Overview
本模块汇总来自不同渠道的销售数据，以便按总收入、转化率和利润率对产品进行排名。它提供了一个清晰的视觉层级，显示畅销和滞销产品，从而使 merchandisers 能够将库存从表现不佳的产品转移到销售量高的产品。
Implementation Steps
数据聚合
从POS、电子商务和批发渠道提取交易数据，并将货币和时区标准化为单一的报告期间。
性能计算
计算关键指标：总收入、毛利率和每种SKU的销售速度。
排序算法
按主要指标（收入）对SKU进行排序，然后按利润进行二次排序，以区分销量驱动和高利润的商品。
阈值定义
根据历史基准或固定百分比（例如，前 10% 与后 20%）配置动态阈值，以确保一致的报告。
从描述性报告向规范性商品管理工具的演变。
Primary
一个按销售额排序的SKU列表，分为“表现最佳”（销售额排名前10%）和“表现最差”（销售额排名前10%）两类。每个条目都包含一个趋势指标，显示每周的变化，从而可以立即采取行动，进行清仓或补货。
趋势热图
可视化显示顶尖表现者是处于上升还是下降趋势，并在他们达到顶峰之前，突出显示潜在的获胜者。
边框过滤
允许用户在基于收入和基于利润两种模式之间切换，从而识别出哪些卖家利润较高，哪些卖家销售量较高。
频道分析
通过按销售渠道（线上、零售、批发）进行分解，以确定产品是否出现普遍问题或仅限于特定区域。
统一的入库流程
将所有订单来源整合到统一的 OMS（订单管理系统）入口流程中。
模式规范化
将针对特定渠道的负载转换为一致的运营模型。
1,245,000 美元
总收入
34.2%
平均利润率
48
最畅销 SKU
System Roadmap Architecture
“产品绩效功能首先需要稳定当前运营，通过将实时数据分析融入日常工作流程，确保对关键指标（如转化率和客户保留率）的即时可见性。这一基础阶段需要跨部门协调，以消除信息孤岛，并建立统一的仪表盘，用于决策。在中期阶段，策略将转向预测建模，利用机器学习算法来预测需求高峰，并在影响收入之前识别有风险的产品线。同时，将采用敏捷测试框架，以加快迭代周期，从而快速响应市场反馈。在长期阶段，该功能演变为一个战略增长引擎，通过持续的基于人工智能的个性化，在整个产品组合中实现自主优化。这一成熟阶段侧重于构建自修复系统，这些系统能够动态调整价格和库存，而无需人工干预，最终创建一个具有强大竞争力的生态系统，能够在日益动荡的全球市场中保持优势。
连接器鲁棒性改进
加强源端的可靠性，包括： * 增强重试机制 * 完善健康检查 * 改进死信处理
自适应验证配置文件
通过频道和账户上下文进行调音验证，以减少误判。
异常智能
优先处理对运营恢复影响最大的潜在问题，以便更快速地恢复。
Strategic Use Cases
库存重新分配
15-25% 降低持有成本将销售业绩较差的库存SKU转移到销售业绩较好的SKU，以降低库存成本并提高周转率。
定价策略调整
15% 利润增加根据比较绩效数据，识别出价格过低且销量高的商品，或价格过高且利润低的商品。
供应商谈判
15% 容积增加利用顶级销售人员的销售额总和，与供应商进行谈判，以获得更优惠的条款，从而实现稳定的供应。