别信“一键爆款”，AI 选品的真相是：它负责查清数据，你负责拍板和掀桌子

我给自己造了个选品 agent，花 2 美金省下 3 天时间

每次想拓一个新品类，我都要把同样的折磨再走一遍。

先打开 Google Trends，看看这个方向整体是在涨还是在跌、需求大概是个什么量级。然后翻 Amazon 的 Best Seller 榜单，估一估这个市场到底多大、头部都卖到什么程度。接着在谷歌上把相关的独立站一个个点开，看它们流量大不大、做到哪个阶段了、竞争激不激烈。最后还得钻进 Reddit，翻上几百条评论，找用户到底在骂什么、有没有哪个没被满足的点能让我切进去。

这套流程走下来，顺利的话两三天，Excel 拉满了数据。

然后呢？

然后我还是常常凭着一股「感觉」拍了板。

选品这件事，难就难在它从来不是查一个数据就能完事的。

你要同时看趋势、看需求量级、看竞争密度、看利润空间、看合规雷区，还得看这个品到底配不配你现在这个店——人群对不对、调性搭不搭、价格带合不合。每一个维度，数据都散落在不同的平台、不同的工具里。想看全，要么自己一个个手动扒，要么就得订一堆月费几十上百美金的工具。

更要命的是，数据扒回来了，你还不一定理得清楚，读得明白。

而选品最贵的成本，从来不是你花在工具上的那点钱。

是你的时间，和你的机会成本。

一个不靠谱的品，你调研到第五步才发现不行，前四步的功夫全白费；更惨的是上架之后才发现是片红海，或者一头撞上合规雷区赶紧下架——几个月的时间加上备货的钱，就这么没了。

这活儿，又耗时、又烧钱、还特别容易出错。

所以我一直在琢磨一件事：这套查数据的脏活，能不能让 AI 替我跑一遍？

但我得先把一个预期摆正

我要的，不是一个能「一键帮我选出爆款」的 AI。

说句实在的，那种东西不存在。谁要是跟你说他有个 AI 能直接算出「这个品一卖就爆」，那不是蠢，就是想割你韭菜。一个品最后能不能成，拼的是供应链、是运营、是你对人群的理解——这些 AI 替不了你。

我要的是另一个东西。

在我自己的方向和灵感的基础上——方向还是我定，灵感还是我出——让 AI 把「客观地把数据查全、查准」这件又苦又烦的活替我干了，然后给我一份充分、客观的数据报告，辅助我自己去做决策。

说白了，我不想再一个数据一个数据地自己去抠、自己去拼那份报告了。

人负责灵感和判断，AI 负责把该看的数据，查明白、摆到我面前。

把这个预期摆正之后，我要的这个 AI 长什么样，就清楚了。

它得是个敢对我说「别做」的 AI，不是那种你问什么它都回「这个有机会哦」的捧哏。所以我给它定了三档结论：GO（可以上）、WATCH（再看看）、NO（别碰）。而且我跟它强调，WATCH 才是最有价值的那一档——大部分品其实都没好到该 All in、也没差到该一票否决，敢说「我也不确定，你再验证一下」的，反而最诚实。

它还得舍得在半路就把我拦下来。每个调研阶段我都给它设了一道决策点：趋势明显不行、需求量太低，第一步第二步就直接毙掉，不用陪我把五个阶段全跑完——因为最贵的就是时间。

它给我的每一个数字，都必须带上来源和抓取时间。这是我给它立的一条死规矩：禁止编数据，禁止把猜测当成事实。

最后，每份报告顶上我都让它标一个数据完整度百分比——这次哪些数据源拿到了、哪些没拿到、这份结论到底有几成把握，先告诉我，别拿一份半成品糊弄我。

而我把这一整套打法，做成了一个挂在 Claude Code 上的 skill（你可以理解成给 AI 装的一个插件）。

为什么非得做成 skill，而不是每次想调研了，临时拉着 AI 从头聊一遍？

两个原因。

一是复用。选品这套流程，我以后每有一个灵感都得再走一遍。做成 skill，等于把「该查什么、按什么顺序查、每一步卡在什么标准上 PASS」这套规矩固化下来了——下次再调研，一句话喊它跑就行，不用每次都跟 AI 把规矩重新讲一遍。

