电商主图测图怎么做？AI出图与数据验证方法

做测图的团队，通常会遇到一个尴尬的局面：换了好几版主图，感觉这一版更好，但拿不出依据；问起为什么好，回答是「看着更顺眼」。这种判断方式最大的问题是无法复制，换一个人、换一个类目，同样的直觉未必成立。

测图要解决的正是这件事：把「我觉得更好」变成「数据上呈现出差异」。它不保证某一版一定能带来更好的结果，但能让选择过程有据可依，也能让失败的经验沉淀下来。

这篇教程分两块讲。一块是数据口径，也就是测图时到底该看哪些数字、怎么记录；另一块是样本量，也就是数据积累到多少才值得下判断。两块都属于方法层面，不依赖某个特定工具，但用青虎AI 的主图套图生成来做素材准备，可以让测图的执行成本降下来。

一、测图要回答的三个问题

很多人把测图理解成「挑一张最好看的主图」。这个理解偏了。测图要回答的其实是三个不同层次的问题，混在一起看，结论就会乱。

第一个问题是这张图能不能被点。这对应的是曝光到点击这一段。主图在货架上的第一任务是让人停下来，决定这一点的因素包括主体的辨识度、画面的对比关系、卖点文字是否一眼可读。这一层没做好，后面的转化根本无从谈起。

第二个问题是点进来的人对不对。点击量高不等于价值高。如果一张主图用了过强的促销感画面，吸引来的可能是只对价格敏感的人，进来之后不收藏也不加购。所以测图不能只看点击，还要看点击之后的动作分布。

第三个问题是这张图的优势能不能持续。有些主图在短周期里表现突出，但拉长看就回归平淡，原因是它依赖了某个短期因素，比如蹭了当时的活动氛围。判断一张图的真实水平，需要把观察窗口拉长一些。

三个问题对应三组不同的数据，观察周期也不一样。把它们分开记录，测图的结论才有意义。把三组数据揉成一个「综合印象」，是测图最常见的失败原因。

还需要明确一点：测图比较的是「变量」，不是「整张图」。如果同时换了背景、换了模特、换了卖点文字、换了拍摄角度，即使数据出现差异，也无法判断是哪一项起了作用。可用的测图设计，一次只动一到两个变量。

二、数据口径：测图到底该看什么

数据口径的意思是，同一个词在不同团队里指的可能是不同的东西。测图开始之前，把口径写下来，后面所有讨论才有共同语言。

基础口径包含三个层次。曝光量指的是一张主图被展示的次数，它是所有比率的分母，曝光量本身不说明好坏，但没有它就没法算比率。点击率指的是点击次数与曝光量的比值，反映主图在货架上的吸引力。点击之后的动作，通常看收藏、加购和下单，这三个动作的强弱分布比单一数字更有信息量。

这里要强调一件事：这些指标只能作档位判断，不能当作效果承诺。同样的主图在不同类目、不同价格带、不同店铺权重下，数字差异可能很大。测图的价值在于「同一店铺、同一时段、同一商品」内部做横向比较，跨店铺比数字没有意义。

记录方式也要统一。建议用一张固定的表，把每次测图的版本编号、测试时段、曝光档位、点击档位、收藏加购档位逐行记下来。档位描述用偏低、中等、偏高三个词，避免直接记数字，因为数字波动会让人误以为精度很高。

数据层次	记录内容	档位判断方式	主要用途
曝光层	展示次数、展示时段、展示位置	偏低／中等／偏高	确认测试是否具备比较条件
点击层	点击次数与曝光的比值	偏低／中等／偏高	判断主图在货架上的吸引力
意向层	收藏、加购的动作分布	偏低／中等／偏高	判断吸引来的人是否精准
成交层	下单动作、客单价区间	偏低／中等／偏高	判断整体链路是否顺畅
稳定性	同一版本的跨时段表现	稳定／波动较大	判断优势是否可持续

