24 筆 (第 1 頁,共 2 頁)
2026-04-15 SNS 分析 成效
社群媒體發文成效分析

社群媒體發文的成效指標(按讚・留言・分享・觸及・曝光・互動率)可跨頻道分析的功能。可依時段・日次・月次・年次確認趨勢。

2026-04-15 商品管理 CSVインポート 一括登録
商品資料的批次上傳

透過 CSV 檔案批次登錄・更新商品資料的步驟。以圖解說明範本、既有資料匯出、依 SKU 更新、匯入履歷。

2026-05-30 商品管理 PIM 成本 毛利 CSV 批次設定
批次設定成本(CSV)

使用 CSV 批次更新多項商品成本的操作步驟。包含範本、CostPrice 欄位、ProductId/Name 比對方式、預覽、警告確認等內容的截圖說明。

2026-04-03 CSV 店舖資料 批次登錄 資料遷移 範本
使用 CSV 批次登錄店舖資料的方法

說明如何使用 CSV 檔案批次登錄、更新店舖資料。利用範本可有效率地進行資料遷移。

2026-04-15 トレンド 売上 分析 月次
銷售趨勢分析

銷售趨勢分析的使用方式。可切換過去6・12・24個月的期間,透過8種趨勢長條圖、前年同月比(YoY)、多店舖疊加比較顯示、異常值自動偵測、上月比洞察自動生成等功能,從店舖營運的角度進行解說。

2026-04-15 リテールメディア 収益レポート インプレッション CTR 分析
店內廣告收益報表

說明可確認店內廣告投放成效與收益的報表使用方式。介紹曝光次數・點擊次數・CTR・收益額的確認方法。

2026-04-15 売上 ダッシュボード KPI 分析
銷售儀表板

可在單一畫面確認店舖主要經營指標的銷售儀表板使用方式。解說KPI卡片與上月比、過去12個月的趨勢圖、自動生成的商業洞察、快照的運作機制。

2026-04-15 貨架分析 貨架分配 Planogram 商品陳列 陳列
商品陳列管理

說明貨架分配(Planogram)的建立與配送步驟。透過拖放設計貨架,範本化後可一次配送至多個店舖。

2026-04-15 店舖資訊 編輯 店舖設定 收據列印機 店舖管理
店舖資訊的編輯

說明如何編輯、更新已登錄的店舖資訊(店舖名稱、地址、電話號碼、業種等)。

2026-04-15 シフト管理 カレンダー 勤務スケジュール 店舗運営
建立排班與週曆

以圖解說明各店舖每週排班曆的開啟方式、員工的店舖分配、切換週次,以及建立・編輯排班的流程。

2026-04-15 クーポン 割引 プロモーション
建立優惠券

說明店舖建立優惠券的操作步驟。可確認折扣類型、有效期限、使用次數上限等設定方式。

2026-04-15 Google 店舖資訊 同步
店舖資訊的同步與更新

Google 商家檔案上的店舖資訊(地址・營業時間・電話・網站)可從 ReceiptRoller 更新。連鎖店舖也能批次更新,提升多店舖資訊管理效率。

2026-04-15 優惠券 分析 成效測量 報表
優惠券成效分析

可確認已推播優惠券的使用實績與投資報酬效果。依使用件數、折扣總額、轉換率等指標,有助於改善下一次的促銷方案。

2026-04-15 CRM 忠誠度 會員等級 LTV
顧客忠誠度分析

依顧客的到店次數、累計消費金額自動判定會員等級。可透過 LTV、購買頻率、流失風險等指標分析顧客的黏著度。

2026-05-29 Square 商品 分類 Catalog API POS連動 資料對應
Square商品資料與ReceiptRoller商品資料的對應關係

說明Square Catalog的商品資料如何轉換為ReceiptRoller的商品主檔(ProductDto)。內容涵蓋Item/Variation/Category的關係、價格幣別的正規化,以及再次同步時的行為。

2026-04-15 Google 洞察報告 分析
Google 我的商家洞察報告

Google 商家檔案的洞察報告(搜尋顯示次數・瀏覽・電話・路線搜尋・網站點擊)可在 ReceiptRoller 上確認。以數據掌握店舖的集客成效。

2026-04-15 CRM 分眾 標籤 顧客群組
顧客分眾

可透過標籤與群組將顧客依屬性分類,並鎖定目標對象進行推播。可依到店次數、消費金額、會員等級等條件建立分眾。

2026-04-15 予約管理 分析 統計 ダッシュボード
預約資料分析

使用預約儀表板與預約列表快速確認今日・本月的預約狀況、取消數、預約路徑的說明,並附螢幕截圖。

2026-04-15 OMS 訂單確認 核准 訂單管理 多通路
訂單的確認與核准

這是在 OMS 確認、核准訂單的操作步驟。說明依通路篩選、狀態變更、保留、取消操作,以及批次處理的方式。

2026-04-15 AI 売上予測 需要予測 在庫
AI銷售預測

月底營業額・交易件數的線性預測,以及主力商品(前5名)未來14天的需求預測(星期別季節性+安全係數20%)。同時解說信賴度3階段判定、透過API・MCP取得資料,以及與商品別銷售分析AI敘述的搭配應用。