大家好，我是小胖。
一个正在学习AI，并尝试把AI真正应用到电商运营中的普通运营人。
好久不见，前面几期，我们一直在做一件事情：
从数据里找问题。
从评价里找需求。
从竞品里找差距。
再让AI参与分析。
停更的这段时间里：
我开始想办法让工作中一些重复的事情自己完成！
比如每天的工作。
打开后台。
导出数据。
整理Excel。
看商品变化。
找异常SKU。
写运营日报。
再把结果整理出来。
这些事情本身并不难。
真正让人疲惫的是：
它们每天都在重复。
一、什么样的工作，适合自动化？
不是看到什么都想着交给AI。
我最近开始学习一个非常重要的判断标准：
一项工作如果同时满足下面几个特点，就比较适合自动化。
① 重复
每天、每周都会做。
② 规则比较固定
大致按照相同流程完成。
③ 输入比较稳定
比如：
Excel、CSV、评价文本、固定报表。
④ 输出比较明确
比如：
日报、异常商品名单、统计结果。
举个最简单的例子。
每天分析昨天销售数据。
输入：
一份Excel。
处理：
计算销售额、销量、TOP商品、异常商品。
输出：
一份日报。
这种工作：
就非常适合自动化。
而像：
“这个新品到底该不该做？”
这种需要大量经验、市场判断和业务信息的事情。
就不应该完全交给机器。
二、以前我想的是“让AI帮我做”
现在我开始想：
能不能让AI成为流程的一部分？
这两个概念其实不一样。
以前：
我遇到问题。
↓
打开AI。
↓
把数据上传。
↓
让AI分析。
↓
拿结果。
结束。
这叫：
一次性使用AI。
现在：
每天产生数据。
↓
自动读取。
↓
自动整理。
↓
AI分析。
↓
生成结果。
↓
我查看。
↓
做决策。
这才开始接近：
AI工作流。
三、我现在最想自动化的第一件事，就是运营日报
因为它最符合刚才说的几个条件。
每天都做。
规则比较固定。
数据来源相对稳定。
输出也比较明确。
所以我开始把它拆成几个步骤。
第一步：
获取昨天的数据。
第二步：
整理商品表现。
第三步：
找出异常变化。
第四步：
让AI进行第一轮分析。
第五步：
生成日报。
第六步：
运营查看并做决定。
注意。
这里有一个非常重要的变化：
自动化的不是“运营决策”。
自动化的是：
数据整理。
计算。
筛选。
汇总。
最后的：
“这个商品要不要继续投入？”
“这个问题应该先解决什么？”
还是人判断。
四、我开始意识到，自动化不是为了偷懒
以前听到“自动化”，我容易想到：
是不是为了少干活？
后来自己真正开始做运营以后，我觉得不是。
自动化最大的价值其实是：
把时间从重复动作里释放出来。
比如：
如果每天整理数据需要30分钟。
一个月20多个工作日。
就是10个小时以上。
一年：
就是一百多个小时。
如果这部分工作可以交给机器。
省下来的时间可以拿去：
看商品。
看用户。
看竞品。
做策略。
这才是真正的效率提升。
五、这也是我为什么开始学习Python和Codex
这里我先不展开讲具体工具。
因为我发现：
如果连“什么事情值得自动化”都不知道。
直接学工具，很容易变成：
学了一堆命令。
最后不知道拿来干什么。
所以我现在给自己定的顺序是：
先找问题。
↓
再拆流程。
↓
最后选择工具。
这也意味着：
以后我学习Codex。
不会先从“Codex有什么功能”开始。
而是从：
我现在工作里有什么重复任务值得解决？
开始。
六、如果是你，今天就可以做一个小练习
拿出你最近一周的工作。
不要考虑AI。
先记录：
每天重复做了什么？
比如：
-
导数据 -
整理Excel -
查商品排名 -
统计日报 -
看评价 -
整理周报 -
汇总活动数据
然后在每一项后面写：
每天做吗？
规则固定吗？
数据固定吗？
输出固定吗？
如果大部分答案都是“是”。
那么：
它就值得进入你的自动化候选清单！！
今日小结
我现在对AI自动化的理解越来越简单：
不是：
“我有一个AI工具，可以帮我做什么？”
而是：
“我每天有什么重复工作，可以让机器长期帮我完成？”
前者是工具思维。
后者才是：
工作流思维。
下一期
我会开始把这个想法真正落下来：
如果我要做一个自动化运营日报，第一步到底应该怎么设计？
从工作流程开始。
一步一步拆。
然后再进入真正的工具实操。
我是小胖。
继续记录一个普通电商运营学习AI，并尝试改变工作方式的过程。