这篇不是”AI 真香”的安利文。而是一次完整的实操复盘：我怎么用一个自己装的 Claude skill，把 Aventon 和 Heybike 两个北美电助力自行车品牌的真实用户口碑扒出来，再翻译成具体能投的广告动作。
中间踩的坑、抓不到的数据、改过的判断，我都摊开讲。
先说明一点：两家都是我很尊重的出海标杆品牌，文中提到的用户反馈，是任何品牌放量过程中都会遇到的共性课题。本文讲的是方法，不是评判品牌。
AI 做用户洞察不是魔法，但它能把”凭感觉投广告”，变成”凭证据投广告”。
01 为什么是”三段式流水线”，而不是一句 prompt 搞定
很多人用 AI 做调研，就是丢一句”帮我分析下 XX 品牌的用户口碑”。
然后拿到一堆正确的废话——”该品牌拥有卓越的品牌力和良好的用户口碑”。
我用的这套 skill，核心是把活儿拆成三段流水线，每段一个独立 agent：
● 采集：让claude 去 Reddit、评论区、测评把真实用户声音抓回来。只搬运，不评判。
● 分析：把用户声音嚼碎，提炼成画像卡、痛点地图。只提炼，不发挥。
让一个 AI(claude ) 一口气从”搜资料”干到”写结论”，它会在中间疯狂脑补——没抓到的数据，它编一个看起来合理的；没有原声支撑的结论，它用”行业常识”圆上。
拆成三段、每段职责单一，就是逼着流程在每个环节都挂证据。
02 采集这一步，现实比想象骨感得多
如果你以为Claude 能”把 Reddit 所有讨论一键抓下来”，我劝你冷静。
真实情况是：（下面是claude code的工作过程反馈）。
Reddit 直抓，抓不动。 现在直接爬 reddit.com 基本被挡。claude走的迂回路线，是 pullpush.io 的归档接口把帖子捞出来，再用 jina.ai 把网页正文转成干净文本喂给模型。这俩是这次能跑通的关键。
Amazon 海量评论，基本抓不到。 Heybike 的销量大头在 Amazon，普通车主的真实声音也沉淀在那儿——但 Amazon 反爬极强，这部分claude几乎没拿到。这是个要命的盲区，后面会反复提醒。
所以这次cladue的手里的样本，主体来自 Reddit。
Reddit 的 eBike 圈子偏技术男——懂扭矩传感器、会拆刹车的那帮人。他们的声音有价值，但不等于全体车主。
03 洞察层：美国用户到底在聊什么
有车主 Mars 系列骑了 3 年，说是”最佳购买”；有人 Ranger 通勤跑了 1400 英里还打算再买一辆；佛州的银发车主说骑它锻炼，”身体根本分不出是电助力还是普通车”。
但讨论区里也有另一类声音：部分用户觉得售后响应的节奏跟不上预期——跨时区沟通、问题排查要多轮往返。
于是出现一个微妙的口碑结构：老车主对车很满意，推荐朋友时会附带一句”对售后沟通周期要有心理预期”。
这是几乎所有出海 DTC 在快速放量阶段的共同课题——销量增速跑在服务体系前面。
车主端普遍说客服响应好；车行端则觉得保修流程还有优化空间。
车主只关心一件事：我的问题最后解决了没。车行承担的是流程成本：垫付、审批、环节多。
投广告该参考哪边？C 端。 你的广告打的是终端消费者，他们要的是”坏了有人管”的确定性，不 care 后台流程。
而 Aventon 真正的决策王牌，是被车主反复提到的——
“1800 家授权车行带来的 peace of mind（安心感）。”
有车主讲得特别透：没有本地售后网络兜底，电助力车一旦趴窝就很被动。
这直击纯 DTC 买 eBike 的两大痛点：盲买没法试骑，到手还得自己组装。
发现三：Facebook 车主群，长成了品牌最被低估的资产
采集中反复出现一个现象：Heybike 的 Facebook 车主群极其活跃——
新车主说”群里响应比官方渠道还快”；群里有跑了 5000+ 英里的老车主，主动帮新人答疑、晒长测、做背书。
社群自发长出了一套同侪互助系统，把购前咨询、组装求助、日常排障都接住了。
你品品这个画面：用户自己组织起来，替品牌完成了相当一部分服务和信任建设。
这对做 Facebook 广告的人，是个天降的结构性机会——第 06 节专门讲。
04 把人看清楚：四类买家画像
A 安心型 ★★★★ ｜ 要 peace of mind 的家庭增/换购者 ｜ Aventon 主力
B 性价比型 ★★★★ ｜ 极致预算的首台入门者，0 息分期 $80/月驱动 ｜ Heybike 主力
C 装车载货型 ★★★ ｜ 折叠装车休闲 / 载货家庭 ｜ 两家各占两成多
D 银发/女性休闲型 ★★ ｜ 休闲健身、无障碍需求 ｜ 信号弱
画像 D 必须打个星号：这类人的信号大多是家人二手转述（”我给我妈买了一台……”），不是本人发声。
所以针对银发、送礼场景的投放建议，我的口径都是——先小预算实测，跑出数据再放量。
05 落地层：洞察怎么变成facebook广告动作
