上次做完供应商视角的分析，后面尝试用了pandas确实效率会更高！本次就售卖段的数据基于大模型做分析先，后续再做优化！
看效果
话原理
从AWS网站，我们可以拿到比如商品，销量，价格，促销等等其他参数，然后这里我们可以定期抓取某品类商品数据，从而对售卖端的变动进行感知！
这里二手售卖本次不包含，后续再完整分析！
来实践
1、适用抓取工具比如Instant Data Scraper工具抓取供应商（1688）商品数据
2、然后，CSV转为yaml文件
3、创建prompt文件
主要部分如下
-单品洞察
1.热销商品top5
商品标题、价格、销量
2.新品Top5
日期、商品标题、价格、销量
- 热销参数特征
1.热销参数:参数值 Top5
-价格分布
价格分布 销量范围等总结
-趋势洞察
1.价格变动
1）涨价Top5
价格变动值、变动后价格、变动前价格、商品标题、价格、销量
2）降价Top5
价格变动值、变动后价格、变动前价格、商品标题、价格、销量
2.参数特征变动趋势洞察
特征：特征值
-促销宣传建议
促销宣传建议说明
4、直接调用大模型来请求(我使用的是Claude3 Opus)，获取想要的结果
写在最后
在本次的实践中，还是遇到了数量量的还问题，随意数值统计类的是交给传统的统计效率更高！
今天一觉睡醒，Gpt-4o发布了，只能说大为震撼！更加智能，实时性！图、文、音，音色更加丰富！
这周准备去参加OpenAI Day，期待能获得有用的见解！
静下来想想，morning exercise 应该跑起来，看小说的可以让自己松弛起来，空间时间去参与交易，去思考！加油加油加油！
