电商主图测款方案怎么做？AI多版本出图流程

问「主图测款方案怎么做」，多数人的答案是：做五张不一样的主图，跑一周，看哪张点击高。这个方案的问题不在执行，在前提——五张不一样，其实是五个方向同时在变。白底换成了生活场景，模特换掉了，字号放大了，背景换了颜色，主体从画面角落挪到了正中。一周后确实会有一张数据更好，但你不知道它好在哪里。下一次想复用这个结论，手上没有可复制的条件，只能再赌一轮。

测款要回答的不是「哪张图更好看」，而是「哪个变量在起作用」。前者是审美判断，后者是实验判断。两者花的时间差不多，产出差得远：审美判断的结论只对这一款商品有效，实验判断的结论可以迁移到下一批新品上。一款商品测出「实景比白底点击高」，这个判断能用到后面十款商品上。

要把测款做成一次可复用的实验，只需要守住一条规则：原图从头到尾不换，每一轮只让一个维度不同，其余全部沿用上一轮。规则说起来简单，执行时最容易破防的地方有两个——一是忍不住顺手把配色也调了，二是不舍得每轮只出那么几张。下面把这两个问题拆开，连同变量表、参数对应关系和读数口径一起给出。

图1：测款方案的起点不是做几张图，而是先决定这几张图之间只差哪一个维度。

一、测款做不出结论，多半是变量没控住

把常见的测款失败情形列一遍，会发现它们几乎都不是「图做得不好」，而是「问题问得不对」。

第一种：一次上五张，五张图之间差着三四个维度。数据出来有一张明显更好，团队讨论时各说各的——有人说是背景更亮，有人说是模特更自然，有人说是主体更大。谁的判断都无法被验证，最后只能靠嗓门大的人拍板。这一轮预算花掉了，没有沉淀出任何可复用的结论。

第二种：测完之后立刻删掉表现差的那几张，只留下最好的那一张继续用。这样做等于把对照组的痕迹销毁了。下次想验证「是不是实景更好」时，手上没有白底版可以比，又得从头做一批。

第三种：原图中途换了。第一轮用手机拍的那张，第三轮觉得不够清楚，换成影棚拍的。这时前两轮和第三轮的数据已经没有可比性了，因为产品本身的呈现就变了。换原图属于推倒重来，不属于继续实验。

第四种：测的是「图」，动的是「标题、价格、活动标签」。主图上多贴一个促销角标，点击率的提升可能来自那个角标而不是画面本身，但结论被记成了「这张图的场景更好」，下次照着场景做，角标没跟上一块做，效果又没了。

把这四种情形叠起来看，它们指向同一个根源：把测款当成了「选图」，而不是「验证假设」。选图是横向比好看，验证假设是纵向比条件。前者只需要几张图，后者需要一张清晰的条件对照表。

还有一个容易被忽略的量化视角。行业里普遍的经验是，中等规模店铺每月花在图片二次处理上的人时大约在 20 到 40 小时，做跨境多语言站点会翻倍。这些时间里有相当一部分消耗在「改一版再看看」上。如果每一轮改动都带着三四个变量，那么大部分改动都是无效动作——因为无论结果好坏，你都学不到东西。把变量控住，省的不是出图时间，是那些注定学不到东西的时间。

一个不用任何工具就能做的自检：把最近一次测款用的几张图并排放在一起，逐张问自己「它和上一张差了几处」。如果答案超过一处，那这次测款的结论就是不可归因的。这个方法在动手做新一批图之前先跑一遍，能挡掉不少重复无效的投入。

二、主图能测的变量其实只有三个

有人觉得主图能测的东西很多——背景、模特、字体、配色、构图、角标、光感。但真正值得单独立项的，只有三个。其余的都太小，或者太依赖前三个。下面这张表是这三个变量的取值方式。

变量	可以取的值	这一轮其他项怎么处理	它能回答什么问题
场景	纯白底 / 生活化实景 / 户外自然光 / 节日氛围	主体占比、调性、文字位置全部沿用上一轮	买家更认「干净直接」还是「有代入感」
调性	写实高清 / 简约北欧 / 复古胶片 / 科技冷调	场景与主体占比一点不动	这个价位带该显质感，还是该显亲和
主体占比	满幅特写 / 中景留白 / 带配件全景	场景与调性一点不动	买家第一眼想看清细节，还是想看清整体

先说场景。场景是最容易被滥用的变量，因为它看起来最「有变化」。但场景一变，画面里的道具、光影、色彩倾向都会跟着变，实际上它是三个变量里影响面最广的一个。所以场景测试要放在前面做，一轮定下来，后面几轮就不用再动它。

再说调性。调性通常通过风格选项来设置，它影响的是整体色彩倾向和质感，不改画面内容。这一轮的价值在于摸清人群偏好：同一个商品，走写实路线还是走氛围路线，点击结构的差别往往比场景还大。测调性时要特别克制，不要顺手把场景一起换掉，否则又变成两个变量。

