| name | zach-product-research |
| description | 基于Sorftime MCP的选品分析，发现高潜力市场机会、多维度属性标注与交叉分析、验证竞争格局、测算投入产出、输出Go/No-Go决策与选品报告。
使用时机：选品立项前的市场调研。新品上架工作流第一步。
触发词：/zach-product-research
|
| benefits-from | [] |
| user-invocable | true |
| allowed-tools | ["Read","Write","Edit","Bash","Glob","Grep","mcp__sorftime__category_search_from_product_name","mcp__sorftime__category_search_from_top_node","mcp__sorftime__search_categories_broadly","mcp__sorftime__category_name_search","mcp__sorftime__category_report","mcp__sorftime__category_report_from_history","mcp__sorftime__category_trend","mcp__sorftime__category_keywords","mcp__sorftime__keyword_search_results","mcp__sorftime__keyword_detail","mcp__sorftime__keyword_extends","mcp__sorftime__keyword_trend","mcp__sorftime__product_search","mcp__sorftime__product_detail","mcp__sorftime__product_trend","mcp__sorftime__product_reviews","mcp__sorftime__product_traffic_terms","mcp__sorftime__product_variations","mcp__sorftime__potential_product","mcp__sorftime__competitor_product_keywords","mcp__sorftime__ali1688_similar_product"] |
| risk-level | low |
前置建议
本公开版 Skill 是自包含的，不依赖任何私有工作区文件、内部参考库或品牌专属协议。
开始分析前，优先阅读本 Skill 自带的参考材料：
references/payload_schema_v2.md — v2 数据包结构与必填字段references/payload_schema.md — v1 兼容格式references/html_report_spec.md — HTML 精简报告结构要求references/analysis_patterns.md — 分析模式与洞察写法模板
如果你已有自己的市场研究资料，可以作为补充背景使用；但本 Skill 的执行、交付和校验不依赖外部私有资料。
选品分析器（Product Research - Sorftime MCP）
定位
基于 Sorftime MCP 的选品分析，帮助你在有利润前提下，用最短时间、最低风险发现高潜力市场机会。
数据来源：全部通过 Sorftime MCP 工具获取，不捏造、不估算。
下游输出：选品报告（MD + HTML精简 + Dashboard看板 + Excel）→ 新品上架工作流的后续步骤：zach-competitor-deep-dive（Listing 级竞品拆解）→ zach-pricing-strategy（定价精算）→ …
注：本 Skill 已吸收原 zach-market-intelligence 的 Go/No-Go 决策框架与进入壁垒评估能力（见 Step 2.4 / Step 3.5），以及 zach-report-dashboard-renderer 的 Dashboard 可视化看板能力。两者均已标记为 deprecated。
Script Directory
scripts/render_deliverables.py
- 用途：把统一 JSON 数据包渲染为
md + html精简 + dashboard看板 + xlsx + json，并执行交付校验
- v2 模式（推荐）：payload 含
schema_version: “2.0” + chapters，渲染器从结构化数据生成表格 + 插入 LLM 洞察段落
- v1 兼容模式：payload 含
report_markdown / report_html，直接写入（旧流程）
- 命令：
python skills/zach-product-research/scripts/render_deliverables.py generate --input <payload.json>python skills/zach-product-research/scripts/render_deliverables.py validate --input <payload.json>python skills/zach-product-research/scripts/render_deliverables.py all --input <payload.json>
- 适用时机：Step 5 交付阶段，禁止手工只补单个文件后直接结束任务
scripts/parse_top100_dimensions.py
- 用途：按规则文件解析 Top100 标题维度，输出
top100_parsed.json 与 uncertain_products.json
scripts/cross_analysis.py
- 用途：基于解析后的产品 JSON 生成交叉矩阵和机会空白点
References
references/payload_schema_v2.md
- 用途：v2 payload 结构定义（10 章 chapters + excel_sheets），准备
render_deliverables.py 输入数据包时查看
references/payload_schema.md
- 用途：v1 payload 结构定义（向后兼容参考）
references/html_report_spec.md
references/analysis_patterns.md
- 用途：四种分析模式的模板与示例，报告写作时必须引用（至少使用 3 种）
Assets
assets/html_report_template.html
- 用途：HTML 精简报告模板（v1 使用，v2 由 render_deliverables.py 内置渲染）
assets/dashboard_template.html
- 用途：Dashboard 可视化看板模板（从 zach-report-dashboard-renderer 迁入），v2 由 render_deliverables.py 自动注入数据
Agents
agents/data-pipeline.md
- 用途：负责 Sorftime 原始数据 → 中间 JSON / Excel Sheet 数据
agents/insight-writer.md（v2 新增，替代 report-writer.md）
- 用途：负责在固定 10 章结构中撰写分析洞察段落（不写表格格式/HTML）
Evals
evals/evals.json
evals/files/sample_payload_minimal.json
核心原则
- 权重优先：权重越大，免费流量越多
- 盈利监控：利润覆盖广告成本，保持健康ROI
- 战场优先：先选好市场，再打磨产品
- 数据驱动：用可量化指标判断市场与竞品
- 差异化竞争：通过优化设计、卖点、包装提升转化
硬性规则（⛔ 不可省略）
以下规则适用于所有场景，不论模型能力或用户是否明确要求：
- ⛔ 类目 Top100 明细必须输出完整 100 条，不得以"代表产品"缩写
- ⛔ 竞品差评分析必须附"竞品选择逻辑表"（ASIN + 选择理由 + 竞品类型 + 覆盖维度），竞品总数 6-10 个，覆盖量级标杆/功能差异/价格带/痛点
- ⛔ 关键词分析必须覆盖至少 3 个维度对比（如：品类大词 vs 属性词 vs 规格/场景词）
- ⛔ MD 报告中出现的每个数据表/统计结论，必须在 Excel 中有对应 Sheet
- ⛔ 每个 Step 完成后进行数据完整性检查，再进入下一步
- ⛔ 输出前执行 Step 5 交付自检清单
- ⛔ 定向品类分析（场景 4）必须执行 Step 1.5 产品属性标注
- ⛔ 差评痛点必须按属性维度归类（而非仅按产品归类）
报告写作硬性规则（⛔ 不可省略）
以下规则确保每份报告达到「充电宝 v2」级别的分析深度，而非纯数据堆砌：
- ⛔ 禁止纯数据呈现：每个数据表格后必须紧跟「关键洞察」段落（2-4 条 bullet），说明数据的业务含义，不得只放表格不做解读
- ⛔ 必须有 Executive Summary：报告开头必须有 3-5 条核心结论，每条结构为：
数据点 → 含义 → 行动建议
- ⛔ 交叉分析必须解释原因：每个"空白"/"薄供给"标签必须附带原因分析（技术限制？需求不存在？被市场忽视？供应链难度？），不得只标注状态
- ⛔ 差评痛点必须映射品牌机会：每个维度的差评痛点必须完成
痛点 → 品牌能力 → 产品方案 的映射，不得只列痛点不给方案
