| name | BSC-Amazon-Rufus-Cosmo |
| description | 审计 Amazon ASIN 在 COSMO、Rufus 和 Listing 转化上的表现，并产出可直接落地的改写方案。用户提到 ASIN 分析、COSMO 审计、Rufus 适配、Listing 评分、语义盲区、Q&A、Backend Search Terms、图片卖点、A+ 方案，或只是说“分析这个 ASIN”“看下这个 listing 为什么卖不好”“帮我重写亚马逊文案”时都应触发；即使用户没有明确说 COSMO 或 Rufus，也优先使用本技能。输入通常是 1 个 ASIN，可附站点和补充证据；输出必须是基于证据的诊断、优先级和可执行文案。 |
BSC Amazon Rufus Cosmo
这个技能做什么
把一个 Amazon ASIN 变成一份可交付的 COSMO + Rufus + Listing 诊断结果，而不是泛泛点评。
默认要回答四件事：
- 当前哪里失分
- 为什么失分
- 应先改什么
- 改完后怎么写
它适合这些请求：
分析这个 ASIN 的 Rufus 适配度做一个 COSMO 审计看看这个 listing 为什么 AI 搜不到重写标题、五点、QA、后台词给我一版图片卖点和 A+ 方案
何时不要使用
以下情况不要硬套本技能：
- 用户只是在问单个代码、命令或文档问题
- 用户没有给 ASIN，且也不是在讨论 ASIN 审计流程
- 用户要的是纯广告投放执行，而不是基于 Listing / 评论 / 证据的诊断
输入规则
- 默认输入是单个 ASIN
- 用户给了站点就按用户站点执行，否则默认
US
- 缺少 ASIN 时直接追问，不猜
- 用户补充的评论、竞品、旧文案、截图、章节草稿，都视为证据输入
路径与落盘规则
- 技能目录固定为：
D:\BSCSkills\BSC-Amazon-Skills-main\BSC-Amazon-Rufus-Cosmo
- 报告结果固定输出到：
D:\BSCSkills\BSC-Amazon-Skills-main\BSC-Amazon-Rufus-Cosmo\OutPut\<ASIN>
- 分段 Markdown、清洁版报告、抓取结果等统一放在对应 ASIN 子目录下
- 如果同步飞书，本地
OutPut\<ASIN> 中的 Markdown 仍是源文件
- 不再写入旧路径，也不回退到旧 HTML 模板流程
MCP 前置条件
- 运行前先确认 Claude Code 已接入
sorftime 与 sif-mcp
sorftime 用于产品详情、评论、竞品关键词等事实数据sif-mcp 用于广告、流量、趋势、结构等经营数据- 常见配置位置：
D:\ClaudeCode\Amazon-COSMO\.mcp.json、C:\Users\Administrator\.claude\settings.json
- 建议先用
claude mcp list 检查服务是否存在且连接正常
sorftime 不可用时，缺失字段必须写 未获取到sif-mcp 不可用时，不得把广告与经营判断写成确定事实- 不要把 token、Authorization header、cookie 等敏感信息写入技能文档、README 或
OutPut 产物
执行顺序
1. 先取证，再判断
优先获取：
- 产品基础信息
- 评论与差评高频问题
- 竞品关键词或竞品表达
- 当前标题、Bullet、属性、描述、图片可读信息
始终遵守：
- 字段缺失就写
未获取到
- 不把猜测写成事实
- 不把行业常识写成该产品已证实信息
- 不把运营经验伪装成页面现状
2. 先判断问题类型，再决定动作
先判断当前更像哪一类问题：
- 曝光问题：核心词错、属性缺、类型词偏、语义理解失败
- 点击问题：能搜到，但标题/主图/差异化不够让人点
- 转化问题：进入详情页后，决策信息缺失或顾虑没被回应
- 预期错配问题：买前承诺和买后体验不一致，容易误购
不要一上来就整份重写。先定问题类型，再落到动作。
3. 用 7 个维度评分
每次分析都围绕以下 7 维展开：
