亚马逊六月发的白皮书里说,超过 98% 的中国卖家已经在用 AI 工具了。
这个数字我第一眼是不信的。
后来翻了翻口径才明白,它问的是"运营店铺时是否使用 AI 工具"。这个门槛几乎等于没有——你让 ChatGPT 翻译过一次产品描述,你就算在 98% 里面了。今年还有哪个卖家一次都没碰过 AI?找不出来的。所以这个数与其说是渗透率,不如说是个及格线,证明这事已经不新鲜了。
真正值得看的是同一份报告里的另一个数:其中只有 16%,从单点工具进阶到了部署 AI 工作流或者智能体。
这个数就实在多了。而且我怀疑它可能还偏高——毕竟是亚马逊调研自己平台上的卖家,愿意配合填问卷的,本身就偏活跃、偏头部。真实的比例大概率更低。
但不管是 16% 还是 10%,结论是一样的:绝大多数人的 AI,还停在"帮我干"的阶段,没走到"替我干"。
这两件事差在哪
差在有没有人守着。
你现在用 AI 写 Listing,流程是:打开工具,粘贴信息,拿到文案,复制回后台。生成模特图也一样,上传、生成、下载、再上传。每一步都要你点一下,你不点它就不动。
工作流是另一回事。库存低于阈值,系统自己拉销售数据、算补货周期、生成建议推给你;广告数据每小时自己拉一次,发现哪个词表现掉了,自己调出价,记录结果,下一轮接着来。你设好规则就可以去干别的了。
说白了,前者你是操作员,后者你是设计者。
案例要打个折看
白皮书里给的样板是美妆品牌 MelodySusie。他们把智能体接上亚马逊广告 API,搭了套广告全链路自动化系统,五个模块——冷启动、场景化投放、闭环优化、风控熔断、大促专项。报出来的结果是九成以上运营执行自动化,ACOS 只有行业水平的三分之一,转化率提升近四成。
数字很漂亮。但这类白皮书里的案例,基本都是精挑细选出来的最佳实践,背后往往有专门的技术团队在支撑。拿它当"你也能做到"来看,容易高估;当"这条路的天花板在哪"来看,才比较合适。
不过方向本身是可信的。麦肯锡那边的数据说,系统性部署 AI 动态定价和全链路重构的先行者,大概能拿到 5% 到 10% 的净利提升。对跨境这种薄利生意,五个点的净利就够很多人重新算一遍账了。
为什么大部分人过不去
不是因为懒,也不是不知道好。我见过的卡点主要是这几个:
东西太多,不知道从哪儿开始。 文案、选品、图片、客服、广告,每个环节都有一堆工具。于是很多团队变成"每个环节都用了点 AI",但没有任何一个环节被彻底自动化。散点和流水线,不是一回事。
门槛比想象中高一点。 单点工具打开就能用,工作流要接 API、设规则、串环节、调错。Dify、n8n、Make 这些低代码平台确实把门槛降下来了不少,但还是得有个人真的坐下来把它搭出来。运营团队里往往没这个人,而技术团队又不熟运营逻辑。
不敢放手。 让 AI 自动调价、自动回客户、自动下补货单,意味着交出一部分控制权。万一它调疯了呢?这个顾虑其实很合理——所以你看 MelodySusie 那套系统里专门有个"风控熔断"模块。但顾虑归顾虑,它确实拦住了不少人。
还有一个原因,平时很少被提起,但我觉得它比前面三个都更容易让人半途而废。
自动化之后,网络的位置变了
手动用 AI 工具的时候,网络出点问题基本无所谓。你点一下生成,转了三秒圈,那就多等三秒;真卡死了,刷新重来,顶多骂一句。你人在旁边看着,出什么事当场就处理了。
工作流不一样。
首先是量。你手动一天调几十次,一个自动化流程可能每小时轮询一次、每次串好几个 API,一天跑下来上千次。链路上千分之一的失败率,平时你根本感觉不到,放到这个量级下就是每天好几次断。
更麻烦的是没人守着。工作流跑在后台,某次调用超时了,它可能就那么停在那儿。你要到第二天看数据不对劲,才发现广告一整晚没调过价,或者昨天该发的补货建议根本没发出去。手动出错你当场知道,自动化出错你可能隔一天才知道。
而且这些环节是串起来的,中间任何一段卡住,后面全停。跨境场景下这条链路上偏偏有好几段要出境——调海外大模型的接口、拉平台数据、连海外服务器,每一段都可能是断点。
所以"工作流搭是搭起来了,但总是时灵时不灵"这个抱怨,我听过好几次。多数时候问题不在流程逻辑,在它脚下那条路。
真要做,几个实在的建议
先挑一个环节做透,别铺开。选那种最耗人力、规则又最清楚的——广告调价、客服首轮回复、库存预警都行。跑通一个再复制下一个。同时上五个,大概率五个都烂尾。
熔断一定要有。设好边界:调价幅度不超过多少、遇到异常自动停下来喊人。这既是防事故,也是让你自己敢放手的前提。
上线之前,先把调用链路测几天。不是测通不通,是测连续跑二十四小时会不会开始批量超时,尤其看晚高峰那几个时段。这一步很多人跳过,直接就让流程无人值守跑起来了,然后开始查各种玄学问题。
监控和告警要配。既然是无人值守,就得让它出事时能主动喊你——哪个环节断的、什么时候断的、断了多久。不然自动化的意义会打折:你省下了操作的时间,却多花了排查的时间。
98% 这个数字唯一的意义,是说明 AI 工具本身已经不是优势了。大家都有,那就等于都没有。
16% 那边的情况我也说不太准。样板案例那么好看,可到底有多少人搭起来之后真的稳定跑了半年以上,没人统计过。我倾向于认为,中途放弃的比例不会低。
但至少有一件事是确定的:那些能跑起来的,不会是因为选对了工具——工具大家都能买到。更可能是因为他们把不起眼的地方处理掉了:规则设得够细,熔断留得够稳,底下那条路够可靠。
流水线搭得再漂亮,断电了也白搭。
我们做的是最后那一件——把跨境这条路修稳,让上面的自动化能一直跑下去。如果你的工作流总在超时和中断上栽跟头,可以找我们聊聊。