本文包含联盟链接：通过文中链接注册或购买，我们可能获得佣金，不影响你的价格，也不影响我们的结论。价格与政策信息以 2026年7月20日 实查为准。 站外推广最耗时的从来不是找渠道，而是一条渠道一种腔调、一个红人一封信——deal 站帖要写得像捡便宜的自己人，红人 outreach 邮件要写得像懂对方内容的合作方，EDM 又得写成收件人愿意点开的老客户口吻。手写一封信要 20 分钟，一批 50 个红人就是一整天。这篇给你的做法是：把三种渠道的文案差异拆清楚，每种给一套可复制的 AI 提示词，再用变量化的方式让 AI 一次跑完整批个性化，你只做素材输入和最后一遍人工核对。站外要花多少钱、ROI 怎么算不在本篇讨论范围，这里只解决「文案怎么高效产出」这一件事。 先给一句贯穿全文的用法铁律：AI 出的是初稿，不是发件箱里的定稿。价格、优惠码、红人的真实内容方向、合规措辞，每一项都要你回到真实素材和平台政策核对一遍再发。下面每套模板都按同一结构给你——场景（解决什么）、模板（直接复制的 prompt）、变量（方括号里替换成你自己的素材）。 一、先分清：三个渠道的文案根本不是一回事 很多人站外推广效果差，不是渠道选错，而是把同一段话群发到了三个语境完全不同的地方。deal 站的读者是来薅羊毛的，红人是来找选题的，EDM 的收件人是已经认识你的老买家。三种人的阅读动机不同，文案的开头、长度、行动号召就得不同。 渠道 读者动机 文案重心 长度 行动号召 Deal 站帖（Slickdeals / DealNews / Reddit deal 版 / FB 折扣群） 找划算的东西，怕被套路 折扣力度 + 到手价 + 为什么值 短，一屏内看完 「点链接抢」，直给优惠 红人 outreach 邮件 找能给粉丝的选题和合作 你懂他内容 + 产品适配点 + 合作方式 中等，个性化开头 「要不要寄样品聊聊」 EDM（自有邮件列表） 已认识你，看有没有新东西 老客关系 + 新品 / 复购理由 中短，扫读友好 「回访 / 复购 / 新品尝鲜」 记住这张表，下面每套提示词都是照着这一列的「文案重心」调过结构的。想同时把 listing 本身也用 AI 打磨好，可以配合用 AI 写高转化亚马逊 Listing 的完整流程一起用；更全的卖家提示词可以看亚马逊卖家 AI 提示词模板库。 ...

本文包含联盟链接：通过文中链接注册或购买，我们可能获得佣金，不影响你的价格，也不影响我们的结论。价格信息以 2026年7月19日 实查为准。 选品工具选哪个，先记住一句话：没有一个工具能替你"选品"，它们只负责给市场"称重"——真实销量、搜索量、价格曲线是它们的活；判断趋势、挖痛点、拆竞品文案、把几个工具的数字交叉验证，是 AI 的活；最后拍板做哪款，是你的活。把这三层分清，你就不会为一个"全能工具"多付几千块。 这也是 2026 年选品工具格局最大的变化：过去大家比的是"谁的数据更全"，现在真正拉开差距的是"你会不会用 AI 把这些数据用透"。一个新手用免费源 + AI，往往比一个只会点付费套件按钮的人选得更准。 下面这份盘点分三层——免费打底、付费称重、AI 搭配——每个付费工具都附了 Chrome 应用商店里的真实用户差评（英文原文转译，标注日期），价格全部 2026年7月19日 当日实查。先看总表，再看细节。 一张总表：选品工具怎么分层用 工具 类型 适合谁 定价（2026-07-19 实查） 主要局限 亚马逊官方商机探测器 免费·官方 已有专业卖家账号的人 免费 需专业销售账号、只覆盖开通站点 Keepa 免费·历史数据 所有人（价格/BSR 曲线） 插件免费，数据导出等付费 不给销量估算、需自己解读曲线 卖家精灵 SellerSprite 免费档·中文 国内新手、中文界面党 有永久免费档（每日有限次查询） 免费额度小、深度功能要付费 Jungle Scout 付费套件 认真做私标的中小卖家 年付约 $348/年起（约合 $29/月，月付约 $49/月） 贵、销量估算被吐槽不稳、无免费试用 Helium 10 付费套件 想要全家桶的中大卖家 Platinum 年付 $99/月、Diamond 年付 $279/月；有免费档 贵、小卖家用不满、插件催评烦 AMZScout 付费套件 想要便宜入门套件的人 Seller’s Bundle $59.99/月起（年付约合 $33/月） 销量估算准确度被质疑、退订流程被骂 ChatGPT / Claude / Gemini AI 层 每个人都该配 免费档够用，Plus/Pro 约 $20/月 不给真实销量搜索量（会一本正经地编） 记住这张表的读法：上面三行（官方+Keepa+卖家精灵免费档）是"零成本能先跑起来"的底盘，中间三行是"要花钱买数据精度"的加速器，最后一行是"把前面所有数据用透"的大脑。多数新手的正确顺序是从上往下加，而不是一上来就买最贵的套件。 ...

