amazon-asin-cosmo-rufus-audit

name	amazon-asin-cosmo-rufus-audit
description	面向新手的 Amazon ASIN 审计技能。使用 Claude Code + sorftime MCP + sif-mcp，对单个 ASIN 在 COSMO、Rufus、Listing 转化和广告投放上的表现做证据驱动分析，并输出可直接落地的改写建议与广告搭建方案。用户提到“分析这个 ASIN”“为什么这个 listing 卖不好”“做 COSMO 审计”“做 Rufus 审计”“重写标题/五点/Q&A/后台词/图片/A+”或“给广告建议”时触发；即使用户未明确说 COSMO 或 Rufus，只要目标是诊断 Amazon Listing 并改写，也优先使用本技能。
description_zh	审计单个 ASIN 的 COSMO、Rufus 与 Listing 转化表现，产出改写与广告建议
version	1.0.0
author	Hermes Agent
license	MIT
metadata	{"hermes":{"tags":["amazon","asin","listing","cosmo","rufus","claude-code","mcp","conversion"]}}

Amazon ASIN COSMO + Rufus Audit

Purpose

把单个 Amazon ASIN 的问题拆成一份可执行的审计结果，而不是泛泛点评。

本技能默认回答 4 个核心问题：

1. 当前更像是哪里失分：曝光、点击、转化，还是预期错配
2. 这些问题的证据是什么
3. 优先应该先改什么，为什么
4. 改完以后标题、Bullet、Q&A、Backend Search Terms、图片卖点、A+ 应该怎么写

Trigger Conditions

用户出现下列表达时，优先触发本技能：

• 分析这个 ASIN
• 看下这个 listing 为什么卖不好
• 做 COSMO 审计
• 做 Rufus 审计
• 帮我重写亚马逊标题 / 五点 / 描述
• 帮我补 Q&A / Backend Search Terms / 图片卖点 / A+
• 这个产品为什么 AI 搜索不容易搜到
• 这个 listing 是曝光差还是转化差

When Not To Use

不要硬套本技能到这些场景：

• 用户只是在问 Amazon 平台规则、代码、命令、文档用法
• 用户没有给 ASIN，也不是在讨论 ASIN 审计工作流
• 用户要的是纯广告投放执行，不需要 Listing / 评论 / 页面证据分析
• 用户只想润色一句文案，不需要完整诊断逻辑

Required Inputs

默认输入：

• 1 个 ASIN

可选输入：

• 站点（默认 US）
• 用户已有证据：评论截图、旧标题、旧 Bullet、Q&A、竞品链接、竞品文案、广告表现摘要
• 用户偏好：是否要完整 10 板块报告，是否要只给改写稿

如果缺少 ASIN：

• 直接追问，不猜

Prerequisites

Primary workflow

本技能默认工作流是：

• Claude Code 作为主执行环境
• sorftime MCP 提供产品详情、评论、竞品关键词与竞品表达
• sif-mcp 提供广告、流量、趋势、经营侧证据

What to verify first

开始前先确认：

1. claude 命令存在并可运行（如果你打算走 Claude Code 工作流）
2. 不要只依赖 claude mcp list 作为可用性结论；优先用 Hermes 原生 MCP 直连做 initialize + list_tools 实测
3. 目标 MCP 至少有 sorftime；理想状态下同时有 sif-mcp
4. 输出路径可写

Important reliability note

实战中，claude mcp list 可能显示某个 MCP failed，但 Hermes 原生 MCP 直连仍然可成功 initialize 和 list_tools。

因此：

• MCP 连通性判断以 Hermes 原生直连实测为准
• claude mcp list 只能作为辅助参考，不能作为唯一证据
• 如果用户明确要求“不要用 Claude，只用 Hermes”，就直接改走 Hermes 原生 MCP 路径，不要继续纠结 Claude CLI 状态

如需详细排查，查看：

• references/mcp-setup.md

Evidence Rules

这是本技能最重要的约束。

Golden rules

• 先取证，再判断
• 缺失字段写 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
• 没有经营侧数据时，不把广告与业务判断写成确定结论
• 不把评论中的个例写成普遍事实，除非出现高频聚类

