銷售
哪些商品賣得多?成交金額是否增加?
在自己的購物車加入儀表板,查看營運狀況,核對數字並找出值得關注的變化。
開啟自己的網站,確認訂單保存功能;接著準備供儀表板使用的測試資料。
在原購物車專案中使用指令,先取得檢查摘要,作為生成資料與建立儀表板的依據。
請先檢查目前的購物車專案,為後續生成合成訂單與建立管理儀表板做準備;這一步只檢查,不修改程式或資料。 我想回答「哪些商品賣得多?銷售隨時間如何改變?」;若我另提管理問題,請依新問題檢查。 請實際讀取商品資料、資料庫結構及相關程式,整理以下內容: 1. 販賣哪些商品、價格如何取得,購物車目前有哪些可用功能。 2. 資料保存在哪裡,商品、訂單、明細如何關聯;列出實際欄位名稱與意義,以及訂單筆數、日期範圍。 3. 訂單成立、付款、出貨與取消各由什麼欄位表示;說明哪些狀態可以納入銷售分析。 4. 商品金額、折扣、運費與總額如何計算,資料能否保存並重新讀取。 5. 若要生成包含已付款、未付款及取消的測試訂單,還缺哪些欄位或功能;提出最小調整方案。 最後用表格區分「已確認的事實及檔案位置」「需要我決定的規則」「尚缺的資料」,並建議 3–4 個可計算的指標。 沒有訂單時,請區分「欄位足以計算」與「已有資料可分析」;無法讀取專案時,列出需要我提供的檔案,不猜測欄位。 請將結果整理為可沿用的專案檢查摘要,讓我核對後再進入資料生成。
依網站商品與資料庫欄位生成約 1,000 筆合成訂單,包含多種狀態、銷售趨勢與商品差異。
請沿用已核對的專案檢查摘要,按照購物車實際販賣的商品與資料庫欄位,生成約 1,000 筆可供分析的合成訂單,另附對應明細;缺少摘要時先檢查專案。 期間預設為 2026/7/1–9/30;期間與筆數可依我的需求調整。 請先設計下列資料特點,再加入合理的隨機波動,不要把每一天、每項商品平均分配: 1. 訂單狀態:以約 70% 已付款、20% 未付款、10% 取消為起點,三類互不重複;取消訂單先設定為未收款。 2. 時間趨勢:每月已付款訂單數較前月增加約 20%;每日仍有高低起伏,避免固定筆數或機械式等差增加。 3. 商品差異:以已付款訂單的售出件數設計熱銷與冷門品項,期間件數相差約 3 倍;一項商品在最後一個月的件數占比明顯上升。商品不足兩項時,改比較購買數量差異並說明限制。 4. 訂單差異:多數為少量購買,少數為多品項或大額訂單,讓訂單金額有合理差異;品項數以網站商品數為限。 請將狀態對應到網站實際欄位;付款與出貨分開處理。若欄位不支援,先提出最小調整方案供我確認,不要因此全部生成未付款訂單。 沿用商品價格、折扣與運費規則,確保訂單、明細、日期及金額一致;在測試資料庫或網站副本生成,標示為合成資料,保留原有資料,重跑時避免重複新增。 核對的商品金額預設為折扣後、不含運費;若網站採不同定義,先列出差異讓我確認。 生成後,以實際資料列出各月各狀態筆數、已付款商品金額、商品排行與訂單金額分布,核對上述特點;不符合時調整生成規則再驗證,並確認網站可重新讀取。 保存資料生成紀錄:資料位置與版本、期間、狀態對照、金額定義、各月及全期核對數字、生成程式與隨機種子;後續儀表板沿用同一批資料。 另提供一般與大額訂單各一筆的識別碼、明細及總額,供我手動核對;這些結果是後續驗收依據。
使用自己的資料完成實作;需要參考時,再查看教師的範例。
一筆訂單可以包含多項商品;同一會員可以有多筆訂單。
| 資料概念 | 每筆紀錄代表什麼? | 請在自己的網站確認 |
|---|---|---|
| 商品 | 一項商品或服務 | 名稱、價格及識別方式 |
| 訂單 | 一次訂購 | 日期、狀態、金額及識別方式 |
| 商品明細 | 訂單中的一項商品 | 數量、成交單價及所屬訂單 |
| 會員/客戶 | 一位使用者 | 有哪些可用資料,如何對應訂單 |
從剛準備好的資料選一筆訂單,依下列方法手動核對並保存預期結果。
| 訂單 | 商品內容 | 商品小計 | 運費 | 訂單總額 |
|---|---|---|---|---|
| O0001 | 筆記本組 2 件、隨行杯 1 件 | 900 | 60 | 960 |
| O0002 | 筆記本組 4 件 | 1,000 | 0 | 1,000 |
O0001 有兩項商品,因此列出兩列明細;仍只有 1 筆訂單,總額為 960 元。
| 訂單編號 | 商品明細 | 明細金額 | 同一訂單總額 |
|---|---|---|---|
| O0001 | 筆記本組 2 件 | 500 | 960 |
| O0001 | 隨行杯 1 件 | 400 | 960 |
回到開場提出的問題,確認現有資料能支持哪些比較。
哪些商品賣得多?成交金額是否增加?
