选品真正难的不是找数据，而是让每个候选接受同一套判断

一张利润表只能回答一次问题

最开始的思路很直接：把采购、头程、Amazon 费用、广告和退货率放进公式，算出利润率，再按结果排序。但真正开始整理候选后，这套办法很快失效了。

供应商报价对应不同采购量，截图里的尺寸重量可能还没确认，同一款产品又会从多个来源重复出现。只保存最终数字，过几天就很难解释这个利润率用了哪份报价、哪条市场线索，以及哪些字段只是暂时假设。

所以候选记录不能只有“答案”。它还要保留来源、确认状态、成本口径和当前决策，才能支持下一轮复核。

机会分用来排队，不用来宣布赢家

给每个产品算一个机会分很方便，也很危险。单个分数会把需求、竞争、利润和风险压成一个结果，资料越不完整，它看起来反而越像确定答案。

在 AmazonProdSeek 里，机会分只负责安排研究顺序。候选为什么得这个分、还缺什么数据、有哪些风险证据，都要能一起看到。高分意味着“值得先核对”，不是“可以直接采购”。

这个取舍少了一点自动决策的爽快，却保留了真正重要的东西：当一个判断改变时，能知道是市场证据变了，还是自己的假设变了。

先统一假设，再比较产品

两个候选的利润率不能直接比较，除非它们使用相同的费用口径。一个按乐观售价和低广告成本计算，另一个按保守售价和完整退货成本计算，排出的名次没有实际意义。

因此产品对比不是简单地把已有数字并排，而是允许选择最多四个候选，在同一组售价、成本、ACoS 和销量假设下重新测算。利润率、月利润、ROI、需求、竞争和首批资金由此才有共同基准。

情景切换也很重要。一个产品在乐观情景里领先，不代表它在售价下降或广告上涨后仍然稳健。把这种敏感性提前暴露出来，比得到一个漂亮的静态利润率更有用。

AI 负责整理，不负责把空白补成事实

网页、截图和表格里的字段很多，AI 很适合先做提取和归类。但模型给出的数字如果脱离来源，就会把节省下来的录入时间变成更昂贵的核对成本。

因此 AI 整理结果会和来源一起保存，并留下人工确认入口。面对列表页时，流程也先停在链接选择：先挑出真正要研究的产品，再逐款整理资料，而不是把整页内容不加区分地塞进候选库。

AI 可以减少抄写和搜索，却不能替代供应商报价、真实市场表现和卖家的判断。这条边界不是功能不足，而是选品工具必须保留的诚实。

为什么不再做一个卖家精灵或 Helium 10

卖家精灵和 Helium 10 已经把亚马逊市场研究做得很深。前者覆盖大数据选品、关键词和运营推广，后者还把 Listing、广告、利润、库存和日常运营放进同一套服务。再复制一套关键词库或销量估算，既无法形成可信的数据优势，也没有解决我最初遇到的问题。

真正缺少的是这些平台之后的那一步。卖家从市场工具里找到候选，回到供应商页面拿报价，再到表格里补物流、FBA、广告和退货成本；等到需要比较时，市场数据、货源条件和成本假设已经分散在不同地方。

因此 AmazonProdSeek 选择接住外部研究结果，而不是假装替代它们。卖家精灵和 Helium 10 更适合回答“市场上有什么机会”；AmazonProdSeek 更专注于“按照我的货源、资金和风险标准，这个机会是否值得继续”。两类工具可以前后配合，也可以根据工作阶段单独使用。

这里比较的是公开产品定位，不是数据准确率排名。功能范围参考：卖家精灵官方说明与Helium 10 官方功能表。

最后留下的不是一个分数，而是一条能回看的判断链

当候选、来源、成本、利润情景和风险证据放在同一处，工具并不会让不确定性消失。它改变的是处理不确定性的方式：缺失信息被明确标出，不同产品接受相同口径，结论也能回到原始资料继续核对。

真正省下来的，是反复找数字、重建公式和猜测来源的时间。更重要的是，当你决定继续研究、暂时观察或放弃一个产品时，理由不再只剩一句“感觉不太行”。