服装店老板用AI优化定价，客单价提升22%的实操方法

零售店主用AI做选品和定价

客单价提高22%，他给AI的提示词长什么样？

结论先说：AI选品不是让AI替你拍板，是把你脑子里"感觉好卖"变成"数据说好卖"。你只需要三样东西：三个月销售记录、一个能用的大模型、一套提示词模板。

你开了一家服装店，进了30款夏装。定价的时候，你对着进货单发愣——定高了怕压货，定低了白忙活。最后按照"进货价×2.5"的老规矩全标上去了。

一个月后你发现：有三款卖爆了但利润薄得像纸，有五款定价偏高挂着没人碰，还有两款你觉得自己眼光不错的款，进了一堆结果根本没人看。

这不是你眼光不行，是你缺了一个帮你把销售数据和定价决策连起来的东西。

我认识一个在二线城市开了三家服装店的老板，去年开始用AI辅助选品定价。他把三个月的销售流水扔给AI，AI给出了一个让他后背发凉的分析：他店里卖得最好的5款衣服，有3款的定价至少能再往上调15%到25%。

他按AI的建议调了价，三个月后回头算账——客单价从216元提到了264元，涨了22%。而且销量没降。

他怎么做的？提示词长什么样？拆开来看。

方案

一个通用大模型 + 一份销售数据 + 三套提示词。不需要买什么"AI选品系统"。核心逻辑：把销售数据整理成表格扔给AI，让它帮你找出——哪些款定价偏低了有涨价空间、哪些款定价偏高了需要降价清仓、哪些品类该多进货哪些该砍掉。

排他性结论：如果你门店不到10家、没有专职数据分析师——通用大模型比分系统更适合你。

上手路径：四步，每一步都有提示词

1

整理你的销售数据（30分钟）

拿出一张Excel表，至少包含：商品名称/SKU、售价、进货价、销量（最近3个月）、库存数量。收银系统能导出就直接导出，不能就手填——三五十个SKU，填一次能用很久。

2

第一套提示词——找出定价问题

把表格上传到AI工具，让AI分析：哪些商品毛利率高且销量未受影响→有涨价空间；哪些毛利率低但销量大→提价5%-15%测试；哪些库存周转超60天→需要降价清仓。每条建议须给出具体数字和理由。

3

第二套提示词——选品和进货决策

让AI分析同一份数据做进货决策：过去三个月哪些品类销量增速最快、哪些"潜力品"毛利率突出且周转快、哪些商品连续下滑需分析原因、哪些SKU未来30天会断货需提前补货。每个判断给出数据依据。

4

验证AI给的建议（这一步才是关键）

AI的分析不是圣旨。过三道关——常识关（AI不知道你店门口街的竞争格局）、现场关（库房看一眼实物再做判断）、小规模测试（先挑3-5个SKU跑两周看数据）。这位店主的经验：AI建议70%合理、20%需微调、10%完全不靠谱。

效果拆解：22%的客单价是怎么涨上去的

客单价从216涨到264，涨幅22%。拆开看：5个SKU调价后单价平均涨了18%，月销量只降了6%，贡献了客单价上涨的一半。3个SKU调价过高（建议涨25%实涨20%），销量跌了15%又调回去——损失可控。更重要的是，AI挑出两个"潜力品"加大推广后，连带率从1.2提到1.8。

避坑指南：三个最容易翻车的地方

坑一：数据太脏——同一款衣服写了三个不同名字，AI会当成三个商品。花10分钟统一命名。坑二：不看库存就调价——库房压了200件的不急着涨，先走量。坑三：用了一次就放弃——每周跑一次，跑一个月准确率会明显提升。用熟了还能让AI帮你分析连带购买、预测销量、写促销文案。

AI选品的核心不是让AI替你选，是让AI把你脑子里"感觉好卖"变成"数据说好卖"。你不需要AI帮你做判断，但你需要AI帮你看到那些藏在表格里、你凭直觉看不到的信号。