- ⛔ 策略建议必须有产品矩阵：至少给出 Tier 1 产品的完整规格（维度规格表 + 决策理由 + 目标定价 + 差异化主张 + 对标竞品 + 预估月销潜力），绝不允许"待确认"占位
- ⛔ 供需缺口必须排优先级：按三维评估（市场规模 40% + 技术可行性 30% + 品牌匹配 30%）排序，不得平铺罗列
- ⛔ 必须使用分析模式：每份报告至少使用以下 4 种分析模式中的 3 种（详见
references/analysis_patterns.md）：
| 模式 | 核心逻辑 | 最低使用次数 |
|---|
| 数据→空白→机会 | 从分布数据中发现供给空白，评估机会价值 | 1 次 |
| 痛点→优势映射 | 将差评痛点映射到品牌能力和产品方案 | 1 次 |
| 交叉维度→结构性空白 | 多维度交叉发现结构性市场缺口 | 1 次 |
| 多维评估→优先级矩阵 | 多因素加权评估排出优先级 | 1 次 |
Sorftime MCP 工具清单
执行选品分析时，调用以下 Sorftime MCP 工具（⛔ = 必调，📋 = 按需）：
| 类别 | 工具 | 用途 | 优先级 |
|---|
| 类目 | category_search_from_product_name | 按产品名搜索相关细分类目 | ⛔ 必调 |
| category_search_from_top_node | 按大品类搜索细分类目 | 📋 按需 |
| search_categories_broadly | 多维度广泛搜索类目 | 📋 按需 |
| category_name_search | 按类目名称查询NodeId | 📋 按需 |
| category_report | 类目实时Top100报告 | ⛔ 必调 |
| category_report_from_history | 类目历史Top100报告 | 📋 按需 |
| category_trend | 类目趋势数据（⛔ NewProductSalesAmountShare 必调） | ⛔ 必调（Step 1.7） |
| category_keywords | 类目核心关键词 | 📋 按需 |
| 关键词 | keyword_search_results | 关键词搜索结果自然位产品 | 📋 按需 |
| keyword_detail | 关键词详情 | ⛔ 必调 |
| keyword_extends | 关键词延伸词 | 📋 按需 |
| keyword_trend | 关键词历史趋势 | 📋 按需 |
| 产品 | product_search | 产品搜索 | 📋 按需 |
| product_detail | 产品详情（属性标注补充验证） | ⛔ 必调（Step 1.5） |
| product_trend | 产品趋势 | 📋 按需 |
| product_reviews | 产品评论 | ⛔ 必调（Negative） |
| product_traffic_terms | 产品反查关键词 | 📋 按需 |
| product_variations | 产品变体 | 📋 按需 |
| 选品 | potential_product | 潜力产品搜索 |
⛔ 必调说明：无论场景如何，这 6 个工具必须调用，其输出是报告核心数据的来源。📋 按需工具根据场景和用户需求选择性调用。
Gotchas（执行中最容易踩坑）
-
Skill 本地存在，不等于当前会话已加载
- 如果仓库里已经有
skills/zach-product-research/，但当前会话仍提示 skill 不可用，先检查：
- 当前 IDE 或 Agent 是否已经重新加载工作区配置
- 是否存在历史别名（如
product-research）与正式名不一致的问题
- 重要：即使你修好了磁盘文件，当前会话的 skill 列表也可能不会热更新；必要时要明确提示“当前会话需重开/新会话重载 skill”。
-
Sorftime MCP 在桌面端可能有逐次授权摩擦
- 大批量并发调用前，优先做“最小闭环”：先拿类目、关键词、Top100 核心数据，再决定是否继续深挖。
- 批量补调时默认按
<= 8 一批，避免一口气铺太多工具调用，导致中途被用户逐个确认打断。
- 如果环境允许网络访问，且本机
~/.cursor/mcp.json 已配置 Sorftime，可考虑走本地直连 HTTP MCP 作为非交互式 fallback；严禁回显真实 key。
-
泛关键词经常混池，先清词池再估市场
- 不要默认把用户给的词直接当“机器本体市场”。
- 典型案例：
essential oil diffuser 会混入精油本体、humidifier、reed diffuser、耗材生态。
- 必须先用
category_name_search / keyword_search_results / 标题样本检查，确认结果池到底是不是同一竞争单元，再做市场规模判断。
-
Top100 大体量数据不要直接硬读
- 默认先走标题解析，再对未知项补调
product_detail。
- 如果 Top100 / 评论 / 明细返回很大，先落中间文件，再用脚本抽取字段；不要靠手工读大 JSON。
-
只产出 Markdown 不算完成
- 只要用户要正式交付，必须跑
render_deliverables.py all，同时产出 MD + HTML精简 + Dashboard + XLSX。
- 如果目录里只有
.md，无论分析写得多完整，都视为未完成。
-
render_deliverables.py 有严格校验门槛
excel_sheets 第一张必须是 数据来源说明- 必选 Sheet 不全会校验失败
- v2 payload 必须含 10 个
chapters
- Markdown 洞察深度不足、缺少 Tier 产品矩阵、缺少 Go/No-Go 评分卡，也会在校验阶段暴露出来
执行流程
Step 0: 信息收集（交互式）
收到调用后，首先确认以下关键信息：
📋 选品分析 - 信息确认
1. 目标站点：[US/UK/DE/FR/IT/ES/CA/JP，默认US]
2. 选品场景：[新手入门/蓝海发现/季节性/品牌打造/定向品类分析]
3. 约束条件（可选）：
- 价格区间：如 $10-40
- 月销量：如 > 1000
- 品类偏好：如 家居/电子/宠物
- 预算：如 10万人民币
4. 产业带优势（可选）：如有特定供应链优势
如果用户未提供信息：默认按「新手入门」场景，美国站，价格 $10-40，无特定产业带。
Step 1: 发现机会市场
1.1 类目市场扫描
调用 search_categories_broadly 或 category_search_from_product_name 筛选符合以下条件的类目：
- 新品销量占比 > 15%
- 品牌数 > 80（分散市场）
- Top3销量占比 < 40%（低垄断）
- 平均价格 $10-40（新手友好）
- 月销量规模适中（视预算而定）
1.2 关键词机会挖掘（⛔ 必须多维度对比）
对候选类目，调用 keyword_search_results + keyword_detail：
- 搜索量 > 10000/月
- 自然位月销量 > 50000
- 首页竞品review数 < 500（门槛可追赶）
- CPC价格（广告成本）可接受
⛔ 多维度关键词对比表：关键词分析必须覆盖至少 3 个层级/维度，不得只分析用户提到的单一维度。
维度示例（根据品类调整）：
| 维度 | 示例关键词 | 说明 |
|---|
| 品类大词 | power bank, portable charger | 最大流量入口 |
| 属性词 | fast charging power bank, wireless power bank | 功能/特性细分 |
| 规格/参数词 | 65W power bank, 20000mAh portable charger | 具体规格参数 |
| 场景词 | laptop portable charger, camping power bank | 使用场景细分 |
每个维度的关键词必须调用 keyword_detail 获取以下数据，输出对比表：
| 关键词 | 维度 | 月搜索量 | CPC | 自然位产品数 | 首页平均评论数 | 数据来源 |
|---|
检查点：确认至少 3 个维度的关键词都有 keyword_detail 数据后，再进入 Step 1.3。
1.3 潜力产品初筛
调用 potential_product + product_search：
- 月销量 > 1000
- 价格 $10-30
- 评分 > 4.0
- 上架时间 < 6个月（新品有机会）
Step 1.4: 分析维度自发现（用户未指定维度时执行）
当用户不熟悉目标品类、无法指定分析维度时，模型需要自主发现该品类的关键差异化维度。本步骤在 Step 1.5（属性标注）之前执行，输出为属性标注的维度定义。
触发条件：用户未明确指定分析维度，或指定维度 ≤ 2 个。
执行方法（四路并行，结果综合）：
路径 1：Top100 标题高频词聚类
- 对
category_report 返回的 100 条产品标题做词频统计
- 过滤掉通用词（brand, portable, charger 等品类通用词）
- 保留出现频率 ≥ 10% 的属性词作为候选维度
- 示例输出：
slim 出现 23 次 → 候选维度「外观形态」
路径 2：关键词延伸词分析
- 对品类核心词调用
keyword_extends，分析消费者用什么修饰词搜索
- 高搜索量的修饰词 = 消费者关注的差异化维度
- 示例：
