亚马逊上线卖家后台AI工作流 Seller-Assistant Workflows

9月23日西雅图Accelerate大会，亚马逊给卖家平台上线了——Seller-Assistant Workflows（卖家工作流程AI）

Seller-Assistant Workflows到底能做什么：

亚马逊先给了5个现成模板，你直接拿来用，不用从零写：

第一个，账户健康监控。它替你盯着账户健康指标，有违规风险按严重程度排序提醒你，告诉你哪个能申诉、哪个得先处理。说白了，以前你每天得自己钻账户健康页翻一遍的事，现在可以让它来。

第二个，订单退货摘要。每天给你一份最近订单和退货的汇总，把快超时的FBM订单、反复被退的那个产品、退不了的订单都提取出来告诉你。你早上打开就能一眼看到今天该先处理什么。

第三个，价格分析。它检查你在售的Listing，告诉你哪些丢了的BuyBox、跟最低价差多少、加上费以后各价位还能赚多少。

第四个，选品拓展。它看你现在卖什么，从你自己的产品库里找跟你现有品类相关的、竞争没那么死的、可以补进去的SKU。

第五个，评价请求。符合条件的订单它替你自动发评价请求，不用你一个个点。

这5个模板有个共同点——全是每天重复又不能漏的事。亚马逊不是要替你做战略决策，是替你看着那些日常的必要检查。

你想想，这些活以前要么你自己每天花半小时翻一遍，要么花钱雇个运营做。现在一个免费AI替你盯着，而且——它每天都不会忘。

两种模式

这个功能最大的设计不是"AI能替你干多少"，是"AI能干的边界在哪"。

每条工作流你自己定两种模式：

一种是仅建议模式——它发现了问题只给你提个醒，要不要处理、怎么处理，你自己决定。适合你刚上手、还没了解透这个AI的情况下使用。

另一种是代为执行模式——它替你动手，但每个动作执行前都需要经过你的同意。

另外退款、给买家发消息这种敏感动作，不管你选哪种模式，需要你自己操作。AI不能自己退款，不能自己给买家回消息。

每一步动作都写进审计轨迹，你能翻出来看它干了什么、什么时候干的、为什么干。要是它想干的事超出了你设的护栏范围，它就停下来问你，不自己瞎决定

说白了，亚马逊不是把店交给AI，像是请了一个24小时帮你看店的助理。

能帮你起草广告

这个功能还有一块你可能没注意到——它能起草广告、能优化搜索词、能在你设的出价上限内调出价，但出价上限是你设的。

AI会先核查你的商品详情页、库存、现有广告状态，再起草Sponsored Products和Sponsored Brands广告活动。广告上线后，在你设的出价上限范围内，持续帮你优化搜索词和出价。

广告费是亚马逊最大的利润源之一。AI帮你调价、帮你补货、帮你刷Listing，这些省的是你的运营人力成本。AI要是替你把出价上限压到地板、帮你砍掉跑飞的词——省的是你交给亚马逊的广告费。

6个应用场景

① 库存断货+滞销预警。你把Top 20主力ASIN扔给它，它跑历史销量跟现有库存，告诉你哪个30天内可能断、该补多少、哪个滞销该降价或移除，还能辅助规划FBA和AWD的库存分布。

需要注意的——它算的是历史销量趋势，碰到旺季前夕销量突变、或者你大批量到货的节点，它的预测会失真。旺季前的补货决策别全信AI，按你自己的旺季备货节奏拍板。

② 合规雷区扫描。电子产品UL认证缺了它提醒你补，Listing里写了敏感词触发农药类风险它告诉你为什么触发、怎么改。这是真省事——以前你发现Listing被下架才知道踩了雷，现在它能提前扫。但记住——它能告诉你"缺什么材料"，不能替你"编什么材料"。UL、CPC、FDA这些得你自己真有，AI不能替你凭空生成合规凭证。

