一人电商背后的AI技术栈
如果你在运营一家电商企业——销售实体产品、投放付费广告、处理客户、管理现金流——日常苦活不是产品本身。而是产品周围的一切。电子表格、对账、订单管理、邮件、不断监控什么有效什么无效。大部分时间都花在这些上面。对于一个独立创始人来说，这是你没有花在你真正创办企业想做的事情上的时间。
在过去的一年里，我用Claude Code构建了一套系统来处理这其中的大量工作。不是全部——我不会假装AI在运营我的企业而我在海滩上放松。但那些重复性的、跨系统的、数据密集的任务，那些曾经吞噬我一天时间的任务，现在大部分都被处理了。
我想说清楚我这里所说的"系统"是什么意思。这不是让Claude替我思考。这是雇佣Claude替我做我的一些工作——那些我能清楚解释的、有明确规则说明该做什么的工作。就像一个加入团队的实习生。我不是让他们来运营企业的，但他们完全有能力处理数据计算和起草邮件。
现在有很多人在写他们的AI设置（看看Josh Lachkovic的优秀文章关于他构建的系统，如果你想了解我将在这里跳过的技能和MCP等基础概念的良好解释，我推荐阅读）。但我想关注的是，如果你在运营一家电商企业，什么才是真正重要的。那些在你销售实体产品、投放广告、试图维持运转时能产生实际差异的系统。
以下是我构建的。
掌握数据
1、贡献边际报告
只有了解你的数字，你才能建立一个成功的企业——你在花什么、赚什么，关键是，剩下什么。
对于一家投放付费广告的电商企业来说，这个计算比应该的要复杂。你知道你的产品成本。但把支付处理费、邮费，以及付给Meta和Google的钱都算进去——这些数据分散在三个报告方式完全不同的系统中。
手动做并非不可能。我做了好几个月。每周一早上我会打开Shopify拉取上周的销售数据。然后打开Meta Ads Manager。再打开Google Ads。全部输入电子表格，拖拽公式，算出我的贡献边际——产品成本后的CM1、履约后的CM2、广告支出后的CM3。
这样做有一个好处。数字进入你的大脑。你注意到模式，发现异常，我认为任何创始人都应该关注这种细节。
问题是它花时间。不仅是每周的仪式——如果我想把本周和去年同期对比，或者看本周到目前为止的数据，我每次都必须手动计算。
所以我让Claude访问了所有三个系统——Shopify、Meta和Google（使用MCP——让Claude用标准语言与外部系统对话的连接器）——并让它构建了一个我可以随时查询的贡献边际瀑布图。
这有两个层次。第一层是对话式的：我问Claude"我们上周的CM3是多少？"它拉取数据、运行计算并给我答案。这就是你真正需要开始的地方，这比电子表格是一个巨大的进步。
第二层是仪表盘。Claude给我构建了一个托管的Web仪表盘，我可以在上面正式浏览数字、对比时段、查看时间趋势。你可以在本地机器上运行，或者如果你想和团队分享或从其他设备访问，每月花5英镑托管，它就在云上运行了。
本期我附赠了一个可下载的系统提示词，会指导你构建你自己的版本。把它交给你的智能体，它会引导你完成整个设置——不需要编程知识（虽然你需要自己完成一些智能体无法独立完成的设置步骤，比如注册Shopify和Meta的API访问）。
2、财务总监
小企业靠现金流活着或死亡，而我第一次创业就是因为没有密切关注现金流而失败。所以我构建的第一个系统之一就是我所谓的FD技能——一个永不休息的财务总监。
它连接到我们的Monzo银行账户和Xero会计系统。它看到每一笔进出交易，与我们的会计记录交叉核对，知道每笔交易属于哪个账户代码。然后它浏览我的邮件找收据和发票，算出是否有可退回的增值税。
结果是，我总是精确知道钱在哪里。不是大概。不是"月底再查"。就是现在，随时，我可以问并获得精确答案。
运营日常
3、早间订单
