ਵਿਕਰੀ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਰਿਪੋਰਟਿੰਗ: ਕੇਪੀਆਈ, ਡੈਸ਼ਬੋਰਡ ਅਤੇ ਫੈਸਲਾ ਸਮਰਥਨ

ਲਾਭ:

• ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਪੋਰਟ ਦੇ ਨਾਲ ਟਰਨਓਵਰ, ਮਾਰਜਿਨ, ਪਰਿਵਰਤਨ, ਟੋਕਰੀ ਦਾ ਆਕਾਰ ਅਤੇ ਸਟਾਕ ਟਰਨਓਵਰ ਰੇਟ ਵਰਗੇ ਕੇਪੀਆਈ ਦੀ ਵਿਆਖਿਆ ਅਤੇ ਰਿਪੋਰਟ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਕੱਚੇ ਵਿਕਰੀ ਡੇਟਾ ਤੋਂ ਪ੍ਰਬੰਧਨ ਸੰਖੇਪ, ਵਿਗਾੜ ਖੋਜ ਅਤੇ ਕਾਰਵਾਈ ਪ੍ਰਸਤਾਵ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਇਹ ਸਮਝਣਾ ਕਿ ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਗ੍ਰਾਫਿਕ ਵਿਆਖਿਆਵਾਂ ਨੂੰ ਸਰੋਤ ਡੇਟਾ ਅਤੇ ਗਣਨਾਵਾਂ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ

ਪ੍ਰਚੂਨ ਵਿੱਚ, ਡੇਟਾ ਭਰਪੂਰ ਹੈ ਪਰ ਸਮਝ ਬਹੁਤ ਘੱਟ ਹੈ। ਕੈਸ਼ ਰਜਿਸਟਰ, ਈ-ਕਾਮਰਸ, ਅਤੇ ਸਟਾਕ ਤੋਂ ਹਰ ਰੋਜ਼ ਹਜ਼ਾਰਾਂ ਲਾਈਨਾਂ ਦਾ ਪ੍ਰਵਾਹ; ਮੁੱਖ ਗੱਲ ਇਹ ਹੈ ਕਿ ਇਸ ਕੱਚੇ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ "ਕੀ ਹੋ ਰਿਹਾ ਹੈ, ਇਹ ਕਿਉਂ ਹੋ ਰਿਹਾ ਹੈ, ਕੀ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ?" ਇਸ ਨੂੰ ਤੁਹਾਡੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬਾਂ ਵਿੱਚ ਬਦਲਣ ਲਈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਕ ਵਜੋਂ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰੋਗੇ ਜੋ ਕੱਚੇ ਵਿਕਰੀ ਡੇਟਾ ਤੋਂ ਕਾਰਜਕਾਰੀ ਸੰਖੇਪ, ਕੇਪੀਆਈ ਵਿਆਖਿਆ, ਵਿਗਾੜ ਖੋਜ ਅਤੇ ਕਾਰਵਾਈ ਦੀ ਸਿਫਾਰਸ਼ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਦੁਬਾਰਾ ਫਿਰ, ਸੁਨਹਿਰੀ ਨਿਯਮ ਲਾਗੂ ਹੁੰਦਾ ਹੈ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੀ ਹਰ ਸੰਖਿਆ ਅਤੇ ਵਿਆਖਿਆ ਨੂੰ ਸਰੋਤ ਡੇਟਾ ਅਤੇ ਗਣਨਾ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਬੁਨਿਆਦੀ ਧਾਰਨਾਵਾਂ:

KPI (ਕੁੰਜੀ ਪ੍ਰਦਰਸ਼ਨ ਸੂਚਕ): ਨਾਜ਼ੁਕ ਮੈਟ੍ਰਿਕਸ ਜੋ ਕਾਰੋਬਾਰ ਦੀ ਸਿਹਤ ਦਾ ਸਾਰ ਦਿੰਦੇ ਹਨ। ਪ੍ਰਚੂਨ ਵਿੱਚ, ਮੁੱਖ ਹਨ: ਟਰਨਓਵਰ, ਕੁੱਲ ਮਾਰਜਿਨ, ਪਰਿਵਰਤਨ ਦਰ, ਔਸਤ ਟੋਕਰੀ, ਸਟਾਕ ਟਰਨਓਵਰ ਦਰ।

ਪਰਿਵਰਤਨ ਦਰ: ਕਿੰਨੇ ਲੋਕ ਜੋ ਸਟੋਰ ਵਿੱਚ ਦਾਖਲ ਹੋਏ / ਖਰੀਦੀ ਗਈ ਸਾਈਟ 'ਤੇ ਗਏ। ਜੇਕਰ 100 ਵਿੱਚੋਂ 4 ਸੈਲਾਨੀਆਂ ਨੇ ਇਸਨੂੰ ਖਰੀਦਿਆ, ਤਾਂ ਪਰਿਵਰਤਨ 4% ਹੈ।

