跨境电商必看：用 AI 构建 TikTok Shop 选品分析系统

翔宇工作流100个原创 Skill 第 7 期

如果你是 TikTok Shop 卖家，或正在考虑入场——这篇文章是写给你的。
你有没有这样的经历：看着 TikTok 上爆火的商品，心想「我也能做」，结果一头扎进去才发现——不知道该卖什么、不知道定什么价、不知道找谁带货、不知道竞品在干嘛。
等你手动扒完 10 个竞品的数据，市场风向已经变了。
我花了 3 周时间，用 Claude Code Skill 构建了一套「选品引擎」。

解释下 Claude Code Skill：它是 Claude Code 的可复用工作流模块。把复杂操作封装成指令，一次定义、无限调用——本质是用提示词工程构建的自动化智能体工作流，让 AI 按预设流程执行多步任务。
纳瓦尔说过：「代码是终极杠杆——写一次，运行无数次，边际成本为零。」
这套引擎就是我给自己打造的杠杆。
它能做到：输入 1 个关键词（比如「bluetooth earbuds」），11 步全自动采集分析，输出一份 600 行的可直接行动的电商分析报告 。
这份报告告诉你：市场规模 $6.6M+、周销冠军 7.26K 单、达人生态 7.11K 人、3 种选品策略 + 8 周行动计划。
读完这篇文章，你将获得：

1. 一套结构化架构 ：理解「三层聚合」如何把 750KB 原始数据压缩成 20KB 可读报告
2. 一种系统性思维 ：掌握「11 步采集」背后的数据采集逻辑
3. 一个可复刻的神器 ：文末有完整提示词，复制给 Claude Code 就能从零搭建

1. 痛点：电商选品为什么需要系统性数据支撑

先问你一个问题：你是怎么决定「卖什么」的？
大多数人的答案是：「看抖音/小红书上什么火，就跟着做。」
这叫「拍脑袋选品」。
和那些还在凭感觉选品的人不同，今天我要分享一套数据驱动的方法。

拍脑袋的三大死穴

信息差时间差
你看到的「爆款」，往往是别人三个月前的布局。等你入场，红利期已过，只剩下价格战。
数据说话：我用这套引擎分析「bluetooth earbuds」市场，发现 $9.99 价位的 MINISO MS105 周销 7.26K，但它早在三个月前就完成了达人矩阵布局（619 达人、943 视频、283 直播）。现在入场同价位，你要面对的是成熟玩家的饱和攻势。
数据维度单一
只看销量，不看利润空间。只看价格，不看达人生态。只看好评，不看差评痛点。
举个例子：MSHUKCOE 的睡眠耳机卖 $17.67，周销 3.98K，看起来不如 MS105 的 7.26K。但它佣金率 15%（高于行业均值），曝光量 80.01M，达人合作效率极高。如果你只看销量排名，会错过这个「场景差异化」的蓝海机会。
决策链断裂
数据是数据，行动是行动。
你可能花了三天扒竞品数据，整理了一个 Excel 表格。然后呢？不知道该定多少价，不知道先找什么级别的达人，不知道第一周该做什么。
数据和决策之间缺了一座桥。

🎯 打个比方 拍脑袋选品就像闭着眼睛过马路。你可能侥幸没被车撞，但每一步都在赌命。而数据驱动选品，是给你装上了雷达、导航和红绿灯——你知道什么时候该走、往哪走、前方有什么障碍。

旧方法 vs 新方法

系统性数据支撑的三个层次

我设计这套选品引擎时，脑子里想的是三个问题：

1. 广度 ：我需要看到完整的市场全景，而不是几个爆款
2. 深度 ：我需要理解爆款背后的逻辑，而不是只知道「它卖得好」
3. 可行动性 ：我需要知道「我该怎么做」，而不是「市场是这样的」

这三个层次，对应了报告的三个篇章：

• 第一篇 市场全景 ：5 分钟快速扫描，回答「市场长什么样」
• 第二篇 深度分析 ：15 分钟决策支持，回答「为什么是这样」
• 第三篇 行动指南 ：10 分钟落地执行，回答「我该怎么做」

