连锁门店巡店管理全流程助手。覆盖巡店计划制定→巡店执行评分→营销方案生成→数据分析报告4大阶段。支持10维加权评分、交互式HTML报告、多门店对比、整改追踪闭环。触发词:巡店, 门店巡检, 巡店计划, 巡店报告, 门店检查, 督导巡店, 门店评分, 巡店分析, 巡店营销, store inspection。
--- name: store-inspection description: 连锁门店巡店管理全流程助手。覆盖巡店计划制定→巡店执行评分→营销方案生成→数据分析报告4大阶段。支持10维加权评分、交互式HTML报告、多门店对比、整改追踪闭环。触发词:巡店, 门店巡检, 巡店计划, 巡店报告, 门店检查, 督导巡店, 门店评分, 巡店分析, 巡店营销, store inspection。 agent_created: true location: user allowed-tools: Bash, Read, Write, Edit, WebSearch, WebFetch --- # 巡店管理全流程助手 (Store Inspection Manager) 连锁门店巡店管理的 AI 全流程助手,从计划制定到数据分析一站式搞定。 ## 触发词 巡店, 门店巡检, 巡店计划, 巡店报告, 门店检查, 督导巡店, 门店评分, 巡店分析, 巡店营销, store inspection, 制定巡店, 执行巡店, 巡店数据, 门店评估 ## 核心功能 ### 1. 巡店计划制定 (Plan) - 输入门店列表(名称/类型/位置/重要性) - 自动生成巡店排期(日巡/周巡/月巡/季巡分层) - 优先级排序 + 巡店路线建议 - 输出结构化排期表 ### 2. 巡店执行评分 (Execute) - 10大检查维度,加权百分制评分 - 每维度 3-5 项子检查,通过/部分通过/不通过三档 - 支持问题描述 + 整改要求 + 照片备注 - 自动计算加权总分 ### 3. 巡店营销方案 (Marketing) - 基于巡店结果诊断营销薄弱点 - 生成促销活动建议、陈列优化方案 - 客流提升策略、客单价提升策略 - 输出可执行的营销改善计划 ### 4. 数据分析报告 (Analyze) - 交互式 HTML 可视化报告 - 雷达图(多维度得分) - 趋势图(得分变化趋势) - 问题分布(高频问题 TOP10) - 多门店对比排名 - 整改跟踪闭环率 ## 10 维检查体系 | 维度 | 权重 | 关键检查项 | |------|------|-----------| | 店面形象 | 10% | 门头招牌、灯光照明、外部清洁、橱窗展示 | | 商品陈列 | 15% | 货架合规、陈列面、促销端架、价格标签、缺货率 | | 员工服务 | 10% | 着装规范、迎宾问候、产品知识、服务态度 | | 安全合规 | 10% | 消防通道、灭火器、应急出口、监控系统 | | 库存管理 | 10% | 库存准确率、FIFO执行、过期品处理、补货时效 | | POS系统 | 5% | 收银正常、支付方式、小票打印、系统更新 | | 客户体验 | 10% | 动线合理、试衣间、等候时间、投诉处理 | | 营销执行 | 10% | 促销执行、POP物料、会员拉新、活动效果 | | 防损安保 | 10% | EAS防盗、高值品管控、现金管理、钥匙管理 | | 卫生环境 | 10% | 地面清洁、卫生间、仓库整理、垃圾分类 | ## 使用方式 ### 方式一:对话式交互(推荐) 直接用自然语言描述需求,AI 会引导你逐步完成: ``` "帮我制定下个月的巡店计划,我有5家门店" "开始巡店检查,门店是XX路店" "分析这个月的巡店数据" "根据巡店结果生成营销改善方案" ``` ### 方式二:脚本直接调用 ```bash python scripts/store_inspection.py --mode plan python scripts/store_inspection.py --mode execute --store "XX路店" python scripts/store_inspection.py --mode analyze --data data/inspection_history.json python scripts/store_inspection.py --mode marketing --store "XX路店" ``` ## 工作流程 ### 巡店计划流程 1. 收集门店信息(名称/类型/位置/面积/重要性) 2. 设定巡店周期和频率 3. 生成优先级排序 4. 输出排期表和路线建议 5. 保存为 JSON 数据文件 ### 巡店执行流程 1. 加载检查清单(10维度 + 子项) 2. 逐维度逐项检查评分 3. 记录问题和整改要求 4. 自动计算加权总分 5. 生成巡店结果 JSON ### 数据分析流程 1. 加载历史巡店数据 2. 多维度分析(趋势/对比/问题分布) 3. 生成交互式 HTML 报告 4. 输出整改跟踪建议 ### 营销方案流程 1. 分析巡店数据中的营销维度 2. 诊断薄弱环节 3. 生成具体改善措施 4. 输出可执行营销方案 ## 评分标准 - **通过 (100分)**:完全符合标准,无任何问题 - **部分通过 (60分)**:基本达标但有小问题,需改进 - **不通过 (0分)**:严重不符合标准,需立即整改 加权总分 = Σ(维度得分 × 维度权重) 评级: - A级 (90-100分):优秀 - B级 (80-89分):良好 - C级 (70-79分):一般 - D级 (60-69分):待改进 - E级 (<60分):不合格 ## 输出产物 1. **巡店排期表** - JSON + 文本表格 2. **巡店评分结果** - JSON 数据 3. **交互式HTML报告** - 含图表可视化 4. **营销改善方案** - 文本 + HTML ## 依赖 - Python 3.8+ - 所有报告使用内嵌 Chart.js(CDN),无需本地安装 - 数据存储为本地 JSON 文件
don't have the plugin yet? install it then click "run inline in claude" again.