ਔਸਤ ਟੋਕਰੀ ਦਾ ਆਕਾਰ: ਪ੍ਰਤੀ ਲੈਣ-ਦੇਣ ਔਸਤ ਖਰਚ।

ਇਨਵੈਂਟਰੀ ਟਰਨਓਵਰ ਰੇਟ: ਇੱਕ ਮਿਆਦ ਵਿੱਚ ਸਟਾਕ ਨੂੰ ਕਿੰਨੀ ਵਾਰ ਬਦਲਿਆ (ਵੇਚਿਆ ਅਤੇ ਨਵਿਆਇਆ ਗਿਆ)। ਉੱਚ = ਨਕਦੀ ਦੀ ਕੁਸ਼ਲ ਵਰਤੋਂ।

ਅਸੰਗਤਤਾ: ਡੇਟਾ ਵਿੱਚ ਇੱਕ ਅਚਾਨਕ ਛਾਲ ਜਾਂ ਗਿਰਾਵਟ; ਅਕਸਰ ਕਿਸੇ ਸਮੱਸਿਆ ਜਾਂ ਮੌਕੇ ਦਾ ਸ਼ੁਰੂਆਤੀ ਸੰਕੇਤ।

ਰਿਟੇਲ KPI ਡੈਸ਼ਬੋਰਡ

ਕੇ.ਪੀ.ਆਈ

ਇਹ ਕੀ ਕਹਿੰਦਾ ਹੈ

ਸੰਭਵ ਕਾਰਨ ਜੇਕਰ ਇਹ ਡਿੱਗਦਾ ਹੈ

ਟਰਨਓਵਰ

ਕੁੱਲ ਕਾਰੋਬਾਰ ਦੀ ਮਾਤਰਾ

ਟ੍ਰੈਫਿਕ/ਪਰਿਵਰਤਨ/ਕੀਮਤ ਵਿੱਚ ਗਿਰਾਵਟ

ਕੁੱਲ ਮਾਰਜਿਨ

ਵਿਕਰੀ ਦੀ ਮੁਨਾਫ਼ਾ

ਬਹੁਤ ਜ਼ਿਆਦਾ ਛੋਟ, ਲਾਗਤ ਵਿੱਚ ਵਾਧਾ

ਪਰਿਵਰਤਨ ਦਰ

ਫੇਰੀ ਨੂੰ ਵਿਕਰੀ ਵਿੱਚ ਬਦਲਣਾ

ਸਟਾਕ ਤੋਂ ਬਾਹਰ, ਕੀਮਤ, ਅਨੁਭਵ ਸਮੱਸਿਆ

ਔਸਤ ਟੋਕਰੀ

ਪ੍ਰਤੀ ਲੈਣ-ਦੇਣ ਮੁੱਲ

ਮਾੜੀ ਕਰਾਸ-ਵਿਕਰੀ, ਮੁਹਿੰਮ ਖਤਮ ਹੋ ਗਈ ਹੈ

ਸਟਾਕ ਟਰਨਓਵਰ ਦਰ

ਨਕਦ ਕੁਸ਼ਲਤਾ

ਵਾਧੂ/ਮੁਰਦਾ ਸਟਾਕ

ਵਾਪਸੀ ਦੀ ਦਰ

ਉਤਪਾਦ/ਉਮੀਦ ਫਿੱਟ

ਗਲਤ ਸਮੱਗਰੀ, ਗੁਣਵੱਤਾ ਦੀ ਸਮੱਸਿਆ

ਸੁਝਾਅ: ਇੱਕ KPI ਦੇ ਆਧਾਰ 'ਤੇ ਫੈਸਲਾ ਨਾ ਕਰੋ। ਜੇਕਰ ਟਰਨਓਵਰ ਵਧਣ ਦੇ ਦੌਰਾਨ ਮਾਰਜਿਨ ਵਧਦਾ ਹੈ, ਤਾਂ ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤੁਸੀਂ ਛੂਟ 'ਤੇ ਵਿਕਰੀ ਨੂੰ "ਖਰੀਦਿਆ" ਹੈ। KPIs ਨੂੰ ਇਕੱਠੇ ਪੜ੍ਹੋ।

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਸੰਖੇਪ ਵਿੱਚ ਕਿਵੇਂ ਬਦਲਦੀ ਹੈ?

