服装电商搭配文案与评价分析：用 Claude Code 提速的实操流程

那是一个周五傍晚。老板说，50 款新品的详情页，要在周一上线。

照片拍完了，尺寸也量好了。可他接着说：每一款都要写 3 种”穿搭推荐文案”，还要从过去的评价里挑出卖点写进去。50 款 × 3 种就是 150 条。然后还得读懂顾客对版型和面料的吐槽，反映到商品说明里。

那天晚上 11 点，我开着 20 个复制评价用的浏览器标签页，对着屏幕念叨”今天真做不完了”。服装电商的详情页运营，照片和尺寸搞定之后的文字活，总是在这里卡住。

那次救我的是 Claude Code。我把文案初稿和评价分类交给它，自己只负责改”这不是我们品牌的说法”。结果 150 条一晚上就成形了。今天我把这套流程，做成能直接复制的样子交给你。

本文要点

• 服装电商的搭配文案，把”款式、场景、版型”喂给 AI 就能一口气出初稿。人只改语气和品牌调性
• 评价分析别停在”只数星星”。按版型、面料、物流三个维度打标签，才能落到商品改进上
• 交给 AI 的是初稿、分类、摘要。降价决策、库存措辞、涉及《广告法》的绝对化表述，必须由人叫停
• 只给商品名和款号就能跑。顾客姓名和邮箱绝不喂给 AI，这是个人信息的铁律
• 50 款文案从手工 4 小时缩到 30 分钟左右。按时薪折算，ROI 也划算

服装电商的详情页运营，到底卡在哪

先把读者画像讲清楚。这篇文章面向在服装电商里做商品详情页的人：跑拍摄、量尺寸、写文案（这一整套日本同行叫”ささげ”，即拍摄·测量·撰写），上线后看评价做改进。这个岗位常常一个人同时扛好几个品牌。

业务流程大致是这样：

1. 给到货的新品拍照、量尺寸
2. 录入商品名、材质、尺码表
3. 写穿搭推荐文案、一衣多穿文案
4. 上线，评价积累后读趋势
5. 把版型和面料的吐槽，反映到下一批商品说明或进货里

返工最容易发生在第 3 步和第 5 步。一条文案要写 15 分钟，50 款就是整整一天。评价分析常常停在”3 星评价好像挺多”，没把”为什么是 3 星”说清楚，下一批货就到了。结果同一个版型投诉反复半年。这就是服装电商运营里不起眼的内耗。

如果你是第一次接触 Claude Code，建议先用Claude Code 入门指南把环境装好，后面的步骤就能照着直接跑。

场景一：一款出 3 种穿搭文案初稿

最先见效的就是文案批量化。把款号、品类、材质、设想场景喂进去，就能出 3 条调性不同的初稿。人只做取舍和语气微调。

把”交给 AI”和”由人判断”的边界用表格分清楚：

工序	交给 AI	必须由人判断
一衣多穿的点子	○ 出 5 个候选	确认是不是自家有货的搭配
文案初稿	○ 按场景出 3 条	改成品牌的说法和语气
材质与保养的描述	△ 仅作草稿	确认与洗涤标识不矛盾
”最便宜""绝对”等绝对化表述	× 不让它写	从《广告法》《药品广告》角度删除

