做电商的朋友都知道，选品定生死。但抖音上每天几十万条带货视频，靠人力刷根本看不完。上个月我做了一个实验：用大模型批量分析抖音爆款视频的评论区，提取用户真实痛点，反向推导选品方向。结果7天时间，找到了23个有明显需求但供给不足的蓝海品。
今天把这个方法完全拆开来讲，没有任何保留。
先说核心逻辑。抖音爆款视频的评论区是一个巨大的金矿。当一个视频爆了，几百上千条评论里藏着用户最真实的反馈：有人说"这个好用但太贵了"，有人说"有没有平替"，有人说"要是能解决XX问题就好了"。这些信息比任何数据工具都值钱，因为它代表的是真实购买意愿。
我以前是用人工一条条翻评论再整理，一个品分析下来至少半天。现在用AI，流程变成了三步。
第一步，用AI收集和清洗评论数据。选品对象的选取很关键，要找那些近30天内发布、播放量50万以上的带货视频，最好是测评类或使用场景类的。这类视频的评论区最真实，用户会直接说出自己的需求。把视频链接丢给AI工具，让它批量抓取评论区内容，去掉垃圾评论和刷单评论，保留下有信息量的真实用户反馈。
第二步，用大模型做语义分析和需求聚类。这是最核心的一步。把清洗后的评论喂给大模型（我用的是Claude和GPT-4交替用），给它一个分析框架：评论中提到了哪些未被满足的需求、哪些高频出现的抱怨、哪些产品改进建议、哪些对比竞品的信息。然后让模型输出一个结构化的需求报告。你会惊讶地发现，很多商业机会就藏在看似零散的抱怨里。
举个例子，我在分析一款家用脱毛仪的评论区时，AI从几百条评论中提炼出一个高频需求：很多用户说"效果好但每次用太疼了，有没有无痛方案"。顺着这个方向去找，发现主打"冰点无痛"概念的脱毛仪在抖音上只有不到10个品牌在做，而搜索量每个月在涨。这个品后来推给一个做电商的朋友，他上架后一个月卖了600多单。
第三步，验证和落地。AI找到的需求方向不能直接拿来用，一定要做交叉验证。我会用三个维度验证：抖音搜索指数是否在上升、淘宝/拼多多同类型产品供给是否充足、小红书上的相关笔记数量是否在增多。三个维度都指向机会的，才值得投入。
这个方法有一个关键要点：不要只分析一个爆款视频，要分析一个品类下的5到10个爆款。单个视频可能有幸存者偏差，但多个视频的评论汇聚出来的需求趋势就很有参考价值了。
我最近在跑的另一个方向是用AI做跨境选品。逻辑是一样的，只是把抖音换成TikTok，把国内电商平台换成亚马逊和Shopify。TikTok的评论区同样藏着大量跨境商机。
如果你没有技术背景也不用担心，现在做这件事不需要写代码。评论抓取可以用爬虫工具或者API服务，分析直接用ChatGPT或者国内的文心一言、通义千问都可以。整套工具建起来成本极低，一个月的API费用可能也就一两百块钱。
再说一个进阶玩法。我目前在试的是把AI分析的结果接入到选品数据库里，跑一个自动化监控系统。每天自动扫描新增的爆款视频，提取评论，分析需求，标记蓝海机会，然后推送到飞书群里。这样基本可以做到日更级别的选品洞察。
当然，这个方法也有局限性。AI分析的是已发生的需求，对前沿趋势的预测能力有限。另外评论样本的质量很关键，如果视频本身的评论水军太多，分析结果就会失真。所以一定要学会辨别真实评论和刷单评论。
总的来说，AI在电商选品上的应用已经非常落地了，不是什么科幻概念。我身边已经有不少团队在用这个思路做选品，效果都不错。核心就是把AI当一个"超级分析员"来用，让它帮你处理信息密度高的工作，你来做决策和验证。
这套方法论同样适用于小红书种草选品和微信私域选品，逻辑完全一致。如果你正在做电商，强烈建议试试看这个思路。用AI卷效率，而不是用AI卷内容，这才是普通人当前最好的切入角度。 |
