第01课 选品思维升级：从碰运气到数据狙击
第01课 选品思维升级：从碰运气到数据狙击
老王的两条路
义乌小商品城的老王做了 15 年外贸。2024 年，他看到隔壁老李做 Amazon 赚了钱，也决定转型。
老王的选品方法很"传统"——去义乌国际商贸城转一圈，看什么卖得好就做什么。他选了 LED 化妆镜，因为"展位上人最多"。
结果呢？化妆镜在 Amazon 上已经卷到 $7.99，FBA 费就要 $4.50，算上成本根本没有利润空间。
而他的女儿王婷，刚从浙大毕业，用完全不同的方式选品。她花了三天时间配置好 Hermes Agent，让 AI 每天自动抓取 Amazon BSR 变化、Google Trends 趋势、Reddit 讨论区的消费者痛点。
一周后，AI 给了她一个建议：宠物旅行水壶。
理由：
- Google Trends 搜索量 6 个月涨了 340%
- Amazon 品类月搜索量 180,000+，但竞品平均评分只有 3.8
- Top 10 竞品差评中 63% 提到"漏水"和"容量太小"
- BSR 前 20 中只有 2 个品牌在做广告投放
- 售价 $19.99-$29.99，毛利空间 35%+
王婷投了两万块钱做了改良版（防漏设计+550ml 大容量），三个月后月利润 $12,000。
同一个家庭，两种选品方式，两种结局。
感觉选品 vs 数据选品
| 维度 | 感觉选品 | 数据选品 |
|---|---|---|
| 信息来源 | 线下市场/社交媒体/朋友推荐 | 搜索数据/销量数据/评价数据 |
| 决策依据 | “我觉得/别人说/看起来不错” | 量化评分模型+阈值判断 |
| 验证方式 | 上架试试看 | 上架前多维度验证 |
| 时间投入 | 选品1天，试错3个月 | 选品2周，验证1周 |
| 失败成本 | $3,000-$10,000 | $200-$500（数据工具费） |
| 成功率 | ~15% | ~45% |
数据选品不能保证 100% 成功，但能把成功率提高到三倍。
选品八维模型详解
第一维：市场容量（权重 15%）
市场容量决定了这个品类的天花板。
评分标准：
| 月搜索量(主关键词) | 评分 |
|---|---|
| < 5,000 | 2 |
| 5,000 - 20,000 | 4 |
| 20,000 - 50,000 | 6 |
| 50,000 - 200,000 | 8 |
| > 200,000 | 10 |
Hermes 配置： 接入 Amazon Product Advertising API 或 Keepa API，定期获取 BSR 和搜索量数据。
第二维：增长趋势（权重 15%）
你要找的不是"现在大"的品类，而是"正在变大"的品类。
评分标准：
| 年同比增长率 | 评分 |
|---|---|
| 负增长 | 1 |
| 0-10% | 4 |
| 10-30% | 6 |
| 30-100% | 8 |
| 100%+ | 10 |
关键洞察： 如果增长率 > 50% 但市场容量 < 10,000 搜索/月，这是蓝海窗口期——最佳入场时机。
第三维：竞争强度（权重 15%）
评分标准（分数越高=竞争越小=越好）：
| 指标 | 低竞争(8-10) | 中竞争(4-7) | 高竞争(1-3) |
|---|---|---|---|
| 首页卖家数 | < 100 | 100-500 | > 500 |
| 头部10%份额 | < 40% | 40-70% | > 70% |
| 平均评价数 | < 500 | 500-3000 | > 3000 |
| 品牌卖家占比 | < 30% | 30-60% | > 60% |
第四维：利润空间（权重 20%——最重要）
评分标准：
| 净利率 | 评分 |
|---|---|
| < 5% | 1 |
| 5-10% | 3 |
| 10-20% | 5 |
| 20-30% | 7 |
| 30-40% | 9 |
| > 40% | 10 |
铁律：净利率 < 15% 的品类不要碰。 因为你没有预算做广告、处理退货、应对价格战。
第五维：差异化空间（权重 10%）
问三个问题：
- 竞品平均评分多少？< 4.2 说明有改进空间
- 差评集中在哪些问题？能否用技术/设计解决
- 是否可以做功能/外观/包装差异化
第六维：供应链难度（权重 10%）
| 指标 | 简单(8-10) | 中等(4-7) | 困难(1-3) |
|---|---|---|---|
| 1688供应商数 | > 100 | 30-100 | < 30 |
| 起订量 | < 100 | 100-500 | > 500 |
| 定制难度 | 现成/微调 | 需开模 | 需研发 |
| 生产周期 | < 15天 | 15-45天 | > 45天 |
第七维：合规风险（权重 10%）
| 风险等级 | 评分 | 示例 |
|---|---|---|
| 低 | 9 | 收纳用品、宠物玩具 |
| 中 | 5 | 电子产品(FCC)、化妆品(FDA) |
| 高 | 2 | 食品、医疗器械、儿童用品(CPSC) |
第八维：复购潜力（权重 5%）
消耗品 > 易损品 > 耐用品 > 永久品
AI 选品工作流
王婷的每日选品流程，全部由 Hermes Agent 驱动：
# Hermes Agent 选品八维评估
name: product_research_pipeline
schedule: "0 6 * * *" # 每天早6点
steps:
- id: trend_scan
tool: google_trends_mcp
params:
categories: ["pet", "home", "outdoor", "kitchen"]
timeframe: "6m"
min_growth: 30
- id: market_validate
tool: amazon_sp_api_mcp
params:
keywords: "{{trend_scan.rising_keywords}}"
metrics: ["search_volume", "seller_count", "avg_price", "avg_rating"]
- id: score_products
tool: claude_analysis
prompt: |
用选品八维模型评估以下品类：
{{market_validate.results}}
给出每个维度1-10评分和加权总分。
只输出总分>70的品类。
- id: notify
tool: telegram_mcp
params:
message: "今日选品推荐：\n{{score_products.top_3}}"
选品 SOP：从0到1
| 阶段 | 时间 | 动作 | AI Agent 角色 |
|---|---|---|---|
| 灵感阶段 | Day 1-3 | 广泛扫描趋势 | 自动监控 5 个数据源 |
| 初筛阶段 | Day 4-5 | 八维模型初评 | 自动评分，筛选 > 60分 |
| 深挖阶段 | Day 6-8 | 深度调研 Top 5 品类 | 竞品分析+利润计算 |
| 验证阶段 | Day 9-10 | 供应链验证+样品询价 | 1688 自动询价 |
| 决策阶段 | Day 11-12 | 最终评估，确认选品 | 生成选品报告 |
| 执行阶段 | Day 13-14 | 下单采购 | 供应商比价+合同生成 |
本课小结
选品不是灵感游戏，是数据工程。
| 转变 | 之前 | 之后 |
|---|---|---|
| 信息源 | 线下/朋友圈 | 5个数据源自动监控 |
| 决策 | 直觉 | 八维评分模型 |
| 速度 | 1天拍脑袋 | 14天系统化流程 |
| 失败成本 | $5,000+ | $300（数据工具） |
课后行动
- 在 Hermes Agent 中配置趋势监控（Google Trends + Amazon BSR）
- 用八维模型给你当前在售的产品打分——它们能过 70 分吗？
- 列出 3 个你感兴趣的品类，在下一课中用 AI 做趋势分析