ChatGPT

你选好了品，备货款也快打出去了，结果一上架发现这个类目要"审核"——亚马逊要你交发票、交证书，材料备不齐就上不了架，货砸手里。这种在上架前一秒才发现被 gating（类目/品牌受限）的坑，做亚马逊的基本都踩过一次。 问题不在于审核本身，而在于你太晚才知道要审核、又不清楚到底要交什么。这篇讲的就是把这两件事往前挪：选品阶段就用 AI 预判这个品大概率会不会触发审核，再让 AI 按类目把要交的资料清单一次性列全，最后提交前用 AI 把发票和证书预检一遍。说清楚一点——AI 在这里只做"提前排雷"和"整理清单"，它给不了、也代替不了亚马逊后台的最终裁决，真要不要审、审什么，永远以你自己后台显示的为准。 先搞清楚：受限类目到底卡的是什么 亚马逊的"上架限制"其实分两层，别混着看： 类目审核（category approval / gating）：整个类目需要资质才能卖，比如自动摄入类（保健品）、食品杂货、汽车配件、部分美妆、珠宝手表、收藏品等。你要向亚马逊证明货源合法、产品合规。 品牌审核（brand gating）：类目开放，但某个品牌做了品牌备案、锁死了跟卖，你没有授权就上不了这个 ASIN。 判断一个品要不要审核，唯一权威的地方是你自己的卖家后台，不是任何一份网上的"受限类目清单"。官方查法（2026年7月22日）：进后台「Catalog / 添加商品」，用 ASIN、UPC 或产品名搜到要卖的商品，看结果里有没有「Show limitations / 查看限制」或「Apply to sell / 申请销售权限」的提示——有，就说明这个品在你账号下被 gating 了；能直接「Add / 添加」的就是开放的。同一个类目，不同账号、不同站点、不同时间的门槛可能不一样，所以网上任何清单都只能当参考，最终以后台实测为准。 第一步：选品阶段就用 AI 预判会不会被 gating 传统做法是选完品、备完货才去后台试，太晚。把这一步提前到选品清单还只是一串候选的时候——让 AI 先按产品特征帮你标出"高风险要审核"的候选，你再优先拿这几个去后台核。 注意：AI 是根据公开规则和产品属性做概率预判，不是亚马逊的审核系统——它说"大概率要审"不代表一定审，说"应该开放"你也必须回后台验证。这一点先立在前面。 可复制的预判 prompt： 你是一位熟悉亚马逊美国站上架规则的运营顾问。我会给你一批候选产品， 请你逐个判断它在亚马逊美国站上架时，"触发类目审核或合规限制"的风险高低。 对每个产品输出： 1. 最可能归属的类目 / 子类目； 2. 触发审核的风险等级（高 / 中 / 低）； 3. 触发点是什么（例如：入口即食、含电池、宣称医疗功效、可能涉及品牌备案等）； 4. 如果要审，通常会要哪类材料（发票 / 安全认证 / 检测报告 / 品牌授权）。 请在开头用一句话说明：以下均为基于公开规则的预判，最终以卖家后台 "Show limitations / Apply to sell" 的实际显示为准，不构成亚马逊官方裁决。 我的候选产品： 【1. 便携榨汁杯（含锂电池）】 【2. 宠物关节保健软胶囊】 【3. 不锈钢厨房收纳架】 下面是这个 prompt 的示例输出（演示 AI 会怎么帮你分风险，不是实测审核结果，实际以后台为准）： ...

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。价格信息以 2026年7月18日 实查为准。 做亚马逊关键词研究，ChatGPT 能替你做的是"词根扩展、意图分组、从竞品文案里提取埋词"这三件耗时的脑力活；它替不了的是"真实搜索量"——那必须回到 Helium 10、卖家精灵这类联网数据工具里查（2026年7月18日时点，ChatGPT 没有实时的亚马逊搜索量数据，你问它具体月搜索量，它会一本正经地编）。把这条边界记牢，下面这套工作流你就能安全地抄。 这篇不讲选品该往哪个方向找（那是用 AI 做亚马逊选品的完整工作流那篇的事），也不重复 2022 年那套传统免费工具挖词方法。本篇只聚焦一件事：已经定了产品，怎么用 AI 把这个产品的关键词库、埋词位、长尾词从零搭起来。 第一步：让 AI 做词根扩展，把一个种子词炸成一张词网 关键词研究的起点是几个"种子词"（seed keyword）——就是你产品最核心的那两三个词，比如"stainless steel water bottle"。手动往外扩很慢，AI 在这一步是纯赚。 但别只让它"给我 50 个关键词"，那样出来的词又散又浅。要按结构让它扩，扩出来的词才好用： 你是亚马逊美国站的关键词研究专家。我的产品是【不锈钢保温水杯，主打大容量、办公室场景】。 核心种子词：stainless steel water bottle。 请从下面 5 个维度帮我做关键词扩展，每个维度给 10-15 个英文长尾词： 1. 属性词：材质、容量、颜色、尺寸等（如 32 oz、insulated、wide mouth） 2. 使用场景词：谁在什么场合用（如 for gym、for office、for car） 3. 人群词：目标买家（如 for men、for kids、for nurses） 4. 痛点/功能词：买家在意的卖点（如 leak proof、keeps cold 24 hours） 5. 品类近义词与叫法差异：同一东西的不同搜法（如 tumbler、flask、thermos） 输出用表格，两列：【长尾关键词】【归属维度】。只给英文词，不要解释。 这一步几分钟能拿到 60-70 个有结构的候选词。注意：这些词此刻只是"候选"，还没有任何搜索量背书。 AI 是靠语言联想生成它们的，里面一定混着没人搜的臆想词——筛选靠下一步的真实数据，不靠 AI 自己的判断。 ...

