@hhlf282 2026-03-20T01:03:40.000000Z 字数 7888 阅读 20

🦐 Daraz 跨境电商选品 AI Agent 养虾教程

目标: 培养一个能辅助员工进行 Daraz 平台（斯里兰卡）选品的 AI Agent
适用对象: 跨境电商运营团队
团队配置: 程序员 + 运营人员配合
版本: 1.0
创建时间: 2026-03-19

📋 目录

Daraz 平台认知
选品核心能力
养虾阶段规划
技术架构设计
数据喂养计划
团队协作流程
评估指标体系
风险与注意事项

1. Daraz 平台认知

1.1 平台概况

Daraz 是南亚地区领先的电商平台，覆盖 5 个国家：
- 🇱🇰 斯里兰卡 (目标市场)
- 🇵🇰 巴基斯坦 (最大市场)
- 🇧🇩 孟加拉国
- 🇲🇲 缅甸
- 🇳🇵 尼泊尔

关键信息:
- 成立时间：2012 年
- 母公司：阿里巴巴集团 (2018 年收购)
- 产品数量：1500 万+ SKU
- 支付方式：COD(货到付款)、信用卡、电子钱包 (Daraz Wallet、JazzCash、EasyPaisa)
- 物流：Daraz Express 自建物流 + 第三方物流

1.2 斯里兰卡市场特点

维度	特点	选品启示
人口	2200 万，年轻化	偏好时尚、电子产品
经济	发展中国家，价格敏感	性价比产品更受欢迎
语言	僧伽罗语、泰米尔语、英语	产品描述需多语言
消费习惯	COD 占比高 (70%+)	低价产品更容易转化
热门品类	服装、电子、家居、美妆	优先选择这些类目
物流时效	3-7 天 (国内仓)	海外仓需考虑时效

1.3 平台规则要点

卖家入驻:
- 需要本地营业执照或中国营业执照
- 保证金：根据类目不同，约 5000-20000 卢比
- 佣金：2-15% (按类目)

选品限制:
- ❌ 禁止：武器、药品、仿牌、成人用品
- ⚠️ 限制：食品、化妆品 (需认证)
- ✅ 鼓励：本地化产品、中国品牌

流量机制:
- 搜索权重：销量 > 评价 > 价格 > 上新时间
- 活动资源：Flash Sale、Daraz Mall、品牌日
- 付费推广：Sponsored Products、Display Ads

2. 选品核心能力

2.1 AI Agent 需要具备的能力

┌─────────────────────────────────────────────────────────┐
│                  Daraz 选品 AI Agent                     │
├─────────────────────────────────────────────────────────┤
│  1. 市场洞察能力                                        │
│     - 热销品类识别                                      │
│     - 价格区间分析                                      │
│     - 竞争度评估                                        │
│                                                         │
│  2. 数据分析能力                                        │
│     - 销量趋势分析                                      │
│     - 评论情感分析                                      │
│     - 利润测算                                          │
│                                                         │
│  3. 供应链管理                                          │
│     - 1688/淘宝货源匹配                                 │
│     - 物流成本计算                                      │
│     - 库存周期预测                                      │
│                                                         │
│  4. 风险评估                                            │
│     - 政策风险 (海关、认证)                             │
│     - 市场风险 (饱和、价格战)                           │
│     - 供应链风险 (断货、质量)                           │
│                                                         │
│  5. 决策建议                                            │
│     - 选品推荐 (含理由)                                 │
│     - 定价建议                                          │
│     - 运营策略                                          │
└─────────────────────────────────────────────────────────┘

2.2 选品评估维度

维度权重评估指标数据来源

市场需求 30% 月销量、搜索量、增长率 Daraz API、Google Trends

竞争程度 20% 卖家数量、头部集中度 Daraz 爬虫

利润空间 25% 毛利率、ROI、客单价 1688+ 物流成本

供应链 15% 供货稳定、发货时效 1688 API

风险 10% 政策、季节、质量人工审核 + AI 判断

维度	权重	评估指标	数据来源
市场需求	30%	月销量、搜索量、增长率	Daraz API、Google Trends
竞争程度	20%	卖家数量、头部集中度	Daraz 爬虫
利润空间	25%	毛利率、ROI、客单价	1688+ 物流成本
供应链	15%	供货稳定、发货时效	1688 API
风险	10%	政策、季节、质量	人工审核 + AI 判断

