这不是“上架就等单”的故事，而是一套能复用的冷启动打法：先用 AI 把选品从“凭感觉”改成“可淘汰的判断”，再把 Listing 和内容矩阵按同一套字段对齐， 用 7 天跑出可持续订单，而不是一次性运气。
家居小件（小夜灯这类）很容易踩一个坑：你以为是投放没做好，实际是SKU 不适合被内容卖动。 冷启动阶段一旦选错 SKU，就会出现最折磨人的状态：拍了、发了、改了，还是不出单，最后只剩一句“可能我不够努力”。
这套冷启动打法的核心是：把整个链路压成同一套字段，让选品、Listing、内容用同一逻辑对齐，减少返工。 你不需要先学一堆技巧，只需要把 3 个关键判断做对：
先把候选 SKU 压缩成 8 个字段：一句话用途 / 目标场景 / 价格带 / 核心差异 / 证据点 / 竞品同质化 / 风险点 / 可拍画面。 这一步不是写得漂亮，而是让 AI 能做“结构化判断”，避免它胡扯。
让 ChatGPT 输出两张表：否决表（不值得拍的理由）+ 候选表（可进入下一步的 SKU）。 冷启动最怕的是“都差不多”，所以先用否决把 60% 砍掉。
校验点：每个被否决的 SKU，必须有一句“具体原因”，例如：
“需要解释才能理解” / “画面无法证明差异” / “同质化严重且无证据点” / “场景不具体”。
只选一个最适合冷启动的 SKU：标准不是“最强”，而是最容易被 10 秒讲清楚。
具体判断：是否存在一个“自然发生的使用时刻”（比如起夜不刺眼、儿童房安抚、走廊微光）。
输出：一句话定位 + 2 条证据点 + 1 个误解点（提前用于内容/Listing 澄清）。
用同一套字段生成 Listing：标题 / 五点 / FAQ / 场景图文案。 关键动作是把用户“买前 3 个问题”放到最前面（不是堆功能）。
校验点：你的标题前半句必须是“场景”，后半句才是“产品”。例如：
“夜里起床不刺眼的 —— ____ 小夜灯”。
生成 9 条内容，拆成：3 个场景 × 3 个开头钩子。
每条都必须包含：Hook（2 秒内）→ 证据镜头（可拍）→ 误解澄清 → CTA。
校验点：每条脚本只允许强调 1 个卖点，否则你无法判断到底是哪一点带来点击/下单。
先用自然流量/低预算跑 9 条，筛掉“0 互动”的结构，留下 2–3 条可复制的方向。
判断标准：不是看你喜不喜欢，而是看评论区是否出现“我就缺这个”的场景回应。
用胜出结构扩写：同一个场景，换证据镜头；同一个钩子，换对比对象。
这一步的目标是把内容变成“模板”，而不是每条重写。
下面展示两段关键结构：选品评分表（用于淘汰）与 Listing 前置三问（用于转化）。
| SKU | 否决原因（节选） | 可拍证据点 | 易误解点 | 是否进入下一步 |
|---|---|---|---|---|
| 小夜灯 A | 差异需要解释；画面难证明 | 参数/模式多，但镜头难呈现 | 是否刺眼/是否耗电 | 否 |
| 小夜灯 C | —（通过） | 起夜对比镜头（刺眼 vs 微光） | 亮度是否可控/是否影响睡眠 | 是 |