2. 原理：三层聚合 + 11 步采集 + 三篇输出的设计理念

接下来拆解这套引擎的核心架构。
你可能会问：「我只是想选品，为什么要懂这些原理？」
因为懂原理的人，能改装引擎；不懂的人，只能当乘客。

为什么需要「三层聚合」

当你从 TikTok Shop 采集数据时，原始数据量是惊人的。
一次完整采集（商品搜索 + 热卖榜单 + 店铺商品 + 商品详情 + 达人数据 + 评论数据），原始 JSON 文件加起来约 750KB。
750KB 是什么概念？大约 75 万字符，相当于一本中等厚度的小说。
你不可能读完这本「小说」来做选品决策。
所以我设计了三层聚合架构：

第一层：原始数据层（~750KB）

这是采集的原始 JSON 数据。包含每个商品的完整字段：ID、标题、价格、评分、销量、SKU 变体、库存、图片 URL、达人合作数据、评论原文……
它的作用是「存档」。当你需要深挖某个具体问题时，可以回溯查阅。

第二层：步骤摘要层（~50KB）

每个采集步骤完成后，自动生成一份摘要报告。
比如 Step 02 商品搜索完成后，生成 search_summary.md：

• 提取关键指标（搜索结果数、价格分布、评分分布）
• 生成 Top 10 商品表格
• 标注数据来源路径（方便追溯）

8 个采集步骤，每个摘要约 5KB，合计约 50KB。

第三层：最终报告层（~20KB）

整合所有摘要和分析结果，生成一份 600 行的 Markdown 报告。
报告结构固定，方便快速定位：执行摘要（30 秒速览）→ 第一篇 市场全景 → 第二篇 深度分析 → 第三篇 行动指南 → 附录。

🏗️ 设计洞见 三层聚合的本质是「信息压缩」。原始数据是「全量信息」，摘要是「关键信息」，报告是「决策信息」。每一层压缩比约 15:1，最终实现 750KB → 50KB → 20KB 的数据瘦身。你不需要读完整本小说，只需要读一份 20 页的「精华笔记」。

三层聚合架构

为什么是「11 步采集」

11 步不是随意拆分的，而是按照电商选品的决策链条设计的。
我把选品决策拆成三个问题：

1. 卖什么？ （商品层面）
2. 怎么卖？ （店铺+定价层面）
3. 谁来卖？ （达人+口碑层面）

每个问题对应一组采集步骤：

卖什么？（Step 02-06）

• Step 02 商品搜索：关键词搜索，获取市场全貌
• Step 03 热卖榜单：抓取热卖商品，锁定头部玩家
• Step 04 店铺提取：从热卖商品反推代表性店铺
• Step 05 店铺商品采集：采集这些店铺的完整商品列表
• Step 06 商品详情：深挖 SKU/变体/库存数据

怎么卖？（Step 09-10）

• Step 09 竞品分析：商品竞争力矩阵 + 店铺策略拆解
• Step 10 价格分析：价格带热力图 + 弹性分析 + 毛利测算

谁来卖？（Step 07-08）

• Step 07 达人数据：达人分布 + 合作效率 + ROI 分析
• Step 08 评论数据：情感分析 + 真实评论展示 + 痛点挖掘

最后，Step 01 负责初始化，Step 11 负责生成报告。

🔬 底层原理 11 步采集遵循「互斥且完备原则」（Mutually Exclusive, Collectively Exhaustive）：每一步采集的数据不重复，所有步骤合起来覆盖完整决策链。这保证了数据的完整性，同时避免了冗余。

11 步采集流程

为什么是「三篇输出」

传统数据报告的问题是：要么太长读不完，要么太短没价值。
我参考了麦肯锡的「金字塔原则」和亚马逊的「6 页备忘录」，设计了三篇递进结构：

第一篇 市场全景（5 分钟）

给忙碌的决策者看。
核心问题：「这个市场值不值得进入？」
内容：核心指标仪表盘、前 10 商品、前 5 店铺、一句话结论。

第二篇 深度分析（15 分钟）

给认真研究的执行者看。
核心问题：「市场格局是怎样的？我的机会在哪里？」
内容：爆款基因解析、店铺策略拆解、价格竞争格局、达人效率分析、用户口碑洞察。

第三篇 行动指南（10 分钟）

给准备动手的创业者看。
核心问题：「我该怎么做？第一步是什么？」
内容：入局决策树、选品策略详解、定价毛利测算、达人合作计划、风险清单、8 周行动计划。

📝 记住这个 三篇结构的精髓是「递进」。第一篇回答「值不值得做」，第二篇回答「为什么这样做」，第三篇回答「具体怎么做」。读者可以根据自己的时间和需求，选择读到哪一层。

