从 SKU 到活动物料：让电商数据沿一条任务链流动

很多电商自动化看起来做了很多东西：一张选品表、一份分析文档、一个运营看板、几张活动海报。但只要这些产物之间没有共同的商品编号、数据时点和决策记录，它们仍然是四个孤立文件。

更有价值的做法，是让同一批商品数据沿着一条任务链继续流动：

候选 SKU → 选品方向 → 汇报与看板 → 活动方案 → 视觉物料 → 人工验收

第一步：先建立可追溯的候选池

公开案例从 22 个帐篷 SKU 开始，字段包含品牌、型号、渠道和价格带。真实业务里还应补上采集时间、来源链接、价格口径、毛利口径、库存状态和负责人。

这些字段的作用不是让表格看起来更完整，而是保证后续每条判断能回到当时的数据。价格、销量和竞品信息会变化，没有时间点的数字很快就会失去意义。

选品方向、用户痛点和毛利提醒不应靠复制粘贴进入下一份文档。分析任务应读取同一批 SKU，并在结论旁保留对应的商品编号、字段来源和异常说明。

画板适合展示品类关系、机会区间和任务依赖；文档适合保留口径、证据和详细解释；多维表格负责结构化状态。三种载体职责不同，但应共享同一项目主键。

案例里一个值得复用的细节，是通过飞书评论描述“保留原内容、增加主推卖点并标出变化”。这比让系统重写整份方案更安全。

一条可执行的修订指令至少要包含：修改对象、保留范围、新增或替换内容、变更标记方式和验收人。系统完成后还要回传修改位置和处理状态，让人可以快速核对。

当活动方案进入 AI 生图阶段，每张图都应关联商品、渠道、目标人群、核心卖点、文案版本和参考素材。否则图片虽然漂亮，却无法解释为什么这样做，也无法在商品或策略变化时定位需要重做的部分。

建议把视觉任务拆成四层：商品保真约束、场景与人群、版式与文案、渠道规格。先确认商品和策略，再生成物料；最终由人检查数据、权益、品牌和合规。

自动化适合做可重复的采集、整理、格式转换和状态同步，不适合替人决定商品是否值得卖、经营数据是否可信、素材是否可以公开。只有手动流程已经稳定、输入输出清楚、失败能被追踪时，才值得加入定时任务。

案例展示了从商品候选池到分析、看板、活动方案和视觉物料的连续任务链；但公开视频没有公开完整字段、公式、Skill 文件或真实经营结果。本文提出的主键、交接字段和验收机制属于系统化整理，需要在真实项目中验证，不能把案例中的效率表现直接当作通用承诺。