SellTo.us 如何运作
最后更新：2026 年 10 月 10 日
详细说明 AI 模拟参与者如何生成、回答如何收集，以及报告中的每个数字如何计算，适用于创业创意、应用、服务、产品和广告。没有黑箱。
简要版
- 参与者是 AI 角色，不是真实的人。他们的回答展示的是模拟的反应（根据创意类型，分别是购买意向、兴趣、试用或考虑意愿，或对广告的回应），不是真实的销量或注册量，也不是预测。
- AI 模型为你的受众规划购物者群体。然后由我们的代码根据这些群体生成每一个购物者档案。
- 每位购物者都会对每个版本给出自己的回答：会购买、也许或不会购买，并附上简短理由。
- 百分比只是简单计数：回答数除以作答的购物者人数。我们不会附加统计置信度或准确度的说法，因为我们没有拿结果和真实销量做过对比。
- 把它当作快速的初步检验，然后再找真实客户确认。每份报告最后都附有具体的操作步骤。
为什么不直接问聊天机器人？
聊天只能给你一个 AI 的意见。SellTo.us 的测试是结构化的：我们的代码为你的受众生成一批固定的个人档案，每个档案都会回答每个版本，数字就是这些回答的计数，在你看到之前已由代码核对。
- 每个版本和图片都展示给同一批模拟人群。
- 结果按受众群体划分。
- 你可以在完全相同的模拟人群上重新测试改进后的版本（测试规模相同）。
- 报告保留依据标签（“模拟结果”或“AI 假设”），并提供 PDF。
它依然是 AI 在设想人们可能如何反应，所以下面的局限同样适用。
创意类型
设置测试时，你需要选择创意的类型。下面的步骤对每种类型都一样；不同的是模拟人群是谁、三种回答代表什么，以及报告的侧重点。
| 创意类型 | 模拟人群 | 三种回答 | 报告指标 |
|---|---|---|---|
| 创业创意 | 潜在客户 | 感兴趣 · 也许 · 不感兴趣 | 模拟的概念兴趣 |
| 应用或软件 | 潜在用户 | 会试用 · 也许 · 不会试用 | 模拟的试用意愿 |
| 服务 | 潜在客户 | 会考虑 · 也许 · 不会考虑 | 模拟的考虑意愿 |
| 实体产品 | 购物者 | 会购买 · 也许 · 不会购买 | 模拟购买意向 |
| 广告创意 | 受众中的人 | 会回应 · 也许 · 会忽略 | 模拟的信息回应 |
| 其他 | 人群 | 感兴趣 · 也许 · 不感兴趣 | 模拟的兴趣 |
如果你不选择类型，则默认使用“其他”。在创意类型推出之前创建的测试都属于实体产品测试。本页其余部分使用实体产品的说法（购物者、会购买）；其他类型请对照表格中的对应说法理解。
1. 规划模拟人群
开始测试时，一个 AI 模型（Anthropic 的 Claude Sonnet 5.5）会读取你的受众设置和产品，然后把受众划分为若干购物者群体。每个群体包含：
- 名称及其在受众中的占比（例如“忙碌的父母 30–45 岁，12%”），
- 年龄范围，
- 4 种典型职业或生活角色，
- 预算水平（紧张、中等、宽裕或较高），
- 一段关于购物习惯的简短说明，
- 该群体想要的 3 到 4 样东西、他们目前用来替代的 2 到 3 种产品或做法，以及他们对你的创意可能有的 2 到 3 个犹豫点。
群体数量取决于测试规模：8、25 或 100 个。这一步还会按我们的内容规则检查产品，并拦截涉及武器或非法药物等内容的测试。
照片：如果你添加了照片，规划模型会逐张查看一次，并写一段简短描述，说明购物者会看到什么。购物者是对这些描述做出反应，而不是对图片文件本身。
2. 生成购物者
每一位购物者都由我们的代码生成，而不是由 AI 生成。对于 10,000 人的测试，代码会生成恰好 10,000 个档案：
- 每位购物者按各群体的占比被分配到某个群体，
- 年龄在该群体的年龄范围内随机选取，
- 职业从该群体的 4 种职业中随机选取，
- 会分配到该群体的一项需求、一种目前的替代方案和一个顾虑；
- 他们自己的预算通常与群体一致，有时会高一档或低一档；
- 会分配到价格敏感度（预算紧张时更可能偏高）、对这个问题的迫切程度、对这类产品或服务的熟悉程度；如果测试的是 App 或创业创意，还包括对科技的接受程度；
- 在 100,000 人的测试中，每位购物者还会从你所在国家的城市或地区列表中分配到一个（列表有人口规模信息时按规模加权）。
随机选择以你的测试 ID 作为种子，因此生成报告时可以完全重建同一批模拟人群。所以我们无需保存 100,000 份画像。
