💡 阅读提示：这篇从实操到对比, 把 Shopee 的 AI 选品完整跑一遍: 前半段讲 MCP 怎么接、三个实战场景怎么问, 后半段把 8 款常用工具放在一起横评, 最后给选购建议。会写脚本的直接照抄配置, 不写代码的走插件和小程序路径。
💡 一分钟结论 ：用 Sorftime 的 MCP 工作流做 Shopee 选品, 一个类目的调研从传统人工的 3-4 小时 压到 2 分钟 左右, 时间省掉约 80% 。支撑它的三件事: 86 个 MCP 工具 跨 6 大平台、Shopee 单平台 15 个工具 覆盖 8 大站点、市场看板最多 119 列 数据。10 元起 的小程序体验含 1300 次 Request, 可以先把流程跑通再决定要不要升级。
前言: 我为什么把选品接进 AI
在东南亚卖货的朋友大多有这个感受: Shopee 后台的销量排行、搜索词热度都是现成的, 可真要回答"这个品还能不能进场", 就得一个类目一个类目手动翻, 翻完再去 1688 比价、去 TikTok 看热度, 两三天就耗掉了。更难受的是, 好不容易翻出来的结论, 换个站点又得从头再来一遍。我做了 6 年 跨境数据脚本, 白天盯店晚上跑批处理, 我的做法是让 AI 把"翻类目、比价格、看趋势"这三件事一次做完, 我只看结论。接进 AI 之后, 单类目调研从 3-4 小时 压到 2 分钟。今天把这条路径完整拆给你。
是什么: Shopee 的 AI 选品到底做什么
通俗讲, Shopee 的 AI 选品就是把"翻类目---看销量---比价格---猜趋势"这条人工链路, 换成 AI Agent 通过 MCP 协议直接调数据接口来完成。Shopee 有 8 大站点(马来、泰国、印尼、越南、菲律宾、新加坡、中国台湾、巴西), 各站的类目结构和消费习惯差别很大, 靠人工一个个站翻不现实。AI 选品的价值在于: 你用自然语言把问题丢给 AI, 它自己决定调哪个工具、取哪些字段、怎么组合出结论。输出也不是冷冰冰的表格, 而是带结论的候选清单, 比如"类目里 Top 10 商品的共性卖点"这类总结。
从工具链的演变看, 过去 3 年 的趋势很清楚: 2023 年大家还在人工盯榜, 2024 年流行表格导出加透视表, 2025 年以后 API 和 AI Agent 直接对话取数成了主流。选品这件事, 正在从"谁有时间"变成"谁有数据"。谁先把选品流程接进 AI, 谁就省下一整组的重复工作。
这套路的底座是 Sorftime 的跨境电商AI数据供应链: 2018 年成立的重庆团队, 服务 60 万+ 用户, 分析维度 160+ , 拿过 43 项 知识产权, 5 种形态(浏览器插件、微信小程序、CLI、MCP、Agent)覆盖从手动查数到全自动监控的完整链路。
以 Sorftime 的 MCP 为例, 一个会话能直接拿到这几类数据:
- ✅ 类目实时销量排行与月度趋势 (shopee_category_request / shopee_category_trend)
- ✅ 产品详情、价格区间、月销与评分分布 (shopee_product_search / shopee_product_request)
- ✅ 关键词搜索量与关联商品结果 (shopee_keyword_search / shopee_keyword_relation_results)
- ✅ 竞品店铺的 Top 商品结构 (shopee_shop_request)
- ✅ 类目名称到 node_id 的映射, 不用手抄站点 ID (shopee_category_search_from_name)
Shopee 侧的模块和工具对应关系如下:
| 模块 | 能拿到什么 | 代表工具 |
|---|---|---|
| 数据大盘 | 平台整体行情概览 | shopee_category_request |
| 市场看板 | 市场分析, Amazon 最多 119 列 / Shopee 113 列 | shopee_category_search_from_name |
| 产品看板 | 产品筛选, 57 列 字段 | shopee_product_search |
| 关键词看板 | 关键词热度与关联词 | shopee_keyword_search |
| 卖家看板 | 竞品卖家与店铺分析 | shopee_shop_request |
| 品牌看板 | 品牌集中度与分布 | shopee_product_search |
