AI 在市场调研里真正好用的地方只有一个：把几百条散乱的评论压成几类能看懂的痛点。它不擅长的是替你判断这个类目该不该进、这个价格带能不能做。我的流程是两段：先让它压缩信息，再拿三处独立信源交叉验证，最后一步的判断自己下。

整篇的资料整理与文字校对有 AI 搭了把手，结论怎么下由我负责。

3 句话总结
  • 喂给 AI 的原始素材越脏越杂，压出来的痛点越真，别只喂五星好评。
  • 压完至少交叉验证三处：差评时间分布、价格带、竞品页面改版痕迹。
  • AI 给的是候选清单。进不进这个类目，还得看你的供应链和现金周期。

我喂给 AI 的是哪几种原料

最常用的是评论。一个类目抓 300 到 500 条，一星到五星都要，按时间排序。只抓五星，等于让 AI 帮你写软文。

第二种是竞品 Listing 的五点描述和 A+ 文案。这类文本是卖家自己写的卖点，能看出他认为买家在意什么。第三种是问答区。问题往往比评论更直白。

上个月有个做厨房小家电的客户，拿了 200 多条评论让我看。我让他补到 400 条，把最近半年的差评单独标出来。原料变了，结论也跟着变。

让它压缩，别让它下结论

我给的指令很死：把差评归成不超过 5 类，每类给出原句引用和出现频次，不要写总结段，不要给建议。这样出来的东西可核对。

如果让它「分析这个类目的机会」，它会给你一段听起来很对、但没法验证的话。机会这个词太大，AI 撑不住。

压缩结果通常长这样：漏液、噪音大、清洗麻烦、配件难买、客服不回复。五类里有两类其实是同一件事，这很正常。人工合并一次。

交叉验证的第一处：差评的时间分布

AI 告诉你「漏液是主要痛点」，别急着信。把带日期的差评单独拉出来，看这个问题集中在某几个月，还是持续了两年。

集中在最近三个月的，多半是新批次或者换了供应商。持续两年的，是结构性设计问题。你进去也躲不掉。

这事我不敢说死，要看类目。有些品类的评论本身就少，时间分布看不出规律，那就只能当参考。

第二处：价格带和评论量的对应关系

把类目销量前 20 的 ASIN 列出来，价格和评论数放一起看。9.9 美元以下挤了 15 个，评论数都在 5000 以上，这个价格带基本不用碰。

去年有个客户想上一款收纳盒，理由是「感觉挺好看」。我们拉了三个月的数据，类目主力价格带全在 9.9 美元以下，头部评论量是他的几十倍，最后没做。

AI 压出来的痛点清单，得放到这个价格带里再看一遍。痛点再真，价格带撑不住成本也没用。

第三处：竞品页面的改版痕迹

看竞品主图、标题、五点这半年改过几次。改得勤的，说明他也在试，这个类目还没定型。两三年没动过的，位次已经稳了。

这一步 AI 帮不上，得自己翻。工具能给你历史快照，判断改动的意图还是人工。

  • 只喂五星好评，得出一个类目没问题的假象。
  • 让 AI 直接输出「值不值得做」，拿一段没法验证的话当依据。
  • 痛点清单不回到价格带和评论量里核对，直接拿去选品。
  • 看完 AI 的结论就跳过竞品页面，改版痕迹全靠猜。

哪些判断 AI 替不了

供应链能不能接、起订量多少、现金压多久，这三个它一概不知道。头程一般 30 到 45 天，货在路上就压着钱，这笔账得自己算。

还有一个是团队带宽。一个运营同时管几家店是有上限的，调研做得再漂亮，没人跟也是空的。

我的做法是：AI 出候选清单，我拿供应链和现金流过一遍，剩下的才进入选品讨论。清单通常从 10 个缩到 2 到 3 个。

这套流程大概花多少时间

抓评论加清洗，半天。跑 AI 压缩加人工合并，两三个小时。三处交叉验证，一天到一天半。整个下来 3 个工作日出个初步结论。

比拍脑袋慢，但比拍完脑袋再花三个月试错快得多。我见过太多人跳过验证直接下单，最后清货的时候才回头补这一课。