? 点击下方关注，不错过后续更新
上一篇我们聊了一个认知问题：为什么很多人用AI做市场分析，最后还是做不出决策？核心原因是分析框架不清晰——问题模糊、没有拆变量、没有判断标准、不做反证。
那篇发出来之后，很多卖家问得最多的一个问题是：
"道理我懂了，但具体怎么操作？能不能给一个完整的流程，我照着走一遍？"
今天这篇就解决这个问题。
我会用一条完整的分析链条，拆解AI+MCP/工具链辅助亚马逊市场调研的全流程。每一步讲清楚：做什么、怎么做、给AI输入什么、期望得到什么、怎么判断输出质量。
这不是一篇讲工具有多强的文章。工具会变，但分析流程不会变。掌握这套流程，不管你用哪个AI模型、接哪个MCP，都能用。
? 全流程总览：8步分析链条
先给你一个全景图，后面逐步展开：
前5步AI可以深度参与，后3步AI辅助但必须人工判断。
? 第①步：定义调研目标——你到底要回答什么问题？
这是整个流程的地基。问题定义错了，后面全部白做。
很多人启动市场调研时，问题是这样的：
"帮我看看这个类目能不能做。"
上一篇已经拆过，这个问题太大、太模糊。AI只能给你一个"有机会但也有风险"的万金油答案。
正确的做法是，在开始之前，先写下一个精准的调研问题。
好问题的三个标准：
有明确的决策指向——回答这个问题之后，你能做出一个具体决策
有边界条件——包含你的资源约束（预算、时间、团队能力）
指向具体行动——不是"能不能做"，而是"第一步做什么"
好问题示例：
操作动作：在启动AI分析之前，先在文档里写下你的调研问题。一句话，不超过50字。
如果你写不出一句清晰的调研问题，说明你还没想清楚要什么。先想清楚，再动手。
? 第②步：类目结构拆解——看清这个类目长什么样
拿到调研问题之后，第一个动作不是直接看竞品，而是先看类目全貌。
很多人上来就盯着Best Seller前几名看，这样容易被头部链接锚定，忽略了细分机会。
这一步的目标是：搞清楚这个类目有哪些细分方向，每个方向大概什么体量。
AI提示词示例：
"请帮我拆解亚马逊美国站[类目名称]的细分结构。我想了解：
这个类目下有哪些主要的细分产品方向？ 每个细分方向的主要特征是什么（材质/功能/使用场景/目标人群）？ 哪些细分方向的竞品数量相对较少？ 请用表格形式输出。"
如果你接了MCP/数据工具：
可以让AI直接拉取类目Best Seller前100名的数据，然后按产品特征做聚类分析：
"请将以下100个ASIN按产品类型/使用场景/材质/价格带进行分组，每组统计：产品数量、平均售价、平均评论数、平均评分。找出哪些分组产品数量少但有稳定销量。"
这一步的输出物：类目细分地图
判断输出质量的标准：
✅ 细分方向是基于真实产品特征划分的，不是AI凭空编的
✅ 每个方向有数据支撑（数量、价格、评论）
❌ 如果AI的分类明显不合理（比如把完全不同的产品归为一类），需要手动修正
? 第③步：竞品数据采集——拉取核心竞品的关键数据
确定了值得深看的2-3个细分方向后，下一步是针对性地拉取竞品数据。
这一步的目标是：建立一张竞品对比表，为后续分析提供数据基础。
需要采集的核心数据：
AI提示词示例（如果手动输入数据）：
"我整理了[类目]中[细分方向]的前15名竞品数据（见下方表格）。请帮我分析：
这15个竞品的销量分布情况（头部集中还是分散？） 价格带分布（主流价格区间是什么？） 评论数分布（新品有没有存活空间？） 有没有近6个月内上架、评论数<100但月销稳定的产品？ [粘贴竞品数据表格]"
AI提示词示例（如果接了MCP/API）：
"请从[数据源]拉取[类目/关键词]排名前20的产品数据，包括ASIN、标题、售价、月销量、评论数、评分、上架时间。输出为表格格式。"
这一步的输出物：竞品对比表
每个你重点关注的细分方向，都应该有一张15-20个竞品的数据表。