这张表里最容易被跳过的是曝光层。曝光量过低时，比率数字的波动会很大，此时看到的差异很可能只是随机波动，不是真实差异。测图的第一步不是比点击率，而是先确认两个版本的曝光条件是否大致相当。

意向层的价值常被低估。一张主图点击档位偏高但意向档位偏低，说明它吸引来的人不是目标人群，可能是画面里的某个元素产生了误导。这种图在短周期看是「赢」的，拉长看往往不划算。把点击和意向两个档位一起看，能挡掉不少误判。

稳定性这一行需要额外说明。同一版主图在不同时段的档位可能不一致，比如在流量高峰时段偏高，在低谷时段中等。记录时标注测试时段，比较时尽量选时段相近的数据。跨时段比较需要谨慎，否则容易把时段差异误读成版本差异。

图2：从曝光到成交，四个层次各管一段，档位判断比精确数字更实用

口径定下来之后，动手测之前还有三样东西要先备好。它们不占多少时间，但决定了这一轮测试能不能得出可用的结论。

三样里最容易被省掉的是第二样。团队赶进度时常常是「先换一版看看」，等数据出来才发现这一版连背景、文案、角度一起换了，分不清是哪一项起了作用。花五分钟写清变量设计，能省下一整轮的重复测试。

第一样的价值在长期积累。单轮测试的结论只是一条信息，几十轮记录放在一起才能看出类目规律。哪类画面在这个类目里更容易被点，哪种卖点呈现方式更容易带来加购，这些都是从记录里读出来的。

三、样本量怎么判断：什么时候才够下结论

测图里最常出现的错误，是在数据还不够的时候就下结论。看了两天，觉得 A 版更好，就把 B 版停掉。这种判断可能只是把随机波动当成了差异。

判断样本量够不够，可以从三个角度切入。第一个角度是曝光档位。曝光偏低时，任何比率都不稳定，此时比较的意义不大；曝光到中等档位以上，比率才开始有参考价值；曝光偏高时，观察窗口可以缩短。这里的档位是按自己店铺的日常水平相对而言，不同店铺的绝对值差别很大。

第二个角度是观察周期。主图的表现在工作日和休息日、在活动期和平销期都不相同。建议观察窗口至少覆盖一个完整的周循环，避免只覆盖单一类型的日子。如果测试期正好撞上大促，最好把这一版数据单独标注，不要和平销期的数据混在一起比较。

第三个角度是版本数量。一次只测两个版本，比较容易得到清晰结论；一次测五六个版本，曝光被摊薄，每个版本积累的数据都不够，反而谁都说不清。测试节奏建议是两两比较，选出更优的那一版，再和下一个候选版本比。

判断维度	不足的信号	可以判断的信号	建议动作
曝光档位	偏低，比率波动明显	中等以上，比率趋于平稳	不足时延长观察，不急着下结论
观察周期	只覆盖单一类型的日子	覆盖完整周循环	跨过活动期再复核一次
版本数量	同时铺开三版以上	同时只跑两版	采用两两比较，逐轮筛选
变量数量	一版同时改了多项	一版只改一到两项	拆分变量，分开测
结论一致性	两轮结论互相矛盾	两轮结论方向一致	矛盾时回到变量设计找原因

这张表最下面一行值得单独说。如果两轮测试得出相反结论，通常不是数据出了问题，而是变量设计有问题。比如第一轮 A 版换了背景又换了文案，第二轮只换文案，两次比较的对象其实不是同一件事。遇到矛盾结论，先回头检查这两轮到底动了什么。

还有一条经验：把「无效测试」也记下来。测完之后发现两个版本档位接近、分不出高下，这本身就是一个有价值的结论，说明这个变量对结果影响不大，不必再在这上面反复投入。测图的成本不只是执行成本，还有反复试错的时间成本。

样本量判断还有一个常被忽略的前提：商品本身的流量水平。低流量商品积累数据的速度慢，如果坚持用同样的观察周期，可能永远等不到足够的曝光。这类商品的测图策略应该调整为「少量版本、拉长周期」，或者借助其他渠道的素材反馈来辅助判断，而不是硬等站内数据。

