咱们做TikTok 短视频带货，最头疼的就是写脚本！这玩意太吃天赋，特别是像我这样的运营出身；而我们现在做AI带货短视频，哪里还需要自己亲自动手；

今天我把一个简易版的AI短视频爆单系统的链路和部分细节分享给大家，大家把内容理解后复制粘贴给AI就可以开始搭建啦。

这条链路主要以复刻爆款为主，不需要你一开始就具备很强的编导能力，也不需要每条视频都从零开始构思。

这个系统可以产出高质量视频的同时批量裂变视频；足够新手朋友使用了

一、先把产品资料交给GPT，让AI帮你研究市场

好，我们直接开始！先搞定产品资料包和市场调研报告

首先，你需要把自己的产品信息交给GPT搭建产品资料包。

包括产品链接、产品图片、Listing，以及其他能够帮助AI理解商品的信息。

然后让GPT根据这些资料，去做对应的市场调研。

这里有一个细节：

不要只让GPT根据你自己的Listing分析商品，而是要让它同时研究亚马逊和TikTok上多个头部竞品。

重点收集这些商品的Listing、用户评价、卖点等信息。

为什么？

因为我们需要知道的，不只是这个产品有什么功能，而是这个市场里的用户到底想要什么，为什么购买，以及竞争对手是怎么卖的。

最终我们希望GPT整理出一份市场调研报告，主要包括：

核心用户人群是谁？

用户有哪些痛点和需求？

我们产品的核心卖点是什么？

竞争对手在强调哪些卖点？

我们和竞品相比，有哪些差异和优势？

这些内容会成为后面研究爆款、设计脚本的基础。

注意，GPT实际能够读取哪些网站和评价，取决于你有没有给它对应的网页访问能力或资料。读取不到的内容，就让Work协助采集，不要让AI自己编造。

第二步：自动化收集TikTok爆款视频！

有了产品信息和市场调研，接下来就是做爆款案例库了。

不过在这里，我先给大家介绍一下我们目前使用GPT的一个重要方法：

Chat/聊天模式负责动脑，Work/工作模式负责干活！

这两个模式，我们已经尝试协作使用了一段时间。

我个人的感受是：

Chat，也就是普通聊天模式，特别擅长创意、策略、设计以及标准的制定。

包括脚本策略、创意方向、内容标准，以及后续Skills的设计和迭代，我一般都会优先放在Chat模式里面完成。

我们之前也尝试过让Work直接生成脚本，但是在我们的实际使用中，整体质量明显不如Chat模式。

而Work的优势在哪里？

就是它能够借助浏览器和相关工具执行很多操作任务。

例如网页搜索、收集资料、批量整理文件，以及其他重复性的自动化工作。

所以，我们目前主要采用的就是：

Chat当大脑，Work当双手！

好，回到我们的生产链路。

当产品信息和市场调研完成以后，我们需要去TikTok上收集对应品类的爆款视频。

一般来说，我建议至少先收集30—50条。

为什么要收集这么多？

因为我们不是单纯找一条视频照着做，而是希望通过足够多的爆款案例，研究这个品类里哪些内容形式、Hook、脚本结构和购买逻辑，已经表现出了比较好的市场效果。

这个工作如果全部手动完成，还是比较麻烦的。

所以我们一般会交给Work来自动化收集爆款视频

你只需要把前面整理好的产品信息、市场调研交给它，然后告诉它：

根据这些商品信息，去TikTok搜索相关关键词和竞品，收集30—50条相关爆款视频，并整理对应的链接、视频和基础信息。

剩下的搜索和批量整理工作，就可以让Work去执行。

这里有一个细节：Work怎么操作TikTok网页来收集呢？

我们目前使用的是Chrome浏览器配合Playwright插件（Chrome插件）的方案。

如果你也采用这套浏览器连接方式，可以先准备：

第一，安装Google Chrome浏览器。

第二，在Chrome里面安装对应的Playwright Extension扩展。

第三，在Chrome的扩展程序管理页面，找到这个扩展，按实际操作需要打开「允许访问文件网址」选项。

第四，让Work连接到可以访问的浏览器环境，并提前登录TikTok。

这样，在浏览器连接和文件访问权限都正常的情况下，Work就可以协助完成网页搜索、资料采集和文件整理等任务。当然你要开启GPT的Computer Use功能，并且给到完全授权！