⚠️ 关键提醒：AI给出的销量数据一定要和工具交叉验证。不同工具的销量估算差异很大，不要只信一个来源。
? 第④步：竞品深度拆解——为什么卖得好/不好？
数据拉完之后，不要停在"看数据"层面。要进入竞品深度拆解，理解每个竞品背后的逻辑。
这一步的目标是：搞清楚头部竞品靠什么赢、中部竞品卡在哪、新品是怎么存活的。
选择3-5个代表性竞品做深度分析：
1-2个头部（类目前3名）
1-2个中部（排名10-20名，但有独特特征）
1个新品（近6个月上架，存活且有增长）
AI提示词示例：
"请帮我深度分析以下3个竞品的Listing。对每个竞品，请从以下维度拆解：
产品定位： 卖给谁？解决什么问题？核心卖点是什么？ 内容策略： 标题关键词结构、主图表达、副图逻辑、五点描述重点、A+内容特点 价格策略： 当前价格、是否有优惠券/折扣、价格在类目中的定位 评论分析： 好评集中在哪些点？差评集中在哪些点？ 流量来源推测： 核心关键词是什么？是否有站外流量特征？ 优势和弱点： 这个竞品最强的地方是什么？最大的弱点是什么？ [粘贴Listing链接或关键信息]"
判断输出质量的标准：
✅ AI的分析是基于Listing实际内容的，不是泛泛而谈
✅ 差评分析指向了具体的产品问题（而不是"部分用户不满意"这种废话）
✅ 优势和弱点的判断有具体依据
❌ 如果AI的分析过于笼统，需要追问细节："你说差评集中在质量问题，具体是什么质量问题？哪些评论提到了？"
这一步的输出物：竞品优劣势分析表
? 第⑤步：用户洞察提取——用户真正在意什么？
竞品分析告诉你"竞争对手在做什么"，用户洞察告诉你"用户真正要什么"。
这两个不一定一样。竞品可能都在强调某个功能，但用户评论里真正在意的可能是另一个完全不同的点。
这一步的目标是：从大量评论中提取用户的真实需求、痛点和未被满足的期望。
AI提示词示例：
"以下是[产品类型]排名前10的竞品的评论数据（好评+差评各50条）。请帮我做以下分析：
好评高频关键词： 用户最满意的前5个特征是什么？ 差评高频关键词： 用户最不满意的前5个问题是什么？ 未被满足的需求： 有没有用户在评论中提到"希望有"但现有产品没做到的功能/特征？ 使用场景： 用户在什么场景下使用这个产品？有没有你意想不到的使用场景？ 决策因素： 用户评论中提到的购买决策因素是什么（价格/功能/外观/品质/品牌）？ 请按频率排序输出，并标注每个点出现的大致次数。"
如果评论数据量大（100条以上）：
先让AI做第一轮归类，然后你人工抽检20-30条看AI归类是否准确。AI处理评论时容易过度概括或遗漏极端但重要的反馈。
这一步的输出物：用户痛点清单
核心原则：用户痛点不是你想出来的，也不是AI编出来的，而是从真实评论数据中提取出来的。做完这一步，你应该能用一句话说出："这个品类的用户最大的未满足需求是______。"
? 第⑥步：机会假设生成——基于前5步推导产品方向
到这一步，你已经有了：
✅ 类目细分地图（第②步）
✅ 竞品对比数据（第③步）
✅ 竞品优劣势分析（第④步）
✅ 用户痛点清单（第⑤步）
现在是把这些信息综合起来，生成产品机会假设的时候。
AI提示词示例：
"基于以下信息，请帮我推导2-3个可能的产品方向：
【类目细分地图】[粘贴第②步输出] 【竞品对比数据】[粘贴第③步输出] 【竞品优劣势】[粘贴第④步输出] 【用户痛点清单】[粘贴第⑤步输出]
对每个产品方向，请说明：
目标用户是谁？ 解决什么核心问题？ 和现有竞品的差异化在哪里？ 为什么用户会选择这个产品而不是现有竞品？ 预估的价格带和利润空间 这个方向最大的不确定性是什么？"
判断输出质量的标准：
✅ 产品方向是基于前面的数据和分析推导出来的，有逻辑链
✅ 差异化点能追溯到具体的用户痛点或竞品弱点
✅ 每个方向都标注了不确定性
❌ 如果AI给的方向和前面的数据没有明确关联，说明它在编——追问它"这个方向是基于哪条用户痛点推导出来的？"
