不夸张得说，我认为现在市场上所有的所谓AI选品，压根达不到精品公司的要求。

对于大部分卖家来说，选品的本质其实是——从供需关系出发，找到有需求但是供给还不足的切入点。

这件事情听起来简单，但能真正把AI选品做到"企业内部可以直接拿来用"的，我还真没看到几个。所以前段时间我花了挺长时间，烧掉了大几百美金的Token（原谅我标题党了一下，其实也就大几百），才把这套选品Skill打磨到了现在这个状态。

今天这篇文章，不是教程，也不是广告——就是想让看看，AI选品到底能做成什么样，然后把这个Skill开源出来。 


真正能用的AI选品，到底要满足什么？

在动手之前，我先想清楚了一个问题：如果我是切进去这个市场，我想要的"能用"的AI选品，长啥样？

不是那种随便给你丢几个关键词、列几个ASIN就完事的"半成品"。

要真正落地，要求挺严格，但其实也不复杂：

数据上的要求：

• 有明确的数据来源——我得知道这些数据是从哪来的
• 数据来源必须统一——就算有一些误差，也能确保整体的趋势没问题

AI输出需要稳定可靠：

• 避免幻觉的出现——如果数据是AI编写，选品这件事情就不可能落地
• 不能只有报告，也不能只有数据，而是两者都有，甚至让AI把可视化也一起做了

既然是选品，那报告上需要做到：

• 可以直观看到亚马逊市场的整体竞争情况
• 给市场已有产品的属性打标——直观得看到细分市场的供需关系

我做了什么——最核心的几个动作

基于上面的要求，再加上我们过去自己选品方法论的沉淀，我对这个选品Skill做的最核心的几个动作是：

1. 数据只从Sorftime的MCP抓
不用爬虫，不用手工导出，数据源统一且可追溯。Sorftime的MCP直接对接Claude Code，一句话就能调数据。

2. Top100挨个打标——这也是我们之前运营牛马的时候天天干的活
这一步是整个Skill的基础。拿到类目Top100之后，不是看一眼就完了——而是按功率、容量、线材、磁吸、外观形态这些维度逐个打标。先用正则自动匹配标题，覆盖率大概70-80%；剩下的再调product_detail补充验证。100个产品，一个都不能少。

3. 交叉分析找可以切入的点
说实话，这个才是AI最最最擅长的。过去人工做选品的时候，打完标往往就已经没有精力再做别的事情了。但AI可以把所有有意义的维度两两交叉，自动生成矩阵，找出供需缺口——哪些组合有需求但是没什么产品在卖？哪些看着是空白但其实压根没人搜？这些AI全都能帮你标出来。

4. 三件套输出 + 可视化看板

• 输出上有MD格式的报告——方便操盘手深度阅读
• 有Excel数据源——方便跨部门审批和验证数据
• 有HTML精简报告和可视化看板——方便大家沟通和看到市场全貌

牛马们可以直接做汇报，老板们直接看。

给Skill立的规矩

你可能会好奇：一个选品Skill有什么好立规矩的？

如果不立规矩，AI的输出质量是飘忽不定的。实际执行的时候就遇到过有时候给我100条数据，有时候给我20条就说"以下为代表产品"。有时候差评分析做得很细，有时候就丢几句话糊弄过去。

所以我在SKILL.md里写了15条硬性规则。这里挑几条最能体现"这不是玩具"的给大家看看：

## 硬性规则（⛔ 不可省略）



以下规则适用于所有场景，不论模型能力或用户是否明确要求：



1. ⛔ 类目 Top100 明细必须输出完整 100 条，不得以"代表产品"缩写

2. ⛔ 竞品差评分析必须附"竞品选择逻辑表"（ASIN + 选择理由 + 竞品类型 + 覆盖维度），竞品总数 6-10 个，覆盖量级标杆/功能差异/价格带/痛点