ਤੁਸੀਂ ਵਿਕਰੀ ਸਾਰਣੀ (ਤਾਰੀਖ, ਸ਼੍ਰੇਣੀ, ਮਾਤਰਾ, ਟਰਨਓਵਰ, ਵਾਪਸੀ) ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਇਹ ਪੁੱਛ ਸਕਦੇ ਹੋ:

• ਸੰਖੇਪ: ਵਧੀਆ/ਬੁਰਾ ਪ੍ਰਦਰਸ਼ਨ, ਧਿਆਨ ਦੇਣ ਯੋਗ ਤਬਦੀਲੀਆਂ।
• ਤੁਲਨਾ: ਇਹ ਮਿਆਦ ਬਨਾਮ ਪਿਛਲੀ ਮਿਆਦ, ਸਟੋਰ ਆਦਿ ਸ਼ਾਪਿੰਗ ਸੈਂਟਰ।
• ਵਿਗਾੜ: ਅਚਾਨਕ ਛਾਲ/ਬੂੰਦਾਂ ਅਤੇ ਸੰਭਵ ਕਾਰਨ।
• ਕਾਰਵਾਈ: ਹਰੇਕ ਖੋਜ ਲਈ ਇੱਕ-ਵਾਕ ਦੀ ਸਿਫ਼ਾਰਿਸ਼।

AI ਇਹ ਮਿੰਟਾਂ ਵਿੱਚ ਕਰਦਾ ਹੈ; ਪਰ ਨਾਜ਼ੁਕ: ਉਹ ਆਪਣੇ ਆਪ ਸੰਖਿਆਵਾਂ ਦੀ ਗਣਨਾ ਕਰਦੇ ਸਮੇਂ ਗਲਤੀਆਂ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ ਸਰੋਤ ਡੇਟਾ ਦੇ ਨਾਲ ਆਉਟਪੁੱਟ ਵਿੱਚ ਕੁੱਲ, ਪ੍ਰਤੀਸ਼ਤ ਅਤੇ ਰੁਝਾਨਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।

ਅਸੰਗਤਤਾ ਦਾ ਪਤਾ ਲਗਾਉਣਾ: ਸ਼ੁਰੂਆਤੀ ਚੇਤਾਵਨੀ

ਇੱਕ ਦਿਨ ਦਾ ਟਰਨਓਵਰ ਅਚਾਨਕ ਅੱਧਾ ਹੋ ਗਿਆ; ਇੱਕ ਸ਼੍ਰੇਣੀ ਦੀ ਵਾਪਸੀ ਦਰ ਦਾ ਦੁੱਗਣਾ; ਕਿਸੇ ਹੋਰ ਦੇ ਉਲਟ ਇੱਕ ਸਟੋਰ ਦੀ ਗਿਰਾਵਟ. ਇਹ ਡਾਟਾ ਗਲਤੀਆਂ, ਸਟਾਕ ਤੋਂ ਬਾਹਰ, ਕੀਮਤ ਦੀਆਂ ਗਲਤੀਆਂ ਜਾਂ ਸੰਚਾਲਨ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸੰਕੇਤ ਦੇ ਸਕਦੇ ਹਨ। ਨਕਲੀ ਬੁੱਧੀ ਇਹਨਾਂ ਭਟਕਣਾਂ ਨੂੰ ਫਲੈਗ ਕਰਦੀ ਹੈ ਪਰ ਕਾਰਨ ਮੰਨਦੀ ਹੈ, ਪੁਸ਼ਟੀਕਰਨ ਨਹੀਂ। "ਟਰਨਓਵਰ ਘਟਿਆ ਕਿਉਂਕਿ ਤੁਸੀਂ ਸਟਾਕ ਤੋਂ ਬਾਹਰ ਸੀ" ਇੱਕ ਅਨੁਮਾਨ ਹੈ; ਤੁਸੀਂ ਸਟਾਕ ਡੇਟਾ ਨੂੰ ਦੇਖਦੇ ਹੋ ਅਤੇ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹੋ।

ਸਾਵਧਾਨੀ: AI ਕਈ ਵਾਰ "ਰੁਝਾਨ" ਜਾਂ "ਕਾਰਨ" ਬਣਾ ਸਕਦਾ ਹੈ ਜੋ ਮੌਜੂਦ ਨਹੀਂ ਹੈ (ਭਰਮ)। ਇੱਕ ਟਿੱਪਣੀ ਨੂੰ ਕਾਰਵਾਈ ਵਿੱਚ ਬਦਲਣ ਤੋਂ ਪਹਿਲਾਂ, ਤੁਹਾਨੂੰ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ "ਕੀ ਇਹ ਅਸਲ ਵਿੱਚ ਡੇਟਾ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ?" ਸਰੋਤ 'ਤੇ ਵਾਪਸ ਜਾਓ।

