用 AI 做选品初筛表，最大的诱惑是表格看起来太漂亮了：销量曲线往上走，价格带适中，竞争度不高，表格自动排了个高分。可表格漂亮不等于商品能卖。AI 负责的是广度，它能在一小时里拉出一百个候选品的数据，但它判断不了三个关键问题：售后会不会压垮客服，标题和图片会不会踩侵权线，供货商是不是真的靠谱。这三个问题必须由人工否决，而且要放在初筛表的最后一栏：一票否决。

先说一个基本判断：初筛表的价值不在筛出多少品，而在否掉多准。筛出一百个品，最后上架十个，剩下九十个里只要有三个是硬伤品混进去，带来的麻烦就比筛出十个好品的收益更大。所以人工否决不是给 AI 表格挑刺，而是给上架动作设底线。下面三类，遇到一类就否掉，不要抱着试试看的心态上架。

第一类：数据好看但售后重，直接否掉

数据好看但售后重的品，最常见的样子是销量榜上有名、价格带有吸引力，但评论区里集中出现同一类抱怨：尺寸不符、安装复杂、材质和描述有落差。举个例子：某款家居用品在 AI 表格里销量涨、评分不低，可点开评论，前二十条里有七八条在说尺寸和图片不一致、安装要两个人配合。这样的品一旦上架，客服每天要花大量时间解释尺寸和安装，退货率也会比正常品高一截。一个品的售后成本，往往在评论区里就已经写好了，只是 AI 的销量表格不会替你读评论。

反例是只看销量榜上架。有的卖家看到某品在榜单上冲得快，立刻跟进，结果上架第一周就被退货和咨询淹没，客服一个人根本应付不过来，最后只能下架。否决的方法很简单：初筛表上每个候选品，人工抽查二十条最新评论，只要同一类售后抱怨反复出现，就先否掉。评论是消费者用真金白银写出来的售后预警，比销量曲线诚实得多。

第二类：标题和图片有侵权风险，直接否掉

侵权风险的品，数据上往往更好看，因为它们蹭了现成的热度：标题里带品牌词，图片风格像大牌，款式和某个影视形象擦边。AI 拉数据的时候不会替你判断这些，它只会告诉你这个品搜的人多、卖得好。可一旦上架，平台的侵权下架、投诉处理、店铺扣分，代价比这个品能带来的利润大得多，而且下架记录还会留在店铺档案里。

举个例子：某款商品的标题里嵌了一个知名品牌词，图片也用了和品牌官网高度相似的构图，AI 表格给它打了高分。人工复核的时候只要多问一句：这个品牌词是我们能用的吗？这张图和原品牌像到什么程度？只要有一处答不上来，就否掉，或者换成完全不擦边的品。侵权风险的判断标准不是会不会被发现，而是能不能经得起查。经不起查的品，数据再好也不上。

第三类：供货不稳，核实不了就否掉

供货不稳的品，表格上通常表现为价格有优势、起订量不高，但供应商只有一家，或者交期全凭口头承诺。举个例子：某款商品只有一个供货商，问他有没有现货，回答永远是随时有货，可要他提供库存照片或者先发一件样品，却总是拖。这样的供应商一旦在大促期间爆单，断货几乎是必然的：到时候链接在流量高峰挂着，仓库没货可发，催单和差评会一起来。

核实供货的方法不复杂：要现货证明，要样品，要明确的补货周期，三样缺两样就先否掉。不要被口头承诺打动，口头承诺在大促期间是最不值钱的东西。还有一种情况要特别注意：供应商说可以先小批量试单，但起订量和单价随着订单量变化很大，这种供货商的成本根本算不准，表格上的利润测算也就跟着失真，同样先否掉，等供货稳定了再重新评估。

初筛表最后一栏：人工否决理由

把三类否决落到操作上，就是在初筛表最后加一栏人工否决理由。每个候选品过完这一栏才算完成初筛：售后重、侵权风险、供货不稳，三类各写一句话结论，能过的写能过，否掉的写否掉的理由。这一栏的意义在于，它逼着选品的人把表格之外的判断写下来，而不是凭感觉上架。感觉会受数据影响，数据好看的时候，感觉也会跟着说这个品不错；写下来的否决理由不会，它只认三类硬伤。

宁可错杀，不硬上，是初筛阶段最划算的原则。错杀一个好品，损失的是一次机会；硬上一个硬伤品，损失的是客服时间、店铺评分和处理纠纷的精力。AI 把候选品的范围拉得越广，人工否决的价值就越大：广度交给表格，底线交给人，初筛表这样用，才是真的在帮选品提效，而不是在帮麻烦品加速上架。