ChatGPT 怎么做销售周报？Excel 清洗、退款口径与可复算模板
用 ChatGPT 做销售周报，可以先上传 Excel 或 CSV，说明订单、付款、退款和客户的统计规则，再要求输出清洗明细、汇总表和周报正文。ChatGPT 支持对上传的结构化数据进行分析，并可用 Python 计算、制作表格和图表。OpenAI 数据分析说明
最容易出错的通常不是句子，而是“一行算什么”“收入按哪个日期”“同一个人买两次怎么算”。先把这些口径定下来，后面的报告才能连续使用。
上传前，把表格整理成能计算的形状
保留一行表头、一行一条记录。金额用数值，币种另设字段，日期统一格式。订单明细、广告花费和渠道映射最好分成独立工作表，减少合并单元格和手工小计行。
一份示例订单表可以包括订单编号、客户编号、付款时间、订单状态、付款金额、渠道。退款独立成表，保留退款编号、原订单编号、退款时间和退款金额。这样可以处理一笔订单多次部分退款，不需要把旧付款记录不断改写。
不要把客户姓名当作去重键。同名的人会被合并，同一个人换了称呼又会被拆开。使用业务系统中的稳定客户标识，并在上传前移除不需要的手机号、地址等信息。
把“付费订单”和“付费用户”分开
假设同一位客户本周下了两笔已付款订单，那么付费订单数是 2，去重付费用户数是 1。若他此前已经买过，本周首次付费新客数是 0。仅有本周订单表，无法判断他过去是否付过款，需要历史首次付款记录。
退款也要明确时间口径。例如采用“退款发生周冲减”，上个月付款的订单本周退款，本周净收入就需要扣除这笔退款。另一种按原订单周回溯的统计会得到不同结果，选定后每周都应沿用。
可以把任务写成：
制作本周销售周报，时间按北京时间，采用半开区间：
本周一 00:00 至下周一 00:00，不包含结束时刻。
只统计付款成功订单，按订单编号去重。
退款按本周实际发生额冲减，订单量与退款笔数分别列出。
分别统计付费订单数、去重付费用户数、首次付费新客数。
首次付费新客需核对历史付款记录；缺少历史时留空并注明缺失。
输出清洗明细、渠道汇总和周报；每条数字结论能追到对应表。
先看异常，再看增长率
要求模型先列出重复编号、缺少客户标识、状态与金额矛盾、找不到原订单的退款。异常行不要悄悄删除，把处理建议与是否纳入统计分开，便于你判断。
渠道名称可以用映射表统一：Google、google、谷歌广告归到团队选定的标准名称。没有来源的订单保留“未知”，别根据客户行为猜一个渠道。广告花费不在订单表里，想算获客成本还需要补充花费数据。
增长率旁边放上上周和本周原值。1 单变 3 单与 100 单变 300 单，都是增长 200%，业务意义却相差很大。上周为 0 时，避免输出无穷大百分比，直接描述新增数量。
留下能复算的文件
给模型一组小样本：付款 1000 元、500 元，退款 200 元，净额应为 1300 元。这个示例用来验证加减规则，不代表真实经营数据。
然后从结果中抽一个渠道，按订单编号回到原表复算。检查汇总表的总计是否等于明细，周报正文引用的数字是否与表格一致。使用 Python 计算时，可以要求保留代码与输出；需要同事继续编辑时，明确要求交付工作簿，而非只有聊天里的图表。
文件可以按“原始数据、清洗后明细、汇总、报告”分别命名，附一份口径说明。下周只更换日期和输入，渠道映射、去重规则及格式继续沿用。长期做同一类报告，可以放进 ChatGPT Projects 项目管理材料。
最后让周报写成团队能直接讨论的内容：本周发生了什么，哪项异常需要处理，下一周准备验证什么。数据没有支持的原因可以列成待调查问题，别把“订单下降”自动解释为“产品吸引力不足”。
OpenAI Academy 的 ChatGPT 数据分析视频可用来熟悉文件分析过程。需要每天连续处理报表和材料，可查看 ChatGPT 订阅服务及开票说明。