3. 养虾阶段规划

3.1 阶段总览

Phase 1 (1-2 周)          Phase 2 (3-4 周)          Phase 3 (5-8 周)
基础认知期     ──────→    数据积累期     ──────→    实战优化期
- 平台规则学习            - 历史数据导入             - 真实选品测试
- 基础数据爬取            - 选品模型训练             - 持续迭代优化
- 简单选品建议            - 初步推荐能力             - 成熟决策能力

3.2 Phase 1: 基础认知期 (1-2 周)

目标: 让 AI 理解 Daraz 平台和选品逻辑

任务清单:

任务	负责人	交付物	时间
平台规则文档整理	运营	《Daraz 选品规则手册》	3 天
历史选品案例整理	运营	50 个成功/失败案例	5 天
基础数据爬取	程序员	Daraz 品类/价格/销量数据	7 天
AI 知识库构建	程序员	向量数据库 + 知识图谱	7 天
简单问答测试	运营+AI	准确率>80%	2 天

AI 训练内容:

1. 平台规则学习
   - 禁售/限售商品列表
   - 各类目佣金费率
   - 物流时效要求
2. 选品逻辑学习
   - 成功案例拆解 (为什么成功)
   - 失败案例复盘 (为什么失败)
   - 选品评估框架
3. 基础数据学习
   - 热销品类 TOP 100
   - 价格区间分布
   - 季节性规律

验收标准:
- AI 能准确回答平台规则问题 (准确率>90%)
- AI 能识别禁售/限售商品 (准确率>95%)
- AI 能给出简单的选品建议 (运营评分>7/10)

3.3 Phase 2: 数据积累期 (3-4 周)

目标: 建立数据驱动的选品模型

任务清单:

任务	负责人	交付物	时间
历史销售数据导入	程序员	销售数据库 (1 年+)	7 天
竞品数据爬取	程序员	竞品监控数据库	7 天
供应链数据对接	程序员	1688 API 对接	5 天
选品模型训练	程序员+AI	选品评分模型 V1	10 天
人工标注反馈	运营	1000+ 标注样本	持续

AI 训练内容:

1. 销量预测模型
   - 输入：品类、价格、季节、竞争度
   - 输出：预计月销量 (±30% 误差)
2. 利润测算模型
   - 输入：采购价、物流费、佣金、售价
   - 输出：毛利率、ROI
3. 竞争度评估模型
   - 输入：卖家数量、头部集中度、价格战程度
   - 输出：竞争指数 (1-10 分)
4. 综合评分模型
   - 输入：上述所有维度
   - 输出：选品推荐指数 (1-100 分)

验收标准:
- 销量预测误差 <30%
- 利润测算误差 <15%
- 选品推荐与运营判断一致性 >70%

3.4 Phase 3: 实战优化期 (5-8 周)

目标: 在实际业务中验证和迭代

任务清单:

任务	负责人	交付物	时间
真实选品测试	运营+AI	20 个选品建议	持续
销售数据反馈	运营	实际销售数据	持续
模型迭代优化	程序员+AI	选品模型 V2/V3	每 2 周
运营 SOP 固化	运营	《AI 选品 SOP》	4 周
效果评估报告	运营+AI	ROI 分析、改进建议	8 周

AI 训练内容:

1. 反馈学习
   - 成功案例强化
   - 失败案例修正
   - 边界情况处理
2. 策略优化
   - 定价策略调整
   - 品类偏好学习
   - 风险识别优化
3. 人机协作
   - 运营反馈吸收
   - 不确定性标注
   - 人工审核触发

验收标准:
- AI 推荐选品成功率 >60% (月销量>100 单)
- AI 推荐选品平均毛利率 >25%
- 运营对 AI 信任度 >8/10

4. 技术架构设计

4.1 整体架构

┌──────────────────────────────────────────────────────────────┐
│                        用户层                                │
│  ┌───────────┐  ┌───────────┐  ┌───────────┐                │
│  │  Web 界面  │  │  Slack 机器人 │  │  API 接口  │                │
│  └───────────┘  └───────────┘  └───────────┘                │
└──────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌──────────────────────────────────────────────────────────────┐
│                      AI Agent 层                              │
│  ┌──────────────────────────────────────────────────────┐   │
│  │              选品决策引擎                             │   │
│  │  - 市场洞察  - 数据分析  - 风险评估  - 决策建议      │   │
│  └──────────────────────────────────────────────────────┘   │
│  ┌──────────────────────────────────────────────────────┐   │
│  │              知识检索引擎 (RAG)                       │   │
│  │  - 平台规则  - 历史案例  - 运营 SOP                   │   │
│  └──────────────────────────────────────────────────────┘   │
└──────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌──────────────────────────────────────────────────────────────┐
│                       数据层                                 │
│  ┌───────────┐  ┌───────────┐  ┌───────────┐  ┌───────────┐ │
│  │ Daraz 数据 │  │ 1688 数据 │  │ 历史销售  │  │ 知识库   │ │
│  │ (爬虫/API)│  │ (API)     │  │ (数据库)  │  │ (向量 DB)│ │
│  └───────────┘  └───────────┘  └───────────┘  └───────────┘ │
└──────────────────────────────────────────────────────────────┘