第三个是主体占比。这个变量最容易被忽略，因为它看起来「不算改动」——商品还是那个商品，只是站得离镜头近一点或远一点。但占比直接决定了第一眼看到的是什么：占比大，用户看到的是细节和材质；占比小，用户看到的是整体形态和使用场景。这两种信息对不同的品类权重完全不同。

三个变量之间存在优先级：场景定下来之后，调性才有意义；调性定下来之后，主体占比的微调才不至于被前面的变化盖住。所以顺序是场景、调性、主体占比，不建议打乱。如果时间只够跑一轮，那就只测场景，把另外两个沿用现成版本。

三、这三个变量怎么落到工具参数上

变量想清楚了，还要落到具体操作上。青虎AI 里能承接这件事的主要是两个功能：主图生成适合单款产品一次拿到多张成品主图，批量生图适合用一组参考图加多条提示词一次跑出多套风格。两者的变量控制方式不一样。

这一轮要测什么	主图生成怎么设	批量生图怎么设	关键动作
先摸方向，只跑一轮	上传原图后，在参数栏里只动一项，其余保持默认	不太必要，用主图生成更快	只动一项，其余项抄上一轮的值
多变量并行对照	需要逐次分别生成，效率偏低	参考图区放同一套原图，提示词区写多条，每条只差一个词	每条提示词对应一套独立风格图片，天然构成并行对照组
测调性	把系统自动填充的提示词里的风格描述替换掉，其余不动	同上，多条提示词只改风格词	提示词的改动范围越小，归因越干净
测平台尺寸适配	平台尺寸里选 2K 默认、跨境、短视频竖图等档位	用比例参数对齐目标平台	同一轮不要既换尺寸又换场景
服饰穿戴类	模特选项可开启，开启后模特也是一个新变量	参考图需覆盖穿着状态	开了模特就不要再动场景，否则变量叠加

这张表的用法是「先选行，再看列」。你是想摸方向，还是想做并行对照，决定了用哪个功能。单轮试水用青虎AI 的主图生成更省事，因为它的链路短：上传商品实拍参考原图，参数栏设好模型、平台尺寸、生成数量、模特选项，点右下角生成，AI 会基于原图自动重绘并批量产出多张主图，在线预览后可以单张下载，也可以批量打包高清原图。整条链路里只有一个环节需要你手动做判断，就是「这一轮动哪一项」。

如果要一次跑出多套并行对照，青虎AI 的批量生图更合适。它的弹窗分三块：参考图区、提示词区、参数设置。参考图单次最多 10 张，要求主体清晰无遮挡；提示词区可以点【添加】新增输入框，最多写 10 条独立提示词，每条提示词对应生成一套独立风格图片。参数区是生图模式和比例参数。填完点底部的【创建任务】，系统会按参考图和张数自动计算消耗。

批量生图的价值在于「一次上传、多套产出」——同一套参考图不用重复上传，就能拿到多种风格、多个场景的版本。对测款来说这很关键：让对照组在同一时间、同一批参数下跑出来，比隔天分两次跑出来干净得多。隔天跑的东西，中间可能改了模型、改了尺寸，那就又不是同一组实验了。

图2：左边是五个方向同时变，右边是每轮只动一处，差异才有归属。

四、为什么一轮只能动一个变量

有人会反问：一次只改一个变量，太慢了，我五个变量一起改，跑出来选最好的那一版不就行了。这个疑问必须正面回答，因为它决定了你愿不愿意接受这种「慢」。

问题出在归因。假设你同时改了场景、调性和主体占比，最后场景 A 版本胜出。你得到的信息是「A 这一组条件更好」，而不是「场景 A 更好」。如果下一次你只改场景、沿用原来的调性，结果可能反而变差——因为当初的优势可能来自那个调性，跟场景没关系。这就是不可归因：结论无法拆开，也就无法复用。

另一个问题是「相互抵消」。场景和调性之间经常有交互效应：白底配冷调很干净，实景配冷调就可能显得寡淡。如果你同时改这两项，两批微小的正向变化可能互相抵消，最后的对比结果看不出任何差别，你反而会得出「这两个变量不重要」的错误结论。

第三个问题是「可解释性」。测款不只是一次投放动作，它同时是团队对齐的过程。一次只动一个变量时，结论是可以用一句话说清的——实景比白底点击高。多变量齐动时，结论只能是一张图比另一张图好，这句话无法指导下一款商品，也无法在下次讨论中被引用。

还有一层现实利益：单变量测试虽然轮次多，但总出图量并不大。测三个变量，如果每个变量测两轮，一共六轮，每轮三到四张，总计二十张左右的图。而「五张图三个变量一起变」的做法，看似一轮做完，实际上一旦结论不成立或者看不懂，就得从头再来一批，累计出图量经常超过单变量路线。

更关键的是，单变量路线每一轮都会留下一条可以被引用的结论。跑完三轮，你手里有三条关于这款商品的数据判断，这些判断还能迁移到下一款。多变量路线跑完一轮，手里只有一张胜出的图。用来测款的预算本来就不多，让它沉淀成经验，比让它沉淀成一张图更划算。