③广告起草+出价优化。它会先核查你的详情页、库存、现有广告状态，再起草Sponsored Products和Sponsored Brands广告，上线后在你设的出价上限内持续优化搜索词和出价。这个确实把重复性的广告维护活交出去了，广告团队可以把时间挪到预算、结构、增长策略上。

④ 评分异动提醒。你指定Top 10重点商品，评分掉到4星以下它主动提醒你，还能起草应对方案。以前你每天得自己刷一遍Rating，现在它替你盯。

注意：它能告诉你"评分掉了"，但为什么掉、是哪个差评拉的、该怎么回——还是得你自己看评论判断。AI不会替你解读每条差评背后的真实问题。

⑤ 新品拓展机会。Seller Assistant Canvas会把你的历史销售、品类需求、搜索行为、竞争强度放在一个动态工作区里，帮你看新品、变体、备货策略哪个值得试。

但是它能帮你做"市场研究"，不能替你做"产品验证"。AI给你的是数据关联，不是"这个产品一定能卖"的结论。选不选、备多少，要你自己决定。

⑥ 接Claude做跨部门分析。通过Selling Partner插件，把你的Listing、库存、实时销售等亚马逊数据带进Claude或Amazon Quick，再跟你的供应链、财务、营销数据一起分析。这意味着AI不再只看Seller Central，可以参与跨部门经营分析。

但是这个插件目前美国站Beta阶段，国际扩张"后续"。你现在能不能用，看你是不是美国站+有没有拿到Beta权限。

这6个场景有个共同提醒——都是"它能发现+你来决策"的搭配。AI替你把发现异常的活干了，但每个异常怎么处理、要不要动、动到什么程度，最后还是你的判断。

你的店铺有人盯了 但利润还得有人负责

想象一个场景：早上打开电脑，AI已经整理好库存风险、价格变化和待处理事项，还把建议动作放到了你面前。

这当然是好事。真正值得思考的是，当这份晨报越来越容易生成，运营接下来靠什么创造价值？

Workflows支持持续监控，卖家可以选择只接收建议，或在审核批准后让系统执行动作，并查看记录。

这意味着，一部分工作正从“每天记得去检查”，转向“提前定义什么情况值得检查”。

我的判断是：未来运营的差距，会越来越体现在异常出现后，谁能判断该不该动、先动哪一项，以及动完到底有没有赚到钱。

比如，AI提醒一个主力ASIN失去了购物车。你立刻批准降价，看起来处理得很及时。但如果原因是配送承诺或库存状态，降价未必解决问题；如果利润空间本就很薄，你还可能把一个履约问题，处理成一个利润问题。

工具缩短的是发现与执行之间的距离。这个距离越短，经营标准越不能模糊。永远要你确认，AI不能自己决定。

先把功能能力与经营结果分开看

理解这次变化，不需要把所有新名词背下来。先分清三层工作：发现异常、提出方案、执行变更。

第一层，发现异常。比如库存减少、销量变化、账户出现待处理事项。这层适合先做成日报或提醒，让遗漏更少。

第二层，提出方案。这里开始涉及目标冲突：降价可能增加订单，却降低单件收益；加广告可能拉动销量，却加快断货；减少库存可能改善现金占用，却降低旺季供货能力。

第三层，执行变更。只要涉及价格、预算、商品内容或补货，团队就要清楚谁批准、依据是什么、什么时候复查。

但最高出价只是一个边界，不能代替完整的利润目标。也不能把一般工作流的审批说明，直接套成所有广告自动优化动作都要逐次点击批准；实际授权粒度要看对应功能界面。

对卖家来说，最有价值的问题不是“AI能不能帮我操作”，而是“我怎样判断这次操作值得做”。

先落地三条有验收标准的工作流

第一条 主力产品的异常诊断

先选10个主力ASIN，按站点本地时间查看完整自然日数据。将最近7天与此前7天对比，先排查流量，再看转化、成交价、广告、库存与可售状态。

不要把“昨天少卖了几单”直接判成异常。低销量商品的波动本来就大，活动结束后的回落也可能符合预期。提醒阈值要同时考虑变化比例和绝对订单量，并标记促销、价格调整等背景。