二是越用越顺手。skill 不是写死的，它会跟着我每一次实战长本事——我每跟它掰扯一次、纠正它一次，这些经验都会沉淀进 skill 里，下次它就不会再犯同样的错。（这次跑 DIY 立体拼装，我就把它从头到尾捶了好几轮，后面细说。）用得越多，它就越懂我、越合手。

至于成本，我另外做了一道设计。这套调研要去调一堆平台的付费接口，调一个方向，好几刀美金就出去了。所以我没走 Helium10 那种月费一百多刀的订阅路子，而是让它走按次调用的API、一次不到 1 美金——你这个月不选品，它就一分钱不花。

我拿它真跑了一个方向

光说没用，我拿一个真实的想法测了它一遍。我一上来是这么跟它说的：

注意这不是「具体某个产品」的调研，是「一整个产品方向」的调研，比单品复杂得多。

它跑完，先甩给我一句话结论：木质方向 WATCH（偏 GO）、金属方向 WATCH、纸质方向直接 NO。

说实话，点开完整报告的那一下，我有点被震到。

整篇一万多字，密密麻麻全是数据。但真正让我意外的不是它长，是它的写法——它没有甩给我一个孤零零的结论让我信，而是每抛出一个判断，后面都跟着一串论据：这个数字哪来的、哪个平台哪天抓的、它凭什么这么推，全摊在你面前。

所以我不是在「读它的结论」，是在「审它的推理」——它每说一句，我都能自己掂量一下，到底站不站得住。

一份你能逐条质疑的报告，比一句你只能选择信或不信的结论，有用得太多了。

好的地方它说了。 木质这条线最有空间，需求量级够（主关键词月搜索量快 3 万），而且有个挺漂亮的细分切口——Book Nook（嵌在书架上的微缩书匣摆件）配上 LED 灯效，亚马逊上已经有小品牌靠这个挤进了前列，Reddit 上还有专门的社区在玩。更关键的是，同款产品独立站头部能卖到 79 美金以上，是亚马逊价的整整两倍——意味着只要品牌能立起来，利润空间是实打实有的。

但不好的地方它也没替我遮，这才是我最服气的部分。

整个品类，没有一个方向进了 GO 档。

这是个「小而美」的盘子，天花板有限——头部一个爆款月销也就一千上下，绝大多数 SKU 月销在 50 到 300 之间。木质赛道被一家叫 Robotime 的公司用四个子品牌占去了一半以上的份额，再加上 Ugears，两家锁死了将近八成，新人能切的缝越来越窄。金属那条线，利润率直接踩到警戒线，而且头部 Metal Earth 靠的是星战、漫威这些大 IP 授权，这道门槛新人根本迈不过去。纸质就更别提了，需求量太低，第二步就被淘汰了。