五、从建任务到读数，五步走完

把前面的判断落成动作，一条测款实验链是五步。每一步的注意点都不一样。

图3：五步里前两步是「定条件」，中间一步是「只动一处」，后两步是「筛选与归档」。

这五步里唯一容易走偏的是第三步。人坐到工具前面时，手上会不自觉地多改一点——顺手把背景调亮一点、把文字挪一点、把主体放大一点。每一次「顺手」，都会让这一轮的归因干净度打一个折扣。如果发现自己在第三步改了三处以上，最好的处理方式是停一下，把这轮任务作废重做，而不是带着脏数据往下走。

步骤四里的初筛标准值得一提。很多人初筛靠感觉，觉得这张顺眼就留下，那张别扭就删掉。这样做会让实验带上主观偏差：你对某类画面的偏好，会系统性地把对照组里的某些取值提前淘汰，最后投出去的「对照组」其实已经被筛过了。更稳的做法是把初筛拆成两条硬标准——主体完整、画面干净——只淘汰违反这两条的，其余全部投出去，让数据来做选择。

六、一轮出几张、一共跑几轮

数量的问题分两层：一轮出几张，以及总共跑几轮。两层都由「你的复核能力」和「本轮要回答的问题」共同决定。

生成数量	适合哪一轮	复核成本	建议
2 张	两个取值之间二选一，比如白底对实景	很低	最干净的单变量对照，适合每轮的基本档位
4 张	一个变量的四种取值，或两个变量各两种取值	中	变量测清楚之后再放到这个档位
6 张	同款多 SKU，希望一次覆盖款式差异	中偏高	适合系列款一起测，不适合用来做单变量实验
8 张以上	方向完全没定，需要先拉开差距	高，需要集中复核	只在首轮摸方向时用，摸完后立即降到 2 到 4 张

这张表的判断标准只有一句：你有没有能力把每一张都认真看完。选了 8 张却只看前 3 张，那后面 5 张就是纯浪费，而且会给人「我已经测了很多变量」的错觉。反过来，只出 2 张就下结论，样本太薄，一次偶然的波动就可能让你误判。

轮次的问题可以用一个简单的预算换算来定。行业里美工包月大致在 3000 到 12000 元这个区间，单张改图外包往往几十元起且多数有最低起做量；详情页类外包报价里，套版类大约 100 到 300 元，半原创大约 500 到 1500 元，品牌原创通常在 1500 元以上。这些数字的用法不是拿来算账，而是帮你判断：一次测款的图量值不值得请外包。如果一轮实验只有四张图、每个变量测两轮，总图量二十张出头，多数情况下自己用工具跑完更划算，而且变量条件是你自己控的，不依赖沟通传递。

把这个结构套回轮次安排上，一条常见的节奏是：首轮摸场景，出 4 到 8 张拉开方向；第二轮定调性，出 2 到 4 张；第三轮调主体占比，出 2 到 4 张。三轮下来七八张图到十几张图，每轮结论清楚，下一轮直接站在上一轮的结论上往前走。

还有一个细节容易被忽略：一轮里「不动项」比「动项」更需要被写下来。人记住的通常是这次改了什么，记不住的是这次没改什么。所以每轮开始前，把不动项一行行列出来：平台尺寸用的哪一档、生成数量几张、模特选项开还是关、文字位置在哪。这份记录看起来啰嗦，等到第四轮想回头对比第一轮时，它就是你唯一的依据。

七、四个关于主图测款的误区

这四条误区的共同点，是把「选出一张好图」当成了目标。选图只是过程，真正的目标是搞清楚你的买家在意什么。工具把出图这一段变得很快，正因为快，才更容易让人跳过「控变量」这一步直奔结果——而跳过的这一步，恰恰是测款里唯一无法被工具替代的部分。

八、四条把变量控住的技巧

这四条技巧指向同一个原则：把判断的依据留在纸面上，而不是留在脑子里。文件名、备注、不动项清单、结论记录，这些东西加起来只花几分钟，但它们是让下一个人（或者三个月后的你自己）能接手的唯一条件。

九、三个可以照着做的测款场景

图4：测款的判断发生在数据出来之后，但结论能不能用，取决于动手时有没有控住变量。

十、动手前的准备清单

开工前的准备比开工本身更省时间。下面这四项，每一项漏掉都会在实验跑到一半时让你返工。

这四项凑齐，实际出图的时间会被压得很短，省下来的时间都花在「读数」和「写结论」上——而后者才是让这一批预算产生复利的部分。清单没凑齐就开工，通常的结果是一边做一边补记，最后谁也不确定第三轮到底改了什么。

清单还有一个用法值得养成：每跑完一批测款，把这次实际踩到的坑补回清单里。比如这次发现某个变量取值之间的差异太小、某个平台的审核标准比预想中严、某张原图在某个场景下主体识别不准。补两三次之后，这张清单会变成你自己品类的专用版本，比通用模板好用得多。

十一、把测款当成一次变量实验，而不是一次选图

十二、常见问题解答