图1：确定变量、准备素材、积累数据、判断结论、归档经验，测图是一个可以循环的流程

四、青虎AI 主图套图生成的能力与参数

测图要跑起来，前提是有足够多的候选版本。传统做法里，每多一个版本就意味着多一次拍摄或多一次设计排期，这是测图难以常态化的主要原因。用 AI 生成来准备素材，可以把候选版本的准备成本压下来。

青虎AI 的主图套图生成功能，逻辑是从一张产品基础图出发，自动识别产品的材质、颜色、形状等核心特征，一键批量输出白底图、场景图、细节图、卖点图等全套电商主图素材。上传一张产品图并填写产品名称，通常在 30 到 60 秒内可以得到 5 到 8 张完整套图素材，覆盖上架所需的各类图片类型。

识别能力方面，算法会从图像中直接读取产品属性，比如服装的收腰、阔腿、垂坠感这类版型信息，或者 3C 数码产品的金属质感、磨砂表面等材质描述，并据此匹配构图、配色和排版方案。产品名称建议写成「品类加核心特征」的形式，比如「磨砂质感保温杯」，比只写品类更容易让识别结果锁定核心。

参数设置上，可以选择的项目包括目标平台、套图类型、风格偏好、语言、比例、尺寸和图片数量。平台侧支持淘宝、拼多多、抖音、京东、亚马逊、Shopee 等主流平台，一次生成即可适配对应规范。风格提供写实高清、ins 风、北欧简约、科技感等多种选项，不同风格会带来不同的构图方案。

对测图来说，有两个能力比较关键。一个是单张微调：全套素材里如果某一张不满意，可以单独重新生成，不必整套重来。这正好对应测图的变量设计思路——只改需要改的那一项，其他图保持不动。另一个是产品库：产品信息保存后可一键调用，同一商品要出多轮测试版本时，不必重复上传素材。

合规方面，生成前会自动检测是否包含违禁词汇并提供替换建议。这一层对测图有实际意义：如果测试版本里混入了不合规表述，测试结果本身就不具备参考价值，因为这样的版本最终无法上架。测图应该在合规的前提下比差异。

图3：上传一张产品图并填写名称，选择平台与风格后即可得到整套主图素材

五、六步操作流程

从准备素材到得出结论，测图可以拆成六个步骤。前四步在工具里完成，后两步在数据侧完成。

六步里最容易做错的是第四步和第六步。第四步决定这一轮测试测的是什么，参数随意更换会让后面的数据无法解释；第六步决定结论是否可靠，口径不统一、周期不完整，都会让前面的工作白做。

还有一个执行细节：候选版本要提前编号。版本编号和提示词、参数配置一起记录下来，测完一轮之后回头复盘，才能说清「当时测的是哪一版」。没有编号，几轮测试之后数据表就会变成一堆无法对应的数字。

六、不同类目的测图侧重

同样是主图测试，不同类目该测的变量并不相同。下面这张表按类目列出值得优先测试的方向，可以当成设计测试轮次的参照。

类目	优先测试的变量	观察重点	常见盲区
服饰鞋包	穿着场景、模特姿态、版型展示角度	点击档位与收藏档位	只测了场景，没测版型呈现方式
3C 数码	背景明暗、材质质感呈现、参数标注方式	点击档位与意向档位	参数标注过多导致画面拥挤
食品饮料	内容物呈现、食用场景、份量参照	点击档位与加购档位	包装图与内容物图混在一起比较
家居日用	使用场景、尺寸参照方式、收纳状态展示	意向档位与稳定性	场景过大导致主体不突出
美妆个护	背景色调、瓶身质感、质地特写方式	点击档位与收藏档位	风格差异与文案差异同时改动
饰品类目	微距角度、佩戴效果、光泽呈现	点击档位与意向档位	背景过满，主体辨识度下降

