AI 在运营链路里的位置：哪一步能省，哪一步不能省

读完这一节，你能做到

1. 把一个运营动作拆成"能省、半自动、不能省"三类。
2. 说清 AI 在亚马逊运营里最常犯的三类错。
3. 用带约束的提示词拿到可用初稿，而不是通用建议。
4. 用返工率与审核成本算清一次 AI 协作的真实人效。
5. 回答面试里的"你怎么用 AI 做运营"。

一、先划一条线

运营和开发不一样：代码错了会报错，运营错了是钱和账号。所以先分清哪些环节 AI 真能替你干，哪些它只能给你一个起点。

环节	AI 能做	还是得你	原因
选品初筛	列维度、算毛利模型	定类目、判断供应链	它拿不到你的货源与资金约束
Listing 初稿	标题、五点、描述、翻译	定卖点、过合规、核关键词	卖点来自用户与竞品数据
广告结构	给架构与预算模板	定出价、看数据调	它看不到你的实时 ACOS
数据整理	清洗、透视、写 SQL/公式	判断异常、定动作	归因需要业务上下文
合规排查	列清单、提示风险类型	逐条核对官方政策	政策版本它常记错
供应链谈判	准备问题清单	谈价格与账期	这是人与人的博弈

一句话：执行层可以交出去，判断层交不出去。 交错了地方，省下的时间会在返工和事故里加倍还回去。

二、五个真实用法

1. 选品初筛

给它类目、客单价带、你的资金上限，要求它按"需求、竞争、利润、风险"四层给评估框架，并标出每一项需要用什么数据填。它给的是表格骨架，不是结论。

2. Listing 初稿

给它产品参数、目标人群、三个核心卖点、竞品差评里的高频抱怨，要求按平台字符限制出标题与五点。这一步能省掉 80% 的初稿时间，但卖点必须是你定的。

3. 广告结构

给它客单价、毛利率、目标 ACOS，要求输出"自动 + 手动宽泛 + 手动精准"的预算分配与否定词节奏。它给的是模板，出价与调整要看你的实际数据。

4. 数据整理

把后台导出的报表丢给它（先脱敏），让它写透视表公式或 SQL，把曝光到成交的漏斗算出来。这是最省时间、最不容易出错的一类活。

5. 流程文档

把你的操作习惯整理成 SOP：新品上架检查表、周报模板、差评处理流程。这类"结构化已知信息"的活，AI 做得又快又好。

三、它一定会错的三件事

第一件：编数字

费率、税率、库容限制、政策条款，它会给一个"看起来对"的值。任何进入测算表的数字，都必须标 policyYear 并回后台或官方文档核对。 这是硬规矩。

第二件：把口径弄混

ACOS 是广告花费除以广告成交额，TACOS 是广告花费除以总成交额，ROAS 是 ACOS 的倒数。它经常混着用，还会把"广告订单占比"说成"自然流量占比"。

第三件：没有你的数据就给诊断

"没流量就要优化 Listing"这种答案对谁都成立，也就对谁都没用。它拿不到你的报表，任何诊断都只是假设清单。

四、算例：一版 Listing 的两种做法

任务：给一个新品写标题 + 五点 + 描述，要过审、要能打。以下时长与返工率为示意。

做法 A：一句话要完

项	耗时
写提示词、等生成	3 分钟
自查（绝对化用语、字符超限）	10 分钟
关键词与卖点不符，重写	20 分钟
审核被拒一次，改后重提	15 分钟
合计	48 分钟

做法 B：给约束、分两轮

轮次	交给 AI 的	自己做的	耗时
① 卖点	竞品差评摘要	提炼三个购买理由	8 分钟
② 初稿	卖点 + 字符限制 + 禁用词清单	核关键词覆盖	10 分钟
③ 合规	无（只核）	过禁用词与商标自检	5 分钟
合计			23 分钟