同一个 ASIN，Jungle Scout 说月销 800，另一个工具说 2000，Keepa 的销售排名曲线又给你第三种感觉——到底该信谁？结论先给你：任何单一工具的销量数字都是"估算"而非"实测"，正确用法不是挑一个信到底，而是把多个来源摆在一起做交叉验证，取重叠区间、标注置信度，再拿这个区间去做决策。 这篇只讲选品流程里"数据验证"这一个环节：数据打架时，怎么用 AI 帮你判断该信谁、给出一个你敢下注的置信区间。 先把边界摆前面：AI 在这件事上负责"把几个来源的数字并排比对、算出重叠区间、标出矛盾点让你复核"，它替不了的是"去核实原始数据本身对不对"——它只能推理你喂给它的数字，喂错了它照样一本正经地算。 这篇讲的是合规的公开数据交叉分析，不涉及任何刷单、改单、伪造后台的玩法。整套选品 SOP 不在这篇展开，那是用 AI 做亚马逊选品的完整工作流的活；这篇专治"数据到手了但几个来源对不上"。 为什么销量数据总在打架 想用好交叉验证，先得明白这些数字为什么天生对不齐。搞清根因，你才知道该信哪个、在什么场景下信。 第一，几乎所有第三方销量都是"从 BSR 反推"的估算，不是真实成交。 亚马逊只公开销售排名（BSR），不公开具体销量。工具做的事是：拿历史上"某类目某 BSR 对应大概多少销量"的样本建个模型，再用你查的 ASIN 的 BSR 去套。有卖家直接问过 Jungle Scout 怎么算月销，得到的回答是"we calculate it from BSR and thats it"（Jungle Scout 用户评论，Chrome Web Store，2024-04-23）——模型不同、样本不同，出来的数就不同，这是估算的本质，不是哪家"算错了"。 第二，类目和站点差异会放大误差。 BSR 到销量的换算关系每个类目都不一样，冷门类目、新品、变体多的 listing，样本稀薄，估算偏差最大。有用户实测把工具数据和亚马逊后台一对，“when we compare jungle’s data and amzon sale data, it is also mismatch”（Jungle Scout 用户评论，Trustpilot，2025-10-31）——后台是你自己的真实成交，第三方估算对不上很正常，因为它压根不是同一种东西。 第三，数据有延迟和抽样。 Keepa 这类工具靠爬取快照建历史曲线，抓取有频率、有配额；BSR 本身是滚动排名，一天内都在跳。你上午看的和下午看的能差一截，不代表哪个"坏了"。 第四，也是最要命的——你会拿一个错的数去做重决策。 有人就栽在这上面：“the data is not accurate and I launched a product based on it which failed given the low search volume and sales”（Jungle Scout 用户评论，Trustpilot，2026-07-08）。他不是被工具骗了，是把"一个估算值"当成了"事实"直接开干。交叉验证要解决的就是这件事：不让任何单一估算独自决定你的钱。 ...

