用户需求选品

选品决策中的数据转化难题

国内电商团队选品时，常面临抖音、小红书用户讨论、电商评论等数据分散且难以系统化的问题。这些数据虽蕴含用户需求和痛点，但缺乏结构化方法转化为选品方向：痛点分级模糊、选品机会清单缺失，导致选品依赖经验而非数据支撑。

核心能力与执行流程

该技能围绕需求挖掘与选品落地构建工作流：

• 数据输入处理：接收用户提供的抖音、小红书内容文本、电商评论或差评表格等文件，未配置官方 API 时不声称实时读取平台数据。
• 评分框架搭建：从需求强度、竞争密度、毛利空间、内容创作潜力、供应稳定性、售后风险六个维度建立评分模型。
• 数据质量降级：对来源不明、样本过小（如评论数低于 50 条）、疑似刷量的条目自动降级，拒绝补写销量、利润等未提供数据。
• 交付物生成：输出包含需求主题（如「宠物外出便携饮水器」）、痛点分级（一级：漏水/难清洁；二级：容量过小）、选品机会清单（附小样测试、测款周期、停止标准）的结构化报告。

适用边界与注意点

• 仅分析用户提供的本地文件、表格或文本，未配置官方 API 时不涉及平台实时数据抓取。
• 涉及商品上架、价格调整等实操前，需再次核对目标平台规则与用户授权，规避合规风险。
• 不虚构销量、利润、客户案例等数据，所有推断需标注来源字段与计算方式，确保结论可追溯。