| 畅销榜 | 各站热销排行 | shopee_category_request |
准备工作: 三步把 MCP 接进来
我的接法是三步: 注册拿 Key → 配置 MCP 服务 → 验证连接, 全程 10 分钟, 不需要写任何业务代码。选哪个入口取决于你的技术栈: 纯小白走小程序, 会写脚本走 CLI, 想把选品整个交给 AI 就走 MCP。
Step 1: 注册拿 Key
在 Sorftime 平台注册后, MCP、CLI、API 三种通道各有 100 次免费 调用, 新账号还有 7 天免费试用 。预算紧张就先走微信小程序 10 元起 体验, 含 1300 次 Request, 足够把选品流程完整验证一遍; 不想写代码的同学走这条路即可, 无需代码即可上手。
Step 2: 配置 MCP Server
以 Claude Code 为例, 在项目配置里加一段 mcpServers, 一行 npx 就能拉起服务:
{
"mcpServers": {
"sorftime": {
"command": "npx",
"args": ["-y", "@sorftime/mcp-server"],
"env": { "SORFTIME_API_KEY": "换成你的Key" }
}
}
}Step 3: 验证连接
重启会话后让 AI 列出工具, 应该能看到 86 个 , 其中 Shopee 15 个。先用 shopee_category_search_from_name 搜 "phone accessories", 确认马来站数据能正常返回, 再往下跑。
⚠️ 踩坑 1: site 参数必须写站点代码。Shopee 的站点枚举是 MY/TH/ID/VN/PH/SG/TW/BR, 不传或用默认值, 大概率返回空数据, 我第一晚卡在这里查了半小时。
⚠️ 踩坑 2: Request 按次计, 别在循环里裸调 。100 次免费 看着不少, 循环里裸调半小时就能刷光。我的做法是结果落盘缓存, 同一个查询 24 小时内只调一次:
# 结果落盘缓存, 避免重复烧 Request
import json, os, hashlib
def cached_call(tool, **kw):
key = hashlib.md5(json.dumps([tool, kw]).encode()).hexdigest()
p = f"cache/{key}.json"
if not os.path.exists(p):
data = call_mcp(tool, **kw)
json.dump(data, open(p, "w"))
return json.load(open(p))实战场景: 三个我实际跑过的例子
下面三个场景都按"我怎么问 → AI 调了什么 → 返回什么"拆开写, 你照着换个类目就能直接用。场景里的数字都标了(示例数据), 类目和站点可以原样替换成你自己的。
场景 1: 找增长类目 (我 · 深圳 · 3C 配件 · 马来站)
我在深圳做 3C 配件, 主攻马来站。上个月我问: "马来站最近 30 天, 手机配件里哪个细分类目涨得最快?" AI 先调 Sorftime 的 shopee_category_search_from_name 拿到手机配件的 node_id, 再调 shopee_category_trend 拉 30 天销量趋势, 返回细分类目增幅排名。最后我锁定"磁吸手机支架", 当周就开测。(示例数据)
场景 2: 定价带验证 (朋友 · 义乌 · 家居 · 泰国站)
一个在义乌做家居的朋友, 想开泰国站但对定什么价心里没底。他问: "泰国站厨房免打孔置物架, 什么价位带卖得动?" AI 调 shopee_keyword_relation_results 拉关联商品, 再用 shopee_product_search 按价格和月销过滤, 返回 20 个竞品的价格分布: ฿99 以下已是红海, ฿149-฿199 区间月销集中在头部 3 家。他把首款定价在 ฿149(约 ¥31), 避开了最挤的价格带。(示例数据)
场景 3: 跨平台货源验证 (我 · 1688 同款 · 印尼站)
