Amazon 小体量低垄断细分市场筛选
SkillDev toolsScreen 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.
No other account needed.
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
- 诊断:读取现状、证据和缺口,不生成线上写入动作。
- 方案草案:输出可审核的结构、参数范围、实验和回退值。
- 执行准备:只生成待批准变更表或 API/控制台操作草案。
- 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:
- 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。
- 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。
- 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。
- 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)。
- 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。
- 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。
- 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。
- 先
doctor,再search-tools和describe;工具名及参数以实时tools/list与inputSchema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