有个学员花了三个月选品，前前后后看了二十多个品，最后上架了三个，全部亏损清货。他来问我：是不是我运气太差？
我让他把当时的判断依据发给我。三个品的依据分别是「朋友在做，说能卖」「Best Sellers 榜上排名靠前」「感觉老外会喜欢」。
问题不在运气，在于他把「选品」理解成了「挑一个东西」，而实际上选品是一串需要被验证的假设。
这篇讲清楚：AI 和选品工具到底能替你做哪一段，以及哪一段它永远替不了。
一、先破除一个流传很广的假数据
网上常见这样的说法：「传统选品成功率 20%-30%，AI 选品能提升到 60%-75%」「70% 的新卖家亏损是因为选品失误」。
这些数字没有任何可查的出处。没有任何权威机构发布过「选品成功率」的统计口径——什么算成功？出单算？回本算？还是稳定盈利算？口径都没有，百分比自然无从谈起。凡是看到这类精确到个位数的成功率对比，基本可以判断是为了卖课编的。
这篇文章不会给你任何「成功率」。它会给你一个更实在的东西：一张能把假设逐条验证掉的表。
二、选品的本质：五个必须被验证的假设
把一个品从「看起来不错」推到「可以下单」，中间要过的其实是五关：
| 关卡 | 要验证的假设 | 工具能帮你多少 |
|---|---|---|
| 1. 有没有人搜 | 这个需求存在且有一定搜索量 | 帮助很大 |
| 2. 能不能进 | 竞争强度在你可承受范围内 | 帮助较大 |
| 3. 算不算得过账 | 扣掉所有成本后仍有利润 | 部分帮助（要自己填成本） |
| 4. 能不能做出来 | 供应链能落地、起订量可承受 | 几乎帮不上 |
| 5. 合不合规 | 认证、专利、平台类目要求 | 几乎帮不上 |
绝大多数人的选品只做了第 1 步，然后凭感觉跳到第 3 步。而真正让新手亏钱的，恰恰是工具帮不上忙的第 4、5 两步。
举个真实的例子：有人选了一款带蓝牙功能的小家电，数据看起来很好，下单 500 台，货到美国才发现没有做 FCC 认证，无法上架。500 台的货款加头程，全部沉没。这个坑，再强的选品工具也提示不了你。
三、2026 年主流选品工具：定价与能力边界
不点名的横评等于没写。以下是 2026 年真实定价：
| 工具 | 价格 | 覆盖站点 | 最擅长的 |
|---|---|---|---|
| Sorftime | 19.9 元/月起、199.9 元/年（专业版 4980/年、终身 14800） | 14 站 | 性价比高，跨平台对比有独有价值 |
| Helium 10 | $0 / $39 / $99 / $129 / $279 / $359 / $1499 | 11 站 | 关键词能力最强，但要 $99 档才好用 |
| Jungle Scout | $0 / $5 / $49 月 / $360 年 / $459 年 | 10 站 | 产品数据库与供应商线索 |
| Keepa | €19/月、€189/年（API €49-4499/月） | 12 站 | 历史价格与销量曲线，无法替代 |
| 卖家精灵 | ¥2880-8880/年 | 8 站 | 中文界面，适合纯中文用户 |
如果只选两个，我的建议是 Sorftime + Keepa：前者做筛选和跨平台对比，后者看价格与排名的历史波动（这一项其他工具都替代不了）。
但有一条必须刻在脑子里：第三方工具的销量数据准确度只有 75%-85%。它全部是算法估算，不是平台真实数据。同一工具内部横向比较是有效的，跨工具的绝对值不可比——A 工具说月销 3000、B 工具说 1800，不代表谁错了。
所以正确的用法是：用它判断趋势，不要用它做财务核算。首单备货按估算值的六到七成下单，是行业里比较稳的做法。
四、一个能落地的七维打分表
下面这张表是我在培训里让学员直接用的。不是什么算法，就是逼你把每一关都过一遍：
| 维度 | 权重 | 怎么打分（1-5 分） |
|---|---|---|
| 市场容量 | 15% | Top10 月营收合计、品类同比增长。太小养不活，太大进不去 |
| 竞争强度 | 20% | 头部集中度、评论数分布。前 3 名评论数过千的要慎重 |
| 利润空间 | 20% | 售价 − 采购 − 头程 − FBA − 佣金 − 广告，净利率低于 20% 直接淘汰 |
| 差异化机会 | 15% | 翻竞品的 2-3 星评论找抱怨点，能找到 3 个以上改良点才算有空间 |
| 供应链难度 | 15% | 起订量、打样周期、是否有现成模具 |
| 合规门槛 | 10% | 认证清单、专利风险、类目审核要求 |
| 物流特性 | 5% | 体积重量、是否易碎、是否带电带磁 |
用法：任何一维打 1 分，直接淘汰，不看总分。因为短板是硬约束，不是可以加权平均掉的。
举个例子：某品市场容量 5 分、利润 4 分，但合规门槛只有 1 分（需要多项强制认证且周期超过 3 个月）——总分看起来不错，实际你做不了。这就是为什么加权平均在选品里是危险的做法。
五、AI 真正在改变的是哪一段
说回 AI。它在这件事上的价值，我认为集中在两块：
- 批量处理评论。以前翻 500 条竞品评论要一整天，现在十几分钟能提炼出高频抱怨点。这一块效率提升是真实的，也是「差异化机会」这一维最直接的燃料。
- 快速生成 Listing 初稿与多语言版本。机器翻译 + 人工润色的组合，比纯人工快得多，尤其对日本站、德国站这类非英语站点。
但它替代不了的是：供应链谈判、认证判断、以及对「这个改良用户愿不愿意多付钱」的商业判断。这三件事目前仍然只能靠人，而且靠的是经验，不是聪明。
所以如果你想学 AI 选品，值得学的是「怎么用 AI 快速处理信息」，而不是「有没有一个 AI 能直接告诉我卖什么」。后者不存在，承诺后者的人基本是在卖焦虑。
六、给准备起步的人三个自问
在花钱买工具、买课程之前，先诚实回答这三个问题，它们的答案比任何选品表都重要：
- 你能接受多久不赚钱？低于三个月的预期，建议重新考虑——新店冷启动普遍需要这个时间。
- 你的资金能承受几次试错？按首单备货为估算销量六到七成计算，至少要能支撑两轮。
- 你每周能固定投入多少小时？少于 10 小时的话，进程会被拉得很长，要有心理准备。
把这三个问题想清楚，再去看选品工具，你会发现判断标准完全不一样了——你不再问「这个品能不能爆」，而是问「这个品在我的时间和资金约束下，能不能跑通一遍」。对新手来说，后者重要得多。
