亚马逊可复用的AI选品SOP整理好了,这套SOP帮你避开亚马逊选品的坑.

在选品时要关注这三个问题：能不能卖、做不做的出来、卖了能否赚钱。在选品流程中让AI 工具来协助你，就能够帮你提前避开这三类风险。

我把选品拆成了一条完整链路：

先把你的经营边界输入给 AI，每一步都设定明确的输出和过关标准，流程中有两道闸门（合规与知识产权、供应链），通过利润测算和小批量实测后进行最终的 Go 与 No-Go 决策。

01前置认知：选品起点 & AI工具分工

Step 1输入你的经营边界

无论是新手卖家从零选品，还是有经验的老卖家基于现有 ASIN 拓展品类，第一步是向 AI 尽可能详实地输入自身客观条件，避免 AI 输出脱离现实的方案。你的指令最好包含这些关键信息：

目标站点、目标人群、售价区间、可投入资金、可承受试错损失、包装尺寸与重量边界、供应链优势、排除类目、可接受 MOQ（最小起订量）范围。

实操案例：同样研究厨刀赛道，只有20万元启动资金的新手和拥有刀具工厂的卖家，选品方向和规模是不同的。只有先和 AI 聊清楚，AI 才能给你量身定制对应的方案。

分支A：从零开始挖掘市场机会

“你是一名亚马逊选品分析师。请基于以下约束条件，输出 15 个细分品类方向，只做定性描述，不输出虚构数字：①目标人群与使用场景；②未被满足的核心痛点；③产品形态与改良设想；④差异化方向。每个方向 100 字左右，不要直接推荐爆款 ASIN。”

输入这段指令，当AI给出方向后，可以使用Helium 10 BlackBox、卖家精灵做相关的数据检索，得到 10–20 个候选 niche，这个过程中必须回到亚马逊前台进行人工核验，规避 AI 给出错误的关键词（前台搜不到的商品）。

 Black Box-按照产品筛选-简单查找

进阶筛选-指标

分支B：基于已有ASIN/关键词拓品

工具：卖家精灵、通用AI工具等。输入关键词、标题或者 ASIN，输出 20个相关的方向，让AI将其划分为两类赛道：

•细分赛道（深）：同一供应链下的相近产品。例如 chef knife（厨师刀）延伸为面包刀、剔骨刀、三德刀，这样可以复用模具、采购、质检资源。

•互补赛道（广）：同一批买家购物车可能加购的配套产品。从厨师刀延伸到磨刀棒、磨刀石、刀座、磁性刀架、刀具保养油等。

拓展产品品类不只是发现、开发新的新品，互补产品有时是天然的流量来源，可以用互补产品来规划品牌广告、展示型 ASIN 的定向投放、搭建完整产品矩阵。很多海外用户真实的消费习惯其实就藏在互补品类搜索需求中，这也是打出“信息差”的关键一步。

闸门一：合规性与知识产权，先确认产品“能不能卖”

完成产品品类池的初步收集后，要人为的再去筛选，首先筛掉根据最新政策提到的“法律、平台不允许卖”的品类，需要分平台监管产品的合规性、知识产权情况。

平台/监管合规性：类目准入限制、危险品 Hazmat（SDS 文件）、各类强制认证 FCC/FDA/CPC/UL/Prop65、类目审批要求。上架前后都需要持续满足当地法规与平台政策。

知识产权：商标查询 USPTO Trademark Search；发明、外观专利查询 USPTO Patent Center、Google Patents。

其中亚马逊品牌注册库只能作为壁垒参考，不能替代官方的商标专利检索。美妆、玩具、3C 周边等高风险类目，建议付费专业知识产权人员或者用不同AI工具进行复核，避免大批量的备货损失。

02需求与竞争：发现真实需求

Step 2需求验证：规模、趋势、稳定性、真实性

需求验证需要回答四个问题：这个需求是不是真的、稳不稳定、够不够大、还在不在涨。

数据搜集工具组合：亚马逊站内的商机探测器；站外辅助 Google Trends、TikTok、Pinterest、Reddit等。刚需标品需要优先看站内的信号；视觉型品类则要参考社媒热度，当然，社媒仅作为补充，并不能替代亚马逊站内实际购买数据。

这里我整理了我自己日常工作中会用到的指令：

“对这批候选产品统一站点、统计周期和产品口径，分别检查买家搜索意图、购买信号、过去 12 个月趋势及价格促销变化。标注哪些是官方数据、哪些是第三方估算。每个方向输出支持证据、反对证据、缺失信息和下一步核验动作；历史不足时写明实际区间，不把关键词搜索量相加当总需求。”

这一步：找到3-5个真实存在需求的产品。

Step 3竞争验证：判断能否进入这个需求池

作为亚马逊卖家，很重要的一点就是进行竞品分析，竞品拆解不是只看竞品的评论、售价。完整的竞争验证需要结合这四个层面：

试着结合你的选品方向去问AI：

①“每个方向选取头部标杆和近期上架的可比竞品，说明选样理由。按独立产品或父体口径比较价格、评分数、变体、促销及关键词表现。对低评分高销量样本排查品牌与优惠影响。只根据已获取样本判断，输出进入条件和最可能失败的原因。”

②“基于这些评论正文，按问题主题聚类，给出数量、样本比例、对应 ASIN 和简短证据。区分产品缺陷、使用问题与描述误差。每项建议写频次、影响、可行方案、成本风险及样品验收方式。不能从评论推出的结论，标为待验证。”

需要避的坑：高频差评点不直接等于商业可行机会。提取出买家痛点之后，要整理痛点，给其贴上四维标签：Frequency（发生频次）、Severity（严重程度）、Solvability（能不能做出来）、Economics（改完之后成本、物流、利润是否划算），只有四项全部满足，才能直接纳入改良方向。

