作者拿到的成绩
这篇值得看在哪里
作者在TikTok Shop美区和巴西区做短视频带货，AI视频累计达到千万级播放。团队曾受个人产能限制，调整SOP后首月GMV翻倍。更关键的转折是从纯AI回到AI辅助加实拍，并把判断沉淀为可复用流程。
从个人爆款到团队可复用，项目先解决的是产能瓶颈
作者所在的是一个小型创业团队，主要做TikTok Shop美区和巴西区短视频带货。早期他个人每月能做到四五万美金GMV，但团队整体长期卡在七万多美金，其他成员更多是在照着最终结果复刻，并不知道为什么选这个产品、为什么采用这个结构，以及哪些内容根本不值得跟。于是项目的重点从继续提高个人爆款概率，转向把产品判断、内容判断和踩坑经验拆成团队能使用的SOP。调整后的第一个月，团队GMV翻了一倍，不过作者也明确说明，这个增长不能全部归因于SOP，产品、流量和爆款周期同样会影响结果。对小团队而言，这个案例的价值不在于复制一个数字，而在于看见了一个常见转折：当个人能力已经能稳定产出，下一步瓶颈往往是如何让判断脱离个人记忆，进入可复用的工作流。
真正的内容起点不是Prompt，而是先找到用户为什么会买
作者拿到新品后不会直接让GPT写脚本，而是先同时研究产品和市场内容。普通家居品可以先看商品详情页，再用FastMoss寻找已经成交的视频和真实使用素材；功能复杂或客单价高的产品，则需要进一步弄清它解决什么问题、如何工作，以及用户为什么愿意多花钱。一个中高客单个护产品在美区几乎没有同款参考时，他没有继续困在商品关键词里，而是去Amazon、Reddit和其他平台看用户讨论，从坐骨神经痛、腰椎间盘突出等相关问题出发，转而搜索TikTok上的健康科普和用户经历。最后，他借用半透明骨骼动画解释抽象痛点，前七八秒先建立用户对问题的理解，再用实拍承接产品本身，视频后来获得300多万播放。这个选择说明，同款视频缺失不等于没有内容机会，关键是找到目标用户已经在关注什么，再把产品接到那个已有认知上。
对标不是照抄画面，而是拆出能迁移的结构
高脚垃圾桶的案例展示了另一种找对标方式。商家原有视频已经高度模板化，作者判断即使把画面做得更漂亮，也很难形成差异，于是从单个商品扩展到整个垃圾桶品类，找到普通美国垃圾桶与日本垃圾桶对比的爆款结构。这个结构先展示旧方案哪里不够好，再让新产品形成升级感，最后补齐购买理由。作者没有照搬智能垃圾桶的台词和画面，而是只保留前后对比与升级叙事，再换成高脚设计真实存在的卖点，首条视频获得30多万播放。泳池清洁机器人则体现了更复杂的研究要求：他先看真人素材，弄清机器结构、运行逻辑和垃圾仓最终会收集什么，再把一两分钟口播才能解释的内容压进十几秒，用污渍轨迹、水下角度和垃圾收集作为视觉证据。这里值得迁移的是判断方法，而不是某个Prompt：先找出原内容表达效率低的地方，再确认自己的产品是否真的能承接这个结构。
跨到巴西市场后，验证的是方法能否脱离熟悉环境
作者在美区做出结果后，又从零尝试巴西区，测试选品、拆对标和内容制作的方法能否换到陌生市场。第一个月底有视频达到200多万播放，第二个月当月GMV大概5万雷亚尔，但由于佣金和汇率因素，最终赚到的钱约为5000人民币。这个案例的成果口径需要分开看：播放、GMV和实际到手收入不是同一个指标，作者也把跨市场后的可复用性视为更重要的收获。另一个电动清洁产品的测试中，他从FastMoss找到两条销量靠前的视频，让GPT逐帧拆解，保留旋转刷头、泡沫、长杆清洁高处和多刷头用途等有效信息，删掉低信息量片段，重新组合成15秒版本，第一条测试达到200万播放。作者强调，Prompt之所以能直接使用，是因为此前大量视频试错已经沉淀在长期对话和判断规则里，单独复制最后一段Prompt并不能复制整个结果。