🧩 记住这个 数据不是答案，数据是通往答案的地图。你要学会的不是收集数据，而是读懂地图。
你现在手里有地图吗？还是在闭着眼睛找路？

3. 实战：从「bluetooth earbuds」到 $6.6M 市场全景

让我用一个真实案例，展示这套引擎的输出。

输入

关键词：bluetooth earbuds市场：US（美国） 运行时间：2026 年 2 月 3 日

11 步执行过程

Step 01 初始化 （~5s）
脚本创建运行目录，验证 API 凭据，写入配置文件。
Step 02 商品搜索 （~20s）
调用 Apify Actor pratikdani/tiktok-shop-search-scraper，搜索「bluetooth earbuds」，获取约 100 条商品数据。
摘要输出：价格区间 39.95，评分均值 4.34，Top 10 商品列表。
Step 03 热卖榜单 （~7s）
抓取 TikTok Shop 热卖榜单数据，锁定该品类的周销冠军。
摘要输出：MINISO MS105 周销 7.26K 领跑，前五名占据 65% 市场份额。
Step 04 店铺提取 （~5s）
从热卖商品中提取 5 家代表性店铺：Goli Nutrition、JLab、NexusAudio、Audio Oasis、Listening Digital。
Step 05 店铺商品采集 （~60s）
采集这 5 家店铺的完整商品列表，了解其产品线布局。
摘要输出：JLab 产品线最丰富（10+ SKU），NexusAudio 主打性价比款。
Step 06 商品详情 （~35s）
深挖 Top 10 商品的详情数据：SKU 变体、库存、图片。
摘要输出：MS105 有 4 色可选（黑/白/绿/紫），白色库存最高（90,204 件）。
Step 07 达人数据 （~25s）
采集与这些商品合作的达人信息。
摘要输出：JLab 达人矩阵最强（7.11K 达人），MS105 达人效率最高（视频/达人比 1.52）。
Step 08 评论数据 （~10s）
采集商品评论，进行情感分析。
摘要输出：好评率 78%，主要痛点「期望不符」（35%）、「质量问题」（30%）。
Step 09 竞品分析 （SubAgent）
整合前 8 步摘要，生成竞争力矩阵和策略拆解。
Step 10 价格分析 （SubAgent）
生成价格带热力图、弹性分析、毛利测算表。
Step 11 报告生成 （SubAgent）
整合所有分析结果，输出 600 行最终报告。

输出：关键发现

市场规模

• 头部 5 家店铺 GMV 合计超 （其中118M 为保健品，蓝牙耳机相关 $6.6M+）
• 周销冠军 MINISO MS105 单品预估周 GMV $72K

价格格局

1. MS105 （$9.99）：极致性价比 + 全场景覆盖 + 达人高效率
2. MSHUKCOE （$17.67）：场景细分（睡眠专用）+ 15% 高佣金驱动
3. MS190 （$13.99）：功能创新（134 语言翻译）+ 长尾效应最强

达人生态

• < $5K：单品爆款策略，$9.99 性价比款，目标 1K 销量/月，ROI 2x
• 20K ：品类矩阵策略，多价格带覆盖，目标 5K 销量/月，ROI 3x
• >$20K ：品牌建设策略，中高端定位，目标 GMV $50K+/月，ROI 5x

🎉 里程碑 从输入「bluetooth earbuds」到输出 600 行报告，总耗时约 3 分钟（采集 ~3 分钟 + 分析生成 ~2 分钟）。如果你手动做这些工作，保守估计需要 3 天。
这不只是效率提升——这是时间的杠杆。
你节省的 3 天，可以用来思考更重要的问题：产品差异化怎么做？品牌故事怎么讲？用户真正需要什么？
自动化的意义，不是让你做得更多，而是让你想得更深。