这一步：判断存在需求的产品池有没有进入的机会。

03利润：这个产品是否“有利可图”

闸门二：供应链核验，先确认“能不能做出来

AI结合用户评论相关数据给出的改良设想，并不等于工厂可以直接落地。很多优化意味着这个产品需要新开私模，模具费用、MOQ 门槛很高，小批量订货很难实现。

如果真的想“搏一搏，单车变摩托”，用改良的产品打出更强的竞争力。需要你结合AI工具整理好改良方案向工厂确认这6个核心信息：

这一步：能够优化产品需要的工厂完整报价单，所有成本摊算到单件维度，让卖家更好的计算利润空间，看所选择的这个品类是否真的能够实现盈利。

Step 4单SKU经济测算：Break-even ACoS 是重要分水岭

很多卖家选品翻车是因为漏算实际成本，只看采购、售价这两个大项。每一个亚马逊卖家在选品时都应该建设一个完整的成本清单，这个清单要包含：

产品采购、包装、国内报关、头程、关税、平台费、平台佣金 Referral fee、FBA 配送费、仓储费、预处理、广告费、优惠券/促销费、退货损耗、次品率、汇率波动。

测算的核心公式：

Break-even ACoS（盈亏平衡广告ACoS） = 广告前贡献利润 ÷ 售价

示例：售价 25 美元，除广告外全部成本合计 17 美元，广告前利润 8 美元，盈亏 ACoS = 8 ÷ 25 = 32%；意味着长期 ACoS 高于 32% 就进入亏损区间。

工具：亚马逊官方提供的 Revenue Calculator可以做基础的履约测算，需要手动叠加长期仓储、移除费、退货处理、开模摊销。

可以直接给你的AI工具输入这个指令：

“根据报价、实测包装参数和官方费用，建立可复算的单 SKU 模型。分别计算广告前贡献利润、广告后贡献利润与固定费用后利润。广告统一按每件分摊或 TACoS 测算，另列简化盈亏平衡 ACoS。输出三种情景、未计费用、首批资金峰值和补货资金需求。缺失项不填零，固定投入与单件摊销不得重复扣。”

这一步：选出满足财务模型的 SKU，前置建立成本清单。

04最小可行测验：用真实订单做 Go / No-Go

Step 5最小可行实测

通过数据进行的模拟推演全部完成之后，就可以带着筛选下来的产品进入小批量的实测环节，这是选品最后一关，是新品启动验证的关键环节。

这一环节中观测指标不只有 ACoS，还有CTR、CVR、CPC、TACoS、搜索词质量、自然排名变化、退货率、Rating、Review、退货根因，都要完整跟踪。

没有通用万能阈值。所有指标阈值，都要根据你算出来的 Break-even ACoS和自身目标利润反向设定。

AI工具在这里承担执行工作：对相关的产品生成合规 Listing 文案、AI 素材，配置小预算广告等。当然你也可以让它辅助决策：

“读取本轮广告、业务和退货报表，统一日期范围，标明归因口径及数据延迟。对照预先设定的广告预算、亏损上限、单件贡献利润和质量要求，判断是否继续验证、调整复测或停止。每个结论给出证据、缺失项和下轮只改的一个主要变量。”

最终决策：

•Go：指标达标，可以增加数量。

•Iterate：部分指标不达标，确认可修改产品/Listing/广告，调整后复测。

•No-Go：市场表现不及预期，果断止损，拒绝加仓抢救亏损品。 

这一步：将前置环节筛下来的合适产品进行实际测验，用真实订单情况决定Go / No-Go

05选品Skill搭建参考

Skill并不是丢给AI一句高级的提示词，而是通过实际操作总结的一套完整可复用人机协作流程，这里我给你提供一个简易自建 Skill 框架，你可以结合上文的AI选品SOP来自己搭一个Skill用在实际工作中：

•输入：站点、关键词/ASIN、预算、目标售价、供应链限制。

•自动流程：拉类目数据→ 需求趋势评估 → 竞争集中度分析 → 抽取头部 ASIN → 用户评论 VOC 聚类 → 利润财务建模 → 风险检查。

•输出：市场机会综合评分、原始证据清单、风险清单、改良方向、Go / Caution / No-Go 决策。

当然，这里也有我自己根据日常选品流程搭建的一个公开的Skill，这个Skill是这个选品SOP的完整版：https://github.com/taotaoiii/amazon-Eric-ai-product-selection

这里我也整理了一些可参考的成熟 Skill、MCP项目：

注：以上为公开地址，具体能力与接入方式请以各仓库最新 README 为准。

06结尾：两周的节奏

如果你是新手卖家，刚开始接触亚马逊运营，那你可以不必着急。

给自己两周的时间上手：

第 1 周：想好你的约束清单，在当前市场中发现机会，把候选池按上面的选品SOP走一遍。

第 2 周：对留下的 niche 做需求验证和竞争验证，如果有改良需要，把供应链六问发给工厂，算出 Break-even ACoS，用文章中提到的AI工具辅助决策。 

走完step1到step5，结合这个AI选品SOP感受一下“需求约束—机会发现—产品过滤—收益核算”的节奏，相信可以让你避开很多选品的坑。

如果你是有多年亚马逊运营经验，不妨将这五步结合你的日常运营工作，参考提到的开源Skill，和AI一起制定属于你自己的选品Skill，相信你会有很多收获。

如果文章对你有帮助，

欢迎点赞、收藏、转发。

想持续看到更多亚马逊运营经验分享，

记得给账号设置星标。

感谢你的阅读，我们下次见。