Mall Operation Agent
商场运营 AI Agent 工作台
Problem
商场不缺数据，缺的是可复制的经营研判能力
经营线索分散在不同系统和岗位里，真正能串联证据、判断根因、推动改善的人，往往依赖少数资深营运和招商专家
数据分散
销售、客流、合同、活动、评分和巡检记录分散在不同系统和岗位里。
经验依赖个人
真正能串联证据、判断根因、推动改善的人，往往依赖少数资深专家。
难以沉淀
一旦人员流动，极易导致预警滞后，决策质量波动
Evidence
把分散在各处的经营证据，变成可追踪的判断依据
销售证据
营业额订单量客单价坪效租售比
客流证据
曝光流量进店流量低峰客流转化趋势
合同证据
租约到期租金水平续约节点商务条款
活动证据
活动参与率活动毛利券核销率活动 ROI
口碑证据
评分变化评论内容投诉记录投诉反馈
巡店证据
巡检记录巡检照片访谈记录整改记录
Agent Workflow
把专家判断过程，拆成可协作的 Agent 工作流
规则发现异常，Agent 继续判断为什么异常、该做什么、谁执行、结果是否有效
发现异常
经营雷达每天扫描多源数据，找出真正经营异常的商户。
串联证据
把分散证据整理成链路：哪些指标变差、何时开始、和哪些事件相关。
生成建议
诊断根因后生成专家建议，覆盖扶持、谈判、继续观察或汰换预案。
追踪验证
把建议拆成任务，追踪执行结果，并把效果回流到下一次判断。
记忆与迭代
每一次巡店、扶持、谈判和改善结果，都会回流为下一次判断的依据。新的巡店数据会优化预警判断；执行效果会沉淀为下一次策略推荐依据。
Users
它解决谁的问题？
商场总经理
哪些商户正在影响资产经营质量？续约风险会不会拖累租金、坪效和组合？
营运经理
哪些商户正在变差？该扶持什么动作，谁来跟进，什么时候验证？
招商经理
这个商户还值得续约吗？要调整谈判条件，还是启动替换预案？
商户
商场如何评价我的经营风险？哪些问题会影响续约和资源支持？改善结果能否成为谈判依据？
Demo Case
演示案例：望潮港火锅续约风险升级
展示商场如何把风险研判、改善执行和续约判断连成闭环
风险升级
多项经营指标和巡店反馈同时走弱，租约 45 天后到期。
Agent 研判
风险来自低峰客流、活动吸引力和服务体验的叠加。
改善任务
生成 14 天改善计划，并下发商户确认执行。
续约回流
改善结果回流商场，辅助续约、谈判或汰换判断。
下一步：扩展为连锁商家 AI 经营参谋，支持品牌总部发现问题、下发策略，单店执行并回流经营效果
查看商场工作台