AI辅助选品工作流：从数据筛选到机会验证的提示词实操

这两年AI工具铺天盖地，但用在选品上，大部分人的用法还是错的。我见到最多的场景是：打开对话框，问一句"2026年亚马逊什么产品好卖"，然后得到一堆正确的废话。问题不在AI不行，在于你给它的是一道开放题，它只能给你统计上最可能正确的答案，也就是所有人都能想到的答案。真正有效的用法是把AI当成一个处理速度极快的助理，让它干那些你要花三天干的脏活：读几百条评论、归纳差评、整理竞品的卖点、把非结构化信息变成结构化表格。这篇就讲一套能跑通的工作流，从数据筛选到机会验证，每一步具体怎么提问。

一、先明确AI在选品流程里的位置

选品大致分四步：找方向、筛数据、看竞争、做验证。AI在这四步里能干的事不一样。

找方向这一步，AI能帮你做需求发散，但不要指望它给你一个具体的爆款。它能做的是根据一个宽泛的品类，帮你列出细分场景、使用人群、痛点方向。比如你说"宠物用品"，它能给你列出老年犬护理、出行便携、多猫家庭、训练辅助这些细分方向，省掉你自己头脑风暴的时间。

筛数据这一步，AI目前做不了实时的数据抓取，除非你接了数据工具的接口。你要做的是把导出的数据喂给它，让它做清洗、归类、异常值识别。比如你导出了五百个关键词的搜索量和竞争度，让它帮你按意图分组、找出高搜索低竞争的异常项。

看竞争这一步，AI的价值最大。它可以读评论、读QA、读竞品的详情页，然后帮你归纳出这个品类的核心卖点分布和用户不满集中在哪里。这类工作人做要几天，它几分钟就能出一版。

做验证这一步，AI可以帮你设计验证方案、列采购清单、算成本区间、写供应商沟通的问题清单。但最终的市场验证还得靠真金白银去投。

二、第一步：用AI做需求发散和场景细分

先给一个可复用的提问结构。不要问"什么好卖"，要给它角色、背景、约束条件和输出格式。

一个有效的模板是这样的：你是一个有五年经验的亚马逊选品经理，我现在想进入某个品类，请帮我列出这个品类下的细分使用场景，每个场景说明使用人群、核心痛点、现有解决方案的不足，以表格形式输出，列十五个。

加上约束条件会显著提升质量。比如：客单价在二十五到六十美金之间、重量低于两公斤、非季节性、不需要复杂认证、中国供应链成熟。约束越多，输出越具体。

拿到第一版之后，不要直接采用，要做追问。挑出你觉得有意思的三到五个方向，让它针对每一个方向深入分析：这个场景下用户最常抱怨什么、现有的头部产品定价多少、有哪些改进空间。

这一步的价值在于打开思路。你自己想，通常只能想到三五个方向；AI一次给你十五个，其中可能有一两个是你完全没考虑过的。这一个两个，就是机会。

三、第二步：让AI帮你读评论和差评

这一步是AI最擅长的，也是性价比最高的。

操作方法是：从竞品的商品页导出评论。你可以用第三方工具导出几十个竞品、每个上百条评论，得到一个几千行的表格。直接看是不可能的，喂给AI正好。

提问模板：这是某品类竞品的用户评论数据，请帮我完成以下分析。第一，按负面反馈的原因分类，每一类给出占比和典型原话。第二，找出出现频率最高的五个痛点，按"问题严重度乘以出现频率"排序。第三，指出哪些痛点是现有产品普遍没有解决的。第四，总结用户提到的满意点，说明哪些卖点是被认可的、必须保留的。

这里有个技巧：要求它给出典型原话。AI会归纳，但归纳可能失真，配上原话你就能判断它的归纳对不对。如果原话和归纳对不上，说明这个模型在编，要重新提问。

还有一个用法是分析QA区。QA里的问题往往比评论更直接，因为提问的人是在做购买决策。让AI把QA按问题类型分组，你能看到用户在下单前到底犹豫什么，是尺寸、是材质、还是兼容性。这些犹豫点就是你详情页要解决的东西。

四、第三步：竞品拆解和卖点矩阵

有了痛点，下一步是看竞品怎么做的。

把三个到五个主要竞品的详情页文案全部复制下来，喂给AI，让它做拆解。提问模板：以下是某品类几个竞品的详情页文案，请帮我完成分析。第一，每个竞品的主打卖点分别是什么，按强调程度排序。第二，把他们的卖点做成对比矩阵，标出哪些是所有竞品都有的同质化卖点，哪些是某一家独有的。第三，找出他们的定价和卖点之间的对应关系，说明高价产品的溢价来自哪里。第四，指出所有竞品都没有提到的空白点。

第三和第四是最有价值的。同质化卖点你必须有，否则没有竞争力；空白点就是你的差异化机会。

还有个进阶用法：让AI扮演目标用户，去评价你的产品概念。你把产品的定位、卖点、定价写出来，让它模拟一个正在考虑购买的消费者，提出十个会犹豫的问题。这些问题就是你后面要解决的销售障碍。

五、第四步：验证方案的设计和成本测算

有了方向，最后是把它落到数字上。

让AI帮你列成本结构。提问模板：我要在亚马逊美国站销售某产品，客单价预计三十九点九九美金，请用当前的费率结构帮我列出完整的成本项，包括采购成本、头程物流、FBA配送费、平台佣金、仓储费、退货损耗、广告费占比，并给出每一项的经验值区间。注意，AI给出的具体费率可能有滞后，一定要自己去后台核对。

让AI帮你设计最小验证方案。比如：我要用五千人民币验证这个产品，请给我一个分阶段的执行方案，包括首批订单数量、测款渠道、需要观察的数据指标、以及什么情况下止损。

让AI帮你写供应商沟通清单。这个很实用：我要跟供应商沟通某产品，请帮我列出需要问清楚的二十个问题，涵盖材质规格、工艺、起订量、打样周期、交期、付款方式、质检标准、包装方案、认证情况、改款能力。拿着这个清单去谈，你不会漏掉关键信息。

六、AI的三个坑，以及怎么避开

第一个坑是数据幻觉。AI会编造具体的数字、具体的报告、具体的研究。它说"根据某机构2025年的报告"，这个报告可能不存在。应对方法是：所有涉及具体数字和政策的输出，必须二次核实。让它区分"这是公开经验值的估算"和"这是确切数据"，或者干脆要求它标注每一项的可信度。

第二个坑是信息滞后。平台的费率、政策、算法每年都在变，AI的知识有截止点。涉及费率、认证要求、平台规则的内容，一律以官方后台为准。

第三个坑是趋同。当所有人都在用同样的方式问AI，得到的答案会高度相似，最后大家选的品也差不多。所以要给你的提问加上独有的输入：你自己的历史销售数据、你手上的供应链资源、你对某个细分人群的理解。这些是别人没有的，加进去之后的输出才不会撞车。

最后提醒一句：AI能帮你把选品的调研效率提高五到十倍，但它替代不了你对市场的判断和对产品的感觉。工具是加速的，方向还得你自己定。