换句话说，它没有哄我「快冲」。 它给我的结论是：这个品类可以做，但绝不是一个「明显的好机会」，值得我再花一到三个月去验证某个细分，再决定要不要真的入局。

这趟调研，花了我两块多美金，跑了将近一个小时，报告顶上标着「数据完整度 92%」。

说真的，这份报告，比我自己吭哧吭哧查两三天的质量要高太多了。

但它一开始，是错的

不过老实说，这份报告也不是它一遍就跑对的。

恰恰因为它每个结论后面都摊着论据，我才敢挨条去挑刺——结果，还真挑出了不少。

我追着它问了一连串：

你 Google Trends 凭什么选这几个词？（它老实承认，木质头部品牌词是它凭感觉挑的 Ugears，可一查搜索量，真正的老大是 ROKR）

你这个竞争评分，分越高，到底是竞争越激烈、还是对新人越友好？（语义没说清，我看着两可）

SKU 你只给我标题不给链接，让我怎么点开核对？

报告里那个「月有机流量价值 10 万美金」，这是营收吗？（不是，可它第一版没把这层意思讲透，我差点会错意）

这些，它一边认、一边补。但真正最狠的一击，在最后。

它在报告里推了条结论：「这个品类客单价 20 到 55 美金，新品牌做独立站起家不可行，只能走亚马逊。」

我一看就觉得别扭，问它：你是不是哪儿搞错了？我们调研的这个方向，独立站上明明卖到 79 美金以上啊。

它一查，傻了。它整条推导链的第一步，数据就用错了——把亚马逊的中位价（40 刀）当成了独立站客单价（头部其实是 80 刀），两者差了快两倍。第一张多米诺骨牌倒了，后面关于获客成本、起步盈亏、该走哪个渠道的推导，全跟着歪。

它当场就认了：「你完全对——我前提假设的推导错了。」然后把那一整段重写了。

从我第一句质疑，到它彻底改对，这份报告前前后后迭代了四轮。

我为什么要把这段「出丑」的过程也写出来？

因为这恰恰是我最看重的地方。它不是个黑箱——它告诉我每个数字打哪儿来，我才抓得出它哪儿错了；它被我一句话怼回去，不嘴硬，会认、会改。

一个会认错、能被你用常识反驳的 AI，比一个永远自信满满的 AI，靠谱得多。

其实还有一层我想说在这儿。别看它这次磕磕绊绊错了好几处——没有哪个好用的 skill 是一蹴而就的，它们全是被一次次真实任务捶出来的。 它这回栽的每个跟头，我都让它记回了 skill 里，下次它就不会再犯。说到底，我不是在「用」一个现成的工具，是在「养」一个越来越懂我的工具。你现在看到的这一版，已经是它被捶过很多很多轮之后的样子了。

好的说完了，也得说说它现在搞不定的

聊完亮点，我还得诚实说说这套东西现在最大的一个短板——供应链。

不然，那就成营销号了。

成本端最关键的数据，是「工厂到底报价多少」。这块目前有两个硬伤：

一是数据还没打通。 我跟 1688 的数据对接还很不连贯，自动去抓真实工厂报价这件事，现在还跑不顺。所以这套报告里的产品成本，目前还只能靠行业经验估——真要落地，你还是得自己上 1688 去询价、打样。这一步，AI 替不了你。

二是覆盖不全。 就算 1688 这条路彻底打通了，它也只是中国供应链的一部分——很多好的工厂、好的货源，根本就不在 1688 上。

我把这两条短板原样写在这儿，是想跟你说清楚：这套东西能帮你把「市场、需求、竞争」前面这些活儿干得又快又扎实，但到了「供应链」这最后一公里，它现在只能把你送到门口，进门，还得你自己来。

绕了一圈，回到开头我摆正的那个预期。

跑完这一趟，我更确定了：AI 在选品里的价值，不是替我拍板选出一个爆款——这件事它做不到，也不该由它来做。它真正的价值在于，用我一个人远远达不到的效率，把那些散在十几个平台、又贵又难啃的数据，给我整理成一份科学、全面、还顺手帮我标出了盲区的报告。

我要的从来就是这个：不是一个替我拿主意的神算子，而是一个把「做决策需要的证据」又快又全地铺到我面前的助手。它把我从「凭感觉拍板」，往「拿证据决策」狠狠推了一把。

而且，它还会越用越好。

这套选品 agent 不是一锤子买卖——我每拿它多跑一个方向、每跟它多掰扯一轮，它就多懂我的生意一分、少踩一个坑。今天你看到的这一版，已经比它第一次跑的时候强了不止一截；等我再喂它跑过十个、二十个品类，它只会更准、更快、更合手。

说到底，这就是我现在做事方式的转变：把查数据这种脏活，交给一个越用越懂我的 AI；把过去那套「凭感觉」，换成现在的「看证据」。

对了，这个选品 AI，其实只是我最近在搭的一整套「跨境电商 AI 数字员工」里的一块拼图。

我在做的事情，就是把自己跑独立站这两年踩过的坑、趟过的流程，一个一个变成这样能复用的 AI 工具。选品只是开头的一环，它后面还连着长长的一串。

这部分我会接着拆。觉得有意思的，关注一下，免得错过后面的。