如果同一群体中两位购物者会得到完全相同的组合，代码会重新抽取（最多 3 次），因此群体内很少出现重复。请注意：这些细节都来自计划中的简短列表，所以同一群体的购物者仍有很多共同点；特征的组合只是对你的受众的假设，并非实测的人口数据。
3. “每位购物者作答”在技术上意味着什么
购物者会被发送给第二个 AI 模型 Claude Haiku 4.5（同样来自 Anthropic），每次请求 40 位购物者（免费快照为 25 位）。每次请求包含：
- 你的受众和你测试的每个版本（文字、价格和图片描述）；
- 40 份购物者画像的编号列表（年龄、职业、预算、需求、目前的替代方案、顾虑、上述特征中较突出的部分；在最大规模的测试中还有城市）。
模型按顺序为每位购物者返回一个回答。每个回答包含：对每个版本的判断（会购买、也许或不会购买）、一条结合这个人自身情况、不超过 14 个词的理由、这条理由涉及的唯一主题（价格、信任、便利、安全……），以及在你添加 2 张或以上图片时，最能让这个人想购买的那张图片。
因此每位购物者都有一份画像和一个回答，但这并不是 40 场独立的 AI 对话：模型会一次性评判这 40 份画像。请求通过 Anthropic 的 Message Batches API 在后台处理。
画像由有限的群体细节构建，所以同一群体的购物者仍可能相似；更大的测试会增加更多群体和规划细节，但不保证结果更准确。
| 测试规模 | 购物者群体 | 请求数 | 展示的引用回答 | 版本 | 图片 |
|---|---|---|---|---|---|
| 100（免费 Idea Snapshot） | 4（仅摘要） | 4 次，每次 25 人 | 无 | 1 | 无 |
| 1,000 | 8 | 25 次，每次 40 人 | 12 | 1 | 1 |
| 10,000 | 25 | 250 次，每次 40 人 | 50 | 最多 3 个 | 最多 3 个 |
| 100,000 | 100 | 2,500 次，每次 40 人 | 200 | 最多 5 个 | 最多 5 个 |
4. 数据如何计算
- 作答人数：格式错误或根本没有返回的回答会被跳过，绝不猜测补全。报告会显示实际作答的购物者人数（例如“9,880 / 10,000”）。
- 会购买、也许、不会：每个版本中给出该回答的购物者人数，除以作答人数。
- 购物者群体和城市：在每个群体或城市内用同样的方法计数。
- 图片投票：作答购物者中选择每张图片的比例。
- 人群图：最多 1,000 个点，从作答购物者中均匀抽取的样本。
- 按主题划分的理由：每条理由只计一次，归入它所涉及的唯一主题。计数总会附上基数，例如“212 条非‘是’回答的理由中有 34 条”。旧报告按关键词归类理由，只是近似结果，报告中也会注明。
- 引用的回答：从作答购物者及其理由中随机抽样，逐字照录，且只在文字与回答相符时展示（听起来很正面的“不会”回答会被剔除）。名字由我们的代码随机生成。
- 作答人数过少时：失败的请求会重试一次。如果作答的购物者不到一半（免费快照为不到四分之三），测试会被标记为失败，你的额度或免费快照会自动退回。
5. 报告如何撰写
Claude Sonnet 5.5 会收到总计、各群体结果、图片投票，以及随机抽取的 160 条购物者理由。据此撰写结论、购物者喜欢什么、他们为什么不买、改进建议、风险、可能的替代方案和 SWOT 分析。在 10,000 人和 100,000 人的测试中，它还会根据群体结果撰写广告定向指南。
你看到报告之前的检查
每份报告在你看到之前都会经过代码检查。关键发现、所有百分比和计数、用真实客户验证结果的步骤以及示例广告预算，都由同一组经过验证的数据生成，因此同一个数字在每一页都完全一致。
AI 撰写的文字会逐句检查。以下内容会被删除或替换：
- 与结果不符的数字
- 在版本有多处差异时声称某一处改动导致了结果的说法
- 新的产品宣称（认证、“实验室测试”、健康/安全/性能保证）
- 竞争对手价格、市场规模数据和没有来源的引用
文字与购物者回答不符的引用会被剔除。每一处修正都会计入报告的质量检查。
决策简报
决策简报（2026 年 10 月起的付费测试）：第二个撰写步骤会把计数结果变成报告的决策部分：什么在拖累你的创意、最先改进什么、你的下一个商业决策，以及要和真实的人一起做的实验。
$49 的测试增加了各版本的决策矩阵和两周计划；$149 的测试增加了发布准备度视图、按城市划分的结果和 30 天验证路线图。
AI 只负责提议，由我们的代码决定它能说什么。每一项都必须引用它所依据的计数依据（某个主题计数、某个群体、某个版本、某条引用），引用了不存在依据的内容会被删除。
