用 AI 做选品调研：从差评里挖需求，别问「能不能做」
让 AI 直接判断一个品能不能做，它会给你一个听起来很专业、其实是编的答案。正确用法是让它把 TikTok 评论、Amazon 差评、Reddit 讨论整理成需求证据，每个结论都能回到原话，判断权留在你手上。
用 AI 做选品，最大的坑是一上来就问「这个品能不能做」。AI 会给你一个听起来很专业的答案，但那是编的。
正确的用法是：让 AI 当资料员，不当老板。它负责把海外用户的真实吐槽、差评、讨论整理成结构化的需求证据，每个结论都能回到原话；判断权留在你手上。这是第一期训练营第一周的内容，学员交出来的东西叫《选品需求证据包》。
先看效果：选品需求挖掘的网页演示。样例里 40 条用户表达命中 36 条，聚出 7 个机会点，每个都附了用户原话作为证据。
一份选品调研要回答哪四个问题？
| 问题 | 从哪里找答案 |
|---|---|
| 海外用户到底在烦什么？ | 用户原话、评论、帖子、差评 |
| 现有产品哪里没做好？ | 低星差评和负面反馈 |
| 我能往哪里微创新？ | 场景、痛点、机会、风险 |
| AI 的判断可信吗？ | 每个结论都能回到原始证据 |
整个流程：
公开资料 → 结构化整理 → AI 自查 → 人工检查 → 你的业务判断
证据从哪几个平台收？
| 平台 | 找什么 |
|---|---|
| TikTok 评论 | 用户在问什么、抱怨什么、想解决什么 |
| Amazon 低星差评 | 哪里坏、预期落差、退货原因 |
| Reddit / Quora / 论坛 | 真实场景、长期吐槽、求推荐的帖子 |
| Google Trends | 热度、季节性、关键词对比 |
| 你自己的供应链 | 能拿什么货、价格、起订量、能不能改款 |
起步量：至少 10 条用户原话、5 条差评、3 个竞品链接，每条都带来源链接或截图，保留英文原文。
先把品类、目标市场、目标人群和英文关键词写清楚，比如：
品类方向：pet hair remover
目标市场：美国
目标人群：养猫狗的人、车里和沙发上有宠物毛的人
英文关键词：pet hair remover, dog hair remover, lint remover for pet hair
然后让 AI 先出一份分平台的搜索计划：每个平台搜什么词、找什么证据、哪些算真实需求、哪些只是噪音。
第一句提示词应该怎么写？
先要计划，再要执行。 第一句不要说「帮我做报告」：
我的品类方向是：
目标市场是：
目标用户是：
我已有的竞品链接是：
我自己的供应链情况是：
请你先给我一份需求挖掘计划。
不要直接判断这个品能不能做。
材料收够之后，再让它出需求地图：
请读取我收集的所有材料。请不要直接推荐上品。
请先输出一份需求地图，包含：
1. 用户是谁
2. 真实使用场景
3. 高频痛点
4. 情绪表达
5. 现有产品没解决好的地方
6. 可以微创新的方向
7. 需要拿样验证的问题
8. 每个判断对应的原始证据
要求：不要编数据，不要写空泛结论，每个判断都要引用原文或来源。
AI 整理得很漂亮，能直接用吗？
不能。AI 第一版经常「说得很像」但不一定真实。两道检查：
让 AI 自查：
请你不要急着扩写。先检查这份资料是否有以下问题：
1. 有没有编造页面没有的信息？
2. 有没有把普通功能误判成核心卖点？
3. 有没有忽略目标人群？
4. 有没有缺少可以直接用于短视频脚本的素材点？
请给出修改后的版本。
人再抽查： 随手抽 3 条判断，回到原网页找出处。都找得到就合格；只有「这个品不错」这种空话、找不到来源，就不合格，让它重做。
AI 打不开某些网页很正常。改成手动：用浏览器打开页面，把标题、价格、五点描述、评论片段复制下来交给它，并说明「只基于我给的内容整理，不要补充页面里没有的信息」。
成果放在哪？
放进文件夹，不要留在聊天记录里。 聊天记录会被淹没。用 Codex 这类能在文件夹里干活的 AI，原始材料放 input/，整理结果保存到 output/，下次在这些文件上接着干。
ChatGPT 像聊天框，适合问一次；Codex 像项目助理，你把一个文件夹交给它，它读文件、写文件、生成报告，成果沉淀在文件夹里，适合做一个项目。
这套方法还能用在哪？
把散乱的公开资料交给 AI，先要计划再要执行，让它结构化整理，逼它自查，你来把关，最后沉淀成文件。换个对象，就是竞品监控、Listing 优化、达人筛选、内容脚本库，变的只是你放进去的材料。
想每天自动盯竞品，而不是做一次性调研，看这篇：TikTok 竞品视频监控：每天自动挑出值得拆的爆款。