keyword_extends("power bank") → "65W power bank", "slim power bank" → 候选维度「功率」「形态」
路径 3：product_detail 属性字段 Key 提取
- 对 Top5 销量产品调用
product_detail
- 从返回的「属性」字段中提取 key 名称（非 value），作为结构化维度候选
- 示例：属性含
Battery Capacity, Connector Type → 候选维度「容量」「接口类型」
路径 4：WebSearch 品类评测文章（可选）
- 搜索 "[品类] buying guide" 或 "[品类] how to choose"
- 从评测文章中提取消费者决策的关键参数
- 示例：Wirecutter 评测关注 "capacity, charging speed, size, ports" → 候选维度确认
输出：候选维度列表（5-8 个），每个维度含：
- 维度名称
- 发现来源（标题词频/延伸词/属性Key/评测文章）
- 候选分类值（如：功率 → ≤15W / 15-22.5W / 30W / 45W / 65W / 100W+）
⛔ 必须让用户确认：输出候选维度后，请用户确认/删减/补充，再进入 Step 1.5。用户可能有品类知识补充模型发现不了的维度。
检查点：至少确认 3 个分析维度后，进入 Step 1.5。
Step 1.5: Top100 产品属性标注（P0 - 多维度分析必需）
本步骤将 category_report 返回的 Top100 基础数据升级为结构化多维度属性数据，是后续交叉分析与差异化建议的基础。
输入：Step 2.1 category_report 返回的 Top100 产品列表（本步骤可在获取 Top100 后立即执行，与 Step 1 并行推进）
⛔ 必须提取的基础字段（所有品类通用，category_report 直接返回）：
| 字段 | 来源 | 用途 |
|---|
上线日期 | category_report 原始字段 | Step 1.7 新品分析 |
上线天数 | category_report 原始字段 | Step 1.7 新品分析 |
这两个字段在 category_report 返回数据中已有，解析时必须一起提取，不要丢弃。
标注维度（按品类定制，以下为充电宝示例；其他品类需根据品类特征自定义维度）：
| 维度 | 解析方法 | 示例规则（充电宝） |
|---|
| 功率 | 正则 (\d+\.?\d*)\s*[Ww] + V/A 推算（V×A=W） | 22.5W, 65W, 5V/3A=15W |
| 容量 | 正则 (\d[\d,]*)\s*[Mm][Aa][Hh] （忽略大小写、处理逗号） | 10000mAh, 20,000 mAh |
| 线材 | 关键词 "built-in cable", "built in", "with cable", "integrated cable" | 内置线/外置线/无 |
| 数显 | 关键词 "LED display", "digital display", "LCD", "battery indicator" | 有/无 |
| 磁吸/无线充 | 关键词 "MagSafe", "magnetic", "Qi2", "wireless charging", "Qi" | MagSafe/Qi2/Qi/无 |
| 外观形态 | 关键词 "slim", "thin", "mini", "compact", "small", "lightweight" | slim/mini/standard |
执行方法（三阶段）：
-
标题正则 + 关键词自动标注（覆盖率约 70-80%）
- 遍历 Top100 产品标题，按上表规则逐维度提取
- 每条产品标注置信度：高（明确匹配）/ 低（模糊或缺失）
-
⛔ product_detail 补充验证（针对置信度低的约 20-30% 产品）
- 对标题无法确认的产品，调用
product_detail 获取 bullet points / 产品描述
- 从描述中提取缺失的属性信息
- 每批最多 8 个并行调用以提高效率
-
手动 override 记录
- 记录所有手动修正的产品及修正原因
- 便于后续复查与经验积累
⚠️ 标题解析注意事项（参见文末「标题解析经验库」章节）
输出：
| 文件 | 内容 |
|---|
top100_parsed.json | 每条产品增加 N 个属性列 + 置信度标注 |
uncertain_products.json | 需要 product_detail 验证的产品列表及验证结果 |
检查点：确认 100 条产品均已完成属性标注（允许部分维度为"未知"，但不允许跳过标注步骤），再进入下一步。
Step 1.6: 多维度交叉分析（P1 - 属性标注完成后执行）
基于 Step 1.5 的结构化属性数据，生成交叉分析矩阵，发现供需缺口与市场机会空白点。
适用条件：
- 产品已完成多维度属性标注（Step 1.5）
- 需要找到供需缺口（搜索需求有但供给少的维度组合）
- 需要发现产品组合机会空白点
标准交叉表：
对所有有意义的维度对（dimension pair）生成交叉矩阵：
| 交叉维度 | 分析指标 | 说明 |
|---|
| 维度A x 维度B | 产品数 | 该组合下有多少产品 |
| 维度A x 维度B | 月总销量 | 该组合的市场需求量 |
| 维度A x 维度B | 月总销额 | 该组合的市场价值 |
| 维度A x 维度B | 平均价格 | 该组合的价格水平 |
示例（充电宝）：功率 x 容量、功率 x 磁吸、容量 x 线材、功率 x 外观形态 等
自动识别供需缺口：
- 空白点：产品数 = 0 的维度组合 → 潜在蓝海机会（需验证需求是否真实存在）
- 薄供给：产品数 ≤ 2 的组合 → 低竞争机会（少量在售，竞争小）
- 高需求低供给：月销量高但产品数少的组合 → 最优机会
品牌集中度分析：
- 每个主要维度组合中，Top3 品牌的销量占比
- 识别品牌垄断严重的组合（避开）vs 品牌分散的组合（机会）
输出：
| 文件 | 内容 |
|---|
cross_analysis.json | 所有交叉分析矩阵数据 |
| 机会空白点列表 | 纳入最终报告的"市场机会"章节 |
⛔ 交叉分析输出格式要求：
每对交叉维度的输出不得只有表格，必须包含以下结构：
- 交叉矩阵表格（产品数 / 月销量 / 月销额 / 均价）
- 关键发现段落（2-4 条 bullet），必须回答：
- 哪些组合是市场主力？（高供给 + 高需求）
- 哪些组合存在供需缺口？（高需求 + 低供给）
- 哪些组合是伪机会？（低供给 + 低需求，实际无需求）
- 空白/薄供给标签定义与分析要求：
| 标签 | 定义 | 必须补充的分析 |
|---|
| 空白 | 产品数 = 0 | 原因分析（技术不可行？需求不存在？被忽视？）+ 需求验证方法 |
| 薄供给 | 产品数 ≤ 2 | 现有产品表现如何？（销量/评分）+ 竞争进入难度 |
| 高需求低供给 | 月销量 Top30% 但产品数 Bottom30% | 为什么供给少？+ 进入可行性评估 |
检查点：确认至少 3 对维度组合完成交叉分析，且每对都有「关键发现」段落（不只表格），空白点/薄供给列表已生成且附原因分析，再进入 Step 1.7。
Step 1.7: 新品分析（⛔ 必做）
基于 Step 1.5 已提取的 上线日期 字段，分析 Top100 中新品的占比、表现和趋势，判断类目对新品的友好程度。这是选品决策的关键输入——新品占比高的类目意味着新进入者有机会，反之则门槛高。
数据来源：
category_report 返回的 上线日期/上线天数 字段（Step 1.5 已提取，零额外 API 成本）category_trend（trendIndex=NewProductSalesAmountShare）→ 1 次 API 调用
执行步骤：
1. 上架时间分桶统计
对 Top100 按上架时间分桶，统计每桶的产品数和销量占比：
| 时间段 | 产品数 | 月销量 | 销量占比 |
|---|
| ≤3 个月 | | | |
| 3-6 个月 | | | |
| 6-12 个月 | | | |
| 1-2 年 | | | |
| 2-3 年 | | | |
| 3 年+ | | | |
2. 半年内新品明细表
列出所有上架 ≤6 个月的产品，按月销量降序：
| ASIN | 品牌 | 价格 | 月销量 | 上线日期 | 天数 | 评论数 | [各属性维度] |
关注：
- 新品中有哪些品牌？（全是大品牌 vs 有白牌突围）
- 新品进入 Top50 了吗？（能否打进头部）
- 新品的属性组合是什么？（市场供给方向验证）
3. 新品销量占比趋势
调用 category_trend（trendIndex=NewProductSalesAmountShare），获取近 2 年每月的新品销量占比趋势：
- 趋势上升 → 类目活跃，对新品友好
- 趋势平稳低位（<5%）→ 类目成熟，老品主导，新品难突围
- 趋势下降 → 类目固化，不建议新品进入
4. 新品友好度判断
综合以上数据，给出类目的新品友好度评级：
| 指标 | 友好（绿灯） | 中等（黄灯） | 不友好（红灯） |
|---|
| 半年内新品占 Top100 数量 | ≥10% | 5-10% | <5% |
| 半年内新品销量占比 | ≥10% | 5-10% | <5% |
| 新品进入 Top50 数量 | ≥3 个 | 1-2 个 | 0 |
