本系列前两篇写的是"怎么看"：把一个类目切成能判断的市场，再给每个市场算分。

详见链接：
https://www.wearesellers.com/question/125603
https://www.wearesellers.com/question/125854

这篇写"怎么定"。

因为跑完那套判据你会发现一个挺别扭的事——过筛的市场，大部分还是不能做。

一、过筛只证明一件事：没有明显障碍

判据测的是竞争结构：评论壁垒多高、集中度多集中、新品活不活跃。

这些当然重要。但它们回答的是一个很窄的问题——这个市场里，有没有明显的守门人。

没有，就过。就这样。

它不回答你能不能赢，也不回答你赢下来赚不赚钱。

我第一次跑完这套东西时挺兴奋，觉得筛出来一堆。真去问供应链，一半当场就死了：做不出那个价格带、起订量谈不下来、要改模具但没人愿意接。

数据是干净的，生意是做不了的。这两件事之间没有必然关系。

二、三道关

过筛之后我固定问三个问题。

第一，能不能做。

供应链拿不拿得到，起订量多少，能不能改款，有没有认证门槛，有没有专利和商标的雷。这一关最土，但杀掉的候选最多，而且跟数据完全无关——全是资源和关系。

第二，值不值得做。

把价格拆开：头程、平台佣金、配送费、退货、广告。四五项扣完，剩下的才是你的。

有的市场看着很松、价格带也漂亮，一算完发现净利薄得像纸。原因往往不在竞争，在重量、退货率，或者广告必须顶到某个位置才有人看见。

判据里没有成本这一项。它默认你能吃到那个价格。

第三，做哪个位置。

这关最容易被跳过。判据告诉你"这个市场有缝"，但没说缝在哪。同一个市场里，打哪个价格带、哪个形态、哪个使用场景，是完全不同的生意。

我见过最典型的失误是：市场选对了，位置选错了。进去打的是这个市场里最挤的那一段——因为那一段数据最好看、竞品最多、也最好研究。

容易被研究，恰恰说明那儿人多。

三、同一个市场，对不同人是两回事

这句是我想说的重点。

判据衡量的是市场，不衡量你。一个市场对 A 是机会、对 B 是坑，差别全在供应链、资金、和愿意投进去的时间上。

所以判据的输出是候选池，不是答案。

候选池的意思是"这些值得你花时间去看"，不是"这些能赚钱"。

这话听着像废话，可用起来差别很大。把判据当答案的人会直接下采购单；把它当候选池的人会去问工厂、拆成本、读差评。后者慢，但活得久。

四、AI 和人怎么分工

评论区有朋友说，给 AI 宽任务不行，一次给一百个产品九十九个都不满意；但给一个精准的锚点让它横向推导，效果就好很多。

这个观察我完全认同，它其实把分工说清楚了。

一句话：AI 把候选铺开，人负责说"就它"。

想让 AI 把最后一步也干了的，结果通常是这样——它给你一个看起来很像答案的东西，然后你花更多时间去验证它是错的。

五、通过率低是正常的

严格按判据跑，能过的比例往往很低。

可能有人觉得这说明方法有问题。我倒觉得反过来：如果一套标准告诉你三成市场都是蓝海，那大概率是标准太松。

"蓝海"这个词本身有误导性。它听着像有很多空位等着你。实际更接近——竞争还没堆起来，但门槛挪到了别的地方。

六、这套东西能给你什么

能给的是：把"这个类目能不能进"从感觉变成一张能核对的清单，把原来两小时的手工筛压到十分钟，而且留下记录——半年后你还说得出当初为什么否掉它。

不能给的是：替你做决定，或者保证你选中的能赚钱。这两件事谁也保证不了，谁说能，你就得多想一层。

这系列到这儿算写完了，后续再写写其他AI实战的内容。