实战案例：蓝牙耳机市场分析

4. 架构：Apify API + SubAgent 的技术协作

接下来看看技术实现。

为什么选择 Apify

TikTok Shop 没有官方开放的数据 API。要获取商品、店铺、达人、评论数据，需要进行数据获取。Apify 是一个成熟的网页数据采集平台（2015 年成立，Y Combinator 孵化）。它提供：

• 预置 Actor ：社区维护的模板，开箱即用
• 按量付费 ：Pay-per-result，用多少付多少
• 合规性 ：Actor 经过平台审核，相对安全

我用到的 6 个 Apify Actor：

💡 说人话 Apify 就像「数据外卖平台」。你不需要自己开火做饭，只需要在平台上点单（调用 Actor），外卖小哥（Apify 服务器）帮你把数据送到家。你付的是「外卖费」（API 调用费用），而不是「厨房设备费」（数据获取开发成本）。

为什么需要 SubAgent

数据采集是「体力活」，可以用脚本自动化。
但数据分析是「脑力活」，需要理解数据、发现规律、生成洞察。
这就是 SubAgent 的作用。
SubAgent 是 Claude Code 的多任务机制。主 Agent（就是你对话的那个 Claude）可以启动 SubAgent 来处理特定任务。

💡 说人话 SubAgent 就像你的助理团队。主 Agent 是你自己，SubAgent 是你派出去做具体任务的人。你负责「想」，他们负责「做」。
在 Step 09-11，我用 SubAgent 来处理分析任务——竞品分析、价格分析、报告生成。主 Agent 负责调度和采集，SubAgent 负责「读懂数据、发现规律、生成洞察」。
这种分工让系统既高效（脚本处理体力活）又智能（AI 处理脑力活）。

技术架构：Apify + SubAgent

5. 输出：报告结构解读与选品决策应用

让我详细解读报告的三篇结构，以及如何用它来指导选品决策。

第一篇 市场全景：5 分钟快速扫描

执行摘要（30 秒速览）

这是给最忙的人看的。
一句话总结市场：「蓝牙耳机市场竞争白热化，$9.99 性价比款周销 7.26K 领跑，品牌化与功能差异化是破局关键。」
6 项核心指标表格：市场规模、价格中位数、周销冠军、好评率、达人合作峰值、佣金率区间。
3 条立即行动建议：价格锚定、腰部达人优先、功能差异化切入。
2 条最大风险：价格战陷阱、同质化困境。

1.1 核心指标仪表盘

用 ASCII 图表展示：价格区间、销量分布、评分分布、达人生态。

1.2 热门商品排行 + 生命周期分析

前 10 商品表格，增加「生命周期」列：导入期/成长期/成熟期/衰退期。
生命周期分布图：成长期 50%、成熟期 30%、导入期 20%、衰退期 0%。
这帮你判断市场是「上升期」还是「饱和期」。

1.3 代表性店铺

前 5 店铺表格：类型（本土/跨境）、商品数、总销量、总 GMV、主营品类、评分。

1.4 一句话结论

「蓝牙耳机市场已进入红海竞争，$9.99 性价比策略短期有效但利润薄，JLab 品牌化路线证明中高端仍有空间，翻译耳机等功能创新是破局关键。」

❓ 你可能会问 「我只有 5 分钟，应该怎么用第一篇？」
看执行摘要的「一句话总结」和「最大风险」。如果风险可接受，看「立即行动建议」确定方向。如果想深入了解，进入第二篇。

第二篇 深度分析：15 分钟决策支持

2.1 爆款基因解析（前 3 深度拆解）

每个爆款用表格拆解 6 个维度：价格策略、产品定位、核心卖点、SKU 策略、达人生态、曝光转化。
然后总结「爆款基因」——可复制的成功要素。
比如 MS105 的爆款基因：价格锚定 $9.99 心理价位 + 功能无短板覆盖全场景 + 白色系主打符合年轻审美 + 达人合作效率高。

