AI选品:不是更聪明的人,是完全不同的物种

     电商行业有个古老的说法：选品是「老手的直觉」。但现在AI正在做这件事，而且做得比大多数老手更准。问题不是AI能不能选品，而是——它到底在用什么逻辑选，和人类的逻辑有多不一样。   

     先说一个让人不舒服的事实。某头部电商平台曾做过一个内部测试：让有十年经验的买手团队和AI系统同时选品，然后都上架销售，三个月后对比数据。结果是AI选的品，整体动销率高出约23%，滞销率低了将近一半。买手团队输了。但更值得关注的不是谁赢了，而是复盘时发现：两边选的品，重叠率不到30%。也就是说，AI和人类在用完全不同的逻辑看世界。   

     人类选品：经验是资产，也是负债   

     传统选品依赖的是「买手直觉」——这种直觉本质上是大量历史经验的压缩。一个好的买手能在逛展会时快速判断「这个品有感觉」，背后是他对消费者审美、市场节奏、供应链逻辑的综合感知。这种能力很稀缺，也很值钱。   

     但经验有一个内置的缺陷：它是后视镜。你积累的所有判断，都来自已经发生过的事。当市场在你熟悉的轨道上运行时，经验是优势。当市场发生结构性变化时，经验会变成枷锁。2020年前没人预料到「宅家经济」会让瑜伽垫和空气炸锅同时爆发，最先捕捉到这个信号的，不是经验最丰富的买手，而是数据系统。   

「

     经验是对过去的总结，而市场是对未来的投票   

」

     AI选品：它在看什么，你可能没想到   

     很多人以为AI选品就是「分析销售数据，找爆款规律」。这个理解只对了一小部分。销售数据是结果，AI真正有价值的地方是在结果出现之前，从更早期的信号里判断趋势。   

1搜索词的长尾变化：当某个细分需求的搜索量开始从零星增长时，往往意味着一个新品类在孕育。比如「防晒衣」成为爆款前六个月，「户外防晒」「物理防晒面料」这类长尾词的搜索曲线已经开始抬头。

2评论里的抱怨词频：消费者在差评里说了什么，比他们在好评里说了什么更有价值。某类产品的差评里反复出现「不够轻便」，就意味着「轻量化」是下一个竞争维度。

3跨平台的内容迁移路径：一个品类通常先在小众社区被讨论，然后扩散到主流平台，最后才在电商形成销量。AI能追踪这个迁移轨迹，在销量爆发前就完成备货。

AI看的不是市场现在在哪里，而是市场正在往哪里走。这是它和人类买手最本质的差异。人类擅长判断「这个品现在能不能卖」，AI擅长判断「这个品三个月后会不会起量」。   

     但AI也有它看不见的盲区   

     30%   

     AI与人类买手选品重叠率——差异背后藏着各自的盲区   

     AI的判断基于数据，而数据只能反映已经发生过的行为。有一类需求，消费者自己都不知道自己有，因此不会搜索、不会比较、不会留下任何数字痕迹。这类需求只能靠人去感知。   

     苹果当年做iPod，没有任何市场调研数据支撑「消费者需要把1000首歌装进口袋」这个判断——因为消费者从来没有表达过这个需求，他们甚至不知道这是可能的。这类产品，AI永远选不出来。数据驱动的本质局限是：它只能优化已知的问题，无法发现未知的需求。

「

     最好的数据系统能告诉你消费者想要什么，但无法告诉你他们还不知道自己想要什么   

」

     真正的问题：用AI选品，组织要怎么变   

     引入AI选品系统之后，很多公司发现一个尴尬的局面：系统给出了推荐，但没人敢拍板。因为买手团队的价值感受到了威胁，他们会下意识地找理由否定AI的建议。而管理层又没有足够的数据素养去判断AI的逻辑是否合理。结果是：花了大价钱买了系统，最后还是按老方式运作。   

     这揭示了一个更深层的问题。AI选品不只是技术问题，本质上是决策权的重新分配。谁来定义「好的选品」的标准？当AI和人类判断冲突时，听谁的？这些问题不解决，系统再好也是摆设。   

     走得比较好的公司，通常是把AI和人类买手的职责做了明确切分：AI负责「发现候选池」，也就是从海量SKU里筛出值得关注的品；人类负责「最终判断」，结合品牌调性、供应链关系、市场节奏做决策。AI不是来替代买手的，而是把买手从低价值的信息筛选工作里解放出来，去做只有人类能做的判断。   

●一个值得记住的反直觉结论：AI选品最大的挑战，不是技术不够强，而是组织不够准备好接受一个「不需要讲故事只讲数据」的决策者。   

     ✦ 小结   

     AI选品的本质，是用不同的认知结构来理解消费市场。它不依赖直觉和经验，而是从更早期、更分散的信号里判断趋势走向。这让它在「已知需求的竞争」中往往胜过人类。但在「创造未知需求」这件事上，它是盲的。真正聪明的做法不是让AI取代买手，而是搞清楚这两种认知各自的边界在哪里，然后让它们做各自最擅长的事。