4.2 技术栈推荐

模块	技术选型	说明
AI 模型	Qwen3.5-Plus / GPT-4	主力决策模型
向量数据库	Pinecone / Milvus	知识库检索
爬虫框架	Scrapy / Playwright	Daraz 数据爬取
后端	Python FastAPI	API 服务
前端	React / Streamlit	运营界面
数据库	PostgreSQL + Redis	业务数据 + 缓存
部署	Docker + K8s	容器化部署

4.3 核心 API 设计

# 选品推荐 API
POST /api/v1/product-recommendation
Request:
{
    "category": "electronics",      # 品类 (可选)
    "price_range": {"min": 100, "max": 5000},  # 价格区间
    "budget": 50000,                # 采购预算
    "exclude_categories": ["adult"] # 排除品类
}
Response:
{
    "recommendations": [
        {
            "product_id": "12345",
            "product_name": "无线蓝牙耳机",
            "category": "electronics/audio",
            "source_url": "https://1688.com/xxx",
            "purchase_price": 45,           # 采购价 (RMB)
            "daraz_price": 2500,            # 建议售价 (LKR)
            "estimated_monthly_sales": 150, # 预计月销量
            "gross_margin": 0.35,           # 毛利率
            "competition_score": 6.5,       # 竞争度 (1-10)
            "risk_level": "low",            # 风险等级
            "recommendation_score": 85,     # 推荐指数 (1-100)
            "reasons": [                    # 推荐理由
                "搜索量月增长 25%",
                "竞争度中等，头部集中度低",
                "毛利率 35%，高于品类平均",
                "无认证要求，物流简单"
            ]
        }
    ],
    "metadata": {
        "total_analyzed": 10000,
        "filtered_count": 500,
        "recommendation_count": 10,
        "analysis_time": "2.3s"
    }
}
# 选品评估 API
POST /api/v1/product-evaluation
Request:
{
    "product_url": "https://1688.com/xxx",
    "target_category": "electronics/audio",
    "target_price": 2500  # LKR
}
Response:
{
    "evaluation": {
        "market_demand": {"score": 8.5, "analysis": "..."},
        "competition": {"score": 6.5, "analysis": "..."},
        "profitability": {"score": 7.8, "analysis": "..."},
        "supply_chain": {"score": 9.0, "analysis": "..."},
        "risk": {"score": 8.0, "analysis": "..."},
        "overall_score": 79.6,
        "recommendation": "推荐",
        "action_items": ["建议备货 200 件", "注意 11 月旺季"]
    }
}
# 竞品监控 API
GET /api/v1/competitor-monitor?product_id=xxx
Response:
{
    "competitors": [
        {
            "seller_name": "TechStoreLK",
            "price": 2400,
            "monthly_sales": 200,
            "rating": 4.5,
            "review_count": 150
        }
    ],
    "price_trend": [...],
    "sales_trend": [...]
}

5. 数据喂养计划

5.1 数据类型

数据类型	来源	更新频率	用途
平台规则	Daraz 官方文档	每月	合规判断
品类数据	Daraz 爬虫	每日	市场洞察
价格数据	Daraz+1688	每日	利润测算
销量数据	Daraz 爬虫	每日	需求分析
评论数据	Daraz 爬虫	每周	情感分析
历史销售	内部数据库	实时	模型训练
供应链数据	1688 API	实时	货源匹配

5.2 数据量要求

阶段	品类数据	价格数据	销量数据	案例数据
Phase 1	1000 SKU	1000 SKU	-	50 案例
Phase 2	10000 SKU	10000 SKU	1 年历史	200 案例
Phase 3	50000 SKU	50000 SKU	2 年历史	500 案例

5.3 数据标注规范

选品成功案例标注:

{
    "product_id": "12345",
    "product_name": "无线蓝牙耳机",
    "category": "electronics/audio",
    "launch_date": "2025-10-01",
    "outcome": "success",
    "metrics": {
        "monthly_sales": 500,
        "gross_margin": 0.35,
        "roi": 2.5
    },
    "success_factors": [
        "价格区间竞争少 (1000-3000 LKR)",
        "产品差异化 (长续航)",
        "旺季前上架 (10 月)"
    ],
    "lessons": [
        "备货不足导致断货 2 周",
        "应提前准备促销素材"
    ]
}