| 新品中是否有非头部品牌 | 有白牌/新品牌 | 仅 2-3 线品牌 | 全是头部品牌 |
| 新品销量占比趋势 | 上升 | 平稳 | 下降 |
输出：纳入报告的「市场概况」章节，含上架时间分布表、新品明细、趋势图数据、新品友好度评级。
检查点：新品分析完成且新品友好度评级已给出，再进入 Step 2。
Step 2: 验证竞争格局
2.1 类目深度分析
调用 category_report 获取 Top 100，分析：
- 品牌集中度（品牌垄断系数）
- 卖家类型分布（FBA/FBM/亚马逊自营比例）
- 新品比例（半年内上架产品占比）
检查点：确认 category_report 返回的产品数 = 100 条（⛔ 硬性规则第 1 条）。不足则重新调用或说明原因。
2.2 竞品详细分析（⛔ 差评分析须附选择逻辑）
对重点产品，调用 product_detail + product_reviews：
- 销量排名、价格趋势、评分评论数
- 好评关键词（用户重视什么）
- 差评痛点（改进机会）
⛔ 竞品选择逻辑表：做差评分析前，必须先输出竞品选择逻辑表，说明为什么选这些竞品：
| ASIN | 品牌 | 选择理由 | 竞品类型 | 覆盖维度 |
|---|
| B0XXXXXXXX | BrandA | 类目销量 Top3 | 量级标杆 | 价格带-中 |
| B0YYYYYYYY | BrandB | 高功率段销量第一 | 功能差异代表 | 功率-高 |
| B0ZZZZZZZZ | BrandC | 差评率最高（4.0以下） | 痛点参考 | 痛点密集 |
| B0WWWWWWWW | BrandD | 磁吸品类入门款 | 功能差异代表 | 磁吸-入门 |
| B0VVVVVVVV | BrandE | 高端价格带代表 | 价格带覆盖 | 价格带-高 |
| B0UUUUUUUU | BrandF | 低价走量代表 | 价格带覆盖 | 价格带-低 |
⛔ 竞品选择必须满足以下覆盖要求：
| 覆盖维度 | 要求 | 说明 |
|---|
| 量级标杆 | 至少 1-2 个 | 类目 Top5 销量产品，代表市场标准 |
| 功能差异代表 | 每个主要功能维度至少 1 个 | 如：高功率代表、磁吸代表、内置线代表 |
| 价格带覆盖 | 高/中/低各至少 1 个 | 确保分析覆盖全价格段 |
| 痛点参考 | 至少 1-2 个 | 差评率高或星级低的产品，挖掘改进机会 |
- 总数：6-10 个竞品
- 每个主要属性维度（来自 Step 1.5 标注）至少有 1 个代表产品
选择建议：按细分段（如价格带、功率段、使用场景）各选 1-2 个代表，覆盖头部竞品 + 痛点竞品。
检查点：竞品选择逻辑表完成后，再逐一调用 product_reviews（reviewType=Negative）做差评分析。每批最多 8 个并行调用。
⛔ 差评分析按维度分类：差评痛点必须按属性维度归类（如功率相关、线材相关、数显相关、容量相关、磁吸相关、外观形态相关、通用质量问题），而非仅按产品归类。这样才能直接映射到产品设计决策。
2.3 关键词竞争分析
调用 competitor_product_keywords + product_traffic_terms：
- 核心关键词排名
- 流量词数量和分布
- 自然流量 vs 广告流量占比
2.4 进入壁垒评估（⛔ 必做，原 market-intelligence Step 4）
适用场景：所有正式交付版本必须输出。本节用于把“能不能做”的风险讲清楚，避免只给机会不讲门槛。
评估以下壁垒维度，每个维度给出等级（低/中/高）：
| 壁垒类型 | 评估内容 | 数据来源 |
|---|
| Review 壁垒 | 达到首页需要多少 Review | category_report Top100 评论数分布 |
| 资金壁垒 | 首批备货 + 广告 + 头程 | ali1688_similar_product + 估算 |
| 技术壁垒 | 是否需要认证/专利/模具 | WebSearch + 品类知识 |
| 合规壁垒 | FDA/UL/CE/FCC 等认证 | WebSearch（见下方站点合规表） |
| 供应链壁垒 | 供应商门槛/MOQ | ali1688_similar_product |
| 品牌壁垒 | 是否需要品牌故事/忠诚度 | 竞争格局分析结果 |
站点合规速查：
| 站点 | 常见认证要求 |
|---|
| US | FDA（食品/化妆品）、UL（电子）、FCC（无线）、CPSC（儿童产品）、EPA（杀虫） |
| UK | UKCA、WEEE |
| DE | CE、WEEE、EPR、VerpackG（包装法） |
| FR | CE、EPR、Triman 标志 |
| IT/ES | CE、EPR |
输出：壁垒汇总表（类型 + 等级 + 预估成本 + 预估时间）+ 预估启动投入合计
Step 3: 投入产出测算
财务公式：
毛利 = 售价 - 采购成本 - FBA费用 - 物流成本
净利润 = 毛利 - 广告成本 - 退货损耗 - 平台佣金(约15%)
毛利率 = 净利润 / 售价 * 100%
预估CPC：从 keyword_detail 获取
目标ACOS = 毛利率 * 50%（保守）
净利率 = 净利润 / 售价 * 100%
物流成本参考：
- 价格 $10-20：物流成本控制在售价 15% 以内
- 价格 $20-40：可承担更高物流成本
采购成本：可调用 ali1688_similar_product 获取1688货源参考价。
Step 3.5: Go/No-Go 综合评分（⛔ 必做，原 market-intelligence Step 6）
适用场景：所有正式交付版本必须输出。即便用户已经倾向进入，也必须把“进入条件、前提风险、最终判断”显式写出来。
评分体系（加权计算）：
| 维度 | 权重 | 评分(1-10) | 数据来源 |
|---|
| 市场规模 | 20% | X | Step 1.1 category_report |
| 竞争格局 | 25% | X | Step 2.1 品牌集中度/新品占比 |
| 需求清晰度 | 15% | X | Step 1.2 关键词 + Step 1.6 交叉分析 |
| 进入壁垒（反向） | 20% | X | Step 2.4 壁垒评估 |
| 盈利能力 | 20% | X | Step 3 投入产出测算 |
决策矩阵：
| 加权总分 | 决策 | 建议 |
|---|
| 7.5-10 | GO | 强烈建议进入，优先推进 |
| 6.0-7.4 | CONDITIONAL GO | 有条件进入，需解决关键风险 |
| 4.0-5.9 | HOLD | 暂缓，需更多数据验证或等待时机 |
| 0-3.9 | NO-GO | 不建议进入，风险大于机会 |
输出：评分卡 + 决策建议 + Top3 机会 + Top3 风险 + 缓解方案
注意：如果决策为 NO-GO，流程终止，不进入 Step 4。
Step 4: 差异化建议与产品矩阵（⛔ 必须具体到规格）
本步骤是报告的核心价值输出——从数据分析转化为可执行的产品策略。绝不允许"待确认"占位或只列方向不给规格。
4.1 VOC 痛点维度映射
基于 Step 2.2 的差评分析（已按维度归类），对每个维度执行四要素映射：
| 要素 | 说明 | 示例（充电宝-功率维度） |
|---|
| 痛点描述 | 该维度下消费者最高频的不满 | "充电速度慢，标称快充实际只有 10W" |
| 数据支撑 | 差评频次/占比 + 涉及竞品 | 23% 差评提及充电慢，涉及 Brand A/B/C |
| 品牌机会 | 品牌在该维度的能力优势 | 目标品牌具备快充或供应链优势，可做真实 65W |
| 产品方案 | 具体的产品设计方向 | 标配 65W GaN + LED 实时功率显示，消除信任疑虑 |
⛔ 每个属性维度（来自 Step 1.5）都必须完成此映射表，不得遗漏。
4.2 机会空白优先级排序
汇总 Step 1.6 交叉分析发现的所有空白/薄供给/高需求低供给机会，按三维评估排序：
| 评估维度 | 权重 | 评分标准（1-5 分） |
|---|
| 市场规模 | 40% | 1=月销额<$50K, 2=50-200K, 3=200-500K, 4=500K-1M, 5=>1M |
| 技术可行性 | 30% | 1=需要重大研发, 2=需要新模具, 3=改良现有方案, 4=成熟方案, 5=现有产品线可覆盖 |
| 品牌匹配 | 30% | 1=完全不匹配, 2=需要新品牌定位, 3=部分匹配, 4=高度匹配, 5=核心优势领域 |
输出格式：
| 排名 | 机会描述 | 维度组合 | 市场规模(40%) | 技术可行性(30%) | 品牌匹配(30%) | 加权总分 | 建议行动 |
|---|
| 1 | [具体描述] | [维度A×维度B] | X | X | X | X.X | [具体行动] |
4.3 产品矩阵规划
基于优先级排序，规划具体产品矩阵。至少完成 Tier 1（最优先进入的产品），Tier 2/3 视数据充分度而定：
Tier 模板（每个 Tier 必须包含以下所有字段）：
### Tier [N]: [产品定位一句话]
**目标市场**：[对应的维度组合空白/机会]
**决策理由**：[为什么优先做这个——引用 4.2 的优先级排序数据]
| 维度 | 规格 | 决策依据 |
|------|------|----------|
| [维度1] | [具体规格值] | [为什么选这个值] |
| [维度2] | [具体规格值] | [为什么选这个值] |