AI的交付物应是：发生了什么、哪些数据支持、还缺什么证据、下一步检查什么。不能把一种可能原因写成确定结论。

验收时看两件事：人工已经发现的重要异常有没有漏报，以及收到的提醒中有多少值得处理。不要只数AI每天发了多少条消息。

第二条 广告与库存的联动审查

库存预警不能只写“低于30天提醒我”。如果采购到可售需要45天，再加10天安全缓冲，等到库存只能卖30天时才处理，可能已经来不及。

一个基础参照是：补货触发点＝预计日销量×补货提前期＋安全库存。实际还要核对可售库存、在途数量、预计到仓与上架时间，逐日评估是否会出现供货缺口，不能把所有在途都视为明天可售。

如果缺货风险升高，AI可以整理保守与增长两套投放建议。运营要共同判断：保留哪些高贡献流量，哪些探索预算可以暂缓，补货能否赶上，以及降速对增长计划的影响。

验收不能只看“库存提醒准确”，还要追踪是否减少了紧急调拨、无效投放和可避免的断货。旺季或新品阶段，必须重新校准销量假设。

第三条 价格调整的利润审查

失去购物车时，先检查价格之外的库存、配送和商品状态，再决定是否进入调价比较。最低竞争价是观察信息，不应自动变成你的目标价。

每次提价或降价，都要求同时呈现原方案、新方案、单件贡献变化，以及达到原总贡献利润需要多少订单。

沿用前面的模拟案例，在新价格和广告费5,800美元的假设下，要维持原贡献利润，月销量需约1,334件，比原来的1,000件增加约33.4%。当前只有1,200件，这个差距就是批准降价前应该看到的东西。

价格变化后先检查执行是否正确，再在足够的观察窗口内复盘。不要把当天波动当成最终效果，也不要同时改价格、图片和广告后，把结果全部归功于其中一项。

能直接改用的工作流指令

指令一 只读经营巡检

请先确认你能访问的站点、ASIN、数据字段和更新时间。对我指定的10个主力ASIN，按站点本地时间，每天汇总最近一个完整自然日的经营变化，并比较最近7天与此前7天的销量、流量和转化。只有在这些字段可用时才做比较。

列出促销、价格、库存和广告状态等已知变化。把“已证实事实”“可能原因”“仍需核实的数据”分开。按我提供的SKU异常阈值排序，未提供阈值时先建议阈值供我确认，不自行启用。只输出提醒与检查清单，不修改价格、广告或Listing。数据缺失或延迟时明确标记，不补造数值。

指令二 调价前的贡献利润测算

针对我指定的ASIN，结合当前售价、购物车相关信息及我提供的成本表，比较维持现价与两个候选价格。统一费用、币种和时间口径，列出每个价格的单件广告前贡献、预计广告费用及总贡献利润情景。

不要将平台费后余额称为净利润。采购、头程、退货或促销成本缺失时，先列出缺口，暂停利润结论。计算新价格要维持原贡献利润所需的销量，并注明广告费用与单位成本假设。只生成待审批方案，不执行调价。

这两条指令都故意加入了“先确认能访问什么”。现实中，一个诚实指出数据缺口的助手，比一个每次都给出完整答案的助手更值得依赖。

卖家要学会管理AI的工作结果

当AI能更快地整理数据、发现异常、准备方案，卖家终于有机会把时间用在更难的事情上：验证需求、改善产品、优化供应链，以及理解利润为何变化。

前提是，你愿意把过去凭经验做的判断，说清楚、算明白，并接受复盘。

我对这次升级的看法很明确：先给AI一项具体工作，再给它一套验收标准。让它逐步承担重复任务，让团队持续提高判断质量。

今天就可以做一个动作：选出一个主力ASIN，写下它的成本结构、库存边界和本周经营目标，再问团队——如果明天销量上涨20%，我们怎样证明它值得高兴？

能回答这个问题，AI才有机会真正帮你经营。