200个SKU的PDF目录，录进进销存要两天——
问题出在哪一步？

为什么目录录入是整条供应链中最容易被低估的瓶颈

从供应商拿到产品目录，到商品出现在你的店铺里，中间有至少三个环节：目录录入 → 进销存系统 → 电商平台上架。大多数人的注意力放在后两个环节——选什么ERP、对接哪些平台、用哪个上架工具。但第一个环节才是决定了整个链条能走多快的那一步。

问题不在打字速度。经过训练的录入员每分钟可以打80个汉字，200个SKU的数据量不过几千字——理论上一个小时就能录完。实际花两天，是因为打字只占了实际工作量的三分之一。另外三分之二在做另一件事：在每一份供应商目录里"找到"你需要的信息。

供应商A的PDF目录把规格放在第三列，叫"产品参数"。供应商B的Excel把颜色和尺码拆成两列。供应商C的纸质彩页上，规格写在图片下面一行小字里，条码贴在背面。你每切换一个供应商，就要重新"看懂"一种格式——眼睛扫描、大脑定位、手指复制粘贴。这不是熟练度问题，是格式噪音在消耗你的注意力。

供应商目录到手时的真实情况：没有两份长得一样

如果你是1688上的淘宝卖家，你会收到三种"目录"：平台内可以直接导出的标准化数据包（看起来最规整，但实际每个商家的Excel模板不同——有的列名叫"货号"，有的叫"商家编码"）；供应商微信发来的PDF产品图册（几十页，每页6-8个产品，图片和文字混排）；以及工厂直接给的纸质报价单拍照（手写的规格备注、盖了章的报价单扫描件）。

如果你是线下批发市场的店主——从义乌、广州十三行、临沂批发市场拿货——情况更碎片化。小工厂的"产品目录"可能是一张拍了三张照片后发到微信上的A4纸。大型批发商可能给一个带几十个sheet的Excel文件，每个sheet对应一个品类。格式不是"乱"，是每个供应商都按照自己方便的方式组织信息——而你需要的是统一的结构。

核心矛盾是：你的进销存系统——无论是管家婆、秦丝、旺店通还是金蝶——期待的是整齐的列：SKU编码 | 品名 | 规格 | 进价 | 售价 | 条码 | 供应商 | 起订量。而供应商给你的，是任何一种能承载这些信息的文件格式。中间差的那一步，就是你现在在做的手工翻译。

核心解法：不教工具"在哪找"，告诉它"找什么"

处理格式差异的传统方法，是给每种格式建一个模板：在这个PDF里，SKU编码在第三行第二列；在那个Excel里，品名叫"产品名称"在第5列。但这意味着每来一个新供应商，你就要建一个新模板——或者花时间改旧模板来适配新格式。

另一种解法是把问题反过来：你不告诉工具每个字段"在什么位置"，而是告诉它"这个字段是什么"。你在界面上输入你想提取的列名——"SKU编码"、"品名"、"规格"、"进价"、"售价"、"条码"、"供应商"、"最小起订量"——然后AI自己去每份目录里找。它不是靠像素坐标定位，而是靠语义理解：它知道"进价"是一个数字，通常出现在产品描述附近，可能标注为"供货价"或"批发价"或"出厂价"——无论标签文字怎么变，数据本身的特征让它能被识别出来。

这就是自定义列名提取和传统模板式OCR的本质区别。模板记住的是"上一次在哪找到的"——换个格式就失效。列名提取记住的是"要找什么"——在任意格式里都能工作。你的进销存系统需要的那些列名不变，AI负责在每份新目录里定位对应数据。

三步操作：从零散目录到统一数据表

以下是从拿到供应商目录到生成结构化数据表的完整流程。以三个供应商的目录为例——一份PDF产品图册、一份Excel报价单、一份微信传来的纸质报价拍照。

目录数据进系统之后：不是终点，是起点

把数据导入了进销存系统，链条还没有结束。目录录入的真正价值，不在于"省了两天手工时间"本身——而在于数据一旦变成结构化格式，你就可以做手工录入时根本没时间做的事。

价格对比：同一品类从不同供应商拿货，价格差异有多大？把三份目录汇总到一张表里，按品名排序，进价差异一目了然。结合供应商报价数据对比的思路——目录里的标价是一回事，实际询价后拿到的报价是另一回事，两张表放在一起，才知道谁的价格有水份。

计算列：在提取的同时完成定价：你可以让AI在提取进价的同时，直接算出建议售价。只需在列名中写"建议售价（进价×1.4）"，AI就会在读取每个SKU时同步完成乘法运算——你拿到的表里既有进价也有建议售价，不需要导出后再用Excel公式算一轮。

缺字段检测：200个SKU的目录，供应商可能漏填了几个条码、几个最小起订量。手工录入时这些空值容易在翻页中被忽略。批量提取后的结果是一张完整的表——哪一行缺了什么字段，扫一眼就能定位。在上架前发现缺字段，比上架后发现"这个商品没有条码没法打单"要省事得多。

如果你的主要场景是处理供应商发来的PDF产品目录，PDF供应商目录数据提取提供了专门针对目录文档的字段预设——从PDF中批量提取产品规格、价格、库存单位等字段，一步导出为Excel。

常见问题

纸质产品目录的照片能识别吗？

可以。用手机拍下纸质目录的页面（确保光照充足、文字清晰即可），直接上传照片。AI会识别图中的文字和表格结构，将数据提取为你定义的列。手写的规格备注——比如"蓝色/XL/棉"——同样可以被识别并填入"规格"列。

1688上的产品数据导出后还需要处理吗？

1688的标准化数据包在平台内看起来很规整，但导出来之后往往会遇到两个问题：一是不同商家对同一个字段的命名不同（"货号"vs"商家编码"vs"产品ID"），二是部分字段的格式需要标准化后才能导入你的进销存系统。AI提取的方式是：你定义好你需要的列名，它自己去找匹配的数据——不管1688商家怎么命名。

商品条码（69码）经常被Excel转成科学计数法，怎么处理？

这是提取环节就应解决的问题——不是导出后在Excel里修。在定义列名时，你可以指定输出格式：将"条码"列设为文本格式，输出时已自动保留完整的13位数字，不会变成科学计数法。同理，以0开头的SKU编码、包含特殊字符的规格编码都能正确保留。

能不能批量处理多个供应商的目录？

可以。批量处理正是自动化提取的强项。把三个供应商、五种格式的目录文件一次性上传，工具依次处理，结果可以合并到一张Excel表——多一个"供应商"列区分来源。也能选择每个供应商单独导出一个文件，取决于你的进销存系统需要什么样的导入格式。

提取准确率怎么样？需要人工复核吗？

印刷体文字的SKU编码、价格、数量等结构化数据的识别准确率最高可达99%。手写体、低分辨率图片、复杂排版的识别准确率会略低——建议首次使用时先抽几个SKU核对一遍，了解不同文件类型的效果。工作量从"逐行录入200个SKU"变成了"抽查几个数据点"，节省的不是一点点。

不是每个sku都值得花两分钟手工录入。200个SKU折合400分钟，将近7个小时——还没算上切换格式、校对条码、处理规格拆分的时间。省下来的不是"打字时间"，是你可以去做采购决策、渠道谈判、品类规划的时间。