同一款产品，挂了 A+ 内容和没挂 A+ 内容，详情页给人的感觉完全是两个档次。没挂的那种，划到商品描述位置就是一段灰扑扑的纯文字；挂了的那种，是一屏屏图文并茂的品牌故事、场景大图、对比表格。买家不会读你的心，但他会用停留时间和加购动作投票——A+ 内容就是你在详情页里为"值得信任"做的视觉铺垫。 先把结论摆前面：A+ 内容不是把五点描述再抄一遍换成图，而是承接标题和五点装不下的信任信息——品牌来历、材质细节、使用场景、和竞品的对比、售后承诺。它是免费的（对有资格的卖家），据亚马逊官方数据，基础版最高可提升 8% 的销量、高级版最高可提升 20%（2026年7月19日实查 sell.amazon.com/tools/a-content）。而 AI 在这件事上的角色很明确：你给真实的品牌素材和产品事实，AI 负责把它们套进各个模块的文案框架里批量成稿，你再定稿。下面按"先搞清模块 → 逐块给提示词 → 保调性一致 → 合规兜底"的顺序讲透。 一、A+ 内容到底有哪几种模块 动手写之前先分清 A+ 的三种类型，否则你写的文案可能根本没地方放。以下规格 2026年7月19日实查 sell.amazon.com 官方页： 类型 能放什么 模块上限 谁能用 基础版 Basic A+ 图片、文字、品牌 Logo、对比图表、技术规格表 每个 ASIN 最多 5 个模块 专业卖家 + 品牌注册（或有通用产品权限） 品牌故事 Brand Story 图文、轮播卡片、指向店铺/其他产品的链接 每个 ASIN 一个品牌故事区 同上 高级版 Premium A+ 更大的图、视频、交互热点、可点轮播、Q&A、增强对比表 每个 ASIN 可放更多模块（具体上限以后台 A+ Content Manager 为准） 同上，且需满足额外资格 关键资格线要记牢：A+ 内容不是所有卖家都能用，前提是专业卖家账户 + 完成亚马逊品牌注册（Brand Registry），并被授予品牌代表或经销商角色（2026年7月19日实查）。没做品牌注册的白牌卖家用不了标准 A+。高级版还有更高门槛：需要在所有品牌 ASIN 上都发布了品牌故事模块，且过去 12 个月内有 5 个已通过审核的 A+ 模块（第三方口径 2026-07-19，官方公开页未逐项列出该细则，以品牌注册后台实际资格提示为准）。 ...

竞品的差评，是市场花真金白银替你做完的用户调研。你要做的不是"处理"这些差评，而是把它们批量喂给 AI 做痛点聚类——当多个竞品在同一个维度反复挨骂，那就是这个品类被验证过的通病，也是你最直接的差异化入口。 这篇讲清一条完整闭环：抓竞品公开差评 → 让 AI 把散乱评论聚成痛点簇 → 从痛点反推差异化卖点 → 把卖点回填进 listing 的五点和 A+。全程给你可以直接抄的 Prompt。 先把边界摆前面：AI 在这件事上负责"读懂大量文本、归纳共性、生成卖点措辞"，它替不了的是"判断哪个痛点值得改、改的成本你扛不扛得住"——那要结合你的供应链和成本自己拍板。 抓竞品公开评价做分析属于合规的市场调研，这篇只讲怎么读懂对手的短板、把它变成你的长处。 整条流程长什么样 一句话概括这条流水线：把"人肉一条条读几百个差评划重点"这件最耗时的脏活，压缩成三次结构化的 AI 调用。 步骤 你做什么 AI 做什么 产出 1 抓差评 选 3-5 个头部竞品，导出 1-3 星评论 —— 一批原始差评文本 2 痛点聚类 把差评粘给 AI 按主题聚成痛点簇、算频次、标严重度 痛点地图 3 提炼卖点 把痛点地图给 AI 把每个痛点翻转成差异化卖点角度 卖点清单 4 回填 listing 把卖点给 AI 组织进五点/A+/主图文案草稿 listing 文案初稿 下面逐步拆，每步都给 Prompt。 第一步：抓竞品公开差评 先定"抓谁"：在你的核心关键词下搜出前排的 3-5 个竞品 ASIN，优先选那些评分中等（3.8-4.3 星）、评论数几百到几千的——评分太高的差评太少挖不出料，太低的往往是杂牌参考价值低。 再定"抓什么"：只要 1-3 星评论。抓取方式有三种，按你的量级选： 手动复制：竞品不多、只想快速摸一遍时，直接在亚马逊评论区筛选 1-3 星，翻几页复制粘贴，几十条就够跑出方向。 工具导出：要系统做、覆盖多个 ASIN 时，用卖家精灵、Helium 10 这类工具的评论分析/导出功能，或亚马逊后台自家产品的 Voice of Customer，把评论批量拉成表格（具体功能与档位以工具官网当前说明为准，各家迭代很快）。 亚马逊自带的 Customers Say：现在商品页会有一段 AI 生成的评论摘要，能帮你快速定位买家反复提到的关键词，作为聚类前的预览。 范围界定一句：本文只涉及公开可见的买家评价，用于分析产品和市场，属正当的竞品调研；操纵评价、删差评、刷评是完全不同的另一类操作，不在本文范围内。 ...