撰写文案的可复制提示词如下。前提是贴进详情页，所以加了避免过度绝对化的指示。

你是服装电商的文案撰稿人。针对以下商品，
写出 3 种穿搭推荐文案。

# 商品信息
- 款号: KN-2026SS-014
- 品类: 廓形针织衫
- 材质: 棉 60% 腈纶 40%
- 颜色: 米白 / 摩卡
- 设想场景: 通勤、休息日的咖啡馆、附近买东西

# 条件
- 每条 120～160 字，语气口语化、亲切
- 必须搭配一件单品（下装或配饰）
- 不使用"最便宜""绝对""医学上"等绝对化或功效表述
- 不提具体尺码，专注氛围和场景

输出格式如下：
方案1: 正文
方案2: 正文
方案3: 正文

要点是把”不使用绝对化表述”写进条件里。服装行业很容易踩《广告法》，“绝对显瘦”这类说法事后删起来很费劲。开头就禁掉，返工就少了。

场景二：评价按三个维度打标签，落到商品改进

第二个是评价分析。光数星星，用表格就够了。真正出价值的，是把自由填写的评价按”版型·面料/品质·物流/包装”三个维度归类，并且把改进动作也写成话。

这里放一份评价分类检查清单。用这些视角复核 AI 的输出，漏项会变少：

• 对版型的描述是否分成”偏大/偏小/正常”
• 对面料的不满是否用”薄/扎人/起球”这类具体词捞出来了
• 物流、包装的话题有没有跟商品评价混在一起
• 同一个不满出现了几次，有没有计数
• 改进动作是分到”下一批进货”还是”修改说明文”

评价分类用的提示词模板如下。为了方便统计，让它用表格返回。

以下是某商品的评价正文。请逐条按下面 3 个维度打标签，
最后给出 3 条改进建议。

# 维度
1. 版型: 偏大 / 偏小 / 正常 / 未提及
2. 面料·品质: 好 / 不满(内容) / 未提及
3. 物流·包装: 好 / 不满(内容) / 未提及

# 输出
| 序号 | 版型 | 面料·品质 | 物流·包装 | 一句话摘要 |
表格之后，用 "## 改进建议" 分开写：进货时要改的点，
以及在商品说明里能提前规避的点。

# 评价正文
(在这里每条一行粘贴)

让它给出”在说明里能提前规避的点”是诀窍。比如”比想象中薄”出现了 5 条，那在换面料之前，只要在商品说明里写上”轻薄透气的手感”，落差就会变小。不改进货却让星级上升，这种事并不少见。

场景三：用机器校验文案质量

第三个是校验。150 条文案只靠人眼看，字数超标和违禁词混入一定会漏掉。这一步交给机器当门卫。

下面的脚本读取装着生成文案的 JSON，自动检查字数和违禁词。有 Node.js 就能直接跑。服装电商最容易踩雷的绝对化表述都列在 NG_WORDS 里，按自家的措辞规则补充即可。

import { readFile } from "node:fs/promises";

// 检查对象: 装着 [{ id, text } ...] 数组的 JSON
const items = JSON.parse(await readFile("./proposals.json", "utf8"));

const NG_WORDS = ["最便宜", "绝对", "一定瘦", "医学上", "No.1", "全国第一"];
const MIN = 120;
const MAX = 160;

let ng = 0;
for (const item of items) {
  const len = [...item.text].length; // 中文字符按 1 个计数
  const hits = NG_WORDS.filter((w) => item.text.includes(w));
  const problems = [];
  if (len < MIN || len > MAX) problems.push(`字数 ${len}(设定 ${MIN}-${MAX})`);
  if (hits.length) problems.push(`违禁词: ${hits.join(", ")}`);

  if (problems.length) {
    ng++;
    console.log(`NG ${item.id}: ${problems.join(" / ")}`);
  }
}

console.log(`\n共 ${items.length} 条，其中 ${ng} 条需修改`);
process.exit(ng === 0 ? 0 : 1);

proposals.json 长这样。生成文案时就按这个格式输出，衔接起来更省事。

[
  { "id": "KN-2026SS-014-A", "text": "质感柔软的廓形针织衫。…" },
  { "id": "KN-2026SS-014-B", "text": "通勤也合衬的简洁一件。…" }
]

上线前把这个脚本跑一遍，违禁词混入和字数崩坏就被挡在上线之前。把这类规则写进 CLAUDE.md，每次都会自动捞，所以建议顺手读读CLAUDE.md 写法最佳实践，运营会更稳。想把提示词再打磨一层的人，可以参考提示词工程进阶。