人效 = 生成的节省 −（核对 + 返工 + 审核被拒的重提成本）

关键差别不在"写得快"，而在"少被拒一次"。 一次审核被拒的代价不仅是时间，还有上新节奏被打断。

五、把 AI 放进流程：三处闸门

1. 写稿前的闸门：给约束。字符上限、禁用词、目标人群、核心卖点，缺一个就会返工。
2. 出稿后的闸门：核数据。所有数字回官方核对，标年份与来源。
3. 上线前的闸门：过合规。绝对化用语、医疗宣称、他人商标、类目限制，逐条自查。

三处闸门都是人来做。AI 可以帮你列出检查项，但不能替你签字。

六、面试怎么讲

运营岗位现在常问三类问题：你用 AI 做什么、怎么防止它出错、它对你的判断有什么影响。

怎么用：执行层交给它（初稿、清洗、SOP），判断层自己做（选品、出价、合规）
怎么防错：所有数字标 policyYear 并回官方核对；口径先定义再让它算
踩过什么坑：它把 TACOS 当 ACOS 用，导致预算判断全错；后来要求先写口径再出数
效果：一版 Listing 从 48 分钟降到 23 分钟，审核被拒从"常有一次"降到"基本没有"

一句加分项："AI 让我把时间从写稿挪到判断上，所以我更需要对指标口径和平台政策清楚。"

七、常见坑

1. 拿 AI 给的费率直接做测算。 差一个百分比，保本价就错。
2. 让它替你定卖点。 卖点来自真实用户与竞品差评，不来自模型。
3. 用它做"诊断"却不给数据。 得到的一定是通用建议。
4. 不查合规就上架。 一次违规可能连带整个店铺。
5. 把后台数据整表贴进公网模型。 订单、客户信息、成本结构都属敏感。
6. 团队各写各的提示词。 没有统一约束时，产出质量随人波动。

八、动手任务：自写 → AI 写 → 对比 → 取舍

四步不跳：① 自己做（限时，不看 AI）→ ② 让 AI 做同一题 → ③ 逐条比对 → ④ 说出保留谁的方案。

① 自己做

1. 选一个你熟悉的类目，按"需求、竞争、利润、风险"四层写一页评估，标出每一项要用什么数据填。
2. 为这个类目写一版 Listing 初稿（标题 + 五点），标出三个核心卖点的来源。

② 让 AI 做同一题

把第 2 题交给 AI，补一句 标题 200 字符以内，禁用绝对化用语与他人商标，卖点必须来自我给的三条。

③ 对比要盯的点

检查面	我的版本	AI 版本	差异说明
卖点是否有来源
字符与格式合规
关键词覆盖
能不能过审

④ 说取舍

1. 它写的五点是三个卖点的展开，还是五句同义反复？
2. 哪一句最可能被审核拒？为什么？
3. 如果只能用它的版本，你会先改哪一处？

九、自测

1. 运营链路里哪一类工作可以交给 AI，哪一类不能？各举两例。
2. AI 给的费率与政策数据要怎么处理？
3. ACOS、TACOS、ROAS 的关系是什么？
4. 为什么"没给数据就诊断"一定得到通用建议？
5. "人效"怎么算？为什么"写得快"不等于"省时间"？
6. 三处闸门分别是什么？为什么必须由人来做？

参考答案要点：执行层可交（初稿、清洗、SOP），判断层不可交（选品、出价、合规）；标 policyYear 并回官方核；ACOS=广告花费/广告成交，TACOS=广告花费/总成交，ROAS=1/ACOS；没有个案数据只能给通用框架；生成节省减去核对、返工与重提成本；写稿前给约束、出稿后核数据、上线前过合规，责任在人。

配套题目

★ 越多越该先背；点题目可看完整答案与深入版。

• ★★★★★ AI 在亚马逊运营里能替你做哪些事？
• ★★★★☆ AI 给的政策和费率数据怎么核实？
• ★★★★☆ 用 AI 写 Listing，怎么保证过审且能打？
• ★★★★☆ AI 时代的运营岗，能力要求变了吗？
• ★★★☆☆ 怎么用 AI 做广告结构，又不会把预算跑飞？
• ★★★★☆ AI 能写周报和分析，数据分析师还有价值吗？