在明确品类角色、品类定位、品类结构等前提下，将商品与消费者需求紧密联系，结合历史销售、消费者购买行为等全网数据，深入洞察，运用人工智能算法，为采销人员推荐最优商品组合，保证动态、灵活、精准的选品策略。淘汰在售效用值低、且容易被替代的商品，保证京东品类与商品的健康发展。

　　2.好价格——解决卖多少钱的问题

　　价格信息是商品触达消费者的重要途径，合适的价格是撬动零售商销售的杠杆，是加速商品库存周转的引擎。动态定价算法基于对价格、商品、用户信息的精准研判，通过持续的数据输入和机器学习训练，平衡商品的毛利润和销售额目标，计算最优价格,促进交易效率的提升。同时，通过对促销门槛、折扣力度、消费者决策树等要素的综合建模能力，优化商品的促销策略。未来价格管理的方法和策略也将进一步地开放给供应链上的各个服务环节和端口，全面涵盖生产商、零售商、消费者，形成更加包容的生态。

　　3.好计划——解决怎么卖商品的问题

　　在最优商品策略的基础上，通过大数据销售预测算法，规划销售策略，通过好计划对消费者的理解与零售供应链执行建立关联。基于大数据、人工智能、采销经验针对不同的品类特性制定销售目标导向的品类计划、品牌计划、商品计划及与之匹配的供应链计划，帮助京东实现战略层的预算制定与拆解、战术层的基于预算的商品配置及运作层的营销操盘落地，从而实现计划的全局最优。

　　4.好库存——解决商品放到哪里的问题

　　依据销售计划，部署每个仓库的商品，指导科学的备货与调拨。形成高效运转的库存网络，确保商品始终会出现在距离消费者最近的位置。依托大数据和算法的应用，智能补货、智能调拨、智能滞销处理、库存健康监控形成的智能库存管理平台，将全面支撑零售库存管理的自动化与最优决策，保证最大需求满足下的库存成本和效率最优。

　　5.智慧协同——让数据产生更有价值的流动

　　截止到2016年底京东已有超过1.2万家供应商，而针对这些战略级别的供应商以及中小型供应商，深度协同（CPFR）解决方案将加强在销量、库存、流量及转化率、商品售后评价、行业舆情等数据层面的数据共享，构建KPI Center，强化供给侧的服务质量，让供应商更多地参与到京东侧的运营工作，这样就使“协同”的全流程透明、可见、立即反馈，进一步形成粘性更强的产业联盟，提升整体行业运营效率、成本、用户体验。未来，在协同应用拓展上，引入促销分析、定价算法等智能数据分析，帮助供应商更好地参与营销活动，基于消费能力更精准的定位用户群体；将返利等过程进行协同前置，驱动供应商参与营销协同，降低营销成本不可控风险。