ਕਦਮ-ਦਰ-ਕਦਮ ਵਿਸ਼ਲੇਸ਼ਣ

1. ਅਗਿਆਤ, ਸਾਫ਼ ਡੇਟਾ ਤਿਆਰ ਕਰੋ: ਕੋਈ ਨਿੱਜੀ ਜਾਣਕਾਰੀ ਨਹੀਂ; ਮਿਤੀ, ਸ਼੍ਰੇਣੀ/SKU, ਮਾਤਰਾ, ਟਰਨਓਵਰ, ਹਾਸ਼ੀਏ, ਵਾਪਸੀ।
2. ਸਵਾਲ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੋ: "ਕੀ ਹੋਇਆ?" (ਸਾਰਾਂਸ਼), "ਕਿਉਂ?" (ਜੜ੍ਹ ਕਾਰਨ), "ਕੀ ਕਰਨਾ ਹੈ?" (ਕਾਰਵਾਈ)।
3. ਸੰਖੇਪ ਅਤੇ ਅਸੰਗਤਤਾ ਦੀ ਬੇਨਤੀ ਕਰੋ: ਡੇਟਾ ਵਿੱਚ ਸਿਰਫ ਨੰਬਰ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਦੇ ਨਿਯਮ ਦੇ ਨਾਲ।
4. ਪੁਸ਼ਟੀ ਕਰੋ: ਹੱਥੀਂ/ਸਪ੍ਰੈਡਸ਼ੀਟ ਵਿੱਚ ਕੁੱਲ ਅਤੇ ਪ੍ਰਤੀਸ਼ਤਤਾ ਦੀ ਜਾਂਚ ਕਰੋ; ਸਰੋਤ ਡੇਟਾ ਦੇ ਵਿਰੁੱਧ ਕਾਰਨਾਂ ਦੀ ਜਾਂਚ ਕਰੋ।
5. ਕਾਰਵਾਈ ਵਿੱਚ ਬਦਲੋ: ਪ੍ਰਮਾਣਿਤ ਖੋਜਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿਓ ਅਤੇ ਫੈਸਲੇ ਲਓ।

ਮਿੰਨੀ ਕੇਸ

ਕੇਸ 1 - ਵਿਗਾੜ ਦੀ ਸ਼ੁਰੂਆਤੀ ਚੇਤਾਵਨੀ: ਇੱਕ ਚੇਨ ਸਟੋਰ ਦੀ ਇੱਕ ਸ਼ਾਖਾ ਦਾ ਸ਼ਨੀਵਾਰ ਦਾ ਟਰਨਓਵਰ ਇਸਦੀ ਹਫਤਾਵਾਰੀ ਔਸਤ ਤੋਂ 55% ਘੱਟ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇਸ ਨੂੰ ਅਸੰਗਤਤਾ ਦੇ ਤੌਰ 'ਤੇ ਚਿੰਨ੍ਹਿਤ ਕਰਦੀ ਹੈ। ਜਾਂਚ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਪੀਓਐਸ (ਚੈੱਕਆਊਟ) ਸਿਸਟਮ ਉਸ ਦਿਨ 3 ਘੰਟੇ ਲਈ ਕਰੈਸ਼ ਹੋ ਗਿਆ; ਟਰਨਓਵਰ ਦਾ ਨੁਕਸਾਨ ਅਸਲ ਨਹੀਂ ਹੈ, ਇਹ ਇੱਕ ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਮੁੱਦਾ ਹੈ। ਰਿਪੋਰਟ ਨੂੰ ਠੀਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਤਕਨੀਕੀ ਖਰਾਬੀ ਦਰਜ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਜੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੇ ਕਿਹਾ ਕਿ "ਮੰਗ ਘਟ ਗਈ ਹੈ", ਤਾਂ ਗਲਤ ਕਾਰਵਾਈ ਕੀਤੀ ਜਾਵੇਗੀ।

ਕੇਸ 2 - ਟਰਨਓਵਰ-ਮਾਰਜਿਨ ਵਿਰੋਧਾਭਾਸ: ਇੱਕ ਈ-ਕਾਮਰਸ ਕੰਪਨੀ ਆਪਣੇ ਮਾਸਿਕ ਟਰਨਓਵਰ ਵਿੱਚ 14% ਵਾਧਾ ਦੇਖ ਕੇ ਖੁਸ਼ ਹੈ। AI KPI ਵਿਆਖਿਆ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਕੁੱਲ ਮਾਰਜਿਨ ਵਿੱਚ 6% ਪੁਆਇੰਟ ਦੀ ਕਮੀ ਆਈ ਹੈ, ਅਤੇ ਵਾਧਾ ਭਾਰੀ ਛੋਟਾਂ ਨਾਲ ਆਉਂਦਾ ਹੈ। ਪ੍ਰਬੰਧਨ ਛੋਟ ਦੀ ਤੀਬਰਤਾ ਦੀ ਸਮੀਖਿਆ ਕਰ ਰਿਹਾ ਹੈ; "ਅਸੀਂ ਵਧ ਰਹੇ ਹਾਂ" ਦੇ ਭਰਮ ਦੀ ਬਜਾਏ, ਲਾਭਕਾਰੀ ਵਿਕਾਸ 'ਤੇ ਧਿਆਨ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।

