Amazon 出单词反查与关键词分层

SkillSearch

Discover and tier keywords for an Amazon product by combining long-tail expansion, search-suggestion checks, related-term tools and Brand Analytics based converting-term lookups on comparable ASINs, then separate static identity keywords from time-varying traffic terms, group them into manual campaigns and re-check them on a fixed reporting cadence. Use for 出单词怎么找、流量词和关键词的区别、下拉框找词、相关词工具、点击份额转化份额怎么看、关键词分组投放. Do not use to create or edit live campaigns without approval, or to treat third-party share estimates as Amazon first-party data.

Available today. Use it from your connected AI after setup.

Connect ahel once, and every AI you use reads what you have installed.

Then ask your AI: use the Amazon 出单词反查与关键词分层 skill

What this skill tells your AI

The instructions your AI receives, as published by xjli360/sealeap-amazon-ad-skills in amazon-skills/bilibili/bifang/sealeap-bifang-amazon-converting-term-discovery/SKILL.md and read by ahel’s review.

目标

Discover and tier keywords for an Amazon product by combining long-tail expansion, search-suggestion checks, related-term tools and Brand Analytics based converting-term lookups on comparable ASINs, then separate static identity keywords from time-varying traffic terms, group them into manual campaigns and re-check them on a fixed reporting cadence.

不可妥协的边界

  • 当前 Amazon 官方政策、账户资格、站点字段和一方数据优先于本 Skill 的经验框架。
  • 第三方数据一律标为估算或前台观测,不得写成 Amazon 一方事实。
  • 默认只读诊断和草案;任何广告、Listing、库存、促销或外部系统写操作都需逐项展示并取得明确批准。
  • 一次实验只改变一个主要变量,并记录基线、样本、成功、停止和回退条件。
  • 不得复制来源材料或竞品表达;输出必须按当前任务重新组织并可由现有证据支撑。
  • 来源给出的观察周期(数周级初评、更长周期确认)是经验值,以当前广告归因窗与点击样本量校准。
  • “点击份额/转化份额过高即红海应避开”是来源对中小卖家的建议;资金与目标不同的卖家结论不同,需结合自身约束判断。
  • 第三方反查的份额、排名与搜索量均为估算或对官方数据的再加工,标为 ESTIMATE;官方 Brand Analytics 数据本身有周度口径与站点限制。
  • “出单词随时间变化”需用自身账户的搜索词报告验证,不外推为平台规律。

先判断任务模式

  1. 诊断:读取现状、证据和缺口,不生成线上写入动作。
  2. 方案草案:输出可审核的结构、参数范围、实验和回退值。
  3. 执行准备:只生成待批准变更表或 API/控制台操作草案。
  4. 已批准执行:仅对用户在当前会话明确批准的对象和字段执行,并立即回读核验。

用户未指定时采用“诊断”。

开始前要拿到

  • marketplace、产品事实、ASIN/SKU 与目标购买意图
  • 本品和可比竞品的关键词、自然位置、广告可见度与采样时间
  • 搜索词报告、转化、CPC、订单、利润和 Listing 当前覆盖
  • 站点语言、变体、价格、库存与同期促销记录

缺失项必须标为 NEEDS_EVIDENCE;不得猜数字、补属性或把不同站点、ASIN、变体、币种和时间窗混在一起。

工作流

先读取 references/playbook.md,确认该方法适用于当前对象。按以下顺序执行:

  1. 固定产品事实与目标购买意图,先写出主词(产品名称级别的词);主词不确定时用搜索结果页与可比 ASIN 的标题核对,不凭感觉。
  2. 四路来源拉词:①以主词做长尾拓展;②在站点搜索框及细分类目下查看下拉推荐词并记录出现频次;③用相关词/同义词工具把功能诉求换一种说法(用途词、场景词);④对若干可比 ASIN 做出单词反查(基于 Brand Analytics 的周度数据),只保留有点击与转化记录的词。
  3. 读份额指标判断竞争:对每个出单词看点击份额、转化份额与前几名 ASIN 的合计占比;占比过高的词意味着被少数 ASIN 垄断,小卖家优先选择份额分散的词,垄断判定的具体比例按当前类目分布校准。
  4. 清洗与分层:去掉无意义停用词与他人品牌词,按与产品事实的匹配度打分,再按搜索量层级分成主词、精准长尾、补充词;把“标识产品的静态词”(用于收录与索引)和“带来订单的流量词”(会随时间变化)分别标注。
  5. 投放结构:按层级建手动广告组,前期用固定且不激进的竞价;累计足够点击后用广告报告看各词点击与转化,表现差的降价或否定,表现好的独立成组提高精准竞价以稳定位置。
  6. 周期校正:设定固定的报告下载与复盘周期,跟踪流量词是否变化、是否出现新出单词并回填清单;每次调整写入变更记录,只在账户内证据支持时改变分层。

最后做数据充分性检查,并把结论分成 FACT / ESTIMATE / HYPOTHESIS / UNKNOWN。若关键证据不足,状态写 HOLD

第三方 MCP 数据

仅在自有数据不足且当前任务确实需要外部证据时,读取 references/mcp-data-plan.md,再使用 scripts/mcp_research.py。本 Skill 的外部取数目的:获取可比 ASIN 的出单词、点击/转化份额与相关词代理数据。

  • doctor,再 search-toolsdescribe;工具名及参数以实时 tools/listinputSchema 为准。
  • Token 只从环境变量读取。不得写入命令参数、URL、Skill、报告、日志或 Git。
  • tools/call 或 Actor 可能计费;先展示 Provider、工具、无密钥业务参数、预计成本与输出位置,核对已有授权覆盖后才加 --allow-cost;该标志不是费用上限。

必须交付的结果

  • 四路来源合并的候选词表(含来源与频次)
  • 出单词份额与垄断度读表
  • 分层关键词清单(静态索引词/流量词标注)
  • 手动广告组结构草案与起始竞价表
  • 周期复盘与变更记录
  • 数据范围、来源、采集时间、样本与限制。
  • 关键假设、待补证据、风险和不可确定项。
  • 若有动作:对象、旧值、新值、预期、停止条件、回退值与审批状态。

方案状态使用 READY FOR REVIEW / DRAFT / HOLD / STOP;如已执行,另行记录实际结果及回读证据。未得到明确批准时,不得声称已修改线上对象。

Signals

GitHub stars
143
Forks
18
Last commit
Sep 2026
Advanced
Catalog kind
skill
Gateway key
sealeap-bifang-amazon-converting-term-discovery
Source
github.com/xjli360/sealeap-amazon-ad-skills