1客户嘴上要的
「用大模型自动写商品标题、卖点和详情页文案,运营不用再一个个写了。」
这是症状或现成方案,不一定是真问题。下面看两种做法。
2照字面做,会怎么烂
接入大模型,输入商品名生成一套漂亮文案,运营试用后很满意。上线一个月,出了两次问题:一款饮料的配料写错,被消费者投诉;一款面霜文案写了「祛斑」,被平台下架。文案写得快了,上新周期没变。
3好 FDE 的实际走法
共 6 周,分 5 个阶段。带三角标记的是这一步最容易踩的坑。
第 1 周翻上新出过的问题
- 跟质量部审核员、商品主数据专员把过去一年的上新问题单拉出来:消费者投诉、平台下架、门店价签和包装不符、监管抽检提出的标签问题,共 46 起。
- 逐起追原因:31 起是主数据录错或和包装不一致(配料顺序、净含量、保质期),9 起是宣传用语违规,文案写得差导致的问题一起都没有。
- 再看这些错误从哪来:供应商报品资料是 PDF、图片、Excel 混在一起,主数据专员手工录入,录完没人和包装实物逐项核对;资料不全时反复催供应商,新品要等 10 天才能上架。
- 真问题不是「写文案」,是「上游资料杂乱,手工录入和核对慢,而且出错代价大」。成功标准改为:上新周期从 10 天降到 3 天;主数据关键字段(规格、配料、保质期、产地、条码)错误率低于 0.5%;宣传用语零违规下架。
- 踩坑别把文案质量当主要指标。一条错误的配料信息,比十条平庸文案的后果严重得多。
第 2 周定字段和规则
- 和主数据专员、质量部确定每个品类的必填字段和来源:哪些以包装标签为准,哪些以检验报告为准。
- 和法务整理禁用词和受限用语清单:普通食品不能宣称疗效,化妆品功效宣称要有依据,绝对化用语不能用。具体以法务确认的清单为准,FDE 不自己编规则。
- 数据:供应商报品的 Excel 和 PDF、包装平面图、检验报告扫描件、历史已上架商品主数据。
第 3–4 周原型:抽取、核对、再生成
- 流程分三步:从供应商资料和包装图片中抽取字段;和包装标签逐项比对,标出不一致;用确认后的字段生成标题和卖点,再过禁用词检查。
- 每个抽取字段都标注来源(哪份文件、哪一页、哪张图),主数据专员点开就能核对。
- evals:拿过去半年 200 个已上架商品,包括 20 个曾经出错或被下架的,比较抽取结果和人工确认的主数据。标准:关键字段准确率 ≥ 99%,20 个问题商品至少拦住 18 个。
第 5 周主数据专员上手
- 让主数据专员用新流程处理一周的真实新品(约 60 个)。反馈:「进口商品要以中文背标为准」「同一系列多规格要能批量处理」。照做。
- Demo 给商品总监看:60 个新品的平均上新时间、发现的错误数量和类型,由主数据专员讲。
第 6 周交接交接
- 交给商品部的主数据主管:维护字段规则和品类模板;法务负责禁用词清单的更新,每季度复核一次。
- 写清楚:生成内容必须人工确认后才能发布,系统不直接推送到电商平台或货架标签。
4这个案例教给你的可复用判断
先计时整个流程,找最慢的环节,而不是最容易用 AI 的环节。
生成之前先做抽取和核对,事实错误比文笔差严重。
合规规则由法务负责,FDE 只负责实现和检查。
每个字段都要能追到来源,否则审核员无法核对。
你手上也有类似的场景?
说说你所在的行业和想用 AI 做的事,留言会直接送达。觉得这个案例有误、过时,或有更好的做法,也欢迎指出。
零售与消费品的其他案例
内容更新:2026-11-11