监控基础设施
让巡店所需画面真正做到可看、可用、可调用。
- 海康云眸统一接入
- 监控安装和画面验收标准
- 在线率与故障管理
- 账号权限与操作日志
PROJECT ARCHITECTURE
整体架构
以九号通为巡店中枢，统一连接设备、人工、AI与规则数据四条工作线。
项目目标：建立规模化、可闭环、可AI化的远程巡店体系
提高门店覆盖率、检查一致性和整改效率，持续降低单店巡店成本
统一巡店管理中枢
门店档案 · 规则库 · 巡店任务 · 证据 · 整改 · 评分 · 申诉 · 数据分析
人工远程巡店
通过外部供应商快速建立稳定的执行产能。
- 供应商执行和取证
- 总部抽查与质量管理
- 区域复核与门店整改
- 沉淀真实问题样本
AI巡店能力
从标准化场景切入，先辅助人工，再逐步自动化。
- 市场选型和统一PoC
- AI试运行并与人工结果对比
- 异常筛查和人工确认
- 模型效果持续监控
规则与数据体系
为人工和AI提供同一套语言与评价标准。
- 统一门店和规则编码
- 合格与不合格案例库
- 人工及AI质量指标
- 数据安全和使用边界
TWO INSPECTION WORKFLOWS
人工巡店与AI巡店流程
两条流程独立运行、分阶段上线，共用巡店规则、证据标准、整改机制和结果数据。
人工巡店流程
外部人工供应商执行，渠道管理部抽查质量，2026年9月30日前上线。
01
任务下发
按门店、频次和规则生成巡店任务。
02
调阅画面
查看监控视频、截图及门店补拍照片。
03
人工判定
按统一规则判断问题并提交有效证据。
04
质量抽查
渠道管理部抽查结论、证据和评分一致性。
05
整改复核
门店整改，区域复核，争议问题进入申诉。
06
结果入库
巡店结论与案例进入规则库和AI样本库。
AI巡店流程
九号通负责任务和结果闭环，供应商AI平台负责图像识别，2026年11月30日前上线。
公司内部：九号通
创建巡店任务、组织图片采集、汇总结果、数据管理、人工复核、整改与报表。
外部供应商：AI软件平台
接收监控图像和手机拍照，完成质量校验、模型识别，并回传判断、置信度和证据。
01
九号通
创建巡店任务
配置门店、检查规则、频次、截止时间、抽查比例和取证要求。
02
九号通
组织图像采集
调用海康云眸监控图像，或向门店发起指定角度的手机拍照任务。
03
九号通 → AI平台
发送检测任务
按接口发送任务编号、规则编号、门店信息、图像及采集时间。
04
供应商AI平台
图像质量校验
先判断清晰度、遮挡、角度和场景是否满足识别要求，不合格则退回补拍。
05
供应商AI平台
AI识别与判断
输出合格、不合格或无法判断，并附问题编码、置信度和证据位置。
06
AI平台 → 九号通
回传巡检结果
将判断结果、证据图、模型版本和处理时间回传九号通统一归档。
07
九号通
汇总分流与复核
高置信度结果进入汇总；低置信度、红线项和争议项进入人工复核。
08
九号通
整改与数据管理
生成整改任务、跟踪复核，汇总报表，并将误判漏判样本反馈给AI供应商。
统一规则与证据
规则编号、严重等级、正反案例
两条流程独立执行
人工直接判定、AI识别后分流
共用整改与数据闭环
整改复核、申诉、案例和样本回流
JUL–DEC 2026 ROADMAP
2026年7月至12月推进路线
2026年7月28日至12月31日共157个自然日，9月底完成人工巡店，11月底完成AI巡店。
基础标准与试点准备
明确项目治理、摄像头适用标准、首批规则和试点范围。
- 建立跨部门项目机制
- 发布监控安装和画面验收标准
- 确定首批试点门店
基础准备
第二步：人工巡店上线
完成供应商合作、流程配置、试运行和正式验收。
- 签订SOW并完成培训
- 试点巡店与总部抽查
- 建立整改和申诉闭环
里程碑：9月30日前完成并正式运行
第三步：AI选型与上线
完成市场扫描、统一PoC、系统对接、与人工结果对比试运行和效果验收。
- 确定首批AI场景和测试集
- 候选厂商统一PoC
- 接入真实任务并与人工结果对比
里程碑：11月30日前完成并具备上线条件
规模运行与项目验收
验证人工与AI两条流程的规模运行效果，完成年度项目终验。
- 扩大门店覆盖并优化产能
- 复盘质量、成本和整改效果
- 形成2027年运营优化计划
目标：12月31日前完成项目验收
GOVERNANCE
责任分工与供应商边界
最后一列说明哪些决定必须由公司保留，以及供应商、区域和门店在执行中不能越过的边界。