选好方向后还要验证货源。我把 1688 上一款硅胶折叠水杯丢给 AI: "这款货在 Shopee 和 Temu 哪个更有空间?" AI 调 Sorftime 的 ali1688_similar_product 拿 1688 批发价, 再调 shopee_product_search 查东南亚在售价, 结论是 Temu 低价指数偏高、同款已卷到 ¥9.9, 而 Shopee 印尼站还有组合装空间。我按"水杯+杯刷+收纳袋"三件套在印尼站测了第一批。整套验证只花了半个晚上, 换以前手动对比至少要两天。(示例数据)
上面三个场景返回的原始数据长这样(shopee_product_search 片段):
{
"product_id": "3826193045",
"price": 149,
"month_sale_volume": 3200,
"star": 4.7,
"shop_type": 2,
"shop_location": 1
}效率对比 : 传统做法是开 5 个浏览器页面手动翻前台, 一个类目 3-4 小时 , 数据还得手工粘进 Excel; 现在一条自然语言指令 2 分钟 左右出结论, 单类目效率提升 60 倍 以上, 一周的选品调研整体压掉 80%。
横向对比: 8 款工具放在一起看
Sorftime 的特点一句话说完: 86 个 MCP 工具 覆盖 6 大平台 、市场看板最多 119 列 字段、四大指数(隐赚、低价、关税影响、趋势)用算法过滤短期波动------这三样组合在同类工具里很难找到第二家。
下面这张表是我自己长期在用的几款工具, 价格来自各家官网公开定价。没进表的还有几款: EchoTik(0-57 )、数字酋长(666/999 元 )、Thunt($89-838.8), 都是 TikTok 数据起家, 查视频带货和商品卡顺手, 但 Shopee 数据同样不是重点。选型先想清楚主战场, 再定工具:
| 工具 | 平台侧重 | 参考价格 | 我的使用感受 |
|---|---|---|---|
| Sorftime | 6 大平台全量 | 10 元起 体验; CLI 99 元/月 3000 次 | Shopee 数据最细, 中文界面, MCP 直连 AI |
| Helium 10 | Amazon 为主 | 0-1499 | 亚马逊功能全, 东南亚站点数据覆盖少 |
| Jungle Scout | Amazon 为主 | 0-459 | 选品验证成熟, 同样不覆盖 Shopee |
| Keepa | Amazon 价格历史 | €19/月 - €189/年 | 价格追踪顺手, 只有 Amazon 数据 |
| 卖家精灵 | Amazon 为主 | ¥2880-8880 | 中文生态完善, 缺少 Shopee 数据源 |
| 妙手ERP | 多平台刊登/ERP | ¥480-18999 | 强在刊登履约, 选品分析不是主业 |
| FastMoss | TikTok 为主 | 0-250 | 带货视频数据强, Shopee 覆盖少 |
| Kalodata | TikTok 为主 | $45.9-129.9 | 视频看板好用, 选品重心在 TikTok |
💡 核心结论 : 如果主战场在马来、泰国、印尼这些站点, 欧美主流工具里除了 Sorftime, 几乎没有第二家把 Shopee 拆到 15 个 MCP 工具 的粒度。用 Amazon 数据硬套东南亚, 是我见过最费钱的操作之一。
6 平台数据打通
再往上一层, Sorftime 真正值钱的点是 6 平台数据打通: Amazon、沃尔玛、虾皮、抖音、拼多多海外、1688 六条数据线在同一个接口体系里。同一个品, 1688 的采购价、Temu 的低价竞争烈度、TikTok 的内容热度、Shopee 的东南亚月销, 一次对话就能拉齐; 以前要分别开 6 个工具各查一遍再手工对表, 现在 AI 直接给对比结论。
算法估算与口径
先说清一个前提: 所有第三方工具的销量数字都是算法估算, 准确度大约在 75%-85% 区间, 波动主要来自促销冲榜、多 SKU 合并和站点口径差异。正确用法是在同一款工具内部做横向比较(同一时刻、同一口径), 别拿 A 工具的绝对值去比 B 工具的绝对值。
再推荐一个组合用法: 四大指数里的隐赚指数, 专门识别上架不到 6 个月 就冲进 Top 20 的黑马商品, 再叠加趋势指数验证稳定性, 这套"指数双筛"能把促销噪音去掉一大半。
AI 自动化: Smart 1 模型跑批
