Shopee 台灣店營運流水線

先說我為什麼要做這個

我在蝦皮台灣站經營一家自己的店。一個人的店，意味著所有角色都是你：選品是你、寫文案是你、查違規詞是你、找供應商比價是你、上架也是你。

算一筆帳就知道問題在哪：照著市場數據選出一個品、看完競品、寫好文案、查完違禁詞、找好貨源、做完上架資料——一條商品要耗掉大半天。而一家店要有存在感，起步就得幾十上百條。

更要命的是合規：平台對「發票」「到貨時效」這類字眼的規定又多又細，人腦記不全。漏一條，輕則下架，重則整店被處罰。

類比

像一個人開餐廳，還要同時當採購、主廚、服務生和會計。菜再好，一天也就出得了幾桌——要嘛多雇人，要嘛把流程變成流水線。我雇不起人，所以選了後者，雇的是 AI。

💡 一句話總結：問題不是哪一步難，是每一步都不難、加起來卻做不完——這正是流水線最擅長解決的事。

它長什麼樣

這套系統沒有自己的介面——它跑在飛書表格和 AI 對話裡。以下是真實運轉中的畫面：

飛書選品庫：左側 20 張表，右側 106 條候選記錄 — 選品庫實景 — 左側 20 張表支撐全流程（選品池 / 草稿 / 對標店鋪 / 貨源比價…），右側是篩選後的 106 條候選，每條帶價格、銷量、來源關鍵詞與直達連結

工作流文檔：角色分工與六個關鍵幀 — 工作流文檔 — 上半是「你 / AI」的角色分工表，下半是六個關鍵幀：每一幀 AI 停下來等我拍板

注意角色分工表裡的分法：我負責餵數據、拍板、實拍上架、經驗直覺；AI 負責讀數據、跑流水線、寫腳本、速度與一致性。誰擅長什麼就做什麼。

💡 一句話總結：系統的「介面」就是飛書表格——我在哪裡看數據，就在哪裡拍板。

它是怎麼運作的

整條流水線 9 個階段，這裡按「選品 → 改造 → 找貨 → 上架」四大段講：

知蝦 — 蝦皮的市場數據工具，能看到各類目賣得好的商品、銷量、價格帶。相當於「整個市場的成績單」，選品從這裡開始。

第一段 · 選品

從幾百個候選裡挑出值得做的

從知蝦拉下熱銷榜、週榜、潛力榜多個來源，合併去重後得到 468 個候選商品，再用自創的「六層篩選」層層過濾：類目能不能做 → 賽道對不對 → 有沒有違禁風險 → 有沒有上升潛力 → 銷量夠不夠 → 供應鏈跟不跟得上。最後剩 104 條入選品池。