亚马逊后台每张报表都能导出 CSV，但真正卡住卖家的从来不是"导不出来"，而是"导出来一堆数字，看不出该动哪个 SKU"。用 ChatGPT 做亚马逊数据分析这件事，AI 读报表最值钱的地方不是替你算总和——后台自己就会算——而是替你做三件人肉很慢的活：跨表交叉（把广告花费、销量、退货并到同一个 SKU 上看）、揪异常（自动挑出"花钱多但不出单"“销量涨但退货也涨"的问题 SKU）、写周报（把结论压成一段人话）。至于每个数字准不准，仍以你后台导出的原始报表为唯一真值，ChatGPT 只做解读、不生产数据。 这篇给你一套可直接抄的提示流程：三张核心报表分别怎么喂、问什么、怎么交叉，最后让 AI 生成一份能直接发群里的周报。纯公开流程，不需要给你看我的后台截图，你拿自己的报表照着跑即可。 先做一件事：喂报表给 AI 之前，务必脱敏 这一步排在所有 prompt 之前，因为它关系到合规，不是可选项。亚马逊部分报表（尤其是订单报告、退货报告）会带买家个人信息（PII）：姓名、收货地址、邮箱、电话、订单号。把这些整表直接粘进 ChatGPT，等于把买家隐私交给了第三方，既违反平台的数据使用条款，也踩 GDPR/CCPA 的线。 导出后、喂给 AI 之前，先在 Excel 或表格工具里删掉这些列，只留分析真正要用的字段： 广告报表：留 SKU/ASIN、广告活动名、关键词/投放对象、曝光、点击、花费、销售额、订单数、ACOS——不含任何买家信息，通常最安全。 业务报告（销量）：留 SKU/ASIN、会话数、页面浏览量、购买转化率、订单量、销售额——按 SKU 聚合，本就不含 PII。 退货报告：只留 ASIN/SKU、退货原因、退货数量、退货日期，删掉买家姓名、订单号、地址等所有能定位到人的列。 记一句话：喂给 AI 的表里，一行数据不应该能对应到某一个具体买家。 做到这条，剩下的分析就可以放开做了。 第一张：广告报表——让 AI 揪出"烧钱不出单"的投放 广告报表是最该交给 AI 的一张，因为它的分析逻辑高度规则化，人肉筛几百行关键词又慢又容易看漏。导出"搜索词报告"或"投放报告”，脱敏（本就无 PII）后粘进去： 你是亚马逊广告数据分析师。下面是我的广告投放报表（CSV，我粘在末尾）， 字段含义：SKU、广告活动、投放关键词、曝光、点击、花费、销售额、订单数、ACOS。 请帮我做四件事，每件都用表格输出、附上支撑数字： 1. 揪出"高花费零转化"的投放：花费 > 全表花费中位数、但订单数=0 的关键词/投放对象， 按花费从高到低列出——这些是首选的否词或降价对象。 2. 揪出"高 ACOS"的投放：ACOS 明显高于该 SKU 平均 ACOS 的投放，指出高多少。 3. 找出"低花费高转化"的潜力词：花费不高但订单数/转化率靠前的词，建议加预算。 4. 给一句话总结：这批投放里最该立刻停掉的是哪几个，最该加码的是哪几个。 不要编造字段里没有的数据；如果某个判断需要我补充信息，直接告诉我缺什么。 最后那句"不要编造"很关键——AI 只能基于你给的列算，别指望它知道表里没有的转化率或利润率。想更系统地把广告优化跑成闭环，可以接用 AI 优化亚马逊 PPC 广告那套否词与出价打法。 ...

