【亚马逊选品篇】一套完整的“细分市场库”建立SOP（附提示词）

运营说：“这个产品竞品卖得很好，直接跟。”

开发说：“这是红海，我们不跟。”

选品说：“数据上看有空间，但我不确定谁对。”

——为什么三个岗位各说各话，这是因为每个人都站在自己的视角上。

今天这篇文章，就是帮你画出一张共识图：细分市场库。

一、什么是细分市场库

细分市场=特定人群*特定场景*特定需求

细分市场库，顾名思义就是指在一个品类大盘下所有细分市场的集合。这里需要注意的是，“一个品类”并不是指亚马逊的一个类目节点，因为相同、相似的产品可能存在于多个亚马逊类目中，因此，我们在做需求调研的时候，不能仅局限在眼下看见的类目，而是需要进一步确认，是否有解决相同需求的产品，放在其他的类目，如果有的话，需要纳入一起分析。

一个快速简单的方法来判断同类产品是否跨类目：用当前类目榜单中的top产品进行扩词，找到和他高相关的主要流量词，查看搜索结果页，是否出现能够解决相同需求，但属于不同的类目。

二、如何建立细分市场库

2.1 细分市场分类

在确定好分析范围之后，就需要对产品进行细分市场分类，在过去，我们更多是通过人工针对特定的产品词或属性词作为一个初步分类依据，在标题或五点进行筛选然后打标，再通过产品图片复核确认，如果竞品数量较多，光打标就得花不少时间，最关键的问题在于，我们的打标分类依据，必须是从用户需求出发，而不仅仅是产品形态或属性，这就会导致，同样一款产品，有可能既能满足A人群，也能满足B人群，且市面上多数产品也确实还是往大而全的目标用户在打，这就会导致人工判断的工作复杂度上升。但是现在ai的加持下，这一块可以比较好的进行提效，整体思路如下：

第1步：让模型先从竞品标题、五点中提取候选产品形态

第2步：生成“候选分类规则”

第3步：抽样 30-50 个 ASIN 做试分类

第4步：检查是否出现大量混淆/其他/跨类的产品

第5步：人工确认或修正规则

第6步：再对全量 ASIN 分类和汇总

这里需要用到两段提示词，因为内容较长不附在文章里，感兴趣的小伙伴可以添加文章尾部的客服微信领取。另外建议使用codex、claude code这样的agent去跑这个流程，这套提示词，就是我们从自己的选品skill中提炼出来的，因为不同的品类产品有不同的分类依据，可以用这个通用形的提示词进行测试，然后人工校对之后，再让agent复盘整个沟通与校对过程，然后沉淀成一个skill，在后续的使用过程中不断优化迭代，稳定之后，就可以用AI coding成一个可复用的工具。

2.2 细分市场需求挖掘

做好细分市场的分类之后，就需要进一步深挖每个市场下的人群场景需求，一个快捷有效的方法就是评论分析。这里还有一个注意点，哪怕我们划分出了细分市场，也可能有不同的受众群体会购买这类产品，也就是说，细分市场的产品内仍然可能存在不同细分人群，而不同人群的需求点是不同的，所以我们最终要的分析结果应该是将细分市场里的细分需求，通过评论分析再进一步切分，能够看到不同人群的反馈。

为什么特地提到这一点，这就要提到传统评论分析的一个弊端：原来通过卖家精灵前台插件看竞品评论ai分析报告或者将asin批量导入shulex进行批量分析，确实可以提高分析的效率，但除非我们能够保证，我们分析的产品只有一个精准人群购买，否则必然存在无法剥离分层用户的表达：分析报告中看到的好评、差评、未满足的需求，融合了不同人群的表达，这就会导致我们分析的数据源是不纯净的，后续做出的推断和结论必然受到影响。

因此，我们现在操作的流程思路如下：

第1步：选定某一个细分市场

第2步：在这个市场里选代表ASIN

第3步：按销售代表性 + 评论信息量做评论采样

第4步：用卖家精灵MCP批量拉评论

第5步：把代表ASIN的评论聚合成一个细分市场评论池

第6步：对评论做标签化处理

第7步：从标签中识别人群、场景、痛点、认可点

第8步：再反推产品机会和 Listing 表达

代表ASIN的选取也有讲究，不能简单的只选取销量最高的，或者评论最多的，我会从三个层面来进行评估：

• 销售代表：最近月销售额/销量靠前
• 评论信息：评论数高，能提供长期用户反馈
• 新品观察：上架较短但销量高

其中：

高销量 + 高评论：深抓

高销量 + 低评论：浅抓

低销量 + 高评论：中抓

新品高销量：浅抓但单独标注

最后小结一下，细分市场的分类，是为了把产品方案从用户需求角度进行划分，采样评论分析并做分层再把市场内的人群和需求切干净，最终的目的是为了看清楚，真正细分的人群场景需求到底是什么样的形态存在，才能够为后续的方案选择和设计提供最基础也最重要的依据。

三、开发和运营读后感

常规的评论分析，往往会把不同产品形态、不同星级的评论混在一起看，最终得到一个“平均化”的需求结论，看似全面实则失真。因为同一个细分市场里，可能存在多个不同人群，他们各自的场景和需求也存在差异。因此，必须先按人群把评论切开，再分析每类人群的痛点，这样才能得到真实有效的洞察。举个例子：某个功能，在类目整体分析中显示用户关注度一般，于是这个功能你只做了70分。但在 A 细分人群眼里，这个功能恰恰是他们最看重的感知点，那么你以为的达标对他们来讲就是不合格，就是差评源头之一。所以，“先分层，后深挖”的思路，也是真正围绕目标用户出发的产品开发逻辑。

龙哥这篇文章，说到我心坎里了。为啥？因为2025年亏100万的那款产品，就是栽在这个坑里。当时我们分析竞品评论，看数据还不错，觉得这个卖点能做。结果呢？做出来之后，退货率高、差评来得快。后来复盘才发现，好评是A人群给的，但我们的产品做给B人群。人家B人群根本不在乎那个功能，他们在乎的点我们压根没做。所以老铁们，我给你们一个建议：别再把所有评论混在一起看了。龙哥说的“先分层，后深挖”，我现在是坚决执行。选品先把人群切清楚，开发再针对每一类人去挖痛点，运营最后把价值传递出去。这套流程走下来，踩坑的概率至少降一半。你如果现在还在“看总数、看平均”做决策，听我一句劝——停下来，改一改。