ਕੇਸ 3 — ਪ੍ਰਮਾਣਿਕਤਾ ਭਰਮ ਨੂੰ ਫੜਦੀ ਹੈ: ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਕ AI ਸੰਖੇਪ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ “ਪੀਣ ਦੀ ਸ਼੍ਰੇਣੀ ਵਿੱਚ 30% ਵਾਧਾ ਹੋਇਆ” ਸਰੋਤ ਡੇਟਾ ਨਾਲ; ਅਸਲ ਵਾਧਾ 12% ਹੈ। AI ਨੇ ਕੁਝ ਹਫ਼ਤਿਆਂ ਨੂੰ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਜੋੜਿਆ। ਵਿਸ਼ਲੇਸ਼ਕ ਠੀਕ ਕਰਦਾ ਹੈ। ਤਸਦੀਕ ਕਦਮ ਦੇ ਬਿਨਾਂ, ਪ੍ਰਬੰਧਨ ਨੂੰ ਇੱਕ ਗਲਤ ਵਿਕਾਸ ਕਹਾਣੀ ਪੇਸ਼ ਕੀਤੀ ਜਾਵੇਗੀ।

ਸਹੀ ਤੁਲਨਾ: ਸੇਬਾਂ ਦੀ ਸੇਬ ਨਾਲ ਤੁਲਨਾ ਕਰਨਾ

ਵਿਕਰੀ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਸਭ ਤੋਂ ਆਮ ਗਲਤੀ ਗਲਤ ਬੈਂਚਮਾਰਕਿੰਗ ਹੈ। ਇੱਕ ਹਫ਼ਤੇ ਦੇ ਟਰਨਓਵਰ ਦੀ ਤੁਲਨਾ ਪਿਛਲੇ ਇੱਕ ਨਾਲ ਕਰਨਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ ਜੇਕਰ ਜਨਤਕ ਛੁੱਟੀਆਂ, ਮੌਸਮ ਦੀ ਘਟਨਾ ਜਾਂ ਇਸ ਵਿਚਕਾਰ ਮੁਹਿੰਮ ਹੈ। ਪ੍ਰਚੂਨ ਵਿੱਚ, ਇੱਕ ਸਿਹਤਮੰਦ ਤੁਲਨਾ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਸਮਾਨ ਮਿਆਦ 'ਤੇ ਅਧਾਰਤ ਹੁੰਦੀ ਹੈ: ਪਿਛਲੇ ਸਾਲ ਉਸੇ ਹਫ਼ਤੇ, ਉਸੇ ਦਿਨ ਦੀ ਕਿਸਮ (ਸ਼ਨੀਵਾਰ ਬਨਾਮ ਸ਼ਨੀਵਾਰ), ਉਸੇ ਮੁਹਿੰਮ ਦੀ ਸਥਿਤੀ. ਤੁਲਨਾ ਕਰਦੇ ਸਮੇਂ AI ਨੂੰ ਇਹ ਸੰਦਰਭ ਦਿਓ: "ਪਿਛਲੇ ਹਫ਼ਤੇ ਨਾਲ ਨਹੀਂ, ਪਰ ਪਿਛਲੇ ਸਾਲ ਦੇ ਉਸੇ ਹਫ਼ਤੇ ਨਾਲ ਤੁਲਨਾ ਕਰੋ ਕਿਉਂਕਿ ਇਸ ਹਫ਼ਤੇ ਛੁੱਟੀ ਹੈ।"

LFL (ਲਾਈਕ-ਲਈ-ਲਾਈਕ / ਤੁਲਨਾਯੋਗ ਸਟੋਰ ਵਿਕਰੀ): ਇੱਕ ਮਾਪ ਜੋ ਸਿਰਫ ਉਹਨਾਂ ਸਟੋਰਾਂ ਦੀ ਵਿਕਰੀ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ ਜੋ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਸਾਲ ਤੋਂ ਖੁੱਲ੍ਹੇ ਹਨ। ਨਵੇਂ ਖੁੱਲ੍ਹੇ ਸਟੋਰਾਂ ਦੇ ਟਰਨਓਵਰ ਨੂੰ ਕੁੱਲ ਵਿੱਚ ਜੋੜਨਾ ਅਤੇ "ਅਸੀਂ ਵਧ ਗਏ ਹਾਂ" ਕਹਿਣਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ; ਅਸਲ ਮੁੱਦਾ ਇਹ ਹੈ ਕਿ ਕੀ ਮੌਜੂਦਾ ਸਟੋਰ ਆਰਗੈਨਿਕ ਤੌਰ 'ਤੇ ਵਧ ਰਹੇ ਹਨ। ਚੇਨ ਮੈਨੇਜਮੈਂਟ ਵਿੱਚ, LFL ਸਹੀ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਸਭ ਤੋਂ ਇਮਾਨਦਾਰ ਸੂਚਕਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ।