先给你一句话结论，省得你翻到底：没有"最强的 AI"，只有"这个活儿最顺手的 AI"。 写 listing 文案和批量分析评论，优先 Claude；做产品图、要一个订阅全能兜底，优先 ChatGPT；重度用 Google 生态、要塞超长文档，优先 Gemini。预算只够养一个？选 ChatGPT，它是三家里最不容易踩空的那个。 这篇不做参数跑分，不比谁的模型编号更大——那些数字每个月都在变，对你卖货没意义。我们只回答一个问题：你手头这个具体的活，交给哪个模型能又快又省心。 下面按亚马逊卖家最高频的四个场景一个个拆，每个场景直接给推荐和理由，最后附上三家 2026 年 7 月的最新定价和一套省钱组合。 想先看全环节工具怎么配，可以先读跨境卖家 AI 工具全盘点——那篇覆盖选品、客服、自动化各环节的工具栈，第一节只带过大模型；本篇是专门的模型选型深挖，把三大模型按卖家场景掰开对比，两篇配合看。 一分钟速查：四个场景，直接对号入座 你要干的活 首选 次选 为什么 写 listing 标题/五点/描述 Claude ChatGPT 文案质感自然、长文本不掉链子，改写贴合欧美消费习惯 做产品图 / A+ 配图 ChatGPT 或 Gemini —— 两家都内置出图；Claude 不直接生成图片，出局 读后台报表 / 数据分析 ChatGPT Gemini 上传 CSV 直接跑代码分析成熟；数据在 Google 表里则选 Gemini 批量分析评论 / 长报告 Claude Gemini 长上下文与大批量文本是 Claude 传统强项；超大文档 Gemini 也扛得住 看不懂表也没关系，记一句话就够：文字活找 Claude，图片活找 ChatGPT/Gemini，一个订阅通吃找 ChatGPT。下面逐个场景讲清楚"为什么"和"怎么用"。 场景一：写 listing 文案——Claude 的质感更稳，ChatGPT 更全能 listing 是卖家日更的刚需活。三个模型都能写标题、五点、描述，差别在成稿的味道和批量处理。 ...

想让 ChatGPT 帮你写 listing、挖否定词、回差评，最大的门槛往往不是不会用 AI，而是不知道该怎么问。同一个模型，指令写得含糊，出来的是一堆正确的废话；指令写得到位，出来的东西直接能贴进后台。这篇给你 20 个已经调好结构的亚马逊卖家 AI 提示词模板，覆盖 listing 文案、选品调研、客服话术、PPC 广告四大场景，每个都留了变量占位——复制过去，把方括号里的内容换成你自己的产品就能跑，零成本自建一套 AI 工作流，不用再为动辄上千美金的套件年费买单。 先说一句贯穿全文的用法铁律：prompt 是初稿引擎，不是决策者。AI 生成的关键词、销量判断、合规措辞，都要你回到真实数据源和亚马逊后台政策核对一遍再用。下面每个模板都按同一结构给你——场景（解决什么）、模板（直接复制的 prompt）、变量（方括号里要替换什么）。建议整页收藏，用到哪类跳哪节。 一、Listing 文案：5 个直接贴进后台的 prompt Listing 是卖家的日更刚需，也是 AI 最成熟、最能立刻省时间的环节。这一节的 5 个模板配合用 AI 写高转化亚马逊 Listing 的完整流程一起用效果最好。核心提醒：AI 出的每一版都要人工过一遍违规词（医疗功效、绝对化用语是雷区），关键词回选品工具核对搜索量再定。 Prompt 1 · 标题生成 你是资深亚马逊美国站文案。产品是【产品名称+核心规格】，目标买家是【人群画像】，主关键词是【主关键词】，次要关键词有【关键词2/3】。请写 3 个 200 字符以内的标题候选，主关键词尽量前置，包含品牌【品牌名】，只描述真实卖点、不用绝对化和医疗功效词。每个标题下方标注它突出的差异点。 变量：产品名称、人群、主/次关键词、品牌名。 这条 prompt 实际跑出来长什么样——把变量填成一款示范产品（产品：不锈钢猫用饮水机 84oz/2.5L 静音过滤；人群：白天上班不在家的养猫家庭；主关键词：cat water fountain stainless steel；品牌：PetNest），得到的 3 个标题候选如下（以下为 AI 生成的示例输出，非后台截图，你替换成自己的产品即可复用）： PetNest Stainless Steel Cat Water Fountain, 84oz/2.5L Automatic Pet Water Fountain for Cats & Dogs, Ultra-Quiet Pump, Replaceable Filters, Easy to Clean —— 把「不锈钢」这个核心差异点前置，主打易清洁与静音。 