语义检索匹配度：标题、Bullet、描述是否覆盖真实查询意图查询属性覆盖度：品牌、规格、材质、兼容性、场景是否可提取且一致COSMO 知识图谱对齐度：是否覆盖 Who / When-Where / Problem / Concern / Outcome隐式查询解析友好度：是否覆盖口语化、长尾化、双表达与边界说明Rufus 因果链完整度：页面是否能直接回答关键问题，Bullet 是否有因果结构用户行为信号质量：评分、评论量、差评集中点是否构成明显风险可解释比较生成能力：能否回答“为什么选你不选别人”，且不触碰合规红线
4. 用证据分层写结论
所有结论必须清楚区分三层：
页面已声明事实：标题、Bullet、属性、描述、A+、图片可读信息评论 / Q&A / 用户反馈证据：只能写成“评论显示”“用户反馈集中在”运营建议与高级判断：只能写成“建议新增”“按现有证据更可能”
如果缺少流量、CTR、CVR、广告、退货率等经营数据，就不要写成定论。
5. 优先级按业务影响排序
动作优先级固定按：纠错 > 补齐 > 强化 > 美化
P0：会引发误购、退货、差评、属性过滤失败、Rufus 回答错误、明显合规风险P1：能明显提升 CTR / CVR，但不是致命错误P2：偏视觉增强、A+ 扩展、表达打磨
不要只写“优化标题”“优化图片”，要落到动作级。
输出结构
完整报告按以下 10 个板块输出：
产品概览算法评分卡语义检索盲区分析COSMO 节点诊断Rufus 问答能力测试用户行为信号诊断竞品差异化可提取性改进优先级方案优化后文案图片卖点与 A+ 创意方案
如果用户只要局部交付，可以缩短篇幅，但不要打乱这套判断顺序。
文案改写规则
标题
优先顺序：
- 品牌与核心产品词
- 用户真实会搜的主意图词
- 关键差异化或关键规格
- 高价值场景或适用对象
- 必要硬属性
不要把标题写成关键词仓库。
Bullet
5 条 Bullet 尽量各司其职：
- 核心痛点或主差异化
- 使用场景
- 硬参数和可验证事实
- 目标人群或边界条件
- 顾虑与信任问题
每条优先采用：痛点 → 机制/事实 → 结果 → 边界条件
Q&A
优先覆盖：
- 这是什么
- 适合谁
- 怎么选
- 需要注意什么
- 不适合什么情况
- 评论里最常见的疑问
Backend Search Terms
- 放同义词、补充词、场景词、互补词
- 不重复标题和 Bullet 已写过的词
- 不堆砌，不重复，不塞无关词
- 明显会带来错误流量的词，即使有搜索量也不要保留
图片与 A+ 规则
图片方案不是重复标题和 Bullet，而是补充用户在视觉层面最需要被解释的内容。
必须包含：
主图优化建议：3-5 条，强调实物特征、包装/规格识别、干扰元素删除、主图合规辅图卖点拆解：至少 6 张，每张给出主题、headline、副文案、COSMO 节点、设计元素、目标应用场景图建议：至少 3 个，尽量来自评论和高频查询，不要凭空想象A+ 页面方案：至少 5 个模块，优先覆盖总价值、结构拆解、场景人群、差异化、FAQ/信任合规提醒：至少 5 条，具体，不空泛
反模式与合规底线
发现以下问题时，优先作为 P0：
- 标题、Bullet、属性、图片语义自相矛盾
- 错误产品类型词
- 无法证实的绝对化宣传词
- 关键购买决策信息缺失
- 评论高频抱怨未被页面回应
- 属性字段空缺，导致 AI 过滤不可见
- 关键词堆砌、机械 SEO、硬塞关系词
- 用户最关心的问题只能靠猜
重写时同时注意：
- 不要保留无法证实的
satellite、global、3000 mile range、unlimited range 等表述
- 不要写医疗疗效、绝对化承诺、无法证实的比较结论
- 不要写未经授权的品牌侵权表达
- 不要在主图建议里要求促销语、价格、赠品、徽章
- 不要把攻击性竞品表达写进文案
输出风格
- 简洁、专业、可执行
- 结论尽量绑定证据
- 建议必须具体到动作
- 信息不足时直接指出盲区
- 用户明确要交付物时，优先给完整结果，不写冗长方法论
最后一条原则
这个技能不是为了“写得像懂行”，而是为了：
- 让 Amazon 搜索、COSMO、Rufus 更容易理解产品
- 让用户更快看懂为什么该买
- 让运营团队拿到能直接改 listing 和图片的结果
优先输出可验证的诊断、可执行的优先级和可直接落地的文案，而不是空泛分析。
