电商运营每天要产出大量文字：商品标题、详情页、客服回复、活动文案。AI 能把这条流水线明显提速，但电商文案头顶悬着广告法这条线，模型并不知道哪些表述在哪个平台会违规。合理的分工是：AI 负责出稿和批量变形，人负责喂料、筛选和合规把关，下面按五类文字逐一说清做法。
五类文字各自的喂料方式
商品标题：给出品类、核心卖点、字数上限和平台命名规则，让它一次生成 10 个候选，从中挑 2 到 3 个再手动微调。只出一版很容易平庸，一次多版再挑选，才是 AI 文案提速的主要来源。标题的关键词怎么排布、各平台命名规则的差异，可看这篇商品标题的关键词布局与平台规则。
详情页文案：喂给它参数表和近期用户评价摘录，要求把冷参数翻译成使用场景，不堆形容词。评价摘录是关键输入，它替你回答了用户真正在意什么。
卖点提炼：把参数清单和评价一起给，让它从评价里找高频词，再与参数对齐，产出主图能用的短句。主图一句卖点的提炼方法有单独展开。
客服话术：把常见问题清单和平台售后规则给它，生成标准回复模板。活动文案：给活动机制、时间和优惠力度，并明确要求它不自行编造折扣数字。
背景信息给到什么程度才算够
一个实用的检验：把你的输入原样交给另一个同类目商家，他能不能写出八九不离十的文案。能，说明信息够了；不能，就还缺。四样东西通常缺一不可：产品是什么、卖给谁、竞品差在哪、这一轮想突出什么。模型补不了你的业务事实，它只基于你给的素材组织语言，素材薄，文案就空。
批量生成时的模板结构
批量场景下别一句一句地要，先定模板。模板固定四个字段：角色（这是谁写给谁看）、素材（参数、评价、活动信息）、约束（字数、风格、禁用词清单）、输出格式（一次几版、按什么结构分栏）。格式定死后，后续每一批只需要换素材，输出风格能保持一致。产出后至少抽两成逐条核对，重点看有没有它自己补出来的功能或数据。
合规红线要逐条人工过
模型会顺手生成绝对化表述，比如宣称销量全行业领先、价格全平台垫底，也会虚构销量数字、认证和奖项，这些必须逐条剔除。涉及食品、化妆品、保健品和医疗器械的宣传有专门法规，功效类表述要么删掉，要么换成有检测或备案依据的说法，拿不准就查平台类目规则。另一个高频问题是旧素材里的旧价格、旧赠品被它原样搬进新文案，活动内容发出前对一遍当日生效的机制。
客服场景：哪些回复必须人工确认
售前咨询类的标准回复，可以让 AI 生成、人工抽检后进话术库。但涉及退款、赔偿、发货时效承诺的回复，必须人工确认后再发：模型不了解你当前的政策，可能给出平台根本无法兑现的承诺，一句多说的话在售后纠纷里就是证据。规则一变，话术库要同步更新，过期的承诺话术比没有话术更危险。想进一步把售后数据用起来，可看退货原因的归因分析。
新手容易吃亏的两处
一处是把 AI 的初稿直接当终稿。它擅长把普通句子写得很顺，顺到你放松警惕，而事实错误恰恰藏在通顺的句子里。另一处是禁用词清单没进约束字段。平台违禁词、品牌专属表述、自家产品的禁忌说法，都应该写进模板的约束一栏，让模型一开始就避开，比事后逐条删除省事得多。
人机分工对照表
| 场景 | AI 负责的部分 | 人工要把住的关口 |
|---|---|---|
| 商品标题 | 按品类和卖点一次出 10 个候选，符合字数与命名规则 | 卖点是否真实、有无绝对化表述、关键词是否堆砌 |
| 详情页文案 | 把参数与评价翻译成使用场景描述 | 功能与实物一致、不虚构认证与奖项 |
| 客服售前 | 按常见问题与售后规则生成标准回复模板 | 退款、赔偿与时效承诺逐条确认后启用 |
| 活动文案 | 按活动机制批量产出多版风格 | 价格、赠品、期限与当日生效机制一致 |
表里的逻辑只有一条：语言组织交给模型，事实与承诺留给人。发出去的每一条事实性内容——参数、价格、资质、时效——都应该有出处。文案效率提上来之后，内容动作还要和选品、投放衔接，可看图文带货里选品与内容的结合。
电商 AI 文案速查
- 喂料四要素：产品、人群、竞品差异、本轮主推卖点
- 批量走固定模板：角色、素材、约束、输出格式
- 每次至少要 3 版，抽两成以上逐条核对
- 绝对化表述与虚构资质一律删除，功效表述要有依据
- 退款、赔偿、时效承诺类回复，人工确认后再发
