平台自带的智能助手和外部模型，各管一段

平台后台里那个智能助手，和你在外面用的通用模型，不是谁更聪明的问题。它们手里握的东西不一样，能干的活也就不一样。

用错配的方式，最常见的后果是：拿外部模型推演出来的结论，当成平台口径的现状去汇报。

两手数据的差别

内置助手与外部通用模型的分工对照

一手数据在谁手里，谁就适合回答现状类的问题。这个月的退货率是多少、哪个子体在拖后腿、广告花费集中在哪几个词，这类问题问内置助手，答案和你后台是一致的。

外部模型回答这类问题的前提是，你得先把数据导出来喂给它。导的过程就是一次口径转换，转换错一次，后面全错。

该怎么分段

我现在的分法是按问题的性质切，不按难易切。

描述现状，走内置。解释原因、生成假设、写结构化的东西，走外部。交叉验证，两边都走一遍，看结论一不一致。

第三类最值得做。同一个问题两边给出的方向不一样，那说明至少有一边的口径有问题，值得花时间查。查完你对这个数会比任何时候都清楚。

两边结论一致的时候也不能直接采信。一致只说明两条路走到了同一个地方，不代表那个地方是对的——共同的错误输入会得出一致的错误结论。所以交叉验证真正的价值在「不一致」，不在「一致」。

一个常见的错配

让外部模型帮你判断「这个链接该不该降价」。它不知道你的库存周转，不知道你下个月有没有促销排期，不知道这个类目这两周的价格带在怎么动。它能给你的是一个逻辑自洽的分析，不是一个可以执行的判断。

这类问题的答案有一半在后台里。先走内置拿全数据，再拿去给外部模型做推演，顺序反过来就是错配。

换工具前先确认口径

同一个「转化率」，内置助手取的分母和你导出报表里的分母可能不是一回事。换工具、换口径之前，先拿同一个 ASIN、同一个时间窗，两边各算一次，对得上再往下走。

这一步十分钟。省掉这一步，后面所有跨工具的对比都是在比两个不同的东西。

对不上也不用慌，先查三样：时间窗是不是同一个、有没有把促销期算进去、退货是按下单还是按到账记的。这三样解决掉九成的差异，剩下的才是真问题。

一条经验值

外部模型的输出，凡是涉及具体数字的，我一律要求它同时给出这个数字是从哪一段输入里来的。给不出，就按没有处理。

内置助手的输出反而不太需要这一步，因为它引用的数据我能自己打开核对。差异就在这里——一边是可核的，一边是不可核的，可核性决定了你能把它用在哪个环节。