3. ⛔ 关键词分析必须覆盖至少 3 个维度对比（如：品类大词 vs 属性词 vs 规格/场景词）

4. ⛔ MD 报告中出现的每个数据表/统计结论，必须在 Excel 中有对应 Sheet

5. ⛔ 每个 Step 完成后进行数据完整性检查，再进入下一步

6. ⛔ 输出前执行 Step 5 交付自检清单

7. ⛔ 定向品类分析（场景 4）必须执行 Step 1.5 产品属性标注

8. ⛔ 差评痛点必须按属性维度归类（而非仅按产品归类）



### 报告写作硬性规则（⛔ 不可省略）



以下规则确保每份报告达到最佳实践级别的分析深度，而非纯数据堆砌：



9. ⛔ **禁止纯数据呈现**：每个数据表格后必须紧跟「**关键洞察**」段落（2-4 条 bullet），说明数据的业务含义，不得只放表格不做解读

10. ⛔ **必须有 Executive Summary**：报告开头必须有 3-5 条核心结论，每条结构为：`数据点 → 含义 → 行动建议`

11. ⛔ **交叉分析必须解释原因**：每个"空白"/"薄供给"标签必须附带原因分析（技术限制？需求不存在？被市场忽视？供应链难度？），不得只标注状态

12. ⛔ **差评痛点必须映射品牌机会**：每个维度的差评痛点必须完成 `痛点 → 品牌能力 → 产品方案` 的映射，不得只列痛点不给方案

13. ⛔ **策略建议必须有产品矩阵**：至少给出 Tier 1 产品的完整规格（维度规格表 + 决策理由 + 目标定价 + 差异化主张 + 对标竞品 + 预估月销潜力），绝不允许"待确认"占位

14. ⛔ **供需缺口必须排优先级**：按三维评估（市场规模 40% + 技术可行性 30% + 品牌匹配 30%）排序，不得平铺罗列

15. ⛔ **必须使用分析模式**：每份报告至少使用以下 4 种分析模式中的 3 种（详见 `references/analysis_patterns.md`）：

直接来看看输出效果吧

不需要什么复杂的提示词，一句话就能启动。

? 直接看效果：

一句话，Claude自动调Sorftime MCP抓数据、打标、交叉分析、出报告
 

 
Top100每个产品都有完整的属性标注，不是随便列几个"代表产品"。Excel多Sheet结构，每个Sheet都标注了数据来源和含义。



 
 
打开浏览器就能看到的市场全貌。KPI卡片、产品分布、痛点分析、供需缺口、Go/No-Go评分——一页搞定。


最后聊下为什么开源

一方面，是想尝试着践行"Learn in public"。

我始终觉得，与其藏着掖着，不如直接把结果摆出来，让大家直观得了解现在AI能做到什么程度。如果你看完觉得有启发，甚至想自己动手试试——那这篇文章就值了。

另一方面，是希望通过这次开源认识到更多的朋友。

做供应链的、搞技术的、或者一样在用AI做跨境电商的——都想聊聊。大家一起交流AI和跨境电商的落地场景，甚至是一些扯远一点聊聊AI创业的方向。

虽然这段时间已经有好几个朋友找我买Skill了。但我始终觉得，单纯靠卖Skill只是短期的行为。

Skill本身是方法论的载体，但方法论会迭代、市场会变化——更有意思的事情是找到志同道合的人，一起探索更大的可能。

最后也是最直接的——既然开始写公众号了，那就也稍微用点心思做，把事情搞大点。

让正向反馈和粉丝量也来得更加猛烈一些——如果这次能帮到大家，那也希望大家可以支持一下关注然后来找我聊天?

选品Skill的GitHub仓库地址：
https://github.com/zach22-1999 ... earch

? 建议在 Claude Code / Cursor / Codex 中执行


⚠️ 前置条件：
- Sorftime 账号 + API Key
- Python 3.9+ & openpyxl


仓库README里有完整的安装步骤和示例输出，装上就能跑。有问题随时留言 ✌️