菜单
分析 Amazon Ads search term report（SP / SB / SD），识别候选 ASIN、报告类型、低效词、放量词、属性词、场景词和趋势变化。 使用时机：用户上传广告搜索词报告，想判断哪些 search term 应该观察、控 bid、否定候选、继续放量，或想把搜索词里的用户需求反馈到 Listing 与投放策略时调用。 触发词：/zach-search-term-report-analyzer
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
基于领星 ASIN 360 或同类日业务报表，以及用户自己 SIF MCP 导出的日级关键词自然排名 JSON，回测 CVR 与核心词/稳定词自然排名波动的关系，并输出观察线、危险线、广告 CVR 确认线。 使用时机：站外放量、达人投放、联盟投放或内容种草后，需要判断 CVR 低到什么区间会增加自然排名波动风险。 触发词：/zach-sif-cvr-threshold-analyzer
亚马逊卖家专用的 skill 创建器（中文）。当用户想把一个亚马逊运营/自媒体/日常工作流程变成可复用的 skill 时使用。触发场景包括但不限于：用户说"我想做一个 skill""把这个流程变成 skill""帮我写个自动化""优化我已有的 skill""给这个工作流做个自动化"，即使用户没用"skill"这个词，只要在描述"以后每次都这样做"的重复性工作时也应触发。本 skill 的核心差异：强制用户先回答 6 个业务问题（业务目标/过去做法/具体步骤/方法论/调用方式/期望输出）再进入创建流程，防止产出空洞 skill。Create new skills, improve existing skills, run evals and benchmarks — tailored for Amazon sellers with a Chinese-first workflow.
功能需求真伪验证器。用三维数据（Review/关键词/社区）验证微创新是否真实需求。 使用时机：品类选定后评估微创新、竞品分析发现差异点后判断要不要跟进。 触发词：/zach-feature-demand-validator
以真实消费者视角检查亚马逊Listing健康状态。通过网页抓取模拟消费者浏览体验， 检查页面可见性、价格、卖家信息、购物车、配送、类目节点、排名、差评等关键指标， 并验证关键词搜索可见性。使用时机：新品上架后验收、日常巡检、排查Listing异常。 触发词：/zach-listing-health-checker
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
| name | zach-search-term-report-analyzer |
| description | 分析 Amazon Ads SP / SB / SD 搜索词报告。确定性脚本负责清洗、时间窗聚合、词根聚类和决策计算，AI 助手或人工负责词根级语义分类；通过词根继承减少长尾词的待判定比例，输出 Markdown、CSV、HTML 和 JSON 六类结果。 使用时机：判断搜索词是否应该否定、控成本、继续测试或放量，分析 7/14/30 天 CVR 与 ACOS 变化，或者提炼可反馈给 Listing 的属性词和场景词。 触发词：/zach-search-term-report-analyzer |
| triggers | ["/zach-search-term-report-analyzer"] |
| benefits-from | [] |
| user-invocable | true |
| allowed-tools | ["Read","Write","Edit","Bash","Glob","Grep"] |
| risk-level | medium |
v2 将确定性计算与语义判断分开：
搜索词报告
→ Stage A：清洗、7/14/30 天聚合、词根聚类、硬标签
→ Stage B：AI 助手或人工完成词根语义分类
→ Stage C：严格校验、词根决策继承、六类结果渲染
词根继承用于处理低样本长尾词：当单个搜索词样本不足、但所属词根样本足够时，该词继承词根级判断；词与词根样本都不足时进入低量长尾池 pool，汇总监控但不伪装成待判定。
| 参数 | 必须 | 默认值 | 说明 |
|---|---|---|---|
| 搜索词报告 | 是 | — | CSV / XLSX / XLSM / XLS |
| ASIN | 是 | — | 一次只分析一个 ASIN |
| 品牌 | 是 | — | 用于品牌词硬标签与输出命名 |
| 目标 ACOS | 是 | — | 使用小数，例如 0.20 |
| 站点 | 否 | US | 用于可选的 Listing 上下文抓取 |
| 报告类型 | 否 | 自动识别 | SP / SB / SD |
| 时间窗 | 否 | 7,14,30 | 用逗号分隔 |
| Listing 上下文 | 否 | 空 | 可传入本地 Markdown / 文本快照 |
如果报告包含多个 ASIN，先从清洗元数据中列出候选，再让用户选定一个；不要混合分析。目标 ACOS、品牌或 ASIN 缺失时必须补齐，不能用隐藏默认值代替。