賣得最多的商品,也貢獻最多毛利嗎?
哪些商品的現有庫存值得優先檢查?
儀表板的需求由問題、定義與查核方式共同構成。
| 管理問題 | 需要的資料 | 查核方式 |
|---|---|---|
| 哪些商品訂購較多? | 訂單狀態、商品與數量 | 依商品重算指定範圍的件數 |
| 每筆訂單帶來多少商品金額? | 指定狀態的訂單與商品小計 | 以同一期間、狀態的訂單筆數核對 |
| 哪些商品貢獻較多毛利? | 成交數量、單價與成交時成本 | 依商品重算成交金額及毛利 |
| 哪些商品庫存偏少? | 銷售紀錄與庫存快照日期 | 說明比較期間及還缺哪些資料 |
明確寫出期間、納入的訂單狀態與金額範圍,再選 3–4 個指標。
| 指標選項 | 定義示例與需要的條件 |
|---|---|
| 訂單數 | 指定期間與狀態,依訂單識別碼計數 |
| 商品金額 | 同一範圍的商品金額合計,說明運費與折扣如何處理 |
| 平均每筆金額 | 同一範圍的商品金額除以訂單數 |
| 商品銷售數量 | 同一範圍的商品件數合計 |
| 商品毛利/毛利率 | 需要成交時成本,並說明與淨利的差別 |
教師案例只計 7–9 月已付款的訂單,將商品金額、運費與總額分別列出。
| 教師案例的核對項目 | 全期答案(元) |
|---|---|
| 商品成交金額 | 475,950 |
| 已付款訂單運費合計 | 9,900 |
| 已付款訂單總額合計 | 485,850 |
以下數字是教師範例;請依自己的問題與資料選擇指標。
403 筆
475,950 元
1,181.02 元
125,425 元
沿用前面的專案摘要與資料紀錄;可直接使用預設需求,也可修改問題、指標與範圍。
請在目前的購物車網站加入管理儀表板,保留購物與訂單功能。 讀取已核對的專案檢查摘要與資料生成紀錄,使用同一批資料與狀態對照,並在畫面標示合成測試資料。 預設回答「哪些商品賣得多?銷售隨時間如何改變?」;若我已修改問題或指標,以我確認的需求為準。 預設使用資料紀錄的完整期間與已付款訂單,提供日期及訂單狀態篩選;清楚標示目前的範圍。 第一版顯示 4 個指標:不重複的訂單數、商品金額合計、平均每筆商品金額、售出商品件數。 商品金額預設為折扣後、不含運費;平均每筆商品金額以同一範圍的訂單數為分母。若既有核對紀錄定義不同,先列出差異讓我確認。 提供每月摘要、依售出件數排序的商品列表,以及可查看訂單與商品明細的來源查詢;切換篩選時同步更新。 計算須讀取實際資料,避免商品明細展開後重複加總訂單金額;切到未付款或取消時,標示為該狀態的訂單金額,不稱為成交或收款。 無資料時筆數與金額為零,平均顯示「無資料」。沿用原資料,不重新生成,也不把預期成長率或核對答案直接寫進畫面。 先簡述實作方案;條件齊備就分段完成,缺必要資料或需改業務規則時再向我確認。 用資料紀錄的各月及全期數字、我手動核對的訂單與小段期間、空期間驗收;列出預期與實際結果,說明啟動及操作方式。 保存儀表板規格與核對表,供第二輪修改沿用。
確認資料與統計範圍,再依序完成指標、篩選與來源核對。
| 檢查點 | 畫面上能做到什麼? |
|---|---|
