purchase-analysis

Odoo 18 Purchase Analysis (pos.order + sale.order)

Hloubková analýza nákupních dat zákazníků — produktové preference, časování, frekvence, RFM metriky.

Before executing any API calls, read the shared reference at ${CLAUDE_PLUGIN_ROOT}/references/xmlrpc-api.md for connection setup.

Configuration

Environment variables: ODOO_URL, ODOO_DB, ODOO_API_KEY, ORDER_URL (UID se zjistí automaticky)

DŮLEŽITÉ — Spojení POS a Sale dat

Zákazník může nakupovat přes POS (kamenná prodejna) i přes e-shop (sale.order). Analýza MUSÍ zahrnout OBĚ datové sady a spojit je přes partner_id.

1. Získání kompletní nákupní historie zákazníka

POS objednávky

pos_orders = models.execute_kw(DB, UID, KEY, 'pos.order', 'search_read', [
    [['partner_id', '=', partner_id], ['state', 'in', ['paid', 'done', 'invoiced']]]
], {
    'fields': ['name', 'date_order', 'amount_total', 'state'],
    'order': 'date_order DESC',
})

# Řádky POS objednávek
if pos_orders:
    pos_order_ids = [o['id'] for o in pos_orders]
    pos_lines = models.execute_kw(DB, UID, KEY, 'pos.order.line', 'search_read', [
        [['order_id', 'in', pos_order_ids]]
    ], {
        'fields': ['product_id', 'full_product_name', 'qty', 'price_subtotal_incl', 'discount', 'order_id'],
    })

Sale objednávky

sale_orders = models.execute_kw(DB, UID, KEY, 'sale.order', 'search_read', [
    [['partner_id', '=', partner_id], ['state', 'in', ['sale', 'done']]]
], {
    'fields': ['name', 'date_order', 'amount_total', 'state'],
    'order': 'date_order DESC',
})

# Řádky sale objednávek
if sale_orders:
    sale_order_ids = [o['id'] for o in sale_orders]
    sale_lines = models.execute_kw(DB, UID, KEY, 'sale.order.line', 'search_read', [
        [['order_id', 'in', sale_order_ids]]
    ], {
        'fields': ['product_id', 'product_uom_qty', 'price_subtotal', 'discount', 'order_id'],
    })

2. Analýza všech zákazníků (hromadná)

Všechny POS objednávky s partnerem

from datetime import datetime, timedelta

# Všechny POS objednávky za posledních 12 měsíců
date_from = (datetime.now() - timedelta(days=365)).strftime('%Y-%m-%d')
all_pos = models.execute_kw(DB, UID, KEY, 'pos.order', 'search_read', [
    [['date_order', '>=', date_from],
     ['state', 'in', ['paid', 'done', 'invoiced']],
     ['partner_id', '!=', False]]
], {
    'fields': ['partner_id', 'date_order', 'amount_total', 'id'],
    'order': 'date_order DESC',
})

Všechny Sale objednávky s partnerem

all_sales = models.execute_kw(DB, UID, KEY, 'sale.order', 'search_read', [
    [['date_order', '>=', date_from],
     ['state', 'in', ['sale', 'done']],
     ['partner_id', '!=', False]]
], {
    'fields': ['partner_id', 'date_order', 'amount_total', 'id'],
    'order': 'date_order DESC',
})

3. RFM Analýza (Recency, Frequency, Monetary)

Pro každého zákazníka vypočítej:

from collections import defaultdict
from datetime import datetime

customer_data = defaultdict(lambda: {'orders': [], 'total_spent': 0, 'products': defaultdict(int)})

# Zpracování POS
for order in all_pos:
    pid = order['partner_id'][0]  # partner_id is [id, name]
    customer_data[pid]['orders'].append(order['date_order'])
    customer_data[pid]['total_spent'] += order['amount_total']

# Zpracování Sale
for order in all_sales:
    pid = order['partner_id'][0]
    customer_data[pid]['orders'].append(order['date_order'])
    customer_data[pid]['total_spent'] += order['amount_total']

now = datetime.now()
for pid, data in customer_data.items():
    dates = sorted(data['orders'], reverse=True)
    last_order = datetime.fromisoformat(dates[0].replace(' ', 'T'))
    data['recency_days'] = (now - last_order).days
    data['frequency'] = len(dates)
    data['monetary'] = data['total_spent']
    data['avg_order_value'] = data['total_spent'] / len(dates)

    # Časový vzorec — hodina a den v týdnu
    order_hours = [datetime.fromisoformat(d.replace(' ', 'T')).hour for d in dates]
    order_weekdays = [datetime.fromisoformat(d.replace(' ', 'T')).weekday() for d in dates]
    data['typical_hour'] = max(set(order_hours), key=order_hours.count) if order_hours else None
    data['typical_weekday'] = max(set(order_weekdays), key=order_weekdays.count) if order_weekdays else None

4. Produktová analýza

Top produkty zákazníka (POS)

# Získej řádky pro všechny objednávky zákazníka
pos_lines = models.execute_kw(DB, UID, KEY, 'pos.order.line', 'search_read', [
    [['order_id.partner_id', '=', partner_id],
     ['order_id.state', 'in', ['paid', 'done', 'invoiced']]]
], {
    'fields': ['full_product_name', 'product_id', 'qty', 'price_subtotal_incl'],
})