| ... | ... | ... |
**目标定价**：$XX.XX（基于 Step 3 测算，毛利率 XX%）
**差异化主张**：[一句话核心卖点，区别于竞品的关键]
**对标竞品**：[ASIN] [品牌] [价格] — 我们的优势：[具体差异]
**预估月销潜力**：XX-XX 件/月（基于同维度组合现有产品表现推算）
⛔ 禁止事项：
- 不允许"待 Zach 确认"、"待定"、"建议进一步调研"等占位语
- 不允许只列方向不给具体规格（如"建议做大容量"必须改为"建议做 20000mAh"）
- 不允许不标对标竞品（必须有具体 ASIN）
- 不允许不给目标定价（必须基于 Step 3 测算）
- 如果数据确实不足以支撑某个 Tier，明确标注"数据不足：缺少 XX 数据，建议补充 XX 后再定"，但不得用"待确认"含糊带过
Step 5: 交付前自检（⛔ 必做）
⛔ 交付硬性规则
- ⛔ 禁止分步输出：不得先手工输出 MD 报告再调用 render_deliverables.py；
所有交付物必须由
render_deliverables.py all 一次性生成
- ⛔ unified_payload.json 必须包含产品级明细：
excel_sheets["类目销量Top100_明细"] 必须包含 100 条产品数据excel_sheets["属性标注_Top100"] 必须包含属性标注结果- 两个 Sheet 的数据来源是
top100_raw.json 和 top100_parsed.json
- ⛔ 竞品选择逻辑必须包含价格和销量：
competitor_selection_logic 每条记录
必须含 price/monthly_sales/reviews 字段（从 product_detail 获取）
在输出报告和数据文件之前，逐项检查以下清单。全部通过后才可输出，未通过项必须修正后再输出：
洞察质量检查（⛔ 必须全部通过）：
"6合1"隐赚指数标准
隐赚指数（潜力指数）评估以下6项，得分越高越好：
| 指标 | 理想状态 |
|---|
| 排名趋势 | 稳定或上升 |
| 销量趋势 | 稳定或增长 |
| 价格趋势 | 稳定或上涨 |
| 评价门槛 | 评论数少、易追赶（<500） |
| 广告成本 | CPC低或自然流量高 |
| 上架时间 | 半年内新品 |
potential_product 可按潜力指数排序，优先筛选高分产品。
"好市场"评判标准
| 维度 | 理想指标 |
|---|
| 流量垄断 | 垄断系数 < 30% |
| 品牌分散 | 品牌数 > 80 |
| 新品活跃 | 新品占比 > 30%，新品销量占比 > 15% |
| 评价门槛 | 平均评论数 < 500 |
| 价格区间 | $10-40 |
| 售后风险 | 退货率 < 10% |
选品输出模板
每个推荐产品必须包含以下结构：
## 【产品名称】
### 一、市场概况
- **所属类目**：[类目名称 + NodeId]
- **目标关键词**：[核心关键词]
- **月销量规模**：[市场规模]
- **平均价格**：[价格区间]
- **数据来源**：[Sorftime MCP 工具名]
### 二、"6合1"验证
- [ ] 排名趋势：[稳定/上升/下降]
- [ ] 销量趋势：[稳定/增长/下降]
- [ ] 价格趋势：[稳定/上涨/下跌]
- [ ] 评价门槛：评论数[XXX]，可追赶
- [ ] 广告成本：CPC $[XXX]
- [ ] 上架时间：[XXX]个月内
### 三、竞争分析
- **品牌垄断系数**：[XX%]
- **Top3销量占比**：[XX%]
- **新品活跃度**：[高/中/低]
- **主要竞品**：[竞品ASIN及特点]
### 四、财务测算（USD）
| 项目 | 金额 |
|------|------|
| 售价建议 | $XX.XX |
| 采购成本 | $X.XX |
| FBA费用 | $X.XX |
| 平台佣金(15%) | $X.XX |
| 物流成本 | $X.XX |
| 预估毛利 | $X.XX |
| 毛利率 | XX% |
| 预估CPC | $X.XX |
| 目标ACOS | XX% |
| 净利率 | XX% |
### 五、差异化建议
- **痛点改进**：[具体改进方向]
- **卖点提炼**：[差异化卖点]
- **定价策略**：[价格方案]
### 六、风险提示
- [ ] 季节性风险：[是/否]
- [ ] 认证要求：[是/否]
- [ ] 专利风险：[是/否]
- [ ] 供应链风险：[注意事项]
常见场景策略
场景1：新手入门（预算<15万）
- 价格 $10-20
- 轻小件（降低FBA成本）
- 无售后风险品类
- 中国卖家占比 > 70% 的类目
- 推荐：厨房收纳、宠物用品、头巾面罩
场景2：蓝海发现（低竞争）
- 筛选低垄断类目（
search_categories_broadly 设 top3Product_sales_share < 0.4）
- 关注新品出单明显的细分市场
- 寻找 Top400 长尾机会
- 验证关键词竞争强度（
keyword_detail）
场景3：季节性产品
- 使用
keyword_trend 验证季节性
- 提前 2-3 个月备货
- 关注搜索量变化趋势
- 评估淡季库存风险
场景4：定向品类/产品分析（用户已指定品类）
适用于用户已确定要分析的产品/品类（如"分析美国站充电宝市场"、"分析某品类竞争格局"），与场景 1-3 的"发现未知机会"不同。
与发现型场景的区别：
| 步骤 | 发现型（场景1-3） | 定向型（场景4） |
|---|
| Step 1.1 类目扫描 | 广泛搜索候选类目 | 跳过——用户已指定类目，直接用 category_search_from_product_name 定位 NodeId |
| Step 1.2 关键词 | 筛选高潜力词 | ⛔ 多维度对比——必须覆盖品类大词、属性词、规格词、场景词（至少 3 维度） |
| Step 1.4 维度发现 | 📋 按需 | ⛔ 推荐——用户未指定维度时必做；用户已指定维度时跳过 |
| Step 1.5 属性标注 | 📋 按需 | ⛔ 必做——定向分析需要多维度结构化数据，属性标注是核心步骤 |
| Step 1.6 交叉分析 | 📋 按需 | ⛔ 推荐——发现维度组合空白点，直接指导产品定义 |
| Step 2.2 竞品选择 | 按潜力指数选 | 按细分段选——按价格带/功能段/使用场景各选 1-2 个代表，覆盖市场全貌 |
| Step 2.4 进入壁垒 | ⛔ 必做 | ⛔ 必做——正式交付版本必须明确六类壁垒与启动前提 |
| Step 3.5 Go/No-Go | ⛔ 必做 | ⛔ 必做——正式交付版本必须给出量化结论，而不是只给方向 |
| Step 1.7 新品分析 | 📋 按需 | ⛔ 必做——定向分析需评估新品可进入性 |
| Step 1.3 潜力产品 | 核心步骤 | 📋 按需——用户更关心已有市场格局而非新品机会 |
执行要点：
- 直接从 Step 0 收集的品类/产品名进入 Step 1.2 关键词分析
- 关键词维度覆盖必须全面（⛔ 硬性规则第 3 条）
- ⛔ 必须执行 Step 1.5 属性标注 + Step 1.6 交叉分析（定向分析的核心价值）
- 竞品选择必须附选择逻辑表（⛔ 硬性规则第 2 条），覆盖量级标杆/功能差异/价格带/痛点
- 差评分析必须按属性维度归类
- 类目 Top100 仍需完整 100 条（⛔ 硬性规则第 1 条）
输出规范
- 数据来源标注：每个数据点必须标注来源 Sorftime MCP 工具名
- 量化指标优先：用具体数字而非模糊描述
- 逻辑链完整：从市场发现 → 竞争验证 → 财务测算 → 差异化建议
- 风险提示：必须包含潜在风险和应对方案
- 可执行性：建议必须具体可落地
数据诚信规则（必须遵守）
- 绝不捏造数据：所有数据必须来自 Sorftime MCP 调用结果，不得编造
- 标注数据来源：每个数据点标注来源工具（如
mcp_sorftime_product_search）
- 区分事实与推测：事实用数据支撑，推测必须标注「⚠️ 推测」
- 标注数据时效：注明数据的获取时间或适用时间范围
product_detail 返回字段与可信度指南
Sorftime product_detail 返回的字段来源不同，可信度差异大。标注属性时需按可信度优先级使用。
| 字段 | 对应亚马逊位置 | 可信度 | 使用建议 |
|---|
| 标题 | 前台产品标题 | 高 | 主要解析来源，消费者可见，虚标会被投诉 |
| 产品描述 | 五点描述 / A+ 文字 | 中高 | 补充验证，营销文案但含具体参数 |
| 属性 | 后台 Item Specifics | 中低 | 结构化但卖家可能乱填，需交叉验证 |
| 外包装尺寸 | 物流属性 | 高 | 可推算产品实际大小，辅助判断形态 |
| 价格/销量/评论/排名 | 前台公开数据 | 高 | 基础信息，直接使用 |
| 主图 URL | 产品图片链接 | — | 当前无法 OCR，仅供人工查看 |
使用优先级：标题 > 产品描述（五点） > 属性字段（后台）
属性字段常见问题：
Special Feature：卖家经常堆砌不相关关键词，不可作为属性判断依据Battery Capacity：通常准确（亚马逊有格式要求），可直接使用Connector Type：格式不统一（有的写 "USB-C"，有的写 "Output: USB-C2+USB-A1"），需解析Color / Style：通常准确，可直接使用- 空字段：