ਸੁਝਾਅ: ਜੇਕਰ ਕੋਈ ਨੰਬਰ ਤੁਹਾਨੂੰ ਚੰਗਾ ਜਾਂ ਮਾੜਾ ਲੱਗਦਾ ਹੈ, ਤਾਂ "ਕਿਹੜੇ ਅਨੁਸਾਰ?" ਪੁੱਛੋ ਕੋਈ ਵੀ ਕੇਪੀਆਈ ਬਿਨਾਂ ਕਿਸੇ ਸੰਦਰਭ ਦੇ ਆਪਣੇ ਆਪ ਹੀ ਅਰਥਪੂਰਨ ਨਹੀਂ ਹੈ (ਪਿਛਲੇ ਸਾਲ, ਟੀਚਾ, ਸਮਾਨ ਸਟੋਰ)। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਤੋਂ ਟਿੱਪਣੀਆਂ ਮੰਗਣ ਵੇਲੇ, ਹਵਾਲਾ ਦਿਓ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਇਸ ਵਿਕਰੀ ਡੇਟਾ ਦੀ ਵਿਆਖਿਆ ਕਰੋ।

ਸਵਾਲ ਅਸਪਸ਼ਟ ਹੈ; ਸਤਹੀ, ਅਪ੍ਰਮਾਣਿਤ ਵਿਆਖਿਆ ਵਾਪਸੀ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਪ੍ਰਚੂਨ ਵਿਕਰੀ ਵਿਸ਼ਲੇਸ਼ਕ। ਡੇਟਾ: ਹੇਠਾਂ ਸ਼੍ਰੇਣੀ-ਆਧਾਰਿਤ ਟਰਨਓਵਰ, ਮਾਤਰਾ, ਹਾਸ਼ੀਏ ਅਤੇ ਪਿਛਲੇ 8 ਹਫ਼ਤਿਆਂ ਲਈ ਰਿਟਰਨ ਦੀ ਗਿਣਤੀ (ਅਗਿਆਤ) ਹਨ। ਕਾਰਜ: (1) 3 ਸਭ ਤੋਂ ਵਧੀਆ ਅਤੇ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਸ਼੍ਰੇਣੀਆਂ, (2) ਪਿਛਲੇ ਹਫ਼ਤੇ ਦੇ ਮੁਕਾਬਲੇ 3 ਮਹੱਤਵਪੂਰਨ ਤਬਦੀਲੀਆਂ, (3) ਕੀ ਕੋਈ ਅਣਕਿਆਸੀ ਵਿਵਹਾਰ (ਵਿਸੰਗਤੀਆਂ), ਸੰਭਾਵੀ ਕਾਰਨ ਨੂੰ ਹਾਈਪੋਥੀਸਿਸ ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ, (4) ਹਰੇਕ ਖੋਜ ਲਈ ਇੱਕ ਵਾਕ ਕਾਰਵਾਈ। ਨਿਯਮ: ਸਿਰਫ ਡੇਟਾ ਵਿੱਚ ਨੰਬਰ 'ਤੇ ਭਰੋਸਾ ਕਰੋ, ਬਾਹਰੋਂ ਜਾਣਕਾਰੀ ਨਾ ਜੋੜੋ। ਪ੍ਰਤੀਸ਼ਤਾਂ ਦੀ ਗਣਨਾ ਕਰੋ. ਮੈਨੂੰ ਦਿਖਾਓ ਤਾਂ ਜੋ ਮੈਂ ਪੁਸ਼ਟੀ ਕਰ ਸਕਾਂ। ਫਾਰਮੈਟ: ਲੇਖ ਦੁਆਰਾ ਲੇਖ, 250 ਸ਼ਬਦਾਂ ਤੋਂ ਵੱਧ ਨਹੀਂ। ਡੇਟਾ: [ਪੇਸਟ]