Evidence labels

最终输出时，尽量显式区分：

• [页面事实]：标题、Bullet、属性、描述、A+、图片可读信息
• [评论证据]：评论 / Q&A / 用户反馈中高频出现的点
• [经营证据]：广告、流量、趋势、CTR、CVR、结构数据
• [推断建议]：基于现有证据提出的动作建议

Degradation Strategy

如果依赖不完整，按下面降级，不要硬编。

Case A: sorftime + sif-mcp 都可用

输出完整 10 板块审计：

• 可同时做 Listing、COSMO、Rufus、经营侧判断
• 可基于经营侧与搜索侧证据，补充可执行的广告搭建建议

Case B: 只有 sorftime

允许输出：

• 页面结构问题
• 评论证据
• COSMO / Rufus 可理解性诊断
• 标题 / Bullet / Q&A / Backend Terms / 图片 / A+ 改写建议
• 如果用户强要广告建议，只能给低置信度的“测试型广告框架”，必须明确这是基于页面与语义分析的假设方案，不是经营数据验证后的定案

禁止写成定论：

• 广告结构结论
• 流量趋势结论
• CTR / CVR 的经营侧定因
• 精确竞价和放量节奏的高置信度结论

Case C: 只有 sif-mcp

只能输出：

• 经营侧异常提示
• 初步广告结构建议
• 需要哪些页面证据补齐

不能直接产出高置信度 Listing 改写结论，除非用户另给页面与评论证据。 广告建议也必须明确：缺少页面与评论证据时，关键词相关性判断和转化文案承接判断都属于部分信息下的建议。

Case D: 两个 MCP 都不可用

先尝试 Amazon 页面直取证，不要立刻停止：

• 用浏览器直接打开 https://www.amazon.com/dp/<ASIN> 抓取标题、价格、评分、评论量、类目路径、Bullet、产品详情字段
• 用页面脚本读取评论首屏、A+、图片 URL、PDP facts
• 用视觉工具分析主图与 A+ 图中的真实可见文案、参数、卖点布局
• 再用 Amazon 搜索结果页对核心查询做轻量竞品对比（价格、评分、评论量、标题结构、是否进前排）

如果 Amazon 直取证也失败，再要求用户补充至少以下内容：

• ASIN
• 当前标题
• 5 条 Bullet 或产品描述
• 至少 10 条评论 / 差评摘要，或截图
• 竞品 1-3 个链接或竞品文案

此时只能做“人工证据版审计”，并明确标注不是完整 MCP 审计。

Amazon 页面直取证注意事项

• Amazon 容易触发 503 / continue shopping / bot challenge；优先直接访问 /dp/<ASIN>，必要时点击 Continue shopping
• 搜索页比详情页更容易触发风控；需要竞品时先少量查询，避免反复翻页
• 页面文本快照常会缺 A+ 细节，优先配合 DOM 抽取和图片视觉分析
• 如果 A+ 图上出现与类目不一致的词（例如把 trail camera 写成 action camera），应列为高优先级冲突证据
• 如果页面参数存在冲突（如 WiFi 距离 45ft/65ft、trigger speed 与 shutter speed 混写），应在 COSMO/Rufus 风险里单独指出

Execution Flow

Step 1: Confirm scope

确认：

• ASIN
• 站点（未给则默认 US）
• 用户想要完整报告，还是只要改写建议

Step 2: Check capability

优先检查：

• Claude Code 是否可用
• claude mcp list 是否显示 sorftime / sif-mcp
• 输出路径是否可写

Step 3: Gather evidence

优先收集：

1. 产品基础信息
2. 当前标题、Bullet、属性、描述
3. 主图 / 辅图可读信息
4. 评论与差评高频问题
5. Q&A / 用户典型疑问
6. 竞品关键词或竞品表达
7. 广告、流量、趋势、经营侧数据（如果 sif-mcp 可用）

Step 4: Diagnose the problem type first

不要一上来就整份重写。先判断当前更像哪一类：

• 曝光问题：核心词错、类型词偏、属性缺失、语义理解失败
• 点击问题：可被搜到，但主图、标题、差异化不够让人点
• 转化问题：用户进页后，决策信息缺失或顾虑没有被回应
• 预期错配问题：买前承诺与买后体验不一致，容易误购、退货、差评