| 需求已說清楚 | 說出採用的問題、指標與範圍,確認方案符合案例 |
| 資料可讀取 | 查到自己選的訂單或資料範例 |
| 儀表板可使用 | 看見所選的 3–4 個指標及排行或列表 |
| 篩選有效 | 改變期間或訂單狀態,指標及列表同步更新 |
| 結果可核對 | 從一個指標追到來源,記錄預期與實際結果 |
選一筆已知訂單、一小段期間與一個無資料的範圍,先寫預期再操作。
| 查核項目 | 預期結果 |
|---|---|
| 已知的一筆訂單 | 商品數量、費用與總額符合自己的規則 |
| 自選的一小段期間 | 手動計數與加總,符合後台呈現 |
| 切換日期與訂單狀態 | 分別核對已付款、未付款與取消;指標與列表使用相同範圍 |
| 無資料的期間 | 筆數與金額為零,平均及比率顯示無資料 |
| 同一資料再次讀取或匯入 | 相同範圍的筆數與金額保持一致 |
保留後台版本與核對紀錄,稍後選擇一項功能繼續修改。
教師示範:比較同一份模擬資料的七月與九月;自己的案例可選其他期間。
| 指標 | 七月 | 九月 |
|---|---|---|
| 已付款訂單數 | 84 | 192 |
| 商品成交金額(元) | 73,850 | 263,150 |
| 商品毛利(元) | 34,710 | 48,795 |
| 商品毛利率 | 47.0% | 18.54% |
預設加入銷售趨勢圖;也可改選商品比較、客群篩選或 CSV 匯出,沿用第一版資料再核對。
請讀取已驗證的儀表板規格與核對表,在現有後台新增一項功能,保留原有指標、篩選與來源查詢。 預設新增「每日商品金額折線圖」,回答「銷售在這段期間如何變化?」;若我改選商品比較、客群篩選或 CSV 匯出,就只做選定的那一項。 沿用同一批資料、金額定義與目前篩選條件,預設已付款;橫軸是日期、縱軸是商品金額,標明單位、狀態與合成資料。 日期範圍內沒有訂單的日期補零;整段無資料時顯示提示。切到未付款或取消時,圖名改用該狀態的訂單商品金額。 提供每日核對明細,讓我能將圖上數值與來源訂單比對;每日金額加總應與同範圍的第一版指標一致。 驗收完整期間、一個月份及空期間,列出預期與實際結果,並重查原有指標與篩選是否正常。 若圖表未呈現預期特點,先檢查資料分布、狀態與計算範圍,不為了圖形好看而改資料或硬寫數字。 若改選其他功能,先將上述圖表規格改寫為該功能的操作與驗收方式;缺欄位或需改定義時先說明並向我確認。 條件齊備就實作,完成後保存修改與核對紀錄。
先讀需求、資料範圍與預期結果,再操作儀表板,確認結果與指令一致。
| 操作 | 要確認的事 |
|---|---|
| 閱讀 prompt 與儀表板規格 | 看得懂分析問題、指標、範圍與驗收方式 |
| 切換期間與訂單狀態 | 指標、排行及新增功能同步,金額名稱符合所選狀態 |
| 抽查對方選的訂單 | 明細合計與訂單金額符合其規則 |
| 選擇空期間 | 比率顯示無資料,無除以零錯誤 |
| 再次讀取或匯入相同資料 | 筆數與金額保持一致 |
先確認數字支持什麼,再說明值得試行的改變。
哪些商品、哪些期間、哪些指標支持你的判斷?
你想調整商品曝光、核查成本,還是補看資料?
還缺什麼?要如何小規模試行並確認效果?