# Agregace produktů
product_stats = defaultdict(lambda: {'qty': 0, 'revenue': 0, 'count': 0})
for line in pos_lines:
    pname = line['full_product_name'] or line['product_id'][1]
    product_stats[pname]['qty'] += line['qty']
    product_stats[pname]['revenue'] += line['price_subtotal_incl']
    product_stats[pname]['count'] += 1

# Seřaď podle počtu nákupů
top_products = sorted(product_stats.items(), key=lambda x: x[1]['count'], reverse=True)

Hledání zákazníků kteří kupují konkrétní produkt

# Najdi produkt podle názvu (částečná shoda)
products = models.execute_kw(DB, UID, KEY, 'product.product', 'search_read', [
    [['name', 'ilike', 'šunková pizza']]
], {'fields': ['id', 'name']})
product_ids = [p['id'] for p in products]

# Najdi POS objednávky obsahující tento produkt
pos_lines_with_product = models.execute_kw(DB, UID, KEY, 'pos.order.line', 'search_read', [
    [['product_id', 'in', product_ids],
     ['order_id.state', 'in', ['paid', 'done', 'invoiced']]]
], {
    'fields': ['order_id'],
})

# Získej unikátní objednávky a z nich partnery
order_ids = list(set([l['order_id'][0] for l in pos_lines_with_product]))
orders_with_partners = models.execute_kw(DB, UID, KEY, 'pos.order', 'read', [
    order_ids
], {'fields': ['partner_id']})
partner_ids = list(set([o['partner_id'][0] for o in orders_with_partners if o['partner_id']]))

# Stejně pro sale.order.line
sale_lines_with_product = models.execute_kw(DB, UID, KEY, 'sale.order.line', 'search_read', [
    [['product_id', 'in', product_ids],
     ['order_id.state', 'in', ['sale', 'done']]]
], {
    'fields': ['order_id'],
})
sale_order_ids = list(set([l['order_id'][0] for l in sale_lines_with_product]))
if sale_order_ids:
    sale_orders_partners = models.execute_kw(DB, UID, KEY, 'sale.order', 'read', [
        sale_order_ids
    ], {'fields': ['partner_id']})
    partner_ids.extend([o['partner_id'][0] for o in sale_orders_partners if o['partner_id']])
    partner_ids = list(set(partner_ids))

5. Časové vzorce

Zákazníci nakupující v konkrétní čas

# Všechny POS objednávky s časovým údajem
all_pos_orders = models.execute_kw(DB, UID, KEY, 'pos.order', 'search_read', [
    [['state', 'in', ['paid', 'done', 'invoiced']],
     ['partner_id', '!=', False]]
], {
    'fields': ['partner_id', 'date_order'],
})

# Filtruj zákazníky co nakupují ve všední dny 11-15h
from collections import defaultdict
weekday_lunch = defaultdict(int)  # partner_id -> počet nákupů v čase
total_orders = defaultdict(int)    # partner_id -> celkový počet

for order in all_pos_orders:
    pid = order['partner_id'][0]
    dt = datetime.fromisoformat(order['date_order'].replace(' ', 'T'))
    total_orders[pid] += 1
    # pondělí=0 až pátek=4, hodiny 11-15
    if dt.weekday() <= 2 and 11 <= dt.hour < 15:  # po-st, 11-15h
        weekday_lunch[pid] += 1

# Zákazníci kde >50% nákupů je v daném čase (nebo absolutní minimum)
matching_partners = [
    pid for pid, count in weekday_lunch.items()
    if count >= 2 and count / total_orders[pid] >= 0.3
]

Output Format

Pro jednotlivého zákazníka:

📊 NÁKUPNÍ PROFIL: {jméno zákazníka}
─────────────────────────────
Celkem objednávek: {count} (POS: {pos_count}, E-shop: {sale_count})
Celková útrata: {total} Kč
Průměrná objednávka: {avg} Kč
První nákup: {first_date}
Poslední nákup: {last_date}
Recency: {days} dní od posledního nákupu
Frekvence: cca 1x za {avg_days_between} dní

TOP PRODUKTY:
1. {product1} — {qty1}x ({revenue1} Kč)
2. {product2} — {qty2}x ({revenue2} Kč)
3. {product3} — {qty3}x ({revenue3} Kč)

ČASOVÝ VZOREC:
Nejčastější den: {day_name}
Nejčastější hodina: {hour}:00
Vzorec: {pattern_description}

Pro hromadnou analýzu:

📊 SOUHRN SEGMENTU: {segment_name}
─────────────────────────────
Zákazníků v segmentu: {count}
Celková útrata segmentu: {total} Kč
Průměrná útrata/zákazník: {avg} Kč

Workflow

1. Zjisti co uživatel chce analyzovat (zákazník / segment / celá databáze)
2. Stáhni relevantní data z pos.order + sale.order + řádků
3. Spočítej RFM metriky a produktové preference
4. Analyzuj časové vzorce
5. Prezentuj výsledky ve strukturovaném formátu
6. Nabídni vytvoření segmentu nebo kampaně na základě výsledků