2.2 店铺经营策略深度拆解

四象限分析（高价位/低价位 x 高达人合作/低达人合作），定位每家店铺的战略位置。
能力雷达图（价格竞争力、产品质量、品牌影响力、达人生态、产品创新），量化每家店铺的能力分布。
发展阶段分析（导入期/成长期/成熟期），判断每家店铺当前状态和下一步建议。

2.3 价格竞争格局

价格带热力图：商品数、销量热度、竞争强度、利润空间，按价格带分层展示。
价格弹性分析：每个价格带的代表商品、价格变动对销量的影响、弹性系数、策略建议。
关键发现：弹性系数（高弹性，价格敏感）；26.99+ 弹性系数 0.8-1.0（低弹性，品牌主导）；17.67 是最佳平衡点。

2.4 商品竞争力对比矩阵

5 款代表商品，6 个维度（价格竞争力、产品质量、品牌影响力、功能创新、达人效率、用户口碑），每维度 1-5 星评分。
综合评分排名：JLab Mini 4.0 > MS105/MS190 3.7 > MSHUKCOE/Monster 3.5。

2.5 达人带货效率分析

ROI 对比表：达人数、视频数、直播数、曝光量、周销量、CPM、ROI 评级。
达人合作优先级矩阵（高转化率/低转化率 x 低成本/高成本），指导选择哪类达人。
达人合作建议表：粉丝量级、合作模式、适合商品、预期 ROI、月度预算。

2.6 用户口碑洞察

情感分布图：正面 78%、中性 11%、负面 11%。
真实评论展示：好评精选 5 条 + 差评精选 5 条（含评论原文、评分、商品、痛点分析）。
用户痛点分析表：痛点类别、出现频率、典型描述、改进建议。

⚡ 三秒版 第二篇的核心价值是「理解市场格局，找到你的机会窗口」。爆款基因告诉你「成功要素是什么」，竞争格局告诉你「哪个价格带还有空间」，达人分析告诉你「应该找谁合作」。

第三篇 行动指南：10 分钟落地执行

3.1 入局决策树（ASCII 可视化）

从「你准备好了吗？」开始，按预算分三条路径：<单品爆款策略；5K-品类矩阵策略；20K → 品牌建设策略。
每条路径明确：目标销量、周期、ROI 预期、具体行动步骤。

3.2 选品策略（3 种策略详解）

每种策略用表格展示：目标价格、参考竞品、核心功能、SKU 数量、佣金设置、供应链、预期毛利、风险等级。

• 策略 A 性价比跟随：12.99，风险高，适合有供应链优势的玩家
• 策略 B 场景差异化：19.99，风险中，适合有产品创新能力的玩家
• 策略 C 功能创新：34.99，风险低，适合有品牌运营能力的玩家

3.3 定价策略（毛利测算表）

成本结构分析表：采购成本、运费、平台佣金、达人佣金、包装，计算总成本、毛利、毛利率。
定价公式和示例计算，给出建议定价区间。

3.4 营销策略（达人合作计划）

分三个阶段：

• 第一阶段冷启动（第 1-2 周）：小达人寄样 + 腰部达人合作 + 评论维护
• 第二阶段增长期（第 3-4 周）：腰部达人加投 + 中腰达人 + 直播测试
• 第三阶段规模化（第 5-8 周）：达人矩阵扩展 + 头部达人 + 直播常态化

每个阶段明确：行动项、数量、预算、预期产出。

3.5 风险清单（分级）

分三级：

• 高风险（立即关注）：价格战升级、库存积压
• 中风险（持续监控）：平台政策变化、供应链波动
• 低风险（定期复盘）：达人违约、差评攻击

每条风险明确：影响、概率、应对措施。

3.6 具体行动计划表（周度）

8 周甘特图（ASCII 可视化）：选品调研、供应商对接、样品测试、Listing 上架、小达人铺量、腰部达人合作、直播测试、数据复盘。
周度行动表：核心目标、关键行动、交付物、成功标准。

🌉 用生活理解技术 第三篇就像「旅行攻略的最后一章」。第一篇告诉你「目的地值不值得去」，第二篇告诉你「目的地有什么景点」，第三篇告诉你「第一天去哪、住哪、吃什么」。有了第三篇，你不再是「知道很多道理但依然过不好」，而是「拿起攻略就能出发」。

