Amazon 小体量低垄断细分市场筛选

SkillDev tools

Screen Amazon sub-markets for a capital-constrained seller by capping demand, checking top-listing concentration against the market average, filtering out seasonal curves, reading new-product share, price band and return-rate signals, and turning recurring return reasons into low-cost product improvements before deciding whether to enter. Use for 精铺选品、小类目选品、需求小竞争小的市场、头部垄断怎么判断、季节性产品怎么排除、退货率看什么. Do not use to place purchase orders or to evaluate large-volume categories that require brand-level capital.

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 小体量低垄断细分市场筛选 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-small-niche-market-screening/SKILL.md and read by ahel’s review.

目标

Screen Amazon sub-markets for a capital-constrained seller by capping demand, checking top-listing concentration against the market average, filtering out seasonal curves, reading new-product share, price band and return-rate signals, and turning recurring return reasons into low-cost product improvements before deciding whether to enter.

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。
  • “头部占比超过某倍数即垄断”“集中度阈值”“月销上限”等数值均为来源经验,必须按当前站点与自身资金校准;第三方市场数据是估算,不是平台一方事实。
  • “新品占比高等于机会大”是来源推断,需结合价格趋势验证是否为低价内卷。
  • 退货率与退货原因来自第三方汇总,样本与时间窗可能与当前不同;决策前用平台可见的退货原因或评论复核。
  • 来源关于竞争者动机的判断需要证据(融资、扩张速度、长期定价),不能凭印象定性。

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

  • 目标 marketplace、类目、价格带、上架时间与运营模式
  • 候选品与同购买意图可比样本的销量、评论、价格和上架时间
  • 关键词需求、历史趋势、广告依赖、同款密度和品牌集中度
  • 采购、头程、平台费、退货、仓储、交期和合规/IP 基础信息

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. 先写下自身约束:可用资金、可承接的月销上限与最低利润率、可触达的有门槛货源(本地产业带、非公开货盘);没有货源优势的候选市场后续只能靠运营细节竞争,其余条件要相应收紧。
  2. 用市场筛选工具按三条件初筛:月均销量不超过自身可承接上限、头部若干个 Listing 的销量合计相对市场平均的倍数不过高、商品集中度不超过自设上限;倍数与上限的具体数值按当前站点分布校准,来源经验值仅作参考。
  3. 逐个候选市场看销售趋势曲线:明显随开学季、节日等波动的先排除,或只在有库存周转把握时作为备选;曲线平缓的进入下一步。
  4. 看排名曲线与新品占比:从头部到尾部销量衰减是否平缓(尾部仍有可观销量说明有进入空间)、近半年上架的新品在前列的比例(比例高说明市场未定型,但要核对是否为低价内卷)。
  5. 看价格带与退货率:价格带能否覆盖采购、头程、平台费后仍留目标利润;退货率与退货原因是否指向可低成本改善的痛点(说明书、配件、加固提示等),能改善的加分,“不需要了”类退货不算改善机会。
  6. 调研在场竞争者的动机:以盈利为目的的对手通常不打持久价格战,以份额或融资为目的的对手会长期压价;出现后者且有证据时,对小资金卖家的合理决定是退出。
  7. 输出 GO/NO-GO 与进入方案:定价以利润率与周转率共同约束,接受单品失败但要求组合整体正现金流;候选连续不达标时回到第一步复核约束与货源,而不是放宽筛选条件。

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:获取细分市场销量分布、趋势、新品占比、价格带与退货率的第三方代理数据。

  • 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

  • 自身约束与货源优势清单
  • 细分市场初筛表(需求、集中度、趋势、新品占比、价格带、退货率)
  • 痛点与微改进机会表
  • 竞争者动机评估
  • GO/NO-GO 结论与进入前提
  • 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-small-niche-market-screening
Source
github.com/xjli360/sealeap-amazon-ad-skills