这一步的输出物：2-3个候选产品方向
每个方向一张卡片：
⚠️ 第⑦步：风险反证——这个机会真的成立吗？
这一步是整个流程中最重要的一步，也是最多人跳过的一步。
前6步都是在"寻找机会"，这一步是在"质疑机会"。
AI提示词示例：
"针对你刚才推荐的产品方向[X]，请做反证分析：
如果这个产品方向最终失败了，最可能的3个原因是什么？ 我可能高估了什么？（比如需求量、差异化价值、用户付费意愿） 我可能低估了什么？（比如竞争强度、供应链难度、广告成本） 有没有我没注意到的竞品或替代方案？ 这个方向有没有季节性风险或政策风险？ 如果头部大卖也进入这个细分，我还能活下来吗？"
除了让AI反证，你还需要自己做以下人工验证：
这一步的输出物：风险清单
如果反证之后，风险清单中有1个以上"严重程度高+不可控"的项目，这个方向大概率不应该做。
? 第⑧步：资源匹配判断——这个机会适合你吗？
最后一步，也是最不能用AI替代的一步：判断这个机会是否适合你的团队。
一个市场机会客观存在，不代表你应该做。
需要回答的问题：
AI可以帮你做什么：
"假设我进入这个方向，首批备货500件，单价X，广告预算$X/月，请帮我估算前3个月的总投入和回本条件。"
但最终的Go/No-Go决策，只有你自己能做。
因为只有你知道你的真实资金状况、团队能力、风险承受度和战略优先级。
这一步的输出物：Go/No-Go决策
| 最终决策 | Go / No-Go / 需进一步验证 |
? 完整流程复盘：从第①步到第⑧步的串联
把八步串起来看：
整个流程下来，AI帮你完成了大量的数据处理和信息整理工作，但每一步都需要你参与审核和判断。这就是"AI辅助分析、人做最终决策"的正确协作模式。
⚠️ 使用这套流程时的5个注意事项
⚠️ 1. AI给的销量数据不要直接信
不同工具的销量估算差异很大。关键竞品的销量数据，至少用2个工具交叉验证。
⚠️ 2. 不要跳步骤
很多人想直接从第①步跳到第⑥步（直接要产品方向）。但没有②③④⑤的数据基础，第⑥步的机会假设就是空中楼阁。
⚠️ 3. 每一步都要检查AI的输出
AI会犯错，尤其是在数据解读和因果推断上。每一步拿到AI输出后，花5分钟做一次常识检查：这个结论合理吗？有没有明显的逻辑漏洞？
⚠️ 4. 反证步骤不能省
这是对抗认知偏差的最后一道防线。如果你跳过第⑦步，前面所有的分析都可能只是在帮你确认一个你已经想做的方向，而不是客观评估。
⚠️ 5. 这套流程需要练习
第一次用可能会觉得慢。但做3-5个类目之后，你会形成肌肉记忆，整个流程可以在2-3小时内完成（过去可能需要1-2天）。这就是AI带来的真实效率提升。
? 写在最后
上一篇讲了"为什么AI分析做不出决策"——问题出在框架上。
这一篇给了你一套完整的框架：8步分析链条，每步有操作、有提示词、有输出物、有判断标准。
这套流程不依赖任何特定的AI模型或MCP工具。今天你用Claude，明天换GPT，后天换别的模型，流程都是通用的。因为底层逻辑不变：精准问题→结构化分析→数据验证→反证→决策。
课上有个学员用这套流程走完一个类目之后说了一句话：
"以前做市场调研，我总觉得信息不够多。走完这八步之后我才发现，问题从来不是信息不够，而是我不知道该怎么组织这些信息。"
所以我想问你：你现在做市场调研时，流程是什么样的？有没有一个固定的分析步骤？还是每次都凭感觉看到哪算哪？
欢迎在评论区分享你的调研流程，也可以告诉我你在哪一步卡得最久，下一篇我们可以针对性地深拆。
? 这套AI+亚马逊市场调研的完整流程，是「AI+蓝海选品」线下课中的核心实操模块。
如果你想带着自己的真实类目，在现场从第①步走到第⑧步，可以点击下方小程序了解下一期排期和内容 ?
往期相关文章：
跨境电商团队体系化案例拆解：精铺、铺货、精品模式的落地实操经验