特征 字段经常为空 {}，不要依赖
中间数据持久化规则
多维度分析流程通常需要 2-3 小时甚至跨 session 完成。为防止上下文压缩或 session 中断导致数据丢失，必须在关键节点持久化中间结果。
⛔ 持久化检查点：
| 完成步骤后 | 必须保存的文件 | 说明 |
|---|
| Step 1.1 category_report | top100_raw.json | 原始 Top100 数据，后续所有分析的基础 |
| Step 1.4 维度自发现 | 记录在 session 中或追加到报告 | 用户确认的维度列表 |
| Step 1.5 属性标注 | top100_parsed.json + uncertain_products.json | 标注后数据 + 待验证列表 |
| Step 1.6 交叉分析 | cross_analysis.json | 交叉矩阵 + 空白点 |
| Step 2.2 VOC 分析 | voc_analysis.json | 竞品选择逻辑 + 差评分类 |
原则：
- 每个 Step 完成后，将结果写入文件再进入下一步
- 如果 session 中断，下次可从最后保存的文件恢复，避免重新调用 API
- JSON 文件命名与标准输出目录一致（见「标准输出目录结构」）
Sorftime 返回数据处理规则（⛔ 必须用 Python 脚本）
Sorftime MCP 返回的数据量通常较大（Top100 约 50KB+），直接用 Read 工具读取会超出 token 限制导致失败。所有 Sorftime 大数据返回一律用 Python 脚本解析，不要尝试 Read 工具直读。
哪些工具的返回需要 Python 脚本处理
| 工具 | 返回大小 | 处理方式 |
|---|
category_report | ~50KB（100 条产品） | ⛔ 必须用 Python 脚本解析 |
product_detail（批量） | 每个 ~2-5KB，批量 ≥5 个时总量大 | ⛔ 必须用 Python 脚本解析 |
keyword_detail | 每个 ~0.5KB | 单次可直读，批量用脚本 |
product_reviews | ~5-20KB（按产品） | 建议用 Python 脚本解析 |
| 其他单次调用 | <5KB | 可直读 |
category_report 数据结构与解析模板
Sorftime category_report 返回数据的结构不是标准 JSON，而是包裹在 list[0]['text'] 中，前面带有一行指令文本。必须用以下方式解析：
import json
# raw_data 是 category_report 的返回值（保存为文件后读取）
with open('top100_raw.json', 'r') as f:
raw = json.load(f)
# 结构：list[0]['text'] 包含 JSON，前面有指令前缀
text_content = raw[0]['text']
json_start = text_content.index('{') # 找到第一个 { 的位置
data = json.loads(text_content[json_start:])
# data 现在是标准 dict，包含 Top100 产品列表
products = data.get('products', []) # 具体 key 视返回格式而定
⛔ 不要：
- 不要用 Read 工具直接读取 category_report 的返回文件（会超 token 限制）
- 不要假设返回是标准 JSON（有指令前缀）
product_detail 批量调用规则
| 规则 | 说明 |
|---|
| 每批最多 8 个并行调用 | 超过 8 个可能触发限流 |
| 返回结果用 Python 脚本解析 | 批量结果合并处理，提取需要的字段 |
| 先标题解析，再对"未知"项补调 | 标题覆盖率约 70-80%，仅对缺失项调 product_detail，节省 API 调用 |
标准两步流程（Step 1.5 细化）：
Step 1: 标题正则解析 100 个产品 → 标注已知/未知
Step 2: 对"未知"产品批量调 product_detail（每批 ≤8 并行）→ 从描述/属性中提取缺失值
这比对全部 100 个产品调 product_detail 节省约 70-80% 的 API 调用量。
product_reviews 处理建议
- 每个竞品的差评数据量约 5-20KB
- 可批量并行调用：与
product_detail 一致，每批最多 8 个 ASIN 并行调用，再合并解析，以减少总耗时
- 批量获取 6-10 个竞品的差评后，用 Python 脚本按维度归类
- 归类结果保存为
voc_analysis.json
标题解析经验库（P1 - 按品类持续积累）
本节记录标题正则解析中的常见陷阱与经验规则，供 Step 1.5 执行时参考，避免重复踩坑。按品类积累，新品类调研后应补充新的经验条目。
通用陷阱
| 陷阱类型 | 示例 | 错误理解 | 正确处理 |
|---|
| 相似词混淆 | "Lighting Input" | Lightning 线材 | 这是输入端口描述，不是内置 Lightning 线 |
| V/A 功率推算 | "5V/3A" | 不知道功率 | V x A = W，即 5V/3A = 15W，5V/2.4A = 12W |
| PD 功率推断不可靠 | "PD Fast Charging" | 等于 20W | PD 可能是 15W/18W/20W/30W 中任何一个，需 product_detail 确认 |
| "Fast Charging" 含义模糊 | "Fast Charging Power Bank" | 高功率快充 | 实际可能是 12W-20W 任何功率，需 product_detail 确认 |
| 容量格式多样 | "10000mah", "10,000 mAh" | 解析失败 | 正则需忽略大小写 [Mm][Aa][Hh]，处理逗号 \d[\d,]* |
| 标题营销夸大 | "Super Fast", "Ultra Quick" | 高功率 | 营销用词无标准含义，不可作为属性值 |
| 多功能合并描述 | "3-in-1 Charger Cable" | 三条线 | 可能是一条三合一线，需验证 |
品类特定经验：充电宝（Portable Charger / Power Bank）
| 维度 | 解析要点 | 正则/规则 |
|---|
| 功率 | 优先匹配明确 W 值；无 W 值时用 V*A 推算；仅有 "PD"/"Fast Charging" 标记为"待确认" | (\d+\.?\d*)\s*[Ww] 优先；(\d+\.?\d*)\s*[Vv]\s*/?\s*(\d+\.?\d*)\s*[Aa] 次之 |
| 容量 | 忽略大小写、处理逗号分隔符 | (\d[\d,]*)\s*[Mm][Aa][Hh] |
| 线材 | 区分"内置线"和"输入端口"；"Lighting Input" 不是内置线 | 关键词匹配 + 排除 "input"/"port" 后缀 |
| 磁吸 | MagSafe/Qi2 属于磁吸无线充；普通 Qi/wireless 属于无线充但非磁吸 | 分层标注：MagSafe > Qi2 > Qi > 无 |
| 数显 | "LED" 单独出现可能是指示灯而非数显屏 | 需匹配 "LED display"/"LED screen" 而非仅 "LED" |
品类特定经验：充电器（Wall Charger / Charger Block）
| 维度 | 解析要点 | 正则/规则 |
|---|
| 功率 | 优先匹配明确 W 值；无 W 值时 USB-A 单口默认 ≤12W；仅标 "PD"/"Fast Charging" 需 product_detail 确认 | (\d+\.?\d*)\s*[Ww] |
| 接口数 | 区分"端口数"和"装数"：2 port = 2口，2 pack = 2装 | "dual"=2口, "3 port"=3口, 数字+port |
| 接口类型 | 仅标注 USB-C / USB-C+USB-A 两类；纯 USB-A 产品极少（已退出主流） | 默认 USB-C，含 "USB-A"/"USB A" 标为混合型 |
| 带线 | "with cable"/"with cord"/"built-in cable" = 带线；注意区分"带线充电器"和"充电线单品" | 关键词匹配 |
| 装数(Pack) | (\d+)\s*-?\s*[Pp]ack 提取；无 Pack 标注默认 1装 | 正则提取 |
| GaN | 标题含 "GaN"/"Gallium Nitride" = 是 | 大小写不敏感 |
| 折叠插脚 | "foldable"/"fold"/"foldable plug" = 是 | 关键词匹配 |
| 陷阱 | "2 Pack" vs "2 Port" 最常混淆；"USB C Charger Block 2 Pack" = 2装单口，不是2口 | 需组合上下文判断 |
| 陷阱 | 标题无 W 值的 USB-A 产品通常是 5V/2.1A=10W 或 5V/2.4A=12W，需 product_detail 确认 | V×A 推算 |
| 陷阱 | "40W" 标题可能是 "20W × 2 port" 总功率，也可能是单口 40W，需看接口数 | 结合接口数判断 |
经验库使用规则
- 执行 Step 1.5 前，先查阅本节对应品类的经验条目