当我早上端着咖啡坐下时，Claude已经看过了Shopify中每一个未履约的订单。它把需要激光雕刻的和可以直接发货的分开。标记库存即将不足的项目。把所有内容呈现为一天工作的结构化视图。
就像有一个运营经理在你到办公室时给你一个快速简报。这是今天需要做的，这是首先要做的，这是你应该考虑补货的。
它替代的是登录Shopify、滚动浏览订单、心里分拣每个需要什么、然后在一个完全独立的系统中检查库存水平。这不是困难的工作，但它花时间、消耗精力，并推迟了其他所有事情。
4、库存管理
这个简单但重要。Claude连接到我们的库存管理系统Sumtracker，监控库存水平。当某个东西开始减少时，它在变成缺货之前标记出来。
对于一人企业来说，这比你想的重要得多。当你花了一天的时间雕刻订单和打包包裹时，很容易失去对架上还剩什么的跟踪。包装材料用完了因为你太忙于履约订单而没注意到它在变少——这是一个真实的风险，而这个系统帮助在发生之前就抓住它。
5、广告表现
每天我都问Claude广告表现如何，它从Meta和Google两边拉取数据。对比支出和我的利润目标，计算各广告系列的CPA和ROAS，告诉我什么有效、什么应该砍掉。
分析做得相当好。几秒钟就完成了我以前花30分钟审查每个账户和广告系列的工作——拉取数字、与基准对比、找出异常值的机械性工作。
但我要诚实说明局限性。建议是基于我设定的规则——支出阈值、CPA目标、ROAS底线。有时一条广告表现不佳的原因中的细微差别需要人类的判断。
处理客户
6、邮件分流
像每个创始人一样，我一直在努力却始终没能达到收件箱为零。最大的问题不是需要回复的邮件，而是大量噪音。根本不需要任何操作的邮件，但它们就放在那里未读，和真正需要操作的混在一起。供应商确认、自动通知、我两年前订阅的通讯。每封都需要几秒钟处理，这些秒数加起来很可观。
所以邮件分流系统每天早上浏览我所有的邮箱账户并快速分类。不需要回复也不重要？直接归档。不需要回复但我应该看看？放进审核文件夹。需要回复？放进回复文件夹。
最让我惊讶的是比例。绝大多数到达我收件箱的邮件根本不需要任何操作。这个系统把真正重要的20%浮出来，其余的在我看都没看之前就消失了。
7、客户上下文
这是把一切联系起来的系统。我建了一个客户数据库，拉取我们收到的每一封客户邮件、我们发送的每一封邮件、每一次购买和每一条评价。它知道每个客户是谁——是首次购买者还是回头客，以前买过什么，对产品说了什么。
它记得你去年为婚礼买的礼物，在给你发送最新订单的感谢信时提醒我。
这个上下文输入到其他系统，特别是感谢邮件（见下文），所以每个触点都感觉个性化，而我不需要手动查看某人的订单历史再写信。
8、感谢邮件
我一直给每位客户写个性化的感谢邮件。这是让Fieldtrip感觉不同于在无脸品牌购买的原因之一——你买了一个杯子，然后收到创始人的一封真实邮件。但随着业务增长，手动做这件事变得越来越难。
所以Claude替我起草。每天早上，在我醒来之前，它为每笔夜间到达的订单写一封个性化的感谢邮件。每一封都用我的语气写，提到某人是回头客、是否订购了雕刻服务、上次买了什么。我逐一审阅、根据需要调整、然后发送。
9、结束语
这些是我起步用的系统，因为它们每天为我节省时间。我发现最大的挑战之一是它会上瘾——你拥有构建任何你需要的系统的超能力，但正确地做它仍然需要时间和工作。那么我接下来构建哪个系统？我还在研究如何做出这个决定。
本期我附赠了一个系统提示词文件，你可以直接输入到你自己的智能体中，它会指导你设置你自己版本的CM3贡献边际仪表盘。如果你尝试了，我很想知道结果如何。
原文链接：The AI stack behind a one-person ecommerce business
汇智网翻译整理，转载请标明出处