选品失败案例标注:

{
    "product_id": "67890",
    "product_name": "智能手表",
    "category": "electronics/wearables",
    "launch_date": "2025-08-01",
    "outcome": "failure",
    "metrics": {
        "monthly_sales": 20,
        "gross_margin": 0.15,
        "roi": 0.5
    },
    "failure_reasons": [
        "市场竞争激烈 (500+ 卖家)",
        "价格战严重 (头部卖家定价极低)",
        "产品同质化，无差异化"
    ],
    "lessons": [
        "进入前应评估竞争度",
        "避免红海品类",
        "需有差异化优势"
    ]
}

6. 团队协作流程

6.1 日常选品流程

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│   AI Agent  │────▶│   运营人员   │────▶│   决策会议   │
│  初步筛选   │     │  深度评估   │     │  最终决策   │
└─────────────┘     └─────────────┘     └─────────────┘
       │                   │                   │
       ▼                   ▼                   ▼
  - 数据爬取           - 人工审核           - 老板审批
  - 模型评分           - 供应链确认         - 预算分配
  - TOP 20 推荐       - 风险评估           - 采购执行

6.2 角色分工

角色	职责	工具
AI Agent	数据收集、初步筛选、评分排序	选品系统
运营专员	深度评估、供应链沟通、风险评估	选品系统 +Excel
运营主管	最终审核、预算分配、策略制定	选品系统 + 会议
程序员	系统维护、模型迭代、数据对接	代码 + 数据库

6.3 人机协作 SOP

Step 1: AI 初步筛选 (每日自动)
- AI 爬取 Daraz 热销数据
- AI 匹配 1688 货源
- AI 计算利润和评分
- 输出 TOP 20 推荐列表

Step 2: 运营深度评估 (每日 1 小时)
- 审核 AI 推荐的 TOP 20
- 排除风险产品 (认证、质量)
- 补充 AI 遗漏的信息
- 标记优先级 (高/中/低)

Step 3: 决策会议 (每周 1 次)
- 回顾上周选品表现
- 讨论本周推荐产品
- 确定采购清单和预算
- 分配运营资源

Step 4: 反馈学习 (持续)
- 记录实际销售数据
- 标注成功/失败案例
- AI 模型迭代优化

7. 评估指标体系

7.1 AI 能力指标

指标	定义	目标值	测量方式
推荐准确率	AI 推荐 vs 运营判断一致性	70%	人工标注对比
销量预测误差	(预测销量 - 实际销量)/实际销量	<30%	销售数据对比
利润预测误差	(预测毛利 - 实际毛利)/实际毛利	<15%	财务数据对比
风险识别率	成功识别风险产品的比例	90%	事后复盘
运营信任度	运营对 AI 推荐的采纳意愿	8/10	问卷调查

7.2 业务指标

指标	定义	目标值	测量方式
选品成功率	月销量>100 单的产品占比	60%	销售数据
平均毛利率	所有产品的平均毛利率	25%	财务数据
库存周转率	年销售成本/平均库存	6 次	财务数据
ROI	(销售收入 - 成本)/成本	2.0	财务数据
决策效率	从选品到上架的平均时间	<7 天	流程记录

7.3 阶段性目标

阶段推荐准确率选品成功率平均毛利率运营信任度

Phase 1
60%
- -
6/10

Phase 2
70%

50%

20%

7/10

Phase 3
80%

60%

25%

8/10

阶段	推荐准确率	选品成功率	平均毛利率	运营信任度
Phase 1	60%	-	-	6/10
Phase 2	70%	50%	20%	7/10
Phase 3	80%	60%	25%	8/10

8. 风险与注意事项

8.1 技术风险

风险	影响	应对措施
数据爬取被封	数据中断	多 IP 轮换、降低频率、使用 API
模型幻觉	错误建议	人工审核、不确定性标注
系统故障	业务中断	备份方案、手动流程