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟਸ

1) ਹਫਤਾਵਾਰੀ ਪ੍ਰਬੰਧਨ ਸੰਖੇਪ

ਨਿਮਨਲਿਖਤ ਅਗਿਆਤ ਹਫਤਾਵਾਰੀ ਵਿਕਰੀ ਡੇਟਾ ਤੋਂ ਇੱਕ ਕਾਰਜਕਾਰੀ ਸਾਰਾਂਸ਼ ਪ੍ਰਾਪਤ ਕਰੋ: ਸਿਖਰ/ਕਮਜ਼ੋਰ ਸ਼੍ਰੇਣੀਆਂ, ਮਹੱਤਵਪੂਰਨ ਤਬਦੀਲੀਆਂ, 3 ਕਾਰਵਾਈ ਦੀਆਂ ਸਿਫ਼ਾਰਸ਼ਾਂ। ਸਿਰਫ਼ ਡੇਟਾ ਵਿੱਚ ਨੰਬਰ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਪ੍ਰਤੀਸ਼ਤ ਦਿਖਾਓ। ਡੇਟਾ: [ਪੇਸਟ]

2) ਕੇਪੀਆਈ ਗਣਨਾ ਅਤੇ ਟਿੱਪਣੀ

ਇਸ ਡੇਟਾ ਤੋਂ ਹੇਠਾਂ ਦਿੱਤੇ KPIs ਦੀ ਗਣਨਾ ਕਰੋ: ਟਰਨਓਵਰ, ਕੁੱਲ ਮਾਰਜਿਨ %, ਔਸਤ ਟੋਕਰੀ, ਵਾਪਸੀ ਦੀ ਦਰ। ਇਸਦੀ ਪਿਛਲੀ ਪੀਰੀਅਡ ਨਾਲ ਤੁਲਨਾ ਕਰੋ ਅਤੇ ਟਿੱਪਣੀ ਕਰੋ ਕਿ ਇੱਕ ਵਾਕ ਵਿੱਚ ਹਰੇਕ ਦਾ ਕੀ ਮਤਲਬ ਹੈ। ਖਾਤਾ ਦਿਖਾਓ। ਡੇਟਾ: [ਪੇਸਟ]

3) ਵਿਗਾੜ ਖੋਜ

ਕੀ ਹੇਠਾਂ ਰੋਜ਼ਾਨਾ/ਹਫ਼ਤਾਵਾਰੀ ਲੜੀ ਵਿੱਚ ਕੋਈ ਅਚਾਨਕ ਛਾਲ ਜਾਂ ਗਿਰਾਵਟ ਹੈ? ਹਰੇਕ ਅਸੰਗਤਤਾ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਅਤੇ ਇਸਦੇ ਸੰਭਾਵੀ ਕਾਰਨ ਨੂੰ ਇੱਕ ਪਰਿਕਲਪਨਾ (ਸਬੂਤ ਨਹੀਂ) ਦੇ ਰੂਪ ਵਿੱਚ ਦੱਸੋ, ਅਤੇ ਲਿਖੋ ਕਿ ਕਿਸ ਡੇਟਾ ਨਾਲ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਡੇਟਾ: [ਪੇਸਟ]

4) ਆਉਟਪੁੱਟ ਤਸਦੀਕ

ਤੁਹਾਡੇ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸੰਖੇਪ ਵਿੱਚ ਸਾਰੇ ਸੰਖਿਆਤਮਕ ਦਾਅਵਿਆਂ ਦੀ ਸੂਚੀ ਬਣਾਓ। ਹਰੇਕ ਲਈ, ਮੈਨੂੰ ਦਿਖਾਓ ਕਿ ਇਹ ਕਿਹੜੀਆਂ ਕਤਾਰਾਂ/ਕਾਲਮਾਂ ਤੋਂ ਆਉਂਦੀ ਹੈ ਤਾਂ ਜੋ ਮੈਂ ਇਸਦੀ ਸਰੋਤ ਡੇਟਾ ਨਾਲ ਤੁਲਨਾ ਕਰ ਸਕਾਂ। ਜੇਕਰ ਉਹ ਯਕੀਨੀ ਨਹੀਂ ਹਨ ਤਾਂ ਮਾਰਕ ਕਰੋ।