為什麼不用「一票否決」的硬條件？硬條件只能篩掉明顯不行的，篩不出真正該做的。層層過濾的好處是——每個被淘汰的品都說得出原因，之後回頭檢討有據可查。

第二段 · 文案改造

把競品資料變成自己的商品頁

AI 按固定的樣板改寫標題、賣點、描述，自動避開違禁詞（發票、到貨時效這類敏感表述有一整套規則），先做 2-3 條樣板給我確認風格，確認後才批量生成。

先樣板後批量——批量做錯 100 條的成本，遠高於先花十分鐘確認一條的成本。

第三段 · 找貨源

供應商比價也自動化

每條商品自動到批發平台（1688）搜出 15 個候選貨源，按累計銷量、店齡、服務分、回頭率打分，給出前 3 名讓我挑，連貨源圖片都自動下載到本地對照。

比價最花時間的不是「比」，是「一個個打開看」。AI 把 15 個看完濃縮成 3 個，我只做最後的判斷。

第四段 · 批量上架

一次生成全店上架資料

按批量上架工具（妙手 ERP）要求的 35 欄格式自動生成 Excel——含描述、圖片路徑、規格、運費設定，喂進去一次完成批量上架。

35 欄裡有一欄格式不對就整批失敗，這種「格式必須分毫不差」的活，正是 AI 比人穩的地方。

💡 一句話總結：四大段各自解決一種「量大做不完」——AI 負責量，我負責質。

最關鍵的一個設計決定

流水線快歸快，但有一個問題必須先想清楚：哪些決定絕不能讓 AI 自己做？

我的答案是設 6 個「關鍵幀」——流水線跑到這些點必須停下來，等我看過、拍板，才繼續：

關鍵幀	停下來等我拍什麼板
0 · 數據輸入後	候選名單要 Top 30 / 50 / 100？哪些類目不要？
1 · 選品池建好	看類目分布——哪些品類不做、哪些重點做
2 · 樣板做好	文案風格、賣點、價格檔位對不對
3 · 批量生成後	掃一遍全部清單，哪些撤掉、哪些再調
4 · 貨源樣板	比價的評分標準合不合理
5 · 批量找貨後	最終跟哪家供應商拿貨

類比

像工廠品管的停線權：生產線越快，越需要在關鍵工位設檢查點。差別在於——檢查點不是越多越好，設在哪，取決於「這一步做錯，後面返工多貴」。

判斷標準就一條：要承擔後果的決定，必須由人做。要不要做這個品（壓錯品就是壓錯錢）、跟誰拿貨（貨不對就是客訴和退貨）——這些 AI 可以給建議，但拍板的必須是我。

💡 一句話總結：速度歸 AI，責任歸人——把關點設在「做錯了最貴」的地方。

它實際跑出來的東西

以下全部是真實營運數據，選品庫和工作記錄都留有完整檔案。

468 → 104

候選商品六層篩選後入池

295 條

單日最高打通完整流程

145 條

實際完成批量上架

15 → 3

每條商品的貨源自動比價

最有說服力的一個數字

店裡曾有 89 條在售商品需要做合規檢查。人工掃了一遍，找出 6 條有問題。換 AI 逐條全文掃描，找出 57 條——是人工的近 10 倍。

檢查方式	找出的風險商品	差在哪
人工瀏覽	6 條	只看得到標題和開頭，長描述裡的敏感字眼看不完
AI 全文掃描	57 條	每條的完整描述逐字過，一類風險都不漏

看到 57 這個數字後我拍板：全店下架重做。短期損失流量，換掉的是整店被平台處罰的風險——這個決定 AI 給不了，只有店主自己能做。

💡 一句話總結：AI 找問題比人全 10 倍，但「找到之後怎麼辦」還是人的事。

做的時候踩過的坑

坑 1 · 第一批 145 條，是憑直覺選的

最早上架的 145 條，選品基本靠「我覺得能賣」。後來建立標準選品流程再回頭看，發現不少品根本過不了六層篩選。

學到的：先有標準再動手，返工最貴。流程不是做大了才需要——正因為一個人做，才更需要流程替你把關。

坑 2 · 生成了一份「看起來對」的錯檔案

批量上架前生成了一份 145 條的 Excel，檔案很完整、欄位很多——但仔細核對才發現，那是競品分析數據，不是上架工具要的 35 欄格式，兩者長得很像。差一步就把錯的檔案餵進去白忙一場。

學到的：「看起來差不多」不算核對過。格式要逐欄比對，尤其是要餵給下游工具的檔案。

坑 3 · 自動化太快，把對方網站「跑毛了」

批量比價時請求發得太密，觸發了批發平台的防機器人驗證，流水線整段卡死。

修法：放慢節奏、加隨機間隔，寧可慢一點也不要被攔。

學到的：自動化的上限不是你的速度，是對方能接受的速度。

💡 一句話總結：三個坑都是「快」惹的禍——流水線的功課一半在跑得快，另一半在知道哪裡該慢。

目前狀態

營運中的真實店鋪，不是練習專案

店鋪「櫻花鋪」在蝦皮台灣站實際營運，系統由飛書 20 張互相關聯的表（選品池、草稿、對標店鋪、貨源比價、上架記錄）加 AI 流程支撐，工作日誌完整留檔——每一天做了什麼、為什麼這樣決定，都查得到。

選品方法從 v1 迭代到 v4：從憑直覺，到四源疊加 + 六層篩選 + 三檔結論——方法本身就是這個專案最大的資產，換一個類目、甚至換一個平台都能複用。

面試可現場展示：打開飛書選品庫看真實數據，或現場跑一段選品篩選流程。