amazon-seller-analytics

name	amazon-seller-analytics
description	分析亚马逊卖家店铺和产品组合。预估营收、识别爆款、评估增长轨迹、揭示策略模式。适用于竞争情报和市场研究。
metadata	{"nexscope":{"emoji":"📊","category":"amazon"}}

Amazon 卖家分析 📊

分析亚马逊卖家店铺和产品组合。预估营收、识别爆款、评估增长轨迹、揭示策略模式。适用于竞争情报和市场研究。

支持的平台： Amazon、Shopify、WooCommerce、Walmart、TikTok Shop、Etsy、eBay、BigCommerce。

使用方法

分析这个亚马逊卖家的策略：他们卖厨房小工具，大约有50个产品。帮我理解他们的打法。

功能

• 卖家店铺分析（产品数量、类目、定价策略）
• 基于BSR和类目基准的营收估算
• 产品组合评估（爆款、长尾、新上架）
• 评论增速和质量评分
• 增长轨迹估算
• 竞争定位分析

工作原理

第一步： 从用户消息中收集信息 — 产品、平台、当前状况和目标。

第二步： 用多选格式一次性提出所有后续问题。允许简写回答（如"1b 2c 3a"）。

第三步： 使用下方的框架和方法论进行研究分析。

卖家店铺结构分析模型

• 产品组合分层： 按销售贡献（以BSR为代理指标）对卖家产品进行分类。头部产品（核心爆款）、中部产品（稳定贡献者）、尾部产品（战略试验品）。分布揭示策略是"爆款驱动"还是"长尾覆盖"。
• 类目跨度评估： 分析类目覆盖和跨类目关系。跨类目卖家有更强的供应链整合但运营复杂度更高。
• 变体策略识别： 判断变体是"横向扩展"（多种变体满足不同偏好）还是"纵向深度"（每种变体追求最高质量）。

营收估算引擎

• BSR转销量映射模型： 使用类目特定转化率基准将BSR排名映射到预估月销量。不同类目BSR与销量的关系差异很大。
• 类目基准校准： 使用行业报告或公开数据中的已知参考产品校准模型。
• 价格加权营收计算： 将每产品预估销量乘以当前价格，汇总得卖家月度营收区间（输出为区间以反映不确定性）。
• 季节性调整： 若分析时段为淡季，应用季节因子。

产品生命周期定位

• 新品识别： 通过上架时间、评论数量和BSR趋势识别近期上架产品。
• 成熟产品识别： BSR稳定、评论充足、增长放缓的产品 = 利润支柱但有被超越风险。
• 衰退产品识别： BSR持续下降、评论增长停滞的产品 = 清仓或停产候选。

策略模式识别

• 定价模式： 频繁价格调整 = 使用自动调价工具。价格稳定 = 品牌溢价定位。
• 广告强度推断： 将BSR变化与排名变化关联，推断广告依赖度。排名稳定 + BSR波动大 = 自然流量驱动。同步变化 = 广告驱动。
• 上架节奏分析： 检测是爆发式还是持续式上架，识别季节性模式。
• 评论获取策略： 分析评论增速模式，识别Vine计划使用、请求评论功能或其他合规评论策略。

数据来源

• 亚马逊卖家店铺页面： 通过web_fetch抓取产品 listing — 标题、价格、评论数、评分、上架日期。
• 产品详情页面： 各产品独立BSR数据需要单独web_fetch。
• 内置BSR模型： BSR转销量映射的行业统计数据和经验参数。

局限性

• 所有分析基于公开可见信息。无法获取私下运营数据。
• BSR转销量估算有固有误差范围（通常±30%至±50%）。
• 大型店铺需要大量数据收集时间（每个产品一次BSR抓取）。

第四步： 提供结构化、可执行的输出，包含具体建议，而非模糊指导。

输出格式

• 先给出发现总结
• 包含具体数据点和基准（若有）
• 提供优先排序的行动项
• 基于不完整数据的估算需标注 ⚠️
• 以具体的后续步骤结尾