ਆਮ ਗਲਤੀਆਂ

• ਇੱਕ ਸਿੰਗਲ KPI ਨੂੰ ਦੇਖਦੇ ਹੋਏ: ਟਰਨਓਵਰ-ਮਾਰਜਿਨ-ਕਨਵਰਜ਼ਨ ਨੂੰ ਇਕੱਠੇ ਨਾ ਪੜ੍ਹਨਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੋਵੇਗਾ।
• ਸੰਖਿਆਵਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਨਹੀਂ ਕਰਨਾ: AI ਕੁੱਲ/ਪ੍ਰਤੀਸ਼ਤ ਗਲਤੀਆਂ ਕਰ ਸਕਦਾ ਹੈ।
• ਹਕੀਕਤ ਲਈ ਇੱਕ ਪਰਿਕਲਪਨਾ ਨੂੰ ਗਲਤ ਕਰਨਾ: "ਕਿਉਂ" ਅਕਸਰ ਇੱਕ ਧਾਰਨਾ ਹੁੰਦੀ ਹੈ; ਸਰੋਤ 'ਤੇ ਵਾਪਸ ਜਾਓ।
• ਭਰਮ ਦੇ ਰੁਝਾਨ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ: ਡੇਟਾ ਵਿੱਚ ਮੌਜੂਦ ਨਾ ਹੋਣ ਵਾਲਾ ਇੱਕ ਸਪਾਈਕ/ਪੈਟਰਨ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।
• ਅਗਿਆਤਕਰਨ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ: ਰਿਪੋਰਟ ਡੇਟਾ ਵਿੱਚ ਨਿੱਜੀ ਜਾਣਕਾਰੀ ਵੀ ਹੋ ਸਕਦੀ ਹੈ।
• ਕਾਰਵਾਈ ਤੋਂ ਬਿਨਾਂ ਰਿਪੋਰਟ ਕਰੋ: ਜੇਕਰ ਖੋਜ ਕਾਰਵਾਈ ਨਾਲ ਜੁੜੀ ਨਹੀਂ ਹੈ, ਤਾਂ ਵਿਸ਼ਲੇਸ਼ਣ ਬਰਬਾਦ ਹੋ ਜਾਵੇਗਾ।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਚੰਗੀ ਵਿਕਰੀ ਵਿਸ਼ਲੇਸ਼ਣ ਕੱਚੇ ਡੇਟਾ ਨੂੰ "ਕੀ ਹੋਇਆ, ਕਿਉਂ, ਕੀ ਕਰਨਾ ਹੈ" ਜਵਾਬਾਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ। KPIs ਨੂੰ ਇਕੱਠੇ ਪੜ੍ਹੋ; ਟਰਨਓਵਰ ਵਧਣ 'ਤੇ ਹਾਸ਼ੀਏ 'ਤੇ ਨਜ਼ਰ ਮਾਰੋ। AI ਸੰਖੇਪ, ਕੇਪੀਆਈ ਵਿਆਖਿਆ ਅਤੇ ਵਿਗਾੜ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ, ਪਰ ਸੰਖਿਆਵਾਂ ਦੀ ਗਲਤ ਗਣਨਾ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਕਾਰਨ ਬਣਾ ਸਕਦਾ ਹੈ। ਸਰੋਤ ਡੇਟਾ ਦੇ ਨਾਲ ਹਰੇਕ ਨੰਬਰ ਅਤੇ ਟਿੱਪਣੀ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਕਾਰਵਾਈ ਵਿੱਚ ਬਦਲੋ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਅਗਿਆਤ ਸਾਰਣੀ ਵਿੱਚ ਪਿਛਲੇ 8 ਹਫ਼ਤਿਆਂ ਦਾ ਸ਼੍ਰੇਣੀ-ਅਧਾਰਿਤ ਟਰਨਓਵਰ, ਮਾਰਜਿਨ ਅਤੇ ਵਾਪਸੀ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰੋ। "1) ਹਫ਼ਤਾਵਾਰ ਪ੍ਰਬੰਧਨ ਸਾਰਾਂਸ਼ ਦੇ ਨਾਲ ਇੱਕ ਸਾਰਾਂਸ਼ ਬਣਾਓ, "3) ਵਿਸੰਗਤੀ ਖੋਜ ਨਾਲ ਵਿਵਹਾਰ ਲੱਭੋ, ਫਿਰ "4) ਆਉਟਪੁੱਟ ਪ੍ਰਮਾਣਿਕਤਾ" ਪ੍ਰੋਂਪਟ ਨਾਲ ਸਰੋਤ ਡੇਟਾ ਦੇ ਨਾਲ ਸੰਖਿਆਵਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਰਿਪੋਰਟ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕੀਤਾ ਹੈ।
• [ ] ਮੈਂ KPIs ਨੂੰ ਇਕੱਠੇ ਪੜ੍ਹਦਾ ਹਾਂ (ਟਰਨਓਵਰ + ਮਾਰਜਿਨ + ਪਰਿਵਰਤਨ)।
• [ ] ਮੈਂ ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਗਿਣੀਆਂ ਗਈਆਂ ਸੰਖਿਆਵਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ।
• [ ] ਮੈਂ ਸਰੋਤ ਡੇਟਾ ਦੇ ਨਾਲ ਵਿਗਾੜਾਂ ਦੇ ਕਾਰਨ ਦੀ ਜਾਂਚ ਕੀਤੀ।
• [ ] ਮੈਂ ਪਰਿਕਲਪਨਾ ਨੂੰ ਸਬੂਤ ਤੋਂ ਵੱਖ ਕੀਤਾ।
• [ ] ਮੈਂ ਹਰੇਕ ਖੋਜ ਨੂੰ ਇੱਕ ਕਾਰਵਾਈ ਨਾਲ ਜੋੜਿਆ ਹੈ।