洞察不能落到”投手明天能改的广告设置”上，就是纸上谈兵。
核心卖点：售后确定性、本地车行、peace of mind
素材钩子：”你家附近 X 家车行”本地化地图 + “车行代组装骑走”对比视频
受众：在意保修确定性的人群 + 承接 Rad 老车主
文案纪律：把”可试骑 + 本地售后”放参数前面；不吹极限续航，建诚实人设
核心卖点：价格锚（$899 vs 同级 $1499）、0 息 $80/月
素材钩子：海量 UGC 短视频，制造”很多人在骑”的安全感
受众：预算敏感家庭、送礼、露营车/SUV/RV 人群
素材纪律：不过度承诺售后时效，把真实里程数做成硬证据
记住一句话：素材里写的每一句承诺，都会成为评论区的验收标准。 只承诺自己稳定兑现得了的东西。
① 承接换购窗口。 Rad Power（曾经的北美销量老大）经营动荡，大量老车主在找下家，核心诉求是”这牌子得活得久、保修得靠谱”。动作：定向 Rad 兴趣人群，做载货车同级替代对比，用”1800 车行 + 存续性”接住他们。
② 本地化素材。 用 AI 按用户邮编自动生成”你家附近 3 家车行”的地图素材，CTA 直接导”预约试骑”——把纯 DTC 没法试骑的品类痛点，变成自己的差异化武器。
③ 落地页给确定性。 拉新广告把重心放在”自用满意”信号（3 年、1400 英里这种真实里程数），落地页把”美国仓发货、响应时效、30 天无理由”摆明面上，先把盲买焦虑摁下去。
06把 FB 车主群，做成”AI + FB”的护城河
回到发现三。车主群自发长成了互助系统——这件事含金量极高。拆三层用：
三层闭环图——广告拉新 → 入群沉淀 → UGC 回流素材库，形成一个循环
“加入 X 万车主社群”本身就是一次软转化——肯入群的人，意向度远高于泛流量。把入群者沉淀成高意向再营销池，追单、上新、配件复购都从这个池子捞，CPA 会好看很多。
Heybike 没有线下车行网络，但有最活跃的车主社群——完全可以正面包装成：”5000+ 英里活跃老车主组成的线上车行”。
再用 AI 做实它：群里挂 AI 客服 bot 兜底高频问题（组装、调档、报错），接住跨时区的咨询空档；AI 监测群内高频提问，自动生成 FAQ、自动剪成答疑短视频。
这是闭环最妙的地方：AI 持续扫群，识别跑了几千英里、自发晒车的老车主，自动邀约做证言素材、做”团长”。
群里长出来的内容，直接回流成广告素材——投放拉来的高意向人群进群，群里的真实声音又变成新素材去拉新。
反过来，Aventon 不用学这套——它的牌是官方客服 + 1800 车行的确定性，就该主推”坏了有地方修”的官方背书。
07 这套方法能复制，但别迷信它
复盘到这儿，我想说的不只是两个 eBike 品牌。
这套”采集→分析→撰写”三段式，可以原样搬到任何 DTC 品类——美妆、家居、宠物、户外装备都行。
-
AI 在里面的价值，不是替你拍板，是把原本一周的人工爬帖、整理、提炼，压缩到几小时，并且全程留痕、可追溯。
它进不去有反爬墙的地方。涉及满意度的结论，都可能被样本覆盖面影响。
它会被样本偏差带偏。信号弱的结论，全程标注”先小预算实测”。
它能帮你看清，但替不了你下场试。所有广告动作都是假设，得拿小预算 A/B 验证。
AI 把用户洞察从”拍脑袋”拉到了”有据可依”，但它给的是概率，不是真理。
知道它的能、也认它的不能，你才算真把这个工具用明白了。
先去用户真正说话的地方，听听他们到底在聊什么、在乎什么。
方法说明：本文洞察基于三段式 AI 流水线产出。用户声音主体采集自 2024 下半年至 2025 年 5 月的公开讨论区归档；车型、渠道事实经 2026 年 6 月实时核查。样本以 Reddit 为主，偏技术型用户；Amazon 评论及部分评价平台因反爬未能覆盖，涉及满意度的表述请结合样本边界审慎参考。文中用户反馈均为公开讨论的共性主题归纳，不针对任何品牌作评判；两家均为出海 DTC 标杆，本文目的是分享研究方法。
「版权提示」：信息来自于互联网，不代表官方立场，内容仅供网友参考学习。如发现本站内容存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至 contact@glosellers.com，我们将及时沟通与处理。如若转载请联系原出处。 「注意事项」：锦品出海(含网站、客户端等)所展示的商品/服务的标题、价格、详情等信息内容由实际供应商/服务商提供。如用户对商品/服务的标题、价格、详情等任何信息有任何疑问的，可直接同供应商/服务商沟通确认，其他问题，请向锦品出海客服咨询。因第三方供应商/服务商与用户因服务行为所发生的纠纷由第三方供应商/服务商与该用户自行处理或通过法律途径解决并自行承担法律后果。锦品出海根据用户申请可参与相关协调调解工作，但不对纠纷事项及调解工作承担任何责任。
