农机配件的账，是按农时算的
宁波及周边的农机配件企业，做旋耕刀具、传动件、液压件、皮带链条、轴承密封、易损件、收割机与插秧机配件的不少。这行有一个其他行业没有的特点：需求的季节性强到近乎极端。
春耕、双抢、秋收这几个窗口期，配件需求集中爆发，而且客户的停机成本极高。机器停一天，一季的活就受影响，所以客户要的不是便宜，是今天能不能拿到、装上去能不能用。
这行的三个卡点非常清晰。第一，机型适配难：同一个配件，不同主机厂、不同年份机型、不同马力段，能不能装全靠经验，查错了发过去装不上，来回运费比零件本身还贵。
第二，备货靠拍脑袋：旺季备什么、备多少，多数凭去年印象，结果是要么断货丢单，要么旺季过完压一堆库存。
第三，售后响应慢：农忙时电话打爆，客服记不住哪个机型配哪个件，客户等不及就去找别家。
第一段：适配对照库——把能不能装讲清楚
第一步是建适配对照库，建议字段：本厂件号、配件名称、适用主机厂与机型、适用年份区间、适用马力或规格段、安装位置、是否完全替换或需改制、可替换的原厂件号、常见别称与俗称、易混淆型号提示。
这里最关键的是可替换的原厂件号和易混淆型号提示两项。客户多半报的是原厂件号或者俗称，能不能对上决定了成交速度；而那些长得差不多但装不上的件，必须在库里标出来，避免高频出错。
AI在这里做两件事：一是从历史成交记录、维修记录、老业务员的笔记里抽取适配关系建库初稿，把散在个人脑子里的东西落到表里；二是客户报件号或机型过来时，自动匹配可用件并给出易混淆提示。
型号对照分级的做法，参考 轴承齿轮互换对照表；数据清洗见 上AI之前先整理数据。
第二段：季节备货——别再凭印象下单
备货测算这事，人工凭印象做容易两头错。建议按三步走。
第一步拉历史曲线：把过去三年的月度销量按件号拉出来，看每个件的旺季是哪几个月、峰值在哪一周、有没有明显的提前量。很多件的实际需求高峰比农时早两到三周，因为渠道要提前铺货。
第二步分档：按销量和波动性把件分成三档。量大且稳定的做常规安全库存；量大但波动大的做旺季前置备货；量小但缺货代价高的（关键易损件）宁可多备，因为缺货丢的不只是一单，是客户下次还会不会找你。
第三步看外部信号：天气、农时提前或推迟、主机厂新机型投放、区域保有量变化，都会明显影响需求。这些信号人工跟不过来，可以让系统按周汇总提醒。
AI在这里做曲线拟合与异常提醒：哪个件今年同期销量明显偏离历史，自动提示复核是需求变了还是漏了单。库存管理的通用做法见 仓储库存管理场景。
第三段：售后响应——农忙时快一步就是全部
农机配件的售后有一个很现实的要求：第一次回复就要给出能不能配、多少钱、几天到。做不到，客户就挂电话找下一家。
要做到这一点，前提是前面两段都做实了：适配对照库解决能不能配，库存数据解决几天到。这两样接进客服流程，第一次回复的准确率会明显提升。
AI在这里还能加一层：故障现象反推配件。客户描述收割机哪里异响、哪里漏油、哪里不转，系统按历史工单匹配最可能的几个件加概率排序，客服照着问两句就能锁定。这个在农忙期非常值钱，新人也能顶上去。
售后流程怎么和AI结合，参考 售后客服场景的AI落地；新人怎么顶上见 员工入职培训与带教。
红线
- 适配关系必须分级并写明差异：能装不等于能用，需改制的件必须明确告知，不能一律说通用。
- 承载与安全相关件不得推荐替代品：涉及人身安全的部件，只推原厂或同等认证件，这条不能为了成单让步。
- 备货预测只做参考，最终由人结合天气与农时判断：模型看不到田里的实际情况，预测错了库存就是死钱。
- 客户经营数据不得外传。边界见 企业用AI的合规与数据安全。
六周排期
- 第 1-2 周：建适配对照库，先把主力件号建全，重点补原厂件号与易混淆提示。
- 第 3 周：拉历史销量曲线，做分档。
- 第 4 周：接外部信号提醒，跑一次备货测算试跑。
- 第 5-6 周：适配库接客服流程，上故障现象反推，看首次回复准确率。
验收核心看两个硬指标：客服首次回复给出准确适配方案的比例、旺季因备货不足导致的缺货单数。指标怎么定见 AI项目验收标准怎么定。
想按自己的件号试一遍
做旋耕刀具、做传动件还是做液压件，适配逻辑和季节性差别很大。如果在宁波做农机配件，想先把适配对照库建起来，直接 联系我们，带一份你的库存表和一份历史成交记录，我们帮你把字段清单先列出来。