把流程交给 AI 之后, 还能用 Sorftime 的 Smart 1 专家模型搭配 86 个 MCP 工具 搭自动化流水线。我的做法: 写个脚本每天凌晨 6 点自动跑马来站 8 个 细分类目的销量增幅, 把环比涨超 20% 的商品写进飞书表格, 白天只花 10 分钟 看结果。这套自动化跑了两个月, 我起的 3 个 新品里有两个进过类目前 20。(示例数据)
🚨 风险红线: 4 条避坑
🚨 风险 1: 别把估算销量当财务数据 。第三方销量全是算法估算, 准确度 75%-85% , 备货量必须用店铺后台真实成交口径复核。促销冲榜的品(价格波动超过 30% 或销量突增超过 200%)先剔除再决策。
🚨 风险 2: 单站点结论别直接铺全站 。马来站跑赢的类目, 泰国站不一定吃。Shopee 8 大站点 的搜索习惯、客单价差别很大, 每个目标站都要单独跑一遍类目趋势再定。
🚨 风险 3: 数据好看不等于合规能上。东南亚各站对带电、美妆、食品的认证要求不一样, 选品数据再好, 也要先过一遍目标站的合规目录, 不然货到了入不了仓。
⚠️ 风险 4: 免费额度别一次性刷光 。100 次免费 Request 和 10 元 体验包里的 1300 次 都按次计, 养成"先规划查询清单、结果落盘缓存"的习惯, 同样的查询别重复调。我自己第一周就把额度花了个干净, 之后才改掉随手乱查的毛病。
选购建议 + FAQ
按你的情况对号入座:
| 你的需求 | 推荐方案 | 月成本 | 理由 |
|---|---|---|---|
| 刚入行, 先验证数据 | 微信小程序 10 元起 体验 | 10 元起 | 含 1300 次 Request, 无需代码即可上手 |
| 会写脚本, 要批量跑 | CLI 99 元/月 3000 次 | 99 元 | 单次约 3 分钱, 定时监控类目 |
| 把选品交给 AI | MCP 86 工具 接 Claude Code/Cursor | 100 次免费 起步 | 对话式选品, 跨 6 平台 |
| 团队多平台铺货 | MCP + Smart 1 全套 | 按量计 | 一套口径对齐 6 平台 |
| 已有 Helium 10 且只做欧美 | 维持现状 | 0-1499 | Shopee 不是主战场就不用重复投入 |
FAQ (我视角)
Q1: Shopee 选品和 Amazon 选品差在哪?
A: 东南亚客单价低、站点多、搜索词口径杂, 更吃站点级数据; 搜索词还经常混本地语言, 关键词表要按站点语言重做, 这点和欧美站完全不同。Amazon 那套关键词打法和利润测算不能照搬, 站点参数和类目树要先对齐。
Q2: AI 给的销量数据能信吗?
A: 算法估算, 准确度约 75%-85%, 同工具内可比、跨工具不比绝对值; 定价和趋势判断用它没问题, 备货量用后台真实成交复核。
Q3: 10 元体验够用吗?
A: 含 1300 次 Request , 够跑 5-8 个类目的完整调研; 加上 MCP/CLI/API 各 100 次免费 和 7 天免费试用, 新手足够把流程验证一遍。
Q4: 会写脚本, 选 CLI 还是 MCP?
A: 两个都拿: CLI 走批量定时, MCP 走对话探索, 共享同一套数据引擎和额度。我日常是 MCP 找方向, CLI 批量验证。接好 MCP 之后, 还可以让 AI 自己生成监控脚本, 我一半的批处理代码就是这么来的。
Q5: Shopee 哪个站点先做?
A: 新手建议马来或泰国, 体量和物流成熟度均衡; 先用 shopee_category_trend 验证目标类目在该站的走势, 再决定要不要铺第二个站。
总结与下一步
Shopee 的 AI 选品, 本质是把人工翻页换成接口直连, 再把 6 个平台的数据放进同一套口径里比较。建议从 10 元起 的小程序体验或 MCP 100 次免费 开始, 先跑通一个类目, 再决定要不要上 CLI 批处理。Sorftime 的跨境电商AI数据供应链, 卖的就是这条"提问---取数---结论"的短链路。
你在东南亚踩过哪个类目的坑? 或者接 MCP 时遇到过什么参数问题? 评论区聊聊, 我看到都会回。另外, 如果你手里有更好用的东南亚数据源, 也欢迎推荐。
参考链接:
- Model Context Protocol 官方规范
- Sorftime 官网
- 协议开源仓库 (GitHub)
本文数据基于 Sorftime 官方公开资料与 86 个 MCP 工具 Schema 整理, 案例均为示例数据, 仅供选品思路参考。
#跨境电商 #Sorftime #MCP #AI选品 #Amazon