Step 5: Score on 7 dimensions

每次至少围绕这 7 维打分或判断：

1. 语义检索匹配度
2. 查询属性覆盖度
3. COSMO 知识图谱对齐度
4. 隐式查询解析友好度
5. Rufus 因果链完整度
6. 用户行为信号质量
7. 可解释比较生成能力

Step 6: Prioritize actions

优先级永远按：

• 纠错 > 补齐 > 强化 > 美化

优先级定义：

• P0：误购、退货、差评、属性过滤失败、Rufus 回答错误、明显合规风险
• P1：显著影响 CTR / CVR 的表达与信息缺失
• P2：视觉增强、A+ 扩展、表达润色

Step 7: Produce final deliverables

根据用户要求，输出：

• 完整报告
• 或精简版诊断 + 改写稿

如果 sif-mcp 提供了足够经营侧数据，还应补充“广告搭建建议”，至少回答：

• 应搭建哪些广告活动
• 每类活动应投哪些关键词 / 商品定向 / 人群意图
• 起始竞价建议是多少
• 使用什么竞价策略
• 哪些词应该否定，哪些词应观察
• 预算如何按冷启动 / 放量 / 控 ACOS 三种目标分配

如需标准格式，参考：

• templates/report-template.md
• templates/rewrite-template.md

Standard Output Structure

完整报告按以下 11 个板块输出：

1. 产品概览
2. 算法评分卡
3. 语义检索盲区分析
4. COSMO 节点诊断
5. Rufus 问答能力测试
6. 用户行为信号诊断
7. 竞品差异化可提取性
8. 改进优先级方案
9. 广告搭建建议
10. 优化后文案
11. 图片卖点与 A+ 创意方案

如果用户只要简版交付，也不要跳过判断逻辑，只压缩篇幅。

Advertising Recommendation Rules

只有在拿到足够经营侧证据时，才把广告建议写成“可执行搭建方案”。

Evidence needed for high-confidence ad planning

优先参考这些数据：

• 已有广告活动结构
• 搜索词表现
• CTR / CVR / CPC / ACOS / ROAS
• 曝光、点击、订单、花费分布
• 高转化词、烧钱词、低相关词、无转化词
• 竞品 ASIN 或竞品词表现
• 不同 match type 的表现差异

If evidence is incomplete

• 可以给测试型广告框架
• 但要明确哪些竞价、预算、关键词分组是“假设起盘”，哪些是“数据验证后建议”
• 不要把估算 CPC 说成平台实时建议价

Minimum structure for ad recommendations

广告建议至少包含：

1. 广告目标：冷启动 / 稳定放量 / 控 ACOS / 清库存 / 防守品牌词
2. 活动类型：SP 自动、SP 手动、SB、SB Video、SD（按证据决定是否需要）
3. 活动拆分逻辑：按词性、意图、品牌/泛词、竞品/类目、match type 拆开
4. 关键词或定向清单：每组至少给出建议投放对象
5. 起始竞价：写清楚建议区间或基准计算逻辑
6. 竞价策略：Dynamic bids down only / up and down / fixed bids
7. 预算建议：按活动类型给出日预算或预算分配思路
8. 否定词策略：哪些词要否，哪些词先观察
9. 观察周期与调价规则：多少点击、多少花费、多少天后调整

Campaign design defaults

如果没有更强证据，优先采用以下拆分方式：

• SP Auto：用于挖词与发现 ASIN 定向机会
• SP Manual - Exact：承接高相关高意图核心词
• SP Manual - Phrase/Broad：承接扩量与语义变体
• SP Product Targeting：打竞品 ASIN、替代品 ASIN、同价位段竞品
• SB / SB Video：当品牌词、品类教育词、视觉解释价值较高时加入
• SD：仅在有再营销、竞品拦截或受众证据时建议加入