8.2 业务风险

风险	影响	应对措施
市场变化快	模型失效	每周迭代、人工干预
供应链断货	销售损失	多供应商、安全库存
政策变化	产品下架	实时监控、快速响应

8.3 人机协作风险

风险	影响	应对措施
过度依赖 AI	丧失判断力	定期培训、人工审核
不信任 AI	采纳率低	透明决策、案例展示
责任不清	推诿扯皮	明确分工、记录决策链

8.4 关键注意事项

AI 是辅助，不是替代
- 最终决策权在人
- AI 建议需人工审核
- 保留人工否决权
数据质量决定 AI 质量
- 投入资源保证数据准确
- 定期清洗和更新数据
- 建立数据标注规范
持续迭代是关键
- 市场在变，模型也要变
- 每周复盘，每月迭代
- 保持学习和优化心态
合规第一
- 严格遵守平台规则
- 不卖禁售/限售商品
- 注意知识产权

📚 附录

附录 A: 推荐工具清单

工具	用途	价格
Jungle Scout	电商数据分析	$49/月 \| \| Helium 10 \| 选品和关键词 \|$ 97/月
Keepa	价格历史追踪	€19/月
Google Trends	趋势分析	免费
1688 API	供应链数据	免费/付费

附录 B: 学习资源

Daraz 大学: http://university.daraz.pk/
Daraz 卖家论坛: https://seller.daraz.com.my/
跨境电商选品指南: [内部文档]
AI Agent 开发教程: [内部文档]

附录 C: 联系人

角色职责联系方式

项目经理整体协调 [待填写]

技术负责人系统开发 [待填写]

运营负责人业务对接 [待填写]

AI 训练师模型调优 [待填写]

角色	职责	联系方式
项目经理	整体协调	[待填写]
技术负责人	系统开发	[待填写]
运营负责人	业务对接	[待填写]
AI 训练师	模型调优	[待填写]

版本: 1.0
创建时间: 2026-03-19
下次更新: 2026-04-19 (或根据实际进展)

🚀 快速启动清单

Day 1-3: 准备阶段

组建团队 (程序员 1 人 + 运营 2 人)
申请 Daraz 卖家账号
申请 1688 API 账号
搭建开发环境

Day 4-7: 数据收集

爬取 Daraz 热销数据 (1000 SKU)
整理历史选品案例 (50 个)
编写平台规则文档

Week 2: 基础训练

构建知识库 (向量数据库)
训练基础问答能力
测试准确率 (>80%)

Week 3-4: 模型开发

开发选品评分模型
对接 1688 API
开发 Web 界面

Week 5-8: 实战测试

真实选品测试 (20 个产品)
收集反馈数据
模型迭代优化

祝养虾成功！🦐

🦐 Daraz 跨境电商选品 AI Agent 养虾教程

📋 目录

1. Daraz 平台认知

1.1 平台概况

1.2 斯里兰卡市场特点

1.3 平台规则要点

2. 选品核心能力

2.1 AI Agent 需要具备的能力

2.2 选品评估维度

3. 养虾阶段规划

3.1 阶段总览

3.2 Phase 1: 基础认知期 (1-2 周)

3.3 Phase 2: 数据积累期 (3-4 周)

3.4 Phase 3: 实战优化期 (5-8 周)

4. 技术架构设计

4.1 整体架构

4.2 技术栈推荐

4.3 核心 API 设计

5. 数据喂养计划

5.1 数据类型

5.2 数据量要求

5.3 数据标注规范

6. 团队协作流程

6.1 日常选品流程

6.2 角色分工

6.3 人机协作 SOP

7. 评估指标体系

7.1 AI 能力指标

7.2 业务指标

7.3 阶段性目标

阶段 推荐准确率 选品成功率 平均毛利率 运营信任度 Phase 1 60% - - 6/10 Phase 2 70% 50% 20% 7/10 Phase 3 80% 60% 25% 8/10

8. 风险与注意事项

8.1 技术风险

8.2 业务风险

8.3 人机协作风险

8.4 关键注意事项

📚 附录

附录 A: 推荐工具清单

附录 B: 学习资源

附录 C: 联系人

角色 职责 联系方式 项目经理 整体协调 [待填写] 技术负责人 系统开发 [待填写] 运营负责人 业务对接 [待填写] AI 训练师 模型调优 [待填写]

🚀 快速启动清单

Day 1-3: 准备阶段

Day 4-7: 数据收集

Week 2: 基础训练

Week 3-4: 模型开发

Week 5-8: 实战测试

内容目录

选择主题

阶段推荐准确率选品成功率平均毛利率运营信任度

Phase 1
60%
- -
6/10

Phase 2
70%

50%

20%

7/10

Phase 3
80%

60%

25%

8/10

角色职责联系方式

项目经理整体协调 [待填写]

技术负责人系统开发 [待填写]

运营负责人业务对接 [待填写]

AI 训练师模型调优 [待填写]