跨境电商场景下的
选品 agent · 命中率怎么提

场景对象是一家做欧美与东南亚多平台铺货的跨境电商公司。这类公司的创始人最常抛出的一句话是——「我们每个月上 600 款，赚钱的就那么几十款」。拆开看是四件事：买手选品靠翻平台热销榜加个人经验，缺乏量化依据，不同买手判断口径差得很远；新品从决定上架到拿到首单平均要 19 天，错过流量窗口；在售 SKU 里约 28% 是连续 60 天零动销的滞销品，仓储费和占款持续放血；选品复盘缺数据，同一类目踩过的坑下个月还会再踩。买手不是不努力，是没有一套能把分散信息收拢成判断的工具。

这类场景的落地路径里，不急着搭模型。要做的是先和买手主管一起把「一个款怎么从候选走到上架」的完整流程画成图谱，再抽样复盘近半年约 1,400 个已上架 SKU 的真实结果，按类目、价格带、平台三维度对照命中与滞销。结论很清楚：能 agent 化的是「候选发现 + 多维打分 + 风险预警」，不能 agent 化的是「最终拍板 + 供应链谈判 + 视觉创意」。买手要的不是被替代，是把翻榜单的两小时省下来。

这一方案按双周迭代上线，每两周和买手主管对齐一次。第一段是 多源候选采集——接入平台公开榜单、店铺历史成交、同类目价格分布，按类目自动汇成候选池；第二段是 LLM 候选打分 agent——对每个候选从需求趋势、竞争密度、价格空间、合规风险四个维度打分并给出可读理由，买手看到的是结论加依据；第三段是 滞销风险预警——上新前比对历史滞销特征，命中高风险特征的款在上架前就标红；第四段是 选品决策回流——上架与结果数据回流到既有 ERP，每月自动生成类目复盘，让下个月的打分更准。

• 模块 1 · 多源候选采集（榜单 / 店铺成交 / 价格分布 自动汇池）
• 模块 2 · LLM 候选打分 agent（趋势 / 竞争 / 价格 / 合规 四维 · 带可读理由）
• 模块 3 · 滞销风险预警（上新前比对历史滞销特征 · 高风险标红）
• 模块 4 · 选品决策回流（结果回写既有 ERP · 月度类目复盘自动生成）

这类场景里有三个值得主动划出的「不做」：不做自动下单，agent 只产出打分与理由，是否上架由买手拍板，避免一次模型偏差变成一仓库滞销；不抓需登录或受限的平台数据，只用平台公开可见信息，把合规风险挡在系统外，免得店铺被判违规；不做黑盒评分，每个分数都附四维拆解和可读理由，买手能质疑、能修正，模型才会被真正用起来。这三个边界是这类方案能稳定上线、买手愿意每天打开的关键前提。