- 发现新陷阱时，在调研报告末尾记录，后续合并回本节
- 品类首次调研，经验库可能为空，调研结束后必须补充至少 3 条经验
- 置信度标注：凡命中上述陷阱条目的产品，自动标注为"低置信度"，进入
product_detail 验证队列
标准输出目录结构（P2）
定向品类分析（场景 4）的标准输出文件结构：
outputs/market-research/{brand}/{品类}/{version}/
├── top100_raw.json # 原始 Top100 数据（category_report 直接输出）
├── top100_parsed.json # 属性标注后的 Top100 数据（Step 1.5 输出）
├── uncertain_products.json # 需 product_detail 验证的产品列表
├── cross_analysis.json # 交叉分析结果（Step 1.6 输出）
├── voc_analysis.json # VOC 差评分析结果
├── {date}_{site}_{品类}_市场调研报告_{version}.md # 完整 MD 报告
├── {date}_{site}_{品类}_市场调研_数据_{version}.xlsx # Excel 数据（多 Sheet）
├── {date}_{site}_{品类}_精简报告_{version}.html # ⛔ HTML 精简报告（三件套必出）
├── parse_top100_dimensions.py # 标题解析脚本（可选，复杂品类用）
├── apply_overrides.py # 手动修正脚本（可选）
├── cross_analysis.py # 交叉分析脚本（可选）
└── export_to_excel.py # Excel 导出脚本
其中 {version} 格式为 v{N}_{YYYYMMDD}（如 v2_20260228），便于同品类多次调研的版本管理。
报告与数据文件存储
必须同时输出三类文件（⛔ 三件套必出）（与 market-comparison 及「外部数据调用规范」一致）：MD 报告 + Excel 多 Sheet + HTML 精简报告，便于负责人逐项、逐 ASIN 验证且来源可追溯。
| 类型 | 格式 | 文件命名 | 用途 |
|---|
| 报告 | .md | [日期]_[站点]_[关键词]_选品报告.md | 可读结论与建议 |
| 数据 | .xlsx（多 Sheet） | [日期]_[站点]_[关键词]_选品数据.xlsx | 可验证、可透视、可逐条核对；每个 Sheet 含义与来源明确 |
| ⛔ 精简 | .html | [日期]_[站点]_[关键词]_精简报告.html | 快速浏览关键结论，可直接在浏览器打开分享 |
HTML 精简报告输出规范（⛔ 所有品类统一，参考充电宝 v2 / 充电器水准）：
HTML 精简报告须与 MD/Excel 同源数据一致，且结构、样式、区块完整，禁止仅「一段话 + 简单表格」的简陋版。必须包含以下区块与样式约定：
| 区块 | 必选 | 内容要求 | 样式/组件 |
|---|
| Header | ⛔ | 主标题（品类+市场调研）+ 副标题（品牌 · 站点 · 日期 · 版本） | 居中；主标题 28px；副标题灰色 14px |
| 市场大盘 | ⛔ | 4–8 个核心 KPI（Top100 月销量、月销额、均价、中国卖家占比、Top3 集中度、新品占比、平均评分等） | KPI 卡片网格（kpi-grid + kpi-card）：每卡 label + value + note；具体数字，禁止「约」「少量」 |
| 多维产品分布 | ⛔ | 该品类 3–6 个属性维度，每维「主力段 / 销量占比」+「次要段 / 占比」+「关键洞察」一栏 | 表格：表头维度、主力段、销量占比、次要段、占比、关键洞察；数字为具体值 |
| 消费者痛点 | ⛔ | 差评按维度归类的 Top 5–6 条，每条：标题 + 频率/占比（可选）+ 简短描述 | 痛点卡片网格（pain-grid + pain-card）：排名圆标 + 标题 + 频率 + desc；可加 insight 框总结品牌机会 |
| 供需缺口/机会空白 | ⛔ | 交叉分析得出的 3–5 个高价值空白或薄供给组合；维度组合、状态（空白/薄供给）、竞品数、为什么值得关注 | 表格 + gap-tag（empty/scarce）标注状态 |
| 品牌/竞品格局 | ⛔ | Top 5–10 品牌：品牌、SKU 数、月销量、份额、定位、对我方含义 | 表格；必须有明确结论，不得只抄品牌名单 |
| 进入壁垒评估 | ⛔ | Review / 资金 / 技术 / 合规 / 供应链 / 品牌 六类壁垒，含等级、成本/时间、前置条件 | 表格 + 结论段落 |
| Go / No-Go评分卡 | ⛔ | 5 维度评分、加权总分、结论、进入前提、Top3 风险与缓解 | 评分表 + 结论框 |
| 品牌建议 | ⛔ | 产品矩阵或策略建议（可按 Tier1/Tier2 或统一策略表）；规格、价格带、差异化一句 | 策略卡片（tier-card）或表格；与 MD 报告建议一致 |
| Footer | ⛔ | 数据来源（Sorftime MCP）、采集日期、完整报告 .md 与 .xlsx 文件名 | 居中、小字、灰色、border-top |
样式约定：使用 CSS 变量统一主色与灰度（如 --blue, --gray-100）；容器 max-width 960px、padding 40px 24px；表格带圆角、斑马悬停、表头背景；响应式：小屏 KPI 两列、痛点单列。参考实现：使用当前任务输出的公开示例 HTML 结构作为基准，不引用品牌专属历史案例路径。
自检：交付前确认 HTML 含上述 6 个必选区块且无「少量」「约」等模糊表述；与同目录 MD 报告数据一致。
存储位置：统一为 outputs/market-research/[品牌名]/[品类slug]/[version]/；品牌未指定时建议使用 outputs/market-research/_draft/[品类slug]/[version]/。不要把正式交付文件直接散落在仓库根目录。
Excel 多 Sheet 结构（必须包含数据来源说明、总结与明细；凡「Top100」等须在数据来源说明中区分含义）：
| Sheet 名 | 类型 | 数据含义（须在「数据来源说明」中写明） | 主要字段 |
|---|
| 数据来源说明 | 必选 | 本文件所有 Sheet 的来源与含义 | Sheet名、数据来源工具、数据含义、关键参数、数据获取日期 |
| 市场概况 | 总结 | 类目+关键词汇总指标（category_search + keyword_detail） | 类目名称、NodeId、Top100月销量、Top100月销额、平均价格、…、数据获取日期 |
| 类目销量Top100_明细 | 明细 | 类目销量 Top100 榜单（category_report，该类目按销量前 100 产品） | ASIN、标题、品牌、卖家、价格、月销量、月销额、评论数、星级、…、数据来源_工具、数据来源_含义 |
| 属性标注_Top100 | 明细（Step 1.5） | Top100 产品的结构化属性标注结果 | ASIN、标题、品牌、[各属性维度列]、置信度、验证方式（标题/product_detail/override）、数据来源_工具 |
| 交叉分析_矩阵 | 分析（Step 1.6） | 维度交叉表矩阵数据 | 维度A、维度B、产品数、月总销量、月总销额、平均价格 |
| 交叉分析_机会空白 | 分析（Step 1.6） | 供需缺口与机会空白点 | 维度A值、维度B值、产品数、判定（空白/薄供给/高需求低供给）、Top3品牌占比 |
| 关键词自然位产品_明细 | 明细 | 某关键词搜索自然位前 N 产品（keyword_search_results，非类目榜） | ASIN、标题、品牌、价格、月销量、评论数、…、数据来源_工具、关键词、数据来源_含义 |
| 潜力产品_明细 | 明细 | 潜力产品列表（potential_product） | ASIN、标题、品牌、价格、月销量、评论数、潜力指数、数据来源_工具、数据来源_含义 |
| 竞品差评摘要 | 明细 | 某 ASIN 差评摘要（product_reviews, reviewType=Negative） | ASIN、评论类型、痛点维度、摘要或高频词、数据来源_工具、数据来源_含义 |
| 品牌_竞品格局 | 必选 | Top 品牌与竞品角色格局 | 品牌、SKU数、月销量、份额、角色定位、对目标品牌含义 |
| 竞品选择逻辑 | 必选（若有差评分析） | 差评分析所选竞品及选择理由 | ASIN、品牌、选择理由、竞品类型（量级标杆/功能差异代表/价格带覆盖/痛点参考）、覆盖维度、数据来源_工具 |
| 关键词对比_分段 | 必选 | 多维度关键词对比（大词/属性词/规格词/场景词） | 关键词、维度、月搜索量、CPC、自然位产品数、首页平均评论数、数据来源_工具 |
| 新品分析 | 必选（Step 1.7） | Top100 中新品（≤6个月）分布与趋势 | ASIN、标题、品牌、上线日期、上线天数、月销量、月销额、价格、[属性维度列]、新品友好度评级、数据来源_工具 |
| 进入壁垒评估 | 必选 | 六类进入壁垒汇总与启动前提 | 壁垒类型、等级、数据锚点、预估成本、预估时间、对目标品牌含义 |
| Go-NoGo评分卡 | 必选 | 五维加权评分与结论 | 维度、权重、评分、依据、加权分、总分、决策 |
