop_id": shop_id,
        "variants": variants,
        "metric": metric,  # click_rate, conversion_rate, engagement
        "duration_days": 14,
        "traffic_split": "equal",
    }
    resp = requests.post(
        f"{API_BASE}/ab-test/create",
        headers=manager.headers,
        json=payload,
        timeout=60,
    )
    return resp.json()

最佳实践

1. 多店铺标准化

def standardize_branding(shops, brand_guidelines):
    """标准化品牌形象"""
    payload = {
        "shops": shops,
        "guidelines": brand_guidelines,
        "apply_to": ["logo", "color_scheme", "tone_of_voice", "templates"],
        "exceptions": [],  # 允许个别店铺差异化
    }
    resp = requests.post(
        f"{API_BASE}/branding/standardize",
        headers=manager.headers,
        json=payload,
        timeout=120,
    )
    return resp.json()

2. 数据驱动决策

def data_driven_marketing(shop_id):
    """基于数据的营销决策"""
    sales = analyze_sales_data(shop_id, "last_30_days")
    decisions = []

    for insight in sales.get("insights", []):
        if "增长" in insight:
            decisions.append({"action": "加大推广", "basis": insight})
        elif "下降" in insight:
            decisions.append({"action": "优化产品", "basis": insight})

    return sorted(decisions, key=lambda x: x["action"])

3. 团队协作

def create_content_workflow(shop_id):
    """内容创作工作流"""
    payload = {
        "shop_id": shop_id,
        "workflow": {
            "roles": ["copywriter", "designer", "reviewer", "publisher"],
            "tasks": [
                {"name": "文案撰写", "assignee": "copywriter"},
                {"name": "配图设计", "assignee": "designer", "parallel": True},
                {"name": "审核修改", "assignee": "reviewer", "depends_on": ["文案", "配图"]},
                {"name": "定时发布", "assignee": "publisher", "depends_on": "审核"},
            ],
            "approval": "required",
            "version_control": True,
        },
    }
    resp = requests.post(
        f"{API_BASE}/workflows",
        headers=manager.headers,
        json=payload,
        timeout=30,
    )
    return resp.json()

常见问题

Q1: 专业版与免费版文案格式兼容吗?

完全兼容。专业版在免费版基础上扩展,现有文案可直接迁移。

Q2: 多店铺管理支持多少家?

标准版支持 100 家店铺,企业版可扩展至 1000+ 家。

Q3: 电商对接哪些平台?

淘宝、天猫、京东、拼多多、抖音小店、微信小店等主流电商平台。

Q4: 数据分析需要什么数据?

接入电商后台数据即可 (订单、流量、客户等)。无需自行埋点。

Q5: 团队培训支持哪些形式?

线上、线下、混合式。包含课程、话术演练、考核评估。

依赖说明

运行环境

• Agent 平台: 支持 SKILL.md 规范的任意 AI Agent (Claude Code、Cursor、Codex、Gemini CLI 等)
• 操作系统: Windows / macOS / Linux (生产环境推荐 Linux)
• 网络: 需访问专业版服务
• Python: 3.9+ (用于脚本化操作)

依赖详情

API Key 配置

# 专业版凭证
export SHOP_CULTURE_ADMIN_KEY="sk_pro_admin_xxx"
export SHOP_CULTURE_ORG_ID="org_your_id"
export SHOP_CULTURE_EDITION="pro"

# 可选: 电商平台对接
export TAOBAO_API_KEY="..."
export TMALL_API_KEY="..."
export JD_API_KEY="..."

# 可选: 社交媒体
export XIAOHONGSHU_API_KEY="..."
export WEIBO_API_KEY="..."

可用性分类

• 分类: MD+EXEC (Markdown 指令 + 命令行执行)
• 说明: 本 Skill 面向连锁品牌与电商运营公司,通过自然语言指令驱动 Agent 调用 Pro API,完成多店铺管理与数据分析
• 专业版特性: 多店铺管理、销售分析、团队培训、批量生成、电商对接、A/B 测试、营销日历
• 兼容性: 与免费版文案格式完全兼容,支持平滑升级

错误处理

已知限制

• 需LLM支持,无LLM环境不可用
• 复杂业务场景建议结合人工经验判断
• 执行效率受模型能力与网络环境影响

示例

基本用法

输入：用户提供操作指令和必要参数

输出：返回执行结果,包含操作状态和输出数据

用户: 执行核心功能
Skill: 正在执行核心功能...
Skill: 执行完成,结果如下: 操作成功