靠AI选亚马逊的品,试完说几句真话
11.27杭州丨关税新蓝海,全链路干货分析解读,0费用开店>>>
以前我选品都是打开新品榜,一个个小类点进去翻——看商品数、看头部月销、看品牌集中度,一下午能翻十几个类目,翻完还得自己建表格做对比。
最近我用了卖家精灵 MCP,把筛选条件写成提示词,让 AI 直接调数据接口跑,效率确实高了不少。这篇我拿 Home & Kitchen 做例子,把这次的筛选过程写出来。

Home & Kitchen 在美国站有 155 万个 SKU,我想从里面找一个细分类目切入。整个过程分两步:第一步粗筛,从大类里捞候选;第二步终验,拿着候选去验能不能真的做。两步加起来二十多分钟。类目可以换,条件可以改,但每一步在判断什么、为什么这么判断,是通用的。
我的粗筛条件:美国站 Home & Kitchen,售价 15 到 40 美元,不带电,少认证,头部月销 3000 到 5000 单。提示词交出去之后,AI 从数据接口拉了大类下所有细分类目的商品数、品牌数、头部月销、均价和评分,先做成一张大表,再按条件一层一层过滤。

155 万个 SKU,先砍到 30 个类目符合基本条件,再去掉销量太小或价格明显偏的,剩 6 个进入对比。最后按头部品牌集中度和新品占比排了一遍,推荐了 3 个。
Cooking Spoons(烹饪勺),新品占比 11.2%,单件不到一磅,不需要额外认证;Shelf Baskets(收纳篮),均价 29 美元多,但单件超过 3 磅,头程和仓储要多算一笔;Colanders(沥水篮),竞争最小只有 1500 多个 SKU,但类目天花板也低。
到这里粗筛干完了。如果拿着这三个候选就去找供应商,我建议先停一下。
粗筛给你的是平均值和占比,看起来干净,但平均值会骗人。头部三个链接吃掉类目一半的销量,跟头部三个只占 10%,新卖家面对的是完全不同的局面。粗筛看不出这个。所以我写了第二段提示词专门做终验,查的东西不一样了。

终验先把类目月销量前 20 的链接拉出来,按父体 ASIN 去重,同一个变体家族只算一次,然后算头部集中度:前 3 个链接占类目总销量多少,前 10 个,前 20 个。如果前 3 个就吃掉一半,头部是垄断格局,粗筛看着蓝海,进去就是给头部送人头。
接下来看价格分布,哪个价格带链接多、哪个少、有没有断层。一个价格区间卖得好但链接少,就是还没被占满的空位。最后拉前 5 个链接近 12 个月的月销走势,标出峰值月和低谷月,看峰值是低谷的几倍。全年销量靠一两个月撑着的类目,入场时间卡不准,前几个月的数据会让你误判天花板。
我拿 Cooking Spoons 跑了一遍,三个维度的结果都还行。
头部集中度:前 3 名占 13.7%,前 20 名占 38.8%。销量分散在很多链接上,新品有机会切进去。价格带上,15 到 25 美元区间只有 3 个链接,但头部卖家就集中在这里;25 美元以上有 4 个链接,吃掉类目 40% 以上的销售额。19 到 25 美元之间有空间,链接少,但买家愿意在这个价位花钱。
走势上,12 月单月占了全年销量的 21.5%,旺季集中度偏高。如果你 7 月上架,前几个月的销量不代表这个类目的真实水平,要到 Q4 才能看见完整的一年。
终验跑完,结论是可以做,但有条件:定价锁在 19 到 25 美元,做套装拉开和低价单品的差距,入场时间倒推到 Q4 之前把评论和排名基础打好。

到这里,数据层面能给你的东西到头了。
它给不了你产品本身好不好。点进前 20 的链接,看主图、看 A+、看差评,你才知道现在卖得好的那些勺子好在哪、差在哪、有没有你能改的地方。数据告诉你这个坑值得蹲,蹲下去以后看到什么,数据管不了。
它也给不了你成本。一套烹饪勺从工厂拿货多少钱、头程多少、FBA 费多少,你的售价能不能覆盖这些还有利润,要自己算。方向对不对和做不做得起是两件事。
还有时机。终验告诉你 12 月是旺季,但你现在手里有没有现金、供应商能不能在旺季前交货、listing 来不来得及积累基础评论,这些是你自己的资源约束,提示词不会帮你算。
所以两步筛完之后,你还要自己做三件事:打开前 20 的链接逐个看产品、看差评、看图片,判断有没有你能改进的空间;算一笔从拿货到 FBA 到售价的账,确认利润撑不撑得住;对照自己的资金和时间表,决定现在进还是等下一个窗口。这三件事做完,选品才算走了一轮完整的流程。

























