夜雨聆风这几年为了不被时代撵弃，做个跨境电商也要四通八达。
作为一个独立的跨境人，Python 爬虫、 AI 工具、各类插件，基本上都会接触。
研究了那么久大概有了自己的一套逻辑，几乎适用于大部分的渠道。
看完这期的内容你会对选品思路更清晰，中间也会顺手放几个我自己用过的工具、觉得还不错的skill资源。
这是我自己现在比较常用的AI选品逻辑：
找趋势 → 筛产品 → 查竞争 → 看内容 → 分析评论 → 算利润 → 决定是否测试。
我是毕业就创业的小沙，一个人从0到1探索跨境电商，2年时间实现盈利5w美金，我会在这里跟大家分享各类跨境干货：包括我自己的AI学习经验、工具资源分享等等。
🔸先找“正在增长”的产品数据
不同平台能看的数据不完全一样，我这里先拿 TikTok Shop 举例。
现在常用的数据工具，比如 FastMoss、Kalodata、EchoTik，已经可以从商品、达人、视频、直播、店铺等维度观察市场。这类工具适合新手初步筛选产品。
初筛时可以重点记录这些数据：
如果想把数据做得更细，也可以自己尝试 Python 爬取。
新手自学其实想象中那么难，而且自己抓的数据更容易按需求筛选、留档。工具只是辅助，关键还是先想清楚自己到底要看哪些字段。
想尝试的新手可以看我这期，非常适合新手：超详细爬虫 python 小白入门讲解（新手必看）
自己跑采集需要连续访问页面、批量抓评论，会用到代理IP，每个任务单独配对应地区的线路。
新手可以领免费的住宅代理流量，或者买少量做测试，我用的是这个：
https://www.kookeey.com/clientarea/#/user/register?aff=30927569
扫码免费领取代理IP流量包
🔸把数据交给 AI 做第一次筛选
比如前面已经筛出了 10～20 个候选商品，可以先把销量、GMV、达人数量、视频数量、价格、评论等数据整理到 Excel，再交给 ChatGPT、Claude 或 Gemini。
我一般不会直接问：
“这几个商品哪个最好卖？”
而是让 AI 按固定维度去比较：
增长趋势 / 竞争程度 / 内容潜力 / 用户反馈 / 利润空间
最后让 AI 整理成表格，重点围绕：增长趋势、竞争情况、相关竞品、内容潜力、主要风险和产品推荐度。
“内容潜力” 可以结合 受众范围、近期增长、带货视频数量、达人数量、评论反馈
这些已有数据一起看。
🔸把常用的分析逻辑留成 Skill
如果后面经常做选品，每次都重新写要求其实也挺麻烦。我自己更喜欢把分析逻辑固定下来，比如每次都看增长、竞争、内容潜力、评论、利润这些维度。
GitHub 上已经有一些电商方向的 AI Skill，可以直接拿来参考。
比如nexscope-ai/eCommerce-Skills：
https://github.com/nexscope-ai/eCommerce-Skills?utm_source
这是一个专门面向电商场景的 AI Agent Skills 合集，覆盖产品研究、竞品分析、评论分析、利润计算、市场分析，以及 TikTok Shop 等多个场景。
我现在主要是按自己的需求，用 Python 去爬想要的数据 - 结合 FastMoss、Kalodata 这些平台的数据做补充 - 再套前面的 Skill 逻辑分析 - 用 Python 接到飞书里整理和留档，后面想对比产品、补数据、做筛选都会方便很多。
networkdynamics/pytok
https://github.com/MEOMcGill/pytok?utm_source
Apify Awesome Skills
https://github.com/apify/awesome-skills?utm_source
Q-Bukold/TikTok-Content-Scraper
https://github.com/Q-Bukold/TikTok-Content-Scraper?utm_source
apify/crawlee-python
https://github.com/apify/crawlee-python?utm_source
一个 Python 网页采集和浏览器自动化框架，可以和 BeautifulSoup、Playwright、HTTP 请求一起用，也支持代理轮换。
特别适合自己搭：商品监控、竞品价格、跟踪评论、采集多页面、批量采集这种底层数据流程。
ScrapeGraphAI
https://github.com/ScrapeGraphAI/Scrapegraph-ai?utm_source
AI 驱动的网页数据提取项目，，不需要自己先写很多固定选择器，而是可以告诉它：
我要商品名、价格、销量、评分、评论数。
再让它尝试从网页里提取结构化数据。
🔸继续验证这个产品值不值得做
前面 AI 已经帮我们筛掉一批明显不合适的商品，接下来继续看三件事：
谁在卖、内容怎么卖、用户为什么买。
- 先看达人结构一个商品大部分销量集中在一两个头部达人身上，要谨慎一点；
如果中腰部达人也能持续出单，还有新达人开始带，说明这个产品的内容适配性可能更强。
- 再看内容看这些带货视频有没有比较稳定的共性，比如前几秒怎么切入、卖点怎么展示、产品多久出现、评论区都在问什么。如果十几条能出单的视频都能找到相似结构，说明这个产品后续内容更容易复制。
- 看评论
评论里反复出现的好评点、差评点和需求，其实就是最直接的用户反馈。
比如很多人都在问“有没有更大尺寸”“能不能换颜色”，这类信息有时候比销量本身更值得继续挖。
这一步做完以后，基本就能判断：
这个产品是真的有持续空间，还是只是短期被某条视频带起来。
这一步可以直接用 FastMoss、Kalodata、EchoTik 这类工具去看商品和达人之间的关系。
如果自己有采集数据，也可以把达人数量、粉丝量、带货视频数、销量贡献这些字段整理出来，再让 AI 帮你做一轮归类。
我会让 AI 帮判断：
这个商品目前的销量是“头部达人驱动”，还是“多达人分散驱动”？有没有过度依赖某一个达人或者某一条视频？最近 7 天有没有新的达人开始进入？
🔸算利润，决定是否测试
我一般会把：售价、采购、物流、达人佣金、广告、退货损耗
这些一起算进去。
最后留下来的产品一般是：
有增长、内容能做、达人结构不差、用户反馈能接受，而且还有利润空间。
到这里，我才会把产品放进测试名单。
所以整套流程其实很简单：
先用数据找机会 → AI 帮忙筛 → 再人工验证达人、内容、评论 → 最后算利润。
【选品表格清单】
前面筛完以后，不要删掉，可以作为候选，统一留一张表方便后面复盘。
字段不用太多，留这些就够：
产品名 近 7 / 30 天增长 GMV 达人数量 带货视频数量 是否依赖头部达人 内容是否容易复制 高频好评 / 差评 主要风险 预计利润空间 是否进入测试
后面真正跑过测试以后，再把实际转化、退货、利润补回来。
久了以后这张表反而比“爆款榜”更有价值，因为你能慢慢看出自己到底适合做什么产品。
我自己现在也是边跑边改这套流程，后面如果又挖到好用的 GitHub 项目或者选品工具，再继续补。
点关注👇，持续了解更多知识