问题的严重程度由固定规则决定，而不是 AI：
- 严重：它是非“是”回答中最常见的理由，且占这些理由的至少 30%，同时最佳版本的“是”不到 30%
- 高：占 20% 或以上（或是最常见的主题且至少占 12%）
- 中：占 8% 或以上，或在某个群体中占理由的 25% 且至少有 15 条
- 其余为低
计数理由少于 20 条时，问题的评级不会高于“中”。相差不到 3 个百分点的版本会被报告为难分高下。如果撰写结果无法使用，简报会仅根据计数生成，并注明这一点。
每一页都有标签：模拟结果（根据模拟回答统计）、AI 假设（根据这些回答写出的、有待检验的想法）、你的输入（你填写的内容，包括其中的说法，这些仍需要你自己的依据）和已验证来源（有具名、注明日期来源的外部事实，只在存在时显示）。
最佳价格是 AI 根据回答做出的判断，并非根据价格曲线计算得出。如果你把同一产品的不同价格作为不同版本测试，对比表会显示每个价格的模拟回答。
6. 比较版本和图片
同一测试中的所有版本和图片都发给同一批购物者，在同样的请求中、使用同样的受众设置。每位购物者都会对每个版本作答。因此测试内的比较是同等条件下的比较。
但这并不意味着它在现实世界中是准确的。AI 还可能受到版本排列顺序的影响。再次运行同一测试会得到略有不同的数字，而且我们不计算误差范围，所以版本之间的小差距请视为平手。
重新测试：前后对比
每个测试都有一个类似 ST-7K4Q2X 的编号，显示在报告和 PDF 上。当你修改产品并点击重新测试（或用编号关联旧测试）时，新测试的运作方式与全新测试不同：
- 你的旧版本会作为版本 A 回归，与你的更新版本（或最多 4 个更新版本）并列。旧的主图片对应版本 A，你的新图片（如有）对应更新版本。
- 模拟人群使用与第一次测试相同的购物者群体，并从同一起点重建。人群规模相同时，你会再次得到完全相同的模拟购物者。
- 版本以轮换顺序展示（先 A 后 B、先 B 后 A，依此类推），购物者也不会被告知哪个是旧版、哪个是新版，因此任何一方都不会因位置或“新版”身份而占优势。
- 我们逐位购物者比较：有多少人转为购买新版本，又有多少人转而放弃。
- 只有当“会购买”回答的差距超过固定阈值时，结果才会显示“更高”或“更低”：至少 2 个百分点，若很多购物者双向转变，阈值会提高。否则显示“没有明显差异”。
- 这是应用于单次运行的决策规则，不是实测的运行间波动，也不是统计置信水平。
- 接着，报告会列出你改了什么，并根据数字和购物者的理由，说明之前的每条建议是否已采纳、是否有帮助。报告可以直说某个改动没有帮助，甚至让情况变差。
重新测试内的并列对比才是公平的比较。不要把重新测试的数字直接与第一次测试比较：即使是同一产品，单独的运行也可能得出不同数字，而我们没有测量差多少。和这里的一切一样，更好的结果只是在 AI 购物者中更好，不能证明真实销量。
7. 你应该了解的局限
- AI 角色不花真钱，看不到你真实的网站或竞争对手，可能比真实的人更宽容或更苛刻。
- 结果取决于你如何描述产品和受众。
- 结果未经真实销售数据验证，我们也不宣称任何准确率数字。
- AI 可能出错、误解产品或重复陈词滥调。
- 运行结果并非完全可重复：再次测试同一创意可能得到略有不同的数字，所以小差距请视为平手。
- 一次 AI 请求评判一批 40 份画像，同一群体的购物者共享预算和购物说明，因此群体内的回答可能相似。
- AI 可能会受到版本展示顺序的轻微影响。
- 结果无法预测真实销量、注册量、转化率、收入，也无法预测一门生意能否成功。
8. 耗时与失败
每个测试按计划用时：1,000 人约 10 到 12 分钟，10,000 人 14 到 16 分钟，100,000 人 22 到 28 分钟。如果 AI 提前完成，完成的报告会等到那时再交付，让你知道何时能收到；进度页面显示的回答数永远不会超过实际返回的数量。
在非常繁忙的时段，批处理可能更久，最长 24 小时。规划和报告失败时会自动重试。
如果测试无法完成，会被标记为失败，你的额度会自动退回，因此没有运行的测试绝不会收费。
9. AI 模型与你的数据
我们用 Claude Haiku 4.5 模拟购物者，用 Claude Sonnet 5.5 负责规划、报告和广告指南，两者都由 Anthropic 开发。如果更换模型，我们会更新本页面。Anthropic 会收到你的测试内容，但不会收到你的邮箱地址，且根据其商业条款，不会用这些内容训练模型。请参阅我们的隐私政策。