最开始AI对我最直接的帮助，是处理海外客户邮件。后来我发现，真正有价值的并不只是翻译，而是把客户之前的测试、产品情况和当前问题一起交给AI，让它先帮我把信息梳理清楚。

例如客户反馈前刹车异响时，我会把客户已经做过的测试和当前现象一起提供。AI先帮助我归纳可能的问题点、区分哪些已经排查过，再根据我们准备采取的处理方式生成英文回复草稿。

最终怎么处理、是否更换产品、产品技术判断是否成立，仍然由我根据实际情况确认。AI主要帮助我把“问题分析 + 沟通表达”放在一起处理，减少重复整理信息和来回组织英文的时间。

独立站产品优化是我平时很高频的一项工作。一个产品通常需要处理Product Title、Key Features、Description、SEO Title、Meta Description、URL、产品规格、兼容性、图片顺序等很多内容。

一开始，我也是一个产品一个产品问AI。使用一段时间以后，我逐渐把自己的要求固定下来，比如英文要简单、自然，针对欧美消费者；标题怎么写；Description按照什么结构；SEO需要哪些字段；哪些Shopify模块默认不修改。

现在做同类型产品时，我会直接把后台截图、产品链接、产品参数给AI，让AI按照已经形成的规则整理。变化最大的地方不是“AI写得更快”，而是原来散乱的个人经验逐渐变成了一套固定的产品优化方法。

Google Shopping Feed是目前最适合体现效率提升的一类工作。一个产品需要同时处理Feed Title、MPN、Product Type、Google Product Category、价格、Sale Price、Shipping、Tax、变体以及备注等很多字段。不同产品之间规则基本一样，只是产品信息不同。

后来我先和AI把统一规则确定下来，再连续处理不同SKU。例如标题长度和关键词怎么控制、每个产品如何覆盖不同搜索意图、Sale Price Effective Date怎么统一、Shipping和Tax怎么填写、不同变体怎么拆分等。

之后AI按照同一套标准批量整理，我负责检查产品参数、价格和兼容性。已经实际用于刹车、刹车片、碟盘、工具、气泵、车包、把套、车灯、指拨等多种产品。

这个案例后续重点记录：处理SKU数量、实际耗时、和原来的人工方式相比减少了多少重复工作。

Google Ads、Meta这些后台功能很多。实际工作中，我经常遇到老师告诉我一个优化方向，但是到了后台以后不知道具体在哪里操作。

我的AI使用方式很简单：直接截图。我会把当前页面发给AI，让AI先告诉我现在在哪个位置、这个功能是什么意思、下一步应该点哪里。我操作完成以后，再发下一张截图。而且我会要求“一次只告诉我做一件事情”。

AI并没有替我投广告，也没有替我做最终广告决策，但它明显缩短了我从“不知道怎么做”到“可以完成操作”的路径。

新品调研以前比较依赖人工搜索，需要去Amazon、Google、行业媒体、Reddit、众筹网站、独立站等不同地方找产品。真正费时间的不是看到一个新品，而是找资料、筛选、判断是不是重复产品、找对标产品、整理链接，再做成可以继续分析的表格。

现在我会先把自己的真实选品条件告诉AI，比如价格区间、使用场景、认证风险、售后风险、MOQ、目标毛利等，然后让AI从多个渠道先扩大搜索范围。再把找到的产品合并重复项、整理英文产品名、核心使用场景、对标产品和来源链接，统一放进“新品机会池”。

最后我再结合Amazon、卖家精灵、供应链和毛利决定哪些产品值得继续调研。AI没有替我做选品决定，它主要改变的是前期工作：以前大量时间花在“找”和“整理”，现在我可以把更多时间放在“判断这个产品到底值不值得做”。