导入前后到底变了什么

用数字看效果更清楚。这只是我手头的估算，权当参考：

工作	导入前	导入后
50 款 × 3 条文案	约 4 小时（部分按每条 15 分钟折算）	约 30 分钟（初稿＋语气微调）
100 条评价的趋势把握	约 2 小时	约 20 分钟
上线前字数·违禁词检查	人眼看有遗漏	脚本自动、零遗漏

粗略算，文案加评价每月省下 10 小时左右。按时薪 100 元折算也有月省 1000 元。更重要的是，省下的时间能转到拍摄指导和进货判断上，这比省下的钱更值。

交给 AI 的范围，和人必须叫停的红线

觉得方便就全交给它，在服装电商里会出事。把界线划清楚。

可以交给 AI 的是：初稿、分类、摘要、格式检查。文案草稿、评价打标签、改进方案候选——这些 AI 快。

人必须叫停的是下面这些：

• 降价、促销措辞的最终决定（直接关系成本和利润）
• “绝对""最便宜”等绝对化或功效表述（《广告法》《药品广告》风险）
• 库存数量、到货时间的描述（写错就变成缺货投诉）
• 关乎品牌世界观的措辞（机械的语气会让人流失）

如果要在非工程师团队里同步这条界线，建议让大家读一遍给非工程师的 Claude Code 入门，对”哪些活能交出去”的感觉会更一致。

个人信息与安全注意事项

这里不能马虎。做评价分析时，正文里可能混着买家的姓名、订单号、地址片段。把这些原样贴给 AI，要避免。

实操里的约定很简单：

1. 喂给 AI 的，只到商品名、款号、品类、材质、已公开的评价正文
2. 顾客的姓名、邮箱、电话、订单号、地址，做脱敏处理后再喂
3. 评价正文里混着真人姓名，粘贴前先替换掉
4. 不输入对外保密的成本和供应商名

评价里的真人姓名，粘贴前在编辑器里把带”先生""女士”的专有名替换成代号，多数就能防住。看着麻烦，但跳过这一步一旦出事就会一下失去信任，所以务必做。

常见问题

Q. 生成的文案读起来都差不多，怎么办？ A. 在提示词里明确写”3 种方案要换调性（优雅/休闲/松弛）“。只换场景，用词还是会趋同，所以另外加一条调性的轴，就会分散开。

Q. 评价有几百条，贴不下怎么办？ A. 别一次全塞，按 50 条分批用同一个提示词跑，最后只把统计表合并。条数越多，越值得用场景三的校验脚本往机器统计上靠。

Q. 每次都要交代品牌调性，太麻烦。 A. 把品牌的语气、违禁词、偏好的说法整理进 CLAUDE.md，就不用每次交代了。还能在团队里共享，这是额外的好处。

Q. 生成的文字能直接上线吗？ A. 当成初稿来用。语气、品牌调性，以及绝对化表述的检查，前提是要由人过一遍。场景三的脚本是辅助，不是最终判断。

实际试过之后

开头那个”50 款周一上线”，我真的就用这套流程跑了一遍。

文案部分，把款号、材质和场景喂进去，每款生成 3 种。150 条初稿 20 分钟左右就出来了，我做的只是统一语气，以及删掉混在两条里的”一定最适合你”这种绝对化表述。过了校验脚本后，字数超标 7 条、违禁词 2 条。能在上线前捞出来，这点很关键。

评价分析里，我发现 3 星的原因集中在”版型偏大”，于是提前在商品说明里写上”做得偏宽松”。不用等下一批货就有招可出，这是意外的收获。

到头来最见效的，是一开始就把”交给 AI 的活”和”自己叫停的活”分开。初稿归 AI，调性、绝对化和版型的最终判断归人。划了这条线之后，晚上 11 点念叨”做不完了”的次数就少了。想在团队里搭起同样的流程，可以通过培训·咨询连同运营规则一起设计，是条近路。

外部的广告合规基础，建议关注负责广告监管的国家市场监督管理总局官网，搜索《中华人民共和国广告法》相关解读，对绝对化表述的界线，你就能用自己的话讲清楚。