COMMERCE LAYER 01 / DECISION & PLANNING
C1决策与商品企划
公司决定接下来做什么商品、为什么做、先投多少、用什么结果判断行不行
涉及部门公司的多个部门
链条
市场洞察→商品企划→产品开发→打样→商品共识会→少量下单
沉淀下来的对象与字段
商品·目标人群·价格区间·卖点方向·首批数量·成本·验证目标
FIELDWORK-DRIVEN AI / 一套从真实业务现场出发的 FDE 工作方式
先把业务还原出来， 最后再决定 AI 应该进入哪里
先把业务链路、判断和边界讲清楚，再让AI 进入合适的位置
COMMERCE LAYERS / C1—C4
一件商品怎样在公司里运转
从市场洞察走到商品企划、素材准备、渠道经营和数据反馈
COMMERCE STACK / 点开任意一层
COMMERCE LAYER 02 / PRODUCT & CREATIVE
C2产品与素材准备
通过营销共创会确认这个商品要怎样呈现给买家
涉及部门产品和素材部门·平面和内容团队
链条
板房出货样→图片与视频→营销共创会
沉淀下来的对象与字段
商品资料·图片·视频·卖点·素材版本·各部门确认结果
COMMERCE LAYER 03 / CHANNEL OPERATION
C3渠道经营
商品进入内容平台、货架电商和私域渠道，再通过上架、内容、直播和投放被消费者看到
涉及部门运营部门
链条
商品上架→建立计划→盯消耗→追投→升降档→直播控盘→清库存
沉淀下来的对象与字段
店铺·账号·投放计划·库存·订单
COMMERCE LAYER 04 / DATA & FEEDBACK
C4数据与结果反馈
把结果整理成下一轮能够使用的信息，并保留当时做过什么判断、这个判断后来有没有被证明是对的
链条
收集成交、投放效率、退款率、素材表现、库存变化和用户反馈→传回前面的环节
沉淀下来的对象与字段
下一轮能够使用的信息·当时做过什么判断·这个判断后来有没有被证明是对的
真正沉淀下来的 Ontology，是一次次业务访谈和实际运行以后留下来的这七样，只有当它们能够被人和 AI 共同理解并连接到真实系统里时，才开始接近一个可以运行的业务 Ontology
- 对象OBJECT
- 关系RELATION
- 字段FIELD
- 规则RULE
- 动作ACTION
- 权限PERMISSION
- 数据DATA
FDE STAGES / P1—P5
FDE 怎样进入这条业务链路
C 回答一个业务动作发生在商品生命周期的什么位置，P 回答 FDE 对它已经理解和推进到了什么阶段
先了解一件商品的完整生命周期
在这三个问题没有弄清楚以前，不急着讨论要做什么 AI 工具
视角CEO 与公司整体经营视角
先回答三个问题
- 从哪里到哪里 从哪里开始，到哪里结束，涉及哪些部门
- 想改善什么结果 公司希望改善什么结果
看清每个部门参与了什么
展开 C1—C4，把每个部门参与的环节、输入、输出、上下游关系写清楚
视角各业务主管视角
每个部门看到的那一段
- 运营部 上架、投流、直播、复盘
- 产品部 企划、开发、打样、商品资料
- 素材部门 拍摄、剪辑、素材确认
进入一线动作并判断什么值得做
继续问他们点哪里、看什么、根据什么判断，哪里容易出错，出错以后会造成什么影响
视角一线业务人员视角
四类工作，各看各的指标
- 执行型 频次、数量、单次耗时、错误率
- 盯盘型 注意力占用、响应速度、漏看的损失
- 判断型 涉及金额、输入因素、误判代价
- 数据型 有没有、存多久、更新多快、口径是否一致
让 AI 进入已经确认的业务动作
每天只要在某个板块上做了实际工作，就在工作日志里写清楚做了什么，得到了什么结果
让 AI 进入的顺序
- 第一版 先做到读取、整理、提醒和生成草稿
- 稳定之后 业务人员确认运行稳定以后，再逐步开放写操作
- 遇到边界 读不到数据、规则算不出来或者状态发生冲突时，停下来并通知业务人员
建立可以运行和复盘的系统
和业务人员一起确定系统边界，把工具接进真实流程，再用运行数据继续修改规则和方案
视角系统建立与迭代视角
系统怎样建立和迭代
- 接入流程 确定系统边界，把工具接进真实流程
- 运行与复盘 记录运行结果、出现的问题和每次修改
- 数据回流 把分散的结果整理成下一轮能够使用的信息
- 自我迭代 用运行数据继续修改规则和方案
COMPANY LEVELS / L1—L5
这家公司整体走到了哪一步
C 和 P 是一个动作一个动作推进的，L 是整家公司的一个数
FDE 的作用区间
这些工作累积起来，才有可能把一家 L1 或者 L2 的公司推到 L3，再为 L4 准备底座
L1
工具化
TOOLING
大多数公司
L2
流程化
PROCESS
少数公司
L3
角色化
ROLE
极少数公司
L4
系统化
SYSTEM
极少数先行者
L5
原生态
AI NATIVE
少量 AI 原生团队
L1工具化
AI 贴在旧流程上，各干各的，买工具、开账号、零散提效
某几个员工自己用上了 AI，但这件事只发生在他一个人身上，他换岗或者离职，这份效率就跟着消失，公司层面看不到任何变化
L2流程化
单点流程翻倍，但组织考核没变，红利被跨部门等待吃掉
某个部门整体用起来，这一段确实快了很多，但整条链路没有一起提速，多出来的产能卡在部门之间的等待里，这一级最容易让人误判：部门内部的数据很好看，公司整体的结果没有动
L3角色化
人和 Agent 编队，产出开始脱离人头，组织问题的起点
Agent 不再只是某个人手里的工具，而是承担了一部分固定职责，有明确的权限边界，从这一级开始，真正的难题不再是技术，而是组织：谁给 Agent 派活，谁为它的结果负责，它做错了又算谁的
L4系统化
AI 进入经营系统，考核、编制和分钱跟着改，真转型开始
AI 不再挂在流程旁边，而是进入经营系统本身，到这一级，公司不是在用 AI 做事，而是按照「有 AI」这个前提重新设计怎么做事
L5原生态
拿掉 AI 业务停摆，组织围绕 Agent 设计，AI 原生企业
把 AI 拿掉，业务直接停摆，因为整个组织本来就是围绕 Agent 建起来的，岗位、协作方式和交付节奏都以此为默认前提
点阵只表达相对多少，不是统计数据
一个动作已经做到 C3—P5，公司仍然可能停在 L2
反过来，公司想从 L2 走到 L3，靠的也不是某一个动作做得多好，而是 C1—C4 里已经有足够多的动作走到了 P4 和 P5，Agent 才有稳定的职责可以承担
以下工具、状态与效果仅用于说明方法，不对应任何真实企业或项目