Bid guidance rules

竞价建议不要凭空拍脑袋，优先这样写：

• 若 MCP 提供建议竞价区间或历史 CPC：以其为基准
• 若已有历史 CPC：
  • 核心高转化词：可从历史平均 CPC 的 0.9x-1.15x 起盘
  • 测试词 / 扩量词：可从历史平均 CPC 的 0.7x-0.9x 起盘
  • 竞品词 / 高风险词：可从历史平均 CPC 的 0.6x-0.85x 起盘
• 若没有历史 CPC，只能给区间型建议，并标注为测试起盘价

Bidding strategy rules

默认判断逻辑：

• 核心高意图 Exact：优先 dynamic bids - up and down 或 down only，取决于 ACOS 目标和转化稳定性
• Broad / Phrase 扩量：优先 dynamic bids - down only
• Auto 挖词：优先 dynamic bids - down only
• 高不确定性测试活动：优先 fixed bids 或 down only

Negative keyword rules

至少把词分成三类：

• 立即否定：明显错误流量、错误产品类型词、极低相关词
• 观察后否定：高花费低转化词、点击多无单词
• 保留测试：CTR 好但样本不足、CVR 尚未稳定的词

Ad output style

广告建议必须写到动作级，避免空话，比如不要只写：

• “开自动广告”
• “提高竞价”

而要写成：

• 建 1 个 SP Auto 挖词活动，拆 4 个 targeting group，日预算 xx，竞价策略 xx
• 建 1 个 SP Manual Exact 活动，放 8-15 个核心词，竞价区间 xx-xx
• 将词 A、B、C 设为否定词，将词 D、E 保留观察 5-7 天

Rewrite Rules

Title

标题优先顺序：

1. 品牌与核心产品词
2. 用户真实会搜的主意图词
3. 关键差异化或关键规格
4. 高价值场景或适用对象
5. 必要硬属性

不要写成关键词垃圾桶。

Bullet

5 条 Bullet 尽量各司其职：

1. 核心痛点 / 主差异化
2. 使用场景
3. 硬参数和可验证事实
4. 目标人群 / 边界条件
5. 顾虑与信任问题

尽量采用：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
• 评论里最常见的问题

Backend Search Terms

• 放同义词、补充词、场景词、互补词
• 不重复标题和 Bullet 已覆盖的词
• 不堆砌，不重复，不塞无关词
• 会引来错误流量的词，即使有搜索量也不要保留

Image & A+ Rules

图片与 A+ 不是重复标题和 Bullet，而是补充用户最需要被视觉解释的信息。

必须至少覆盖：

• 主图优化建议：3-5 条
• 辅图卖点拆解：至少 6 张
• 应用场景图建议：至少 3 个
• A+ 页面方案：至少 5 个模块
• 合规提醒：至少 5 条

Compliance Red Flags

发现以下问题时，优先列为 P0：

1. 标题、Bullet、属性、图片语义互相冲突
2. 错误产品类型词
3. 无法证实的绝对化宣传词
4. 关键购买决策信息缺失
5. 评论高频抱怨未被页面回应
6. 属性字段空缺，导致 AI 过滤不可见
7. 关键词堆砌、机械 SEO、硬塞关系词
8. 用户最关心的问题只能靠猜

重写时不要保留：

• 无法证实的极限承诺
• 医疗疗效、绝对化承诺、未经证实的比较结论
• 未经授权的品牌侵权表达
• 主图中的促销语、价格、赠品、徽章要求
• 攻击性竞品表达

Suggested Beginner Prompt Patterns

Minimal

分析 B0XXXXXXXXX

Evidence-first

请基于真实证据，分析 B0XXXXXXXXX，站点 US

Full audit

请基于真实证据，分析 B0XXXXXXXXX，输出完整 11 板块 COSMO + Rufus + 广告建议报告；不要猜测，缺失字段标注未获取到

Audit + rewrite

请基于真实证据，分析 B0XXXXXXXXX，并给我优化后的标题、5 条 Bullet、Backend Search Terms、6 条 Q&A、图片卖点和 A+ 方案

Output Style

• 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，优先给结果，不讲长篇空话

Final Principle

本技能的目标不是“显得懂 Amazon”，而是：

• 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
• 让运营团队直接拿去改 Listing 和图片

优先输出：

• 可验证的诊断
• 有顺序的优先级
• 可直接落地的改写稿 而不是空泛分析。