Cat Water Fountain Stainless Steel, PetNest 84oz Automatic Pet Water Fountain, Whisper-Quiet Pump, Dishwasher-Safe Top, for Multi-Cat Homes & Busy Owners —— 主关键词完全前置，突出洗碗机可洗与「多猫家庭/上班族」场景。 PetNest 84oz Automatic Cat Water Fountain, Stainless Steel with Quiet Pump & Triple Filtration, Keeps Water Fresh All Day for Cats & Dogs —— 用「三重过滤/全天保鲜」做利益点，弱化参数、强化好处。 三个候选都在 200 字符内、主关键词尽量靠前、含品牌名，且没有绝对化或医疗功效词——这正是这条 prompt 结构该产出的效果。 ...

本文包含联盟链接：通过文中链接注册或购买，我们可能获得佣金，不影响你的价格，也不影响我们的结论。价格与功能信息以 2026年7月18日 实查为准。 想把美国站的爆款 listing 复制到德国站、日本站，最省事的做法是把英文丢进翻译器、把译文贴回后台——这也是最容易翻车的做法。一句话先给结论：多站点本地化的正确单位不是"翻译"，而是 transcreation（创译）——按当地买家的搜索词和表达习惯重新组织卖点，而不是逐字搬运英文。AI 能把创译的成本降到几乎为零，但前提是你得知道它该做什么、不该做什么。 直译为什么一定踩坑：四个隐形陷阱 把英文 listing 直接机翻，表面看每个词都对，实际上四样东西全丢了： 关键词密度对不上当地搜索：德国买家搜"Trinkflasche"而不是"water bottle"的字面直译，日本买家搜"水筒"也搜片假名"ボトル"。直译出来的词，当地根本没人这么搜，A9 收录了也没流量。 合规词与法规措辞：欧盟站对材质、能效、CE 标识的表述有当地惯例；食品接触、母婴类目的措辞红线各国不同。机翻不懂这些，照直译容易踩当地平台或法规的雷。 字符与字节限制错位：德语单词普遍比英文长（复合词一串），直译常把标题撑爆 200 字符线；日语按字节算又是另一套。原文卡着上限，译文必然溢出。 语气与本地表达：日语 listing 讲究礼貌体与场景感，德语偏精确参数，法语重体验描述。直译出来的"翻译腔"读着就像机器写的，转化自然低。 举个直观的例子。英文五点"Keeps drinks cold all day"，机翻成日语大概率是"一日中飲み物を冷たく保ちます"——语法没错，但读着生硬、缺场景。日本买家真正会点进去的写法更像"朝入れた氷が夕方まで溶けにくい、通勤にも運動にも"（早上放的冰到傍晚都不易化，通勤运动都合适）——同一个卖点，换成当地买家能代入的场景。这就是直译和创译的分水岭。 第三方工具在这件事上帮不上多少忙，甚至常年是缺口。有卖家实测吐槽某邮件工具"there is no support for European Amazon markets anymore"（第三者情报，Zonmaster 用户，Trustpilot 2021-04-19）；也有广告工具用户提到"Minor delays in data synchronization for some European Amazon marketplaces"（第三者情报，Teikametrics 用户，G2）。结论：别指望买一个工具就能全站通吃，本地化的核心动作得你自己按站点做一遍。 正确流程：把"翻译"拆成五步创译 第一步：按站点重做关键词研究（不是翻译关键词） 这是最反直觉、也最关键的一步。当地关键词不能靠翻译英文词得来，要在当地站点重新查。 举例：英文核心词"leak proof water bottle"，德国站真正的高搜索词可能是"auslaufsichere Trinkflasche"，但也可能是"Trinkflasche auslaufsicher"这个语序——哪个搜得多，得用当地站点的数据说话。 做法是用支持多国站点的关键词工具，切到目标站点拉词。Helium 10 的 Magnet/Cerebro 支持德、法、意、西、日等站点的关键词与反查（Helium 10 专链，多站点关键词库是它相对国产工具的一个真实优势）。做竞品差评挖掘、找当地买家真实用词，也可以用 AmzFinder 这类按站点抓 Review 的工具，把当地一星差评里反复出现的名词捞出来当长尾词。拿到当地词表，才有喂给 AI 的合格原料。 ...