数据来源说明示例行：
| Sheet名 | 数据来源工具 | 数据含义 | 关键参数 | 数据获取日期 |
|---|
| 类目销量Top100_明细 | mcp_sorftime_category_report | 类目销量 Top100 榜单（该类目实时销量前 100 产品） | amzSite=US, nodeId=xxx | 2026-02-12 |
| 关键词自然位产品_明细 | mcp_sorftime_keyword_search_results | 关键词「portable charger」搜索自然位前 50 产品 | amzSite=US, searchKeyword=portable charger | 2026-02-12 |
命名与含义：
- 「类目销量 Top100」= category_report 返回的该类目按销量排序的前 100 个产品。
- 「关键词 XXX 自然位」= keyword_search_results 返回的该关键词搜索下的自然位产品。二者不得混用；报告与 Excel 中凡出现 Top100/自然位等，须与数据来源说明一致。
- 每个明细 Sheet 建议含列「数据来源_工具」「数据来源_含义」，或至少在「数据来源说明」中有一行对应。
生成方式：默认使用 skill 自带脚本，不再要求手工分别拼 MD / HTML / Excel。
统一数据包格式（供 render_deliverables.py 使用）
v2 格式（推荐）
{
"schema_version": "2.0",
"metadata": {
"brand": "AORYVIC",
"category": "wood-furniture-legs",
"version": "v1_20260311",
"date": "20260311",
"site": "US",
"keyword": "wood-furniture-legs",
"created": "2026-03-11 16:20",
"topic": "AORYVIC Wood Furniture Legs Sofa Legs",
"type": "选品报告",
"data_sources": [
"sorftime MCP: category_report",
"sorftime MCP: keyword_detail"
]
},
"chapters": {
"ch01_executive_summary": { "conclusions": [...], "go_nogo_verdict": "GO", "one_line_summary": "..." },
"ch02_market_overview": { "kpis": [...], "keyword_comparison": [...], "insight": "..." },
"ch03_dimension_distribution": { "dimensions": [...] },
"ch04_cross_analysis": { "matrices": [...] },
"ch05_competitor_brands": { "competitor_selection_logic": [...], "brand_landscape": [...], "insight": "..." },
"ch06_voc_pain_points": { "by_dimension": [...] },
"ch07_opportunity_gaps": { "opportunities": [...], "scoring_method": "...", "insight": "..." },
"ch08_strategic_recommendations": { "tiers": [...], "brand_strategy": "...", "timeline": "..." },
"ch09_barriers_go_nogo": { "barriers": [...], "go_nogo_scorecard": [...], "verdict": "GO", "risks": [...] },
"ch10_appendix": { "tool_calls": [...], "data_date": "...", "files": [...] }
},
"excel_sheets": {
"数据来源说明": [{ "...": "..." }],
"市场概况": [{ "...": "..." }]
},
"artifacts": {
"top100_raw.json": [],
"cross_analysis.json": []
}
}
完整 v2 Schema 详见 references/payload_schema_v2.md
v1 格式（向后兼容）
v1 payload 含 report_markdown / report_html 字段，无 schema_version 和 chapters。渲染器自动检测并走旧路径。
脚本职责
render_deliverables.py 会自动：
- 按规范目录写入
outputs/market-research/{brand}/{category}/{version}/
- v2 生成（4 个交付文件）：
{date}_{site}_{keyword}_市场调研报告_{version}.md（从 chapters 模板渲染）{date}_{site}_{keyword}_精简报告_{version}.html（从 chapters 模板渲染）{date}_{site}_{keyword}_可视化看板_{version}.html（Dashboard，从 chapters 构建 view-model）{date}_{site}_{keyword}_市场调研_数据_{version}.xlsxexcel_sheets_data.json、unified_payload.json 与 artifacts 中声明的原始/中间 JSON
- 校验：
- v2: 四件套齐全 + chapters 10 章完整性 + 各章必填字段校验
- Markdown 含 YAML 头
- HTML 含 10 个必选区块
- Excel 首 Sheet 为
数据来源说明
- 文件名、目录结构符合 skill 规范
交付完成定义（DoD）
执行 python skills/zach-product-research/scripts/render_deliverables.py all --input <payload.json> 后，必须同时满足：
- 命令返回
validate_ok
- 正式交付文件位于
outputs/market-research/...
- v2: MD / HTML精简 / Dashboard看板 / XLSX 四件套都存在
- Excel 首 Sheet 为
数据来源说明
- 报告中引用的关键结论在 Excel 对应 Sheet 中可追溯
未调用的工具对应 Sheet 可省略或留空列表，不得用估算填充。
- 报告中的每个关键数字都应在对应 Sheet 中有对应行/列；所有结论可逐条或逐 ASIN 核对，且通过「数据来源说明」可确认来源与含义。
自测命令
每次修改脚本或模板后，至少运行一次：
python skills/zach-product-research/scripts/render_deliverables.py all --input skills/zach-product-research/evals/files/sample_payload_minimal.json --root .
只有返回 validate_ok，才说明交付链路没有被改坏。
风险与边界
- 本 Skill 不做：不执行采购、不下单、不修改 Listing、不操作广告
- 以下情况升级人工：
- Go/No-Go 评分落在 CONDITIONAL GO 区间时，必须人工决策
- 数据异常（如 Top100 返回不足 50 条）时标注数据缺失
- 涉及合规/认证门槛高的品类，提醒用户确认
- risk-level: low — 纯分析/信息收集，不影响资金或账号
上游 / 下游
- 上游（benefits-from）：无，本 Skill 是链路起点
- 下游（建议后续）：
- →
/zach-competitor-deep-dive — 竞品深度拆解
- →
/zach-pricing-strategy — 定价策略
- →
/zach-keyword-expansion — 关键词拓展
可选的下游集成
本公开版只负责产出和校验四件套交付物，不内置任何私有系统写回逻辑。
如果你有自己的工作流系统，可以在交付完成后自行把这些字段接到：
- 飞书、多维表格或内部数据库
- Notion、Airtable、Google Sheets
- 自己的项目看板或选品归档系统
建议同步的最小字段包括：
- 调研关键词
- 站点
- 调研日期
- 月搜索量估算
- 主流售价区间
- 预估毛利率
- Go / No-Go
- 交付目录
- 报告文件名
- Excel 文件名
- Dashboard 文件名
完成后
报告完成状态（四选一）：
- DONE — 四件套全部通过
validate_ok
- DONE_WITH_CONCERNS — 交付完成但数据有缺失（如 Top100 不满 100 条）
- BLOCKED — Sorftime MCP 不可用或品类 ID 无法定位
- NEEDS_CONTEXT — 用户未提供关键词/品类/站点
