截至 11 月 6 日的公开信息，沃尔玛在 10 月 30 日（美国时间）为 AI 购物助手 Sparky 增加了六项功能，其中三项直接指向门店：手写清单与备忘录清单转购物车并在缺货时给出替代、到店后在门店地图上标出货架并点亮货架标签、以及查询附近门店现货并按最快 30 分钟配送。对做铺货与门店可售的品牌来说，这次更新把一件过去靠人工巡检才能发现的事，变成了算法每天都会读取的输入——门店有没有货，开始直接影响顾客能不能被推荐到你的商品。
六项功能里，三项直接落在门店货架上
把六项功能拆开看，会发现它们的前置条件高度一致：图片识别要落到具体商品，清单购物要落到具体 SKU，门店找货要落到具体货架位置。三者都绕不开同一份数据——这家门店此刻有没有这个商品。也正因为如此，AI 购物助手并不是一个独立于铺货之外的新渠道，它把线下可售状态变成了线上推荐的输入变量。
从搜索框到货架灯，找货链路被压缩成一步
沃尔玛此前在 App 里上线的门店找货工具，会在顾客搜索商品后于门店地图上标出所在货架，顾客走到对应位置时点亮货架标签上的 LED。这次更新把这套动作嵌进 Sparky，顾客不必在搜索、地图、货架之间来回切换。链路变短的效果是可观测的：过去顾客在门店里找不到商品就走，现在系统能把他引到货架前，货架上有没有货、价签是否与线上一致，立刻暴露。
缺货替代是算法第一次公开处理可售问题
清单转化这一步更能说明问题。顾客拍下手写清单，Sparky 逐项匹配商品，遇到缺货就推荐替代选择。这句话翻译成渠道语言就是：缺货不再只是当天少卖一单，它会触发一次替代决策，而替代品很可能是竞品。对品牌方而言，缺货的代价从损失一次曝光变成把顾客交给别人，这也是可售率需要进入日常监控而不只是月度复盘的原因。
门店现货正在变成 AI 推荐的前置条件
| 能力 | 依赖的数据 | 对品牌的可观测影响 |
|---|---|---|
| 清单转购物车 | 单店库存与历史购买 | 缺货时被替代的概率上升 |
| 门店找货 | 货架位与价签状态 | 到店转化与价签一致性 |
| 30 分钟配送 | 就近门店可售与拣货能力 | 即时零售订单的可承接率 |
三行数据指向同一个结论：AI 助手把门店有货从一个运营指标，升级为流量分配的前置条件。过去品牌做铺货，考核的是覆盖门店数与上架率；现在还要回答一个更细的问题——在顾客真正发问的那一刻，这家门店的这个 SKU 是否可售。覆盖率高但断货频繁的门店，在算法眼里和没有铺货没有区别。
这也解释了为什么即时零售的竞争重心在往库存颗粒度上移。30 分钟送达的承诺听起来是履约能力，实际考的是就近门店有没有货、拣货能不能完成；一旦门店缺货，承诺越短，落差越明显。对品牌来说，可售率不再只是渠道部的月度报表指标，它开始直接参与平台侧的推荐决策。
铺货上翻监控需要补上的三个字段
要把这件事管起来，现有报表通常不够用。多数品牌的铺货数据是按月、按区域汇总的覆盖率，粒度过粗，既看不出单店断货的时长，也看不出替代发生在哪一步。可核验的做法是补三个字段，把可售状态变成带时间戳的证据，让巡检结果能够与算法读取的库存对齐。
品牌方现在能做的三件事
在平台规则尚未公开排序细节之前，品牌并非无事可做。可售、价签、履约这三件事都在品牌与零售商的联合管理范围内，做到位至少不会因为基础数据缺失而失去被推荐的机会。这三件事的共同点是都能留下可核验的记录，而不是靠感觉判断。
- 把可售率做成日频指标按门店、按 SKU 记录可售状态与断货时长，替代月度覆盖率，才能对应算法的读取频率。
- 盯住价签一致性货架价签与线上价格不一致时，到店顾客的信任损耗远大于一次促销让利，也容易被系统判为异常。
- 准备替代品话术与库存缺货时被推荐替代已成常态，品牌内部要有同价位、同规格的接班 SKU，避免把顾客交给竞品。
值得留意的是，沃尔玛把 Sparky 从美国门店扩展到加拿大、墨西哥，并计划年底前上线全链路语音能力。入口越多，可售数据的读取频次就越高，铺货监控从月度抽查转向按日可核验只是时间问题。对品牌来说，真正的分水岭不是有没有接入 AI，而是门店那一格的库存能不能对得上。
常见问题
AI 购物助手会取代门店巡检吗？
短期内不会。它读取的是系统里的库存与货架状态，货架被挪位、价签被贴错这类问题仍需人工发现，两者是互补关系。
缺货替代对品牌的直接影响是什么？
缺货时顾客会被引导到替代品，等于把一次确定的购买意向让给竞品；断货频繁的门店，铺货覆盖率再高也难以转化成销量。
铺货上翻监控应该按什么频率更新？
建议按日更新可售状态、按月做区域复盘。算法读取库存是实时的，月度覆盖率无法反映中途断货，两个频率要分开用。
价签一致性为什么也算可售管理的一部分？
到店顾客依据价签做决策，价签与线上价格不一致会造成信任损耗，也可能被系统识别为价格异常，影响后续推荐。
