单店周上新从约 10 个提高到约 50 个，确认趋势到上架最快 1 天，人力投入下降约 67%，流程参与人员从 3 人变成 1 人。
笑驴 AI 把市场机会发现、经营验证、视觉制作、商品上架、测款优化和扩品连接起来，实现选品全链路 AI 自动化。
RPA 负责数据采集和重复执行，Agent 负责分析与任务调度，人集中处理趋势方向、货盘利润、视觉方案和投放去留等关键判断。原来的三岗接力，由此变成一名运营管理 Agent 和 RPA 的连续工作流。
01 市场机会发现
RPA 准备数据，Agent 从数据中找机会
选品数据库每天更新
每天凌晨，八爪鱼 RPA 按计划进入百度指数等趋势平台，采集类目关键词及其搜索变化；再进入淘宝、京东等电商平台，采集同行店铺，以及店铺中已经产生销量的商品，统一写入选品数据库。
白天打开系统时，关键词趋势库、竞店库和商品库已经完成更新。市场机会可以直接从最新数据开始判断。
趋势选品：从升温需求找到具体商品
Agent 分析关键词变化，找出正在升温的需求方向。RPA 再通过飞书把趋势词和判断依据推送出来，等待人工确认。
方向确认后，Agent 根据关键词扩展细分场景与商品词，匹配库中已有商品。同时让 RPA 根据细分场景与商品词，进入淘宝、京东等寻找新的竞店和竞品，持续更新候选商品池。
竞对选品：从真实成交补充商品机会
Agent 从竞店库中锁定值得持续观察的店铺和竞品，形成竞对商品清单，与趋势选品结果汇入同一个商品候选池。
02 经营验证与上架
从候选商品走到可销售商品
商品候选池形成后，开始验证这些商品是否具备实际经营条件。验证按竞店、店内商品和具体单品三个层次推进，每一步都由真实平台数据支撑下一步筛选。
输入竞店名称，先筛出有参考价值的店铺
在 Agent 对话中提交竞店名称，发起竞店分析任务。RPA 进入 DMP 等具备相应数据的电商数据分析平台，读取各店铺的流量规模、成交体量及经营健康度数据，再把结果返回给 Agent。
Agent 横向比较多家店铺，识别体量过小、数据异常或经营策略缺少参考价值的店铺。筛选结论进入可视化报告，重点竞店清单则继续进入商品层验证。
提交重点竞店，再锁定持续成交的商品
重点竞店确认后，RPA 继续读取店内 Top 商品及成交表现。Agent 比较商品在一段时间内的销量与经营数据，剔除偶然爆发的单品，保留具备持续成交能力的商品。
输入候选商品，核验流量、转化和客群
具备持续成交能力的商品进入单品分析。RPA 逐个读取 DMP、广告后台和商品页面中的流量来源、转化率、ROI 与客群数据。
Agent 对返回结果进行分析，判断成交主要依赖自然流量还是付费投放，转化和 ROI 是否符合经营要求，购买人群与商品定位及店铺客群是否匹配。
分析结果写入单品经营报告。依赖高投流、转化表现较弱或客群不匹配的商品从候选池中剔除，保留下来的商品进入内部货盘和利润核算。
通过经营验证的商品与内部货盘逐一匹配，确认是否有同款、相似款或能够快速承接的商品，并核算供应、成本和利润。市场有需求、经营数据可行、货盘能够承接、利润达到要求，四项条件全部成立后，商品进入视觉制作和上架环节。
视觉与上架：分析结果转成可销售商品
RPA 从同类高表现商品页面采集主图、详情页、标题和卖点。Agent 对这些素材进行比较，调用视觉 Skill 生成视觉方案，再由视觉智能体制作主图、场景图和详情素材。
主推款主图、品牌形象素材等关键内容经过人工审核，确认符合店铺调性和平台要求后，RPA 进入商家后台，录入商品信息、价格、SKU 和图片，完成商品上架，并把执行状态返回任务记录。
从候选商品到完成上架，数据、分析、视觉和系统操作沿同一条任务链继续推进，减少岗位之间反复传文件、对需求和等待排期。
03 测款、优化与扩品
让真实经营结果决定商品去向
低效商品及时停止投入
商品上架后进入测款阶段。在 Agent 对话中启动测款任务，RPA 按计划进入广告平台，下载各测款计划和投放单元的转化率、ROI 等数据。Agent 分析商品表现，生成保留、观察或停止投入的建议。
表现较差的计划和单元会进入暂停待办。停止名单经过人工确认后，RPA 回到广告后台执行暂停，并将执行结果写回任务记录。低效投入得到及时处理，达到经营要求的商品继续保留。
通过测款的商品继续优化
需要继续调整的商品，在 Agent 对话中提交本品和选定竞品。RPA 从商品页面采集双方的主图、详情、SKU、价格、标题和卖点，Agent 比较页面表达、商品定位和经营策略，生成差异分析与可直接执行的优化清单。
页面和卖点完成调整后，新一轮投放数据继续检验效果。优化不再依赖零散观察，而是持续使用同一组竞品数据和经营指标进行复核。
有潜力的商品继续扩品
当某个商品表现出进一步扩展的潜力，则在 Agent 对话中输入对应品类。调取 RPA 批量获取细分关键词，Agent 按使用场景、规格、人群和需求进行归纳，生成品类矩阵报告。
报告把零散关键词整理成清晰的扩展方向，用于判断哪些新规格、新场景和关联商品值得继续开发，把一个表现较好的商品扩展成一组新的商品机会。
04 结果写回系统
下一轮选品有了新的判断依据
投放、利润和转化结果持续写回系统，用于校准下一轮选品和测款规则。市场数据决定从哪里寻找机会，经营验证筛掉不合适的商品，真实投放结果再修正规则，整条流程由此持续运行。
人的时间从重复查数、整理文件和协调交接中释放出来，集中到趋势方向、货盘利润、视觉审核和投放去留等关键判断。写入 SOP 和 Skill 的选品标准，也能在后续任务中按统一口径继续执行。
将这套 AI 选品工作流
复制到你的店铺
如何接入 AI 选品工作流？先核对现有选品 SOP、数据平台、货盘规则和经营指标，再通过 Agent 和 RPA 自动化跑起来。
如果您的电商团队正面临精铺上新人力成本高、岗位协作慢、上新产能受限或选品标准难以复制等问题。欢迎联系小助手，咨询 AI 选品方法与相关 RPA 应用，将 AI 选品快速落地到您的团队。