EP21 从8人团队变2人:AI时代,亚马逊卖家该怎样重新组织公司?跨海电波

EP21 从8人团队变2人:AI时代,亚马逊卖家该怎样重新组织公司?

53分钟 ·
播放数538
·
评论数2

一个千万营收的亚马逊卖家,团队从 8 个人变成了 2 个人。

这听起来很像一个关于“AI替代人”的故事。但如果只停在人数变化上,我们就会错过其中真正值得跨境老板关注的部分:原来由 8 个人完成的工作,究竟去了哪里?AI只是帮员工更快做图、看表、回邮件,还是已经开始改变一家公司处理数据、做出判断和执行决策的方式?

这期节目,《跨海电波》和《小火车商业进化论》一起采访了亚马逊卖家智山。他曾经在美团从事战略研究、经营分析、用户增长和品类管理,后来进入亚马逊生意。

现在,他正在做一件很前沿的尝试:把选品、图片处理、供应商初筛、调价、补货、售后和广告等经营环节,逐步交给一套由 AI 驱动、仍在持续迭代的系统。

我们没有把重点放在推荐某个工具,也没有复刻一套只对个人有效的工作流。因为一个人做图快了一倍,并不意味着一家公司真的提效了。

沿着智山从 8 人团队走向 2 人团队的真实经历,这期节目会依次讨论:

  • AI 工具和 AI 工作流到底有什么区别?

  • 普通卖家可以先从哪些单点任务开始提效?

  • 怎样把选品、调价、补货、售后和广告串成经营工作流?

  • 大量执行工作被 AI 接管,团队为什么仍然不能没有人?AI时代需要怎样的人才?

  • 如果五年后所有卖家都同样高效,真正的竞争优势还会在哪里?

智山的答案并不是“用了 AI,公司就会突然翻天覆地”。真正有效的改变,依然来自大量经营细节:把数据整理好,把规则讲清楚,让执行结果能够被观察、被反馈、被修正,一步一步把原来不可控的事情变成可运营、可迭代的系统。

而当效率不再稀缺,老板和团队节省出来的注意力,最终仍然要回到产品、用户和品牌:更早理解消费者、影响消费者,并把这种影响转化为可以衡量、可以持续的生意增长。

本期节目由《跨海电波》与《小火车商业进化论》联合制作。

🍻 本期嘉宾

智山:汽配行业北美卖家,GMV 千万+。目前以两人团队经营亚马逊生意,并持续搭建团队级 AI 工作流。

JOE:《小火车商业进化论》主播。

🪁 时间轴

02:23 从 8 个人到 2 个人:真正改变的是什么?

03:43 AI 工具和 AI 工作流,到底有什么区别?

04:29 工具完成一个动作,工作流连接从需求到结果的全过程

05:32 普通卖家怎样从选品数据开始做单点提效?

08:15 图片生成、批量处理与供应商初筛

11:43 一个判断标准:从 A 点获取信息,再把结果输出到 B 点

13:20 公司已经有很多 AI 工具,下一步怎样把它们串起来?

15:20 先给 AI 一份“新员工手册”:环境、数据、规则和接口

Shownote篇幅有限,其实智山还分享了这份手册的完整使用建议,比如如何让手册「自动保鲜」,手册使用的实例,如何快速上手避免踩坑。

完整版“AI新员工手册”实践分享我们将会在听友群分享。如果你还没有进群,Shownote结尾有进群指南。

17:35 自动调价:每次只动 5 毛钱,用小步试探寻找平衡点

19:17 补货与经营判断:怎样把公司变成一个“可运营”的系统?

22:43 售后工作流:从及时响应、自动判断到人工审核

25:50 人为什么仍然必须在 loop 里?

28:16 广告自动化的学费:两周多花了几万块钱

30:24 为什么数据库是 AI 自动化最大的基础设施?

33:03 8 人团队里,原来的产品开发、美工和运营去了哪里?

37:49 为什么是 2 人团队,而不是 0 人团队?

39:24 AI 时代更看重什么:经验、好奇心,还是自学能力?

41:31 什么样的人可以带着一组 AI,负责一个完整业务模块?

45:20 五年后所有卖家都 AI 化了,接下来拼什么?

45:44 当效率被拉平,竞争最终还是回到产品、用户和品牌

48:18 AI 能弥补人才不足,但不能免掉行业学费

50:47 不要指望用了 AI,公司就突然翻天覆地

🚢 本期航海日志


AI 工具:用 AI 完成某个单点动作的软件或功能,例如生成图片、修图、去水印、整理表格。

AI 工作流:从需求输入到结果交付,将数据、规则、多个工具、执行动作与审核反馈串联起来的一整套流程。

AI Agent:能够接收目标、读取信息、调用工具并执行一组任务的 AI 智能体。本期对话中也常被类比为“AI 员工”。

Human in the loop:人在自动化闭环中承担观察、审核、反馈和处理异常的角色。它不是自动化失败的表现,而是高风险或非标准业务中的必要机制。

可运营:这是智山用来形容一套工作系统的词。在他的语境里,工作系统大体可以分为“可运营”和“不可运营”两种:

  • 可运营的工作系统:输入了什么数据、依据什么规则、执行了哪些动作、最后得到什么结果,都能够被观察和记录。结果不好时,可以定位问题、修改规则,再根据新的反馈继续优化。它现在不一定完美,但能够越做越好。

  • 不可运营的工作系统:结果主要依赖某个老员工的个人经验或临场发挥。为什么成功、为什么失败很难说清楚;换一个人,原来的结果也难以稳定复现,因此无法持续迭代。

AI builder:能够围绕真实业务问题搭建、连接和迭代 AI 工作流的人。除了会使用工具,还需要理解数据、业务规则和最终经营目标。

📲扫码加入听友群

🔊制作团队

出品:亚马逊广告

节目制作与运营:MoreDisco摩的士高声音实验室

展开Show Notes
来,我们做一个思想实验,如果「使用AI提效」成为了未来亚马逊卖家的标配,那么届时卖家们的核心竞争力又会是什么呢?老板和管理者的核心精力应该放在哪里?
欢迎给出你的预测!
Nacle
Nacle
1 小时前
Hello,大家好,我是本期节目的嘉宾

节目时长有限,这一期主要跟 joe这边聊了很多关于工作流搭建的细节。

在 5 月份,我开始帮杭州一家百人以上规模的公司开始落地 AI,先后经历了组织架构调整、薪资结构调整、岗位调整、员工培训以及 IT 基础设施的改造。

希望通过这个 case 以及这期节目,能让大家对于 AI 在企业落地(AI to Organization)有一个更理性、更正确的认知,不仅能看到 AI 的价值,也能看到背后需要付出的代价