diff --git a/src/app/api/ai/batch-analyze/route.ts b/src/app/api/ai/batch-analyze/route.ts index 8699c58..05eca03 100644 --- a/src/app/api/ai/batch-analyze/route.ts +++ b/src/app/api/ai/batch-analyze/route.ts @@ -44,8 +44,8 @@ export async function POST(req: NextRequest) { En analysant les données de ventes fournies (CA, Marge, Volume, Historique), génère pour chaque produit une recommandation de gamme (A=Permanent, C=Saisonnier, Z=Sortie). CRITÈRES : -- A (Permanent) : Produit permanent avec une rotation régulière et satisfaisante. -- C (Saisonnier) : Produit dont les ventes sont concentrées sur des périodes spécifiques (pics saisonniers). +- A (Permanent) : Produit permanent avec une rotation régulière et satisfaisante sur toute l'année. +- C (Saisonnier) : Produit dont les ventes sont concentrées sur des périodes spécifiques. Détecte les pics dans l' 'historique' (ex: ventes en 202412 mais rien ailleurs). Aide-toi de la 'nomenclature' et du 'nom' pour confirmer l'usage saisonnier. - Z (Sortie) : Produit à arrêter car les ventes sont quasi nulles ou la rotation est insuffisante. DÉTECTION : diff --git a/src/features/grid/components/bulk-ai-analyzer.tsx b/src/features/grid/components/bulk-ai-analyzer.tsx index df907d0..ef79600 100644 --- a/src/features/grid/components/bulk-ai-analyzer.tsx +++ b/src/features/grid/components/bulk-ai-analyzer.tsx @@ -55,8 +55,10 @@ export function BulkAiAnalyzer() { ventes: r.totalQuantite || 0, marge: r.totalMarge ? parseFloat(((r.totalMarge / (r.totalCa || 1)) * 100).toFixed(1)) : 0, gammeInit: r.codeGammeInit || "N/A", - // Simplified history: last 12 values joined (e.g., "5,0,10...") - historique: Object.values(r.sales12m || {}).join(","), + // Detailed history: "YYYYMM: Qty, YYYYMM: Qty..." to help AI see seasonality + historique: Object.entries(r.sales12m || {}) + .map(([month, qty]) => `${month}:${qty}`) + .join(", "), // Contextual nomenclature nomenclature: `${r.libelleNiveau1 || ""} > ${r.libelleNiveau2 || ""} > ${r.libelle3 || ""}` }));