bsc-amazon-rufus-cosmo

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：

1. 当前哪里失分
2. 为什么失分
3. 应先改什么
4. 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：

1. 产品基础信息
2. 评论与差评高频问题
3. 竞品关键词或竞品表达
4. 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：

1. 语义检索匹配度：标题、Bullet、描述是否覆盖真实查询意图
2. 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
3. COSMO 知识图谱对齐度：是否覆盖 Who / When-Where / Problem / Concern / Outcome
4. 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
5. 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
6. 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
7. 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：

1. 页面已声明事实：标题、Bullet、属性、描述、A+、图片可读信息
2. 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”
3. 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：

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. 优化后文案
10. 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：

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

不要把标题写成关键词仓库。

Bullet

5 条 Bullet 尽量各司其职：

1. 核心痛点或主差异化
2. 使用场景
3. 硬参数和可验证事实
4. 目标人群或边界条件
5. 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：

1. 标题、Bullet、属性、图片语义自相矛盾
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。