这张表的用法是先定位类目，再从优先测试的变量里挑一到两项作为这一轮的测试目标。不要一次把三个方向都测一遍，那样每个方向积累的数据都不够，结论仍然模糊。

盲区那一列反映的是比较常见的设计失误。它们的共同点是：把两个不同层次的变量放在一起比较，导致结果无法归因。比如包装图和内容物图放在同一轮测，就算分出高低，也不知道是因为呈现内容不同，还是因为拍摄方式不同。

跨类目通用的一个测试方向是画面留白与文字区域。主图上通常会带卖点文字，文字的位置、大小和数量会明显影响画面的整洁度。把「文字多与少」或「文字在左与在右」作为单独一轮的测试变量，往往能得到比较清楚的结论。

跨境类目的测试还要多考虑一层。不同市场的审美偏好和平台规范不同，同一张主图在两个市场的表现可能差别明显。这类商品建议按市场分别设计测试，不要用同一轮数据去推断另一个市场的结果。

七、四个常见误区

测图这件事看起来只是换图看数据，实际操作里容易形成几个惯性做法。下面四条被踩中的概率最高。

四个误区的共同点是把测图当成了「换图看感觉」。测图的本质是控制变量、积累证据、形成可复用的判断。少了控制变量这一步，后面积累的就不是证据，只是一堆数字。

误区还有一个变体，是测完不做归档。一轮测试结束，选出更优的版本上线，然后把过程记录丢掉。等下次遇到同类商品，又要从零开始试。把每一轮的变量、档位和结论记下来，积累几轮之后就会形成自己类目的经验库，这才是测图最值钱的产出。

还有一个隐性误区是把测图当成一次性工作。商品会更新，价格带会调整，竞品会变化，主图的优势可能随时间衰减。建议给主图设一个复核节点，在商品信息或市场环境发生明显变化时重新测一轮，而不是一版用到底。

八、四个提效技巧

四个技巧都指向同一个目标：让测图的执行成本降下来，同时让变量控制更清晰。测图真正的门槛不在工具，而在于能不能长期坚持跑下去。一轮测试花的时间不多，难的是让它变成固定动作。

落地建议按顺序来。先把第一条和第三条固定下来，也就是单张重新生成和产品库复用，这两条直接降低每轮测试的准备成本；名称写法和平台分开生成属于质量优化，可以在流程跑顺之后再补上。

还可以加一条团队层面的做法：把测图记录表做成店铺的公共资产。谁跑的测试、测的是哪一版、结论是什么，全部登记在同一张表里。新人接手时不必重新摸索，直接看历史记录就知道哪些方向已经验证过、哪些还没试过。

九、三个可以照做的场景

三个场景的共同点是先定变量、再定素材、最后看数据。顺序颠倒过来，先出图再想测什么，就会陷入「图很多但结论说不清」的局面。

如果只做一件事，建议先把测图记录表建起来。表里有版本编号、测试变量、时段、档位和结论这几列，每次测完填一行。这张表积累到十几行之后，测图就从一件凭直觉的事变成了有据可查的日常工作。

图4：按平台分别生成与测试，各自形成结论后统一归档

十、总结

把口径和样本量两块定下来之后，测图就从一件依赖直觉的事，变成了一套可以交给别人执行的流程。谁来做、什么时候做，都不影响结论的可靠性。

变量控制、口径统一、周期完整、结论归档，这四件事做到位，测图的产出就不再只是「换了一张图」，而是一条可以回溯的判断依据。把每一轮的记录留在店铺公共表里，长期积累下来，选图的效率会比单轮测试的提升更明显。

十一、常见问题解答

回到开头那个问题：怎么把「我觉得更好」变成可核实的判断。答案不是找一个更准的感觉，而是把变量、口径、周期和归档这四件事固定下来。感觉仍然有用，但它负责提出假设，数据负责验证假设，两者各司其职。

测图做久了会发现，真正有价值的往往不是某一版主图赢了，而是团队对「什么样的画面在这个类目里更有效」有了越来越清晰的共识。这份共识，是靠一轮一轮记录积累出来的。