有庫存資料時,比較自選期間的銷售與庫存快照;先說明快照日期。
目前看見的是完成交易的人;未下單的人尚未留下相同紀錄。
| 現有資料可回答 | 需要新增資料才可回答 |
|---|---|
| 哪些商品已成交? | 哪些商品看過但沒買? |
| 已成交訂單的客單價? | 網站訪客的下單轉換率? |
| 已知客群的成交組合? | 未下單客戶的需求與障礙? |
管理者可以查到工具輸入、篩選條件與計算輸出。
AI 工具可將這類方法封裝為 Skill(技能),保存適用情境、執行步驟與查核方式。
| 工作方法要交代什麼? | 本週的「營運報表查核」例子 |
|---|---|
| 何時使用、需要什麼 | 收到新一期訂單資料,取得指標定義與來源 |
| 如何處理 | 核對狀態與期間,依正確資料粒度計算 |
| 如何確認完成 | 指標追得到訂單,與核對數字一致 |
| 何時交回人處理 | 定義衝突、缺成本或來源無法查證 |
此處「蒸餾」比喻經驗萃取,與訓練模型的「知識蒸餾」不同。
先確認任務在哪裡執行、能讀哪些資料,再判斷適合使用哪個入口。
| 比較面向 | Web UI(瀏覽器介面) | 桌面 App |
|---|---|---|
| 工作入口 | 開啟網站,加入任務與來源 | 安裝後,在桌面切換工作與專案 |
| 資料來源 | 上傳檔案或連接可用來源 | 可另用本地專案連接獲授權的資料夾 |
| 本週例子 | 上傳訂單 CSV,討論分析與查核 | 連接購物車專案,檢查欄位與修改程式 |
參考:OpenAI 官方文件 · ChatGPT WebOpenAI 官方文件 · ChatGPT 桌面 AppOpenAI 官方文件 · 專案與多個對話
在 ChatGPT 專案(Project)中集中保存購物車規格、資料與核對紀錄,再依工作目的分開對話。
在同一專案建立「資料準備」「儀表板修改」「營運解讀」三個對話,共用規格與來源。
若需要獨立記憶,先核對是否僅引用本專案內容;重要規則寫入專案指示或文件。
教學情境:兩位醫師的手術紀錄,先只顯示整體成功率。
整體成功率:86%。
整體成功率:79%。
目前的資訊,足以支持哪一項判斷?
史密斯在兩組的成功率都較高,整體成功率卻較低。
| 病人範圍 | 瓊斯醫師 | 史密斯醫師 | 哪位成功率較高? |
|---|---|---|---|
| 高風險 | 70% | 75% | 史密斯 |
| 低風險 | 90% | 95% | 史密斯 |
| 全部病人 | 86% | 79% | 瓊斯 |
瓊斯多數接到低風險病人;史密斯多數接到高風險病人。
低風險 80 人,成功 72 人。
高風險 20 人,成功 14 人。
低風險 20 人,成功 19 人。
高風險 80 人,成功 60 人。
高風險病人占比越高,總成功率就越接近高風險組的成功率。
分組成功率:低風險 90%,高風險 70%。
分組成功率:低風險 95%,高風險 75%。
原始組成不同:瓊斯的高風險病人占 20%,史密斯占 80%。
Simpson's Paradox:分組與整體的比較方向,可能因組成不同而反轉。
教學反例:兩家各觀察 10,000 顆硬碟,A 的舊硬碟占比較高。
| 期初機齡 | A:RMA 件數/觀察數 | B:RMA 件數/觀察數 |
|---|---|---|
| 1 年以內 | 10/1,000(1%) | 180/9,000(2%) |
| 超過 1 年 | 900/9,000(10%) | 120/1,000(12%) |
| 全部硬碟 | 910/10,000(9.1%) | 300/10,000(3%) |
分組平均不能直接取平均,除非各組的成交筆數相同。
讓 AI 保留計算的分母,讓使用者查得出整體數字的組成。
| 醫師案例 | 本週的後台儀表板 |
|---|---|
| 低風險/高風險 | 網站已有的客群或月份等分組 |
| 各組病人數 | 各組的訂單數 |
| 各組成功率 | 各組的平均每筆金額 |
| 依病人數合成總成功率 | 依成交筆數合成整體客單價 |
用自己的儀表板回答一個營運問題,指出支持判斷的數字與來源。
W06 建立有來源的營運知識助理,查詢商品說明、運送與退換貨政策。