三篇递进报告结构

6. 写在最后

今天分享的这套选品引擎，证明了一件事：
电商选品可以数据驱动、可以系统化、可以自动化。
三个核心洞见带走：

1. 数据不是告诉你「卖什么能赚钱」，而是帮你「排除不该碰的雷区」
2. 自动化的边界是「重复」，不是「一切」——判断力仍然是你的
3. 工具再强大，也只是地图。走哪条路，由你决定

如果你也是那种「不愿意拍脑袋做决定」的人——恭喜你，我们是同一类人。

在用这套引擎之前，我想问你一个问题：
你现在选品最大的痛点是什么？
是不知道卖什么？还是不知道怎么定价？还是找不到合适的达人？
留言告诉我，说不定下一篇就写你需要的。

7. 你可能会问

「我不会代码，这和我有什么关系？」
这是个好问题。
这套引擎确实需要 Claude Code 来运行。但你要做的，只有三步：

1. 安装 Claude Code
2. 复制文末的提示词
3. 按 Enter

剩下的，Claude 替你做。
你不需要懂 Python，不需要懂 API，不需要懂 JSON。你只需要知道「我想分析什么关键词」。

文末有完整的复刻提示词，复制给 Claude Code 就能从零搭建。

8. 一键复刻

复制这段提示词给 Claude Code，从零复刻完整系统：
「你是 TikTok Shop 数据分析系统架构师。请为我构建一套 TikTok Shop 商品追踪分析 Skill，实现以下完整功能。
系统目标 ：输入商品关键词，自动完成 11 步数据采集与分析，输出 600 行可直接行动的电商分析报告。
核心架构设计 ：

1. 三层聚合架构
   • Layer 1 原始数据层（~750KB）：存储采集的原始 JSON 数据
   • Layer 2 步骤摘要层（~50KB）：每步骤生成 *_summary.md 摘要
   • Layer 3 最终报告层（~20KB）：整合所有摘要生成 report.md
2. 11 步工作流
   • Step 01 初始化：参数收集 + 目录创建 + 凭据验证
   • Step 02 商品搜索：关键词搜索获取市场全貌
   • Step 03 热卖榜单：抓取热卖商品锁定头部玩家
   • Step 04 店铺提取：从热卖商品反推代表性店铺
   • Step 05 店铺商品采集：采集店铺完整商品列表
   • Step 06 商品详情：深挖 SKU/变体/库存数据
   • Step 07 达人数据：达人分布与合作效率分析
   • Step 08 评论数据：情感分析与痛点挖掘
   • Step 09 竞品分析（SubAgent）：竞争力矩阵与策略拆解
   • Step 10 价格分析（SubAgent）：价格带热力图与毛利测算
   • Step 11 报告生成（SubAgent）：整合所有分析输出最终报告

报告结构（三篇递进） ：

1. 执行摘要（30 秒速览） ：市场一句话 + 核心数字表格 + 立即行动建议 + 最大风险
2. 第一篇 市场全景（5 分钟） ：核心指标仪表盘 + 前 10 商品排行 + 前 5 店铺 + 一句话结论
3. 第二篇 深度分析（15 分钟） ：爆款基因解析 + 店铺策略拆解 + 价格竞争格局 + 商品竞争力矩阵 + 达人效率分析 + 用户口碑洞察
4. 第三篇 行动指南（10 分钟） ：入局决策树 + 选品策略详解 + 定价毛利测算 + 达人合作计划 + 风险清单 + 8 周行动计划
5. 附录 ：数据来源 + 关键文件路径 + 采集时间线 + 名词解释

请按照这个架构构建完整系统。」

这套 TikTok Shop 选品引擎只是「电商自动化」模块的一个实战项目。在课程中，你还会学到多平台内容批量创作、微信公众号自动发布、小红书爆款复刻、AI 视频剪辑等各类实战项目。
如果你想获取完整资源、系统学习 AI 编程工作流，欢迎加入 翔宇工作流：AI 编程实操课 。