另外，你需要确保Tiktok是登录状态（可以考虑随便用个google邮箱登录Tiktok）。

好，到这里，我们就收集到了第一批爆款视频。

第三步：先和Chat制定拆解标准，再让Work批量拆解！

接下来就是整个链路里面重要且简单的一步：

拆解爆款。

这一步非常非常简单，就是：

1. 让有脑子的Chat和你讨论出一套拆解标准，然后把这套标准复制给Work

2. 让Work模式按标准去拆解这些爆款视频，然后拆解后的文档；

3. 文档再复制给到Chat模式做最终的爆款案例库。

为什么绕开绕去呢？只是单纯因为50个视频太大，上传麻烦；但是Work又太蠢，需要由脑子给到标准让手来执行，再把结果给到脑子去总结归纳。

第四步：把爆款拆解结果交给Chat，建立我们的脚本策略！

当Work完成30—50条爆款视频的拆解以后，我们再把这些拆解结果交给Chat。

这个时候，Chat模式就已经拥有了：

产品信息＋市场调研＋用户人群分析＋大量爆款视频拆解结果。

那么它就可以帮助我们研究：

这个品类目前有哪些主流内容形式？

哪些Hook值得借鉴？

哪些脚本结构更适合我们的商品？

哪些镜头、高光画面和购买逻辑值得保留？

接下来，我们就可以让Chat先建立一个爆款Creative案例库，再根据这些案例制定我们的脚本策略。

这里面有一个很重要的思路：

AI混剪！

什么是AI混剪？

大家应该都知道传统混剪。

简单来说，就是从多个达人或者多个实拍视频里面，找到表现比较优秀的片段、高光镜头和内容结构，再根据统一的逻辑组合起来。

而我们做AI混剪，思路有些类似，但不需要直接把别人的视频拼接成片。

我们先把多个爆款里面优秀的Hook、脚本结构、说服逻辑和高光画面提炼出来，再让AI重新设计、重新生成。

例如：

A视频的开头特别吸引眼球。

B视频的产品展示非常清楚。

C视频的痛点表达和说服逻辑很好。

那么我们就可以研究，这些优秀的部分能不能组合成一条新的、逻辑连贯的带货视频。

当然，不是直接把几个爆款的片段硬拼在一起，而是需要考虑它们的逻辑是否统一、节奏是否合适、有没有冲突。

最终，由Chat帮我们设计出多个不同方向的AI混剪脚本模板。

这里面的每个模板，都尽量建立在我们前面研究过的爆款案例之上，而不是完全凭空想象。

注意，爆款案例能够证明这些表达曾经有市场表现，不代表重新组合以后就一定能出单，后面仍然需要测试。

第五步：从脚本到分镜、参考图，再到AI视频！

当Chat给出了多个不同方向的脚本模板以后，下一步就是把这些模板逐个做成视频。

整个流程非常简单：

脚本 → 分镜 → 参考图 → 视频提示词 → AI生成视频。

这里面实际上也有不少技术细节。

例如：

怎么把脚本变成合理的分镜？

怎么确保人物和产品保持一致？

怎么生成高质量的参考图？

怎么写出符合分镜需求的视频提示词？

以及中间各个环节，应该使用什么样的Skills来提高质量和效率？

这些内容我们后面会逐一分享给大家，保持关注哈。

今天先把整个生产链路讲清楚。

通过这一步，我们就能够把前面设计的AI混剪脚本模板，逐个生成对应的视频母版。

第六步：母版不是一次就能成功，通常还需要2—3轮调试！

这里我想强调一个我们在实际生产中经常遇到的问题。

AI给你的第一版脚本和视频，即使参考了大量爆款，也不代表就是我们真正想要的效果。

为什么？

比如说，原视频里面那个Hook非常吸引眼球。

但是你让AI重新设计以后，生成出来的Hook可能就没有原版那么强了。

或者原来的脚本结构很紧凑，但AI重新组织以后，节奏反而变慢了。

还有可能是说服逻辑、剧情描述或者镜头表达，跟我们真正想要的效果存在一些差距。

所以我们一般还会重点调整几个地方：

第一，Hook。

开头是不是足够吸引眼球？有没有把最重要的视觉信息表达出来？

第二，脚本结构。

节奏够不够紧凑？镜头之间的衔接和说服逻辑是否合理？

第三，整体表达。

剧情、产品展示和高光画面，是不是我们真正想要的版本？

通常经过2—3轮调试，我们才能得到一个相对满意的AI混剪模板脚本和对应的视频母版。

这里还涉及一个非常重要的动作：

不要只是把视频改好就结束了！

我们需要让Chat总结这几轮修改。

例如，这一次我们为什么调整Hook？

为什么删掉某个镜头？

为什么重新安排脚本结构？

哪些修改确实让视频变得更好？

然后把这些新总结出来的标准和规则，沉淀到我们原来的Skills里面。

这样下一次生成类似视频的时候，AI就可以继续按照新的标准执行，尽量避免重复犯同样的错误。

这也是为什么我们的Skills需要不断迭代，而不是写完一次就不再修改。

好，到这一步，我们就拿到了真正可以用于下一轮生产的AI混剪视频母版。

第七步：一个母版裂变10—20条，测试有效再继续放大！

接下来就很简单了。

我们把前面确认好的视频母版，继续进行批量裂变。

通常一个母版，我会先考虑裂变10—20条不同的视频。

裂变的时候，保留我们确认好的核心结构和说服逻辑，再通过变化人物、场景、表达方式和镜头等内容，生成不同版本。

当然，裂变不是越多越好。

如果这一批视频没有测试出比较好的表现，我们通常就不会在这个母版上无限增加产量。

但如果其中出现了表现明显更好的视频，那么我们就可以继续研究它为什么有效，再围绕这个方向做下一轮裂变。

这就是我们最简单的一套AI带货短视频生产思路：

先研究市场 → 找到爆款 → AI批量拆解 → 设计脚本模板 → AI生成母版 → 调试优化 → 批量裂变 → 测试反馈。

而且每次产生的新经验，我们都尽量继续沉淀到Skills里面，让整个生产系统不断完善。

---

最后总结一下

这条链路，我觉得非常适合刚刚接触AI带货的新手。

因为你不需要一开始就掌握特别复杂的原创编导能力。

先从市场已经出现过的优秀Creative开始研究，借助Chat和Work协作，把重复性工作交给AI，再逐步形成自己的脚本、视频母版和生产标准。

当然，这只是我们AI带货视频生产系统里面，相对简单的一条复刻路线。

真正做起来，中间还有很多可以继续优化的环节。

例如：

如何建立自己的爆款Creative研究Skill？

如何让AI编导根据商品和爆款案例稳定生成脚本？

如何通过参考图Skill、视频提示词Skill控制生成质量？

如何通过Agent和自动化工作流，把原来需要人工操作的环节进一步串联起来？

以及如果不走复刻路线，想做真正的原创AI带货短视频，又应该采用什么生产系统？

这些都会是我们后面继续分享的内容。希望通过这个系列能够帮助到大家

虎鲸出海 甘凯铭