references/architecture.md — v2 管线、数据契约与决策顺序references/field_mapping.md — SP / SB / SD 字段映射references/decision_rules.md — 决策规则的运营解释references/term_classification.md — Stage B 分类枚举与 JSON schemareferences/output_template.md — 六类输出与完成信号scripts/prepare_search_term_analysis.py — Stage Ascripts/finalize_search_term_report.py — Stage Cscripts/clean_search_term_report.py — 清洗底层scripts/fetch_listing_context.py — 可选 Listing 上下文抓取python3 skills/zach-search-term-report-analyzer/scripts/prepare_search_term_analysis.py \
<input_file> \
--asin B0XXXXXXXX \
--brand ExampleBrand \
--site US \
--target-acos 0.20 \
--windows 7,14,30 \
--listing-context-file <optional-listing-context.md> \
--output-dir outputs/search-term-report-analyzer/ExampleBrand/intermediate/
--listing-context-file 与 --report-type 均为可选参数，不使用时删除对应命令行。
Stage A 只做可复现计算：
asin_term 与 brand_term它会在中间目录生成：
workbook.json：term、root、窗口指标和分类请求roots_for_review.md：按花费排序的待分类词根表读取 roots_for_review.md、workbook.json 中的 Listing 上下文和 references/term_classification.md，为 classification_request.roots_to_classify 中每一个词根填写：
categoryrelevancenoteneeds_listing_check输出 root_classifications.json。示意结构：
{
"asin": "B0XXXXXXXX",
"classified_by": "ai_assistant",
"listing_context_source": "workbook.meta.listing_context",
"roots": {
"portable karaoke": {
"category": "core_category_term",
"relevance": "high",
"note": "与目标商品的核心用途直接一致",
"needs_listing_check": false
}
},
"term_overrides": {}
}
分类纪律：
uncertain_term，必须给出 category 和 relevance。needs_listing_check 只用于少数确实依赖页面能力才能判断的词根。term_overrides。python3 skills/zach-search-term-report-analyzer/scripts/finalize_search_term_report.py \
outputs/search-term-report-analyzer/ExampleBrand/intermediate/workbook.json \
--classifications outputs/search-term-report-analyzer/ExampleBrand/intermediate/root_classifications.json \
--output-dir outputs/search-term-report-analyzer/ExampleBrand/
Stage C 启动时会严格校验分类覆盖率和枚举值。校验通过后，每个搜索词得到一个主决策、一个决策依据层级 basis、置信度和原因。
输出目录建议为 outputs/search-term-report-analyzer/{brand}/：
| 文件 | 用途 |
|---|---|
..._搜索词报告分析.md | 主报告 |
..._搜索词分析明细.csv | 全词明细 |
..._否词清单.csv | exact 否词候选与 root 级 phrase 建议 |
..._搜索词分析操作台.html | 可筛选、排序、勾选和导出 CSV 的交互工作台 |
..._搜索词分析汇报.html | KPI、决策分布和花费去向静态汇报页 |
..._run_summary.json | 验收指标与文件清单 |
两个 HTML 都是自包含单文件，数据内联，无 CDN、Webfont、外链图片或运行时 fetch，可直接用浏览器打开。
读取 run_summary.json 并核对：
pending_ratio_terms 与 pending_ratio_spend 均不高于 0.10；超标必须解释。pool 的词数、点击、花费和订单在报告中单独披露，且不计入 pending。scripts/analyze_search_term_decisions.py 暂时保留，供已有自动化过渡使用，但已弃用。新任务只使用 Stage A → Stage B → Stage C；旧入口将在后续大版本移除。