youzan-datahub/docs/餐饮零售数据中台/2.产品需求文档 (PRD).md

餐饮零售数据中台 V2.0 - 产品需求文档 (PRD)

文档版本： V2.0 产品定位： 聚焦餐饮零售化（中央工厂分销 + 门店加热外带 + 线上冷链）的数据洞察与智能营销大脑。 核心价值： 告别经验主义，用数据指导“怎么拿货、怎么卖（商品洞察）”和“谁在买、怎么让他多买（客户洞察）”。

---

一、 业务背景与产品目标

在“纯拿货 + 加热外带/线上零售”的新型餐饮模型下，业务的核心痛点已从传统的后厨管理转移至供应链终端流转效率与全渠道客流变现。 本系统的建设目标是打通有赞云的交易、商品、会员底层数据，构建两大洞察网络，实现：

1. 降本增效： 精准预测订货量，降低门店预制菜过期损耗。
2. 营收增长： 识别高优人群，通过 O2O 场景交叉营销提升客单价与复购率。

---

二、 目标角色与使用场景

1. 运营操盘手 / 决策层
   • 使用诉求： 洞察全盘销售趋势与客户贡献度；发现商品关联规律以制定套餐；圈选特定人群包推送到有赞进行精准发券。
2. 直营店长 / 执行层
   • 使用诉求： 获取每日系统生成的《智能拿货建议单》；查看门店商品异常降速预警并执行促销打折指令。

---

三、 核心功能模块定义

3.1 商品洞察网络 (Product Insights)

聚焦解决“货与场”的匹配，指导门店科学订货与上架策略。

3.1.1 销售趋势分析 (Sales Trend Analysis)

• 业务逻辑： 监控单一大单品（如：麻辣小龙虾预制包）在不同时间周期（日、周、月）的全渠道单量起伏。
• 功能点：
  • 生命周期折线图： 剔除异常波动（如极端天气），拟合真实动销趋势线。
  • 智能订货预测模型： 结合过去 14 天平滑流速与周末权重，为门店生成《次日/周最优拿货单》，防止爆款断货或冷门款积压。

3.1.2 关联销售分析 (Market Basket Analysis)

• 业务逻辑： 基于经典购物篮算法（如 Apriori 算法），挖掘外卖/线上购物车中的连带规律。
• 功能点：
  • 高频组合发现： 输出如“买冷链酸菜鱼的用户，65% 关联购买了速冻糍粑”的洞察结果。
  • 策略支撑： 指导运营人员在有赞后台进行“满减套餐”打包或在下单页配置“猜你喜欢”推荐。

3.1.3 商品复购分析 (Item Repurchase Analysis)

• 业务逻辑： 评估“这道菜到底好不好吃/值不值”的客观指标。
• 功能点：
  • 单品粘性测算： 计算某 SKU 的“30天内二次购买率”。
  • 波士顿矩阵打标： 首单高但复购极低的打上“需优化/淘汰”标签；复购率持续居高的打上“核心引流款”标签，重点保障进货量。

---

3.2 客户洞察引擎 (Customer Insights)

聚焦解决“人与钱”的深度挖掘，将外卖流量沉淀为私域资产。

3.2.1 专属人群特征画像 (Audience Profiling)

• 业务逻辑： 打破线上商城与线下外卖的数据隔离，构建 OneID 统一视图。
• 功能点：
  • 跨端身份映射： 以手机号/微信 UnionID 为主键，缝合该用户的全渠道轨迹。
  • 立体标签库： 自动打标，如“工作日外带客”、“微辣偏好”、“高客单冷链囤货客”、“周五高频活跃”等。

3.2.2 专属分层人群包 (Tiered Audience Segments)

• 业务逻辑： 业务人员基于特征标签，自由组合圈选人群，用于精准触达。
• 功能点：
  • 动态分群圈选： 例如交集提取“近 30 天门店外带 > 3 次” 且 “历史线上商城消费 = 0” 的特定人群。
  • 自动化触达： 将圈选好的人群包直接对接有赞发券 API，定向推送“同款冷链预制菜 7 折体验券”，完成 O2O 场景折叠。

3.2.3 RFM 与销售贡献分析 (RFM & Sales Contribution)

• 业务逻辑： 基于交易流水，动态计算每位客户的 R (最近消费)、F (消费频次)、M (消费金额)。
• 功能点：
  • 二八定律验证面板： 直观展示前 20% 的超级用户（如订阅制月卡用户）贡献了多少大盘利润。
  • 价值分层自动化应对：
    • 高价值客： 专属客服、新品试吃权。
    • 沉睡预警客： 系统自动触发大额无门槛召回券。

---

四、 最小可行性架构与数据采集底座 (MVP Architecture)

为控制初创期研发与运维成本，V1.0 采用轻量级技术栈：

1. 核心框架： 采用 Java (Spring Boot) 开发独立的数据中台微服务，配合 MyBatis 处理复杂 SQL 与映射。
2. 数据接入 (有赞云 API)：
   • 异步离线拉取： 依赖 XXL-JOB 或 Spring Task，每小时/每天凌晨定时分页拉取 youzan.trade (订单历史) 和 youzan.item (全量商品)。
   • 轻量级实时接收： 接收有赞 Webhook (如订单支付成功)，放弃中间件，直接使用 Spring Boot 的 @Async 异步线程池或 Redis Stream 进行轻量级缓冲，避免阻塞有赞回调。
3. 数据存储：
   • MySQL： 作为核心数仓，存放 OneID 宽表、清洗后的订单流水及 RFM 聚合结果。
   • Redis： 刚需组件。处理有赞全局 access_token 的高可用缓存、API 接口限流控制，以及轻量级的短平快队列。