从追排行榜转向找内容空间，适合小团队的筛选逻辑更具体
作者早期会看FastMoss销量榜和增长榜，看到商品GMV上涨就判断机会，但万圣节选品时，很多一天GMV几万美金、视觉上很适合AI的产品，实际测试却没有效果。复盘后他发现，数据开始上涨时，市场可能已经被成熟团队和工业化模板覆盖，后来看到的增长未必代表刚出现的机会。现在的筛选顺序是先确认需求已经成立，例如有稳定订单、历史成交或达人持续出单，再看Top视频是否还存在明确的内容改进空间。若达人只能靠长口播，而核心卖点可以用画面表现，或者商家视频已经能出单但内容粗糙，这类产品更值得小团队测试；如果人群、场景、Hook和视觉证明都已成熟，并且大量账号持续铺量，即使GMV很高也要谨慎。这个逻辑把商品机会和内容机会分开了，也提醒读者关注商家质量、库存、寄样和后续合作，而不只是客单价或排行榜位置。
AI参与更深了，但产品真实性决定了哪些画面不能交给它
作者经历过从AI辅助、整条纯AI，到重新回到AI加实拍的变化。早期AI适合表现病理、痛点和现实中难以拍摄的场景，后来模型能力提升，他也尝试用AI生成完整视频甚至产品效果。但平台对商品真实性、商品一致性和账号风控要求提高后，他重新划分边界：AI可以负责成本高的场景和痛点，例如凌乱家庭、脏泳池或人物使用情境；涉及机器人是否真的清洁干净、工具实际怎么工作等核心功能和效果，则尽量由真实素材证明。泳池机器人的历史案例因此不能被简单理解为完整打法，作者明确指出，AI生成的清洁效果不是真实产品完成的结果。这个调整对想做AI带货的人很重要：效率提升不等于证据成立，画面是在营造场景，还是在证明产品能力，会直接影响内容可信度和合规风险。
产品档案比更多Prompt更接近可持续放大
作者最初做编导Agent时，已经把产品分析、对标拆解、脚本结构、画面表现和常见生成问题放进去，但继续使用后发现，真正缺的不是更多Prompt，而是产品历史。一个方向如果每次都重新换人群、场景、开头和购买理由，就很难判断究竟是什么因素带来了成交。因此现在的测试更强调先固定上一轮已验证的变量，再一次只扩展一个变量，例如保留已经成交的人群，继续测试不同购买理由，再固定购买理由去测试开头、场景或表现方式。作者还区分了信号强弱：一条视频集中出单，与四五条不同素材分别出单，不是同一级别；同一方向换素材甚至换账号仍能出单，才更接近对内容方向可复制性的验证。基于这个问题，他准备把成交方向、无效方向、高播放低转化视频以及下一轮缺什么，都放入产品档案。档案仍在准备第一版，所以这里是正在建设的工作流，不应被理解成已经完成的自动化系统。
根据作者原帖整理。完整实操与材料见原文。
原文还会展开这些问题
- TikTok Shop团队为何要把个人判断拆成SOP？
- 同款产品缺少对标时，如何从用户内容寻找结构？
- 哪些AI画面适合生成，哪些产品证据必须实拍？
- FastMoss销量上涨为何不等于适合小团队进入？
- 如何判断一个内容方向已经具备可复制性？
原作者原话
其实不是一个级别的信号；如果同一个方向换了素材、甚至换了账号以后还能继续出单，那说明被验证的就不只是某一条视频
其实不是更多Prompt，而是它不知道这个产品以前发生过什么
以上为原帖简短摘引。作者：山芋（leo）。完整内容及访问条件以生财有术原帖为准。
想继续看这类项目复盘？
这些案例选自生财有术。你可以先领一张 3 天体验卡，看看圈友怎么做项目。
准备加入的话，我有一张 400 元优惠券。前 500 名加入可用，11 月 11 日 23:59 截止。
电脑用微信扫码 · 微信内长按海报识别
其他浏览器可保存海报，用微信扫一扫从相册识别。