做亚马逊的人都被选品折磨过。你盯着 Helium10 的数据库翻几百页，看 BSR、看月销、看评论数，越看越焦虑：热门类目卷得见血，冷门类目又怕没需求。一个人开店，没有团队帮你做市场调研，每天能投在选品上的时间就那么几个小时。更糟的是，凭感觉拍脑袋选出来的品，备货几千美金压进去，三个月后躺在 FBA 仓库里吃仓储费——这种亏，很多中小卖家都吃过。 ChatGPT 这类 AI 工具进来之后，选品这件事的效率确实能提一个台阶。但网上一堆"AI 一键选爆款"的吹捧文章，会把你带沟里。AI 的真正价值不是替你做决定，而是把"找方向"和"做分析"这两件最耗脑力的体力活外包出去，最后拍板的还得是你和真实数据。下面这套工作流，是把 AI 嵌进传统选品流程里的具体做法，每一步都能直接抄。 第一步：用 AI 做市场趋势头脑风暴，找方向 传统选品的第一步最难——你连往哪个方向找都不知道。这时候不要让 AI 直接给你"推荐爆款"，因为它给的要么是已经卷烂的大词（如"瑜伽垫"“保温杯”），要么是它编出来听着很美但根本不存在的需求。 正确用法是把 AI 当成一个会发散思维的市场分析师，让它从人群、场景、痛点三个维度帮你拆方向，而不是直接要产品。 你是一位资深的亚马逊美国站选品分析师，服务对象是预算有限的中小卖家。 我对【宠物用品】这个大类目感兴趣，但不想做红海大词。请帮我做发散分析： 1. 列出这个类目下 8 个细分人群（例如：养老年犬的人、住公寓养猫的人）。 2. 每个人群，写出他们 2-3 个尚未被很好满足的具体痛点。 3. 针对每个痛点，提出 1-2 个可能的产品方向（只要方向，不要具体型号）。 输出要求：用表格，三列分别是【细分人群】【具体痛点】【产品方向】。 不要列瑜伽垫、保温杯这种已经高度饱和的大众品。 对每个产品方向，标注你的判断是"明确的真实需求"还是"我的推测"。 最后一句"标注真实需求还是推测"非常关键——这是逼 AI 把它的确定性暴露给你。凡是它标"推测"的，你都要去真实平台验证，别信。这一步你能在 10 分钟内拿到 20-30 个候选方向，比你自己空想一下午强得多。 把方向收窄成可搜索的关键词 拿到方向后，让 AI 继续帮你把模糊的方向翻译成亚马逊买家真正会搜的长尾关键词。这一步是连接"创意"和"数据"的桥梁——你后面要拿这些词去 Helium10 / 卖家精灵里查真实搜索量。 直接追问：“把上面表格里的’方向 X’，列出 15 个亚马逊买家可能会搜的英文长尾关键词，按购买意图从强到弱排序，并标注每个词背后的用户在找什么。” 第二步：用真实数据验证需求——这步 AI 帮不上忙 这是整个工作流最重要、也最容易被吹捧文章跳过的一步：AI 给你的所有"市场大、需求旺"的判断，在你用真实数据验证之前，一律当成没说。 为什么？因为 ChatGPT 没有实时联网的亚马逊销量数据，它对"这个词月搜索量多少、竞品月销多少"的回答全是编的（行话叫"幻觉"）。它能编得有鼻子有眼，单位、数字、趋势一应俱全，但和真实情况可能差十倍。 所以拿着第一步的关键词，回到专业数据工具里跑真实数据： ...