一张不专业的主图，会让你砸钱投的广告白烧。同样的产品，别人的场景图让人一眼想买，你的图糊得像随手拍——转化差的那几个点，很多时候就卡在图上。过去解决它只有两条路：自己搭棚拍，或者一张图上百块外包给设计。现在还有第三条：用 AI 把这活儿干掉大半。 先把结论摆前面，省得你走弯路：AI 最擅长的是处理你已有的实拍图（抠白底、换背景、生成场景），而不是凭空捏造一个你根本没拍过的产品。 亚马逊的主图规则里有一条硬杠——主图必须是真实产品的专业照片，纯 AI 生成、看着像但和实物对不上的主图，是有被判违规下架风险的。所以正确姿势是：主图让 AI 帮你"修"，场景图和 A+ 让 AI 帮你"造"。 这篇就按这个分工，把三类图分别怎么做、用什么工具、提示词怎么写，一条一条讲清楚。 先分清楚：哪种图 AI 能造，哪种只能修 亚马逊一个 listing 的图，本质是三类，AI 在每类里的"权限"完全不同，搞混了要么白费功夫要么踩合规线。 主图（白底主图）：合规要求最严。必须是实际产品的实拍照片、纯白背景、产品占画面 85% 以上、不能有文字水印。AI 在这里只做后期——把你手机随手拍的图抠干净、换成标准纯白底、清掉杂光和瑕疵。凭空生成一张"看起来是这产品"的主图，属于用 mockup/图形冒充实拍，是明确的违规项。 场景图 / 生活方式图（附图 2-7 张）：AI 发挥空间最大。产品放在厨房台面、放在办公桌、模特手持使用……这些"用起来什么样"的图，AI 可以直接把你的产品抠出来、合成进任意场景，省掉搭景和请模特的钱。 A+ 内容配图（品牌旗舰店/A+ 页面）：模块化的图文，对比图、使用步骤图、细节特写背景、品牌氛围图，AI 出图 + 排版工具，基本能零外包搞定。 记住这条分工，下面所有工具和提示词都是围着它转的。 三类图分别怎么做 1. 白底主图：AI 只做"清理"，不做"创造" 流程很简单：你拍（哪怕手机拍）→ AI 抠图换白底 → AI 清瑕疵 → 核对合规。 用 Photoroom、Gemini（nano banana）这类工具，上传实拍图，一句话指令"移除背景，替换为纯白色背景（RGB 255,255,255），保留产品原始细节不做改动"。 抠完检查边缘有没有毛刺、半透明部分（玻璃、瓶身反光）有没有被抠坏——这是 AI 抠图最容易翻车的地方。 千万别让 AI"顺手美化"产品本身的形状、颜色、logo。主图和买家收到的实物必须一致，AI 改了实物特征等于埋雷。 一个能直接用的主图清理提示词： “这是我产品的实拍照片。请只做以下处理：① 精准抠出产品主体，移除全部背景；② 背景替换为纯白色 RGB(255,255,255)；③ 修掉桌面反光和灰尘等瑕疵。不要改变产品本身的形状、颜色、材质、logo 和文字，不要添加任何原图没有的元素。输出正方形、产品居中占画面约 85%。” ...