| 角色 | 核心责任 | 公司保留权限 / 执行约束 | |
|---|---|---|---|
| 渠道管理部 | 制定规则、评分标准和业务目标 | 规则解释与最终判定 | |
| 项目经理 | 统筹计划、预算、供应商和跨部门协作 | 项目节奏与验收决策 | |
| 公司IT部门 | 系统集成、AI选型、数据安全和技术架构 | 核心账号与技术控制权 | |
| 人工巡店供应商 | 执行巡店、提交证据和初步分类 | 不得自行修改规则或评分 | |
| AI供应商 | 提供识别模型、接口及持续优化服务 | 不得独占样本和业务数据 | |
| 区域与门店 | 整改、复核、反馈和申诉 | 不得自行关闭有效问题 |
SUCCESS METRICS
项目核心指标
不要只看摄像头接入数量，真正衡量项目价值的是发现、整改和减少问题的能力。
设备层
8 项指标
- 门店设备接入完成率 公式：已完成摄像头接入且验收通过门店数 ÷ 计划接入门店总数 × 100%
- 摄像头在线率 公式：统计期在线摄像头时长 ÷ 应在线总时长 × 100%
- 关键区域覆盖率 公式：符合机位标准的关键区域数 ÷ 应覆盖关键区域总数 × 100%
- 画面及回放可用率 公式：可正常查看和回放的抽检次数 ÷ 画面抽检总次数 × 100%
- 故障平均修复时间 公式：已修复故障的修复耗时总和 ÷ 已修复故障数
- 设备验收一次通过率 公式：首次验收通过设备数 ÷ 首次提交验收设备总数 × 100%
- 设备故障影响任务率 公式：因设备故障无法正常执行的任务数 ÷ 应执行巡店任务总数 × 100%
- 故障按时关闭率 公式：约定时限内修复并关闭的故障数 ÷ 应关闭故障总数 × 100%
人工巡店层
8 项指标
- 巡店门店覆盖率 公式：统计期内完成至少一次有效巡店的门店数 ÷ 应巡门店总数 × 100%
- 任务按时完成率 公式：截止时间前完成的任务数 ÷ 应完成任务总数 × 100%
- 证据合格率 公式：证据符合清晰度、位置和时间要求的问题数 ÷ 抽查问题总数 × 100%
- 判断一致率 公式：供应商结论与总部复核一致的任务数 ÷ 总部抽查任务数 × 100%
- 漏检率 / 误判率 公式：漏检问题数 ÷ 实际问题数；误判问题数 ÷ 已判问题数，均 × 100%
- 单任务平均处理时长 公式：已完成巡店任务的处理时长总和 ÷ 已完成任务数
- 单店有效问题发现数 公式：经复核确认的有效问题总数 ÷ 完成巡店的门店数
- 巡检结果退回率 公式：因证据或判断质量被退回重做的任务数 ÷ 提交任务总数 × 100%
AI能力层
8 项指标
- 规则可自动识别覆盖率 公式：AI已稳定支持的巡检规则数 ÷ 计划AI化的巡检规则总数 × 100%
- 准确率 / 召回率 公式：正确判定样本数 ÷ AI判定样本总数；正确识别问题数 ÷ 实际问题总数，均 × 100%
- 红线问题漏检率 公式：AI未识别的红线问题数 ÷ 实际红线问题总数 × 100%
- 每店每日误报量 公式：AI误报总数 ÷ 覆盖门店数 ÷ 统计自然日数
- 人工工时节省比例 公式：（纯人工模式工时－AI上线后人工工时）÷ 纯人工模式工时 × 100%
- AI任务按时返回率 公式：约定时限内返回判断结果的AI任务数 ÷ AI任务总数 × 100%
- AI无法判断率 公式：AI返回无法判断的检查项数 ÷ AI处理检查项总数 × 100%
- 人工复核占比 公式：进入人工复核的AI检查项数 ÷ AI处理检查项总数 × 100%
业务结果层
8 项指标
- 整改闭环率 公式：完成整改且复核通过的问题数 ÷ 应整改问题总数 × 100%
- 问题重复发生率 公式：本期重复发生问题数 ÷ 本期发现问题总数 × 100%
- 单店巡店成本 公式：人工、AI、平台及管理成本总和 ÷ 完成巡店的门店数
- 高风险问题减少率 公式：（基期高风险问题数－本期高风险问题数）÷ 基期高风险问题数 × 100%
- 首次整改通过率 公式：首次提交整改即复核通过的问题数 ÷ 首次提交整改问题总数 × 100%
- 平均整改周期 公式：已闭环问题从下发到复核通过的自然天数总和 ÷ 已闭环问题数
- 超期未整改率 公式：超过整改期限仍未复核通过的问题数 ÷ 应整改问题总数 × 100%
- 高风险问题按时闭环率 公式：规定时限内复核通过的高风险问题数 ÷ 应闭环高风险问题总数 × 100%