帮一家电商企业定制的系统，图书蓝海词监控系统。
通过对电商平台图书这个品类进行自动监控，将原本每天运营人员需要投入2小时左右的筛选、整理、比较、确定选品的手工工作，降低为每天20分钟。
它可以自动化推荐 SKU 选品，甚至连商品标题和营销文案都一并自动生成了，极其省心。
一、项目背景
面向图书类电商运营的内部选品工具。图书电商的核心痛点是"选品靠经验、铺货靠感觉"：面对商智后台导出的海量关键词和批发商甩来的杂乱书单，运营很难快速判断"哪个词值得抢、哪本书值得进货"。
二、目标
聚焦一个矛盾——选品确定性：先把"卖什么、手里的货值不值得卖"用数据算准。
三、核心实现
项目用一个量化指标把这件事标准化——BOI（Book Online Interest，图书线上热度指数）：
▎ BOI =（搜索人气 × 预期转化率）/（在线商品数 × 自营系数）
分子是需求侧（有多少人搜、搜了买不买），分母是供给侧（多少家在卖、自营占多强）。BOI 越高 = 需求旺、竞争小，即"蓝海"。它本质上是把 RICE 评分、供需比这类成熟决策模型，落到了图书选品这个具体场景。
四、技术与功能
技术栈是现代、轻量的一线组合：Next.js 14（App Router）+ TypeScript + Tailwind CSS + Prisma + SQLite，深色玻璃拟态（Glassmorphism）数据看板风格。
产品围绕两个真实工作流入口设计：
- 入口 A · 商智热词导入（蓝海词计算控制台）：上传导出的关键词 CSV，前端解析（papaparse），自动处理"50.0 ~ 100.0"这类区间字段（取最大值、人气取整、转化率转百分比），按 BOI 排序落库。数据通过 Server Actions 写入 SQLite，带分片入库进度条、关键词去重 upsert、30 天陈旧数据自动清理。
- 入口 B · 货源热销分析（AI 书单解析）：粘贴批发商书单（TXT/PDF/Excel 复制的杂乱文本），由 AI 剥离"（含碟）""2026版""出版社名"等噪音、还原核心书名，再反向回填京东流量指标，输出"建议采购 / 观望 / 放弃"。
数据模型（Prisma）已覆盖关键词批次、关键词条目、图书分析三张表，并预留了从 SQLite 迁移到 MySQL 的生产扩容路径。
五、部分产品 Demo 截图
由于商业保密要求，仅分享思路和部分 Demo 截图。
产品首页
兼容手动导入
可配置的风控列表
提交反馈
图文电商行业-图书蓝海词监控系统
评论区
暂无公开评论还没有公开评论。