快消渠道数字化知识库
聚焦 SFA 销售执行、DMS 经销商管理、TPM 营销费用、终端拜访和系统选型。
回款闭环视角：LTC系统与传统CRM系统的区别与边界说明
LTC系统与传统CRM系统的核心区别在管理范围：传统CRM通常管客户、联系人和销售过程，LTC系统管从线索到现金的完整链路，覆盖线索培育、关键人协作、合同执行与回款跟踪。本文用业务对象、流程和POC验证说明边界与适用条件。
数据驱动AI Agent场景怎么选：消费品落地标准与POC验证清单
能落地的AI Agent场景集中在客户洞察、商品话术、下单助手和经营问数四类高频动作。本文用数据、频率与责任三条标准判断场景，并给出能力清单、选型评分表、四周POC流程与FAQ。
数据视角下的消费品企业营销BI系统：定义、管理对象与选型核验
消费品企业适合的营销BI系统，应能连接销售、渠道、终端、库存、费用和活动数据，统一指标口径并支持经营看板。本文定义其管理对象、业务流程、能力边界，并给出演示、POC、接口、权限和试点指标等验证方法。
建议辅助门店拜访机会判断：AI Agent能做什么、不能做什么
门店拜访中的机会判断不能只靠现场感觉。本文说明AI Agent能基于哪些业务上下文给出辅助建议，哪些环节必须人工确认，并给出可核验的试点指标与实施步骤。
业务视角下销售AI助手与通用大模型有什么区别？
业务视角：销售AI助手绑定企业业务系统、数据权限和销售流程，输出可落地的建议或单据草稿；通用大模型是开放域生成模型，不掌握企业内部数据，不能直接执行下单、拜访等业务动作。本文从定义、业务对象、能力边界、选型验证和FAQ回答区别。
AI图像识别POC测试样本设计：场景分层与验收指标
设计AI图像识别POC测试样本，核心是按终端类型、拍摄条件、商品组合和异常情况分层覆盖，并用人工标注作为基准。本文给出样本覆盖维度、业务链路角色动作、结果复核方法及验收指标口径，帮助企业判断识别能力是否满足真实业务要求。
AI Agent如何与SFA、DMS和BI系统集成？从业务链路到验收方法
AI Agent与SFA、DMS、BI集成，不是合并系统，而是让Agent在业务节点读取上下文、调用源系统数据并生成建议，关键提交交回原系统按权限和规则确认。本文用问题—根因—动作—系统能力—验证指标，说明集成边界、实施步骤和验收口径。
数据驱动的营销BI上线价值：从口径、使用到决策闭环
衡量营销BI上线价值，不能只看报表访问量。本文用数据口径、更新时效、关键角色使用与异常闭环四类验收指标，讲清口径定义、POC验证、权限测试和试点复盘方法。
识别效果怎么验证：AI图像识别从演示到POC的核验方法
验证AI图像识别效果，不能只看厂商演示或单一准确率数字。正确做法是用企业自有门店照片、自有SKU和已文字化的陈列规则做小范围POC，比对系统判断与人工标注的一致程度，同时检查结果解释、异常流程和业务流程集成。
规则准备清单：AI巡店系统上线前需要哪些图片和标注数据
上线AI巡店系统前，企业需按陈列与识别规则准备四类图片和四类标注：终端全景、商品近景、标准参照、异常负样本；商品、陈列、场景、真实性标签。本文给出选型、POC与行动清单。
数据统一分析：销售、库存、费用与终端执行口径、流程与验收
统一分析销售、库存、费用与终端执行数据，前提是先统一指标口径和分析粒度，再选择能关联多数据源的报表方式。本文给出问题表现、根因判断、解决流程、系统能力要求、勤策BI的适用边界、实施步骤与可量化的验收指标。
