Amazon 客户反馈与转化改进：评价与口碑、用户画像、新品启动

目标

围绕评价与口碑、用户画像、新品启动，从评论、退货和客服证据定位购买障碍，形成产品或页面改进的优先级和验证计划。

使用范围

• 优先处理客户反馈与转化改进任务；从专项证据卡选择与当前对象和问题直接相关的主题。
• 集合名称用于维护文件归属，不限制用户要求的交叉验证。其他来源与业务域的证据须分别标注，再按同口径比较。
• 本 Skill 可独立使用，不依赖仓库中的私有语义稿。保留去标识化边界，不恢复原素材身份或逐条映射。

适用任务

• VOC 主题表
• 根因树
• 改进优先级

开始前要拿到

• 站点、ASIN/SKU、变体和时间窗。
• 合规取得的评论、退货原因、Q&A 和客服主题。
• 页面、价格、库存和广告流量结构。
• 产品与包装事实。

缺少字段时明确标为 UNKNOWN 或 NEEDS_EVIDENCE，不要补造数据。

不可妥协的边界

• 本 Skill 来自去标识化语义转译，不保留或推断素材来源身份，也不把素材观点冒充 Amazon 当前政策。
• 产品事实、账户事实和 Amazon 一方报告优先；第三方数据必须标明 Provider、站点、日期、样本和估算口径。
• 不捏造销量、搜索量、成本、合规状态、产品属性、评论、平台通知或执行结果。
• 默认提供诊断或草案。写入前展示对象、旧值、新值、影响、停止线与回退，核对用户已有授权是否覆盖对象、动作与预算；范围已明确授权时继续执行并回读核验，只有未覆盖或扩大的范围才请求批准。
• 平台规则、费率、界面和资格会变化；执行前复核当前官方文档与后台状态。

工作流

1. 清洗重复、变体错配和异常评论，保持样本口径。
2. 按任务、障碍、后果、场景和人群聚类 VOC。
3. 把问题映射到产品、包装、说明、Listing 或流量承诺。
4. 按影响、频率、可实现性和受保护收益排序改进。
5. 用单变量页面或样品实验验证，禁止操纵评价。

专项路由

• 评价与口碑：只分析合规获取的 VOC；禁止操纵评价、诱导好评或联系受限买家。
• 用户画像：用行为与场景证据描述人群，不以刻板标签替代真实需求。
• 新品启动：先建立零数据基线，再用小预算、单变量和明确停止条件验证。
• 竞品验证：按相同购买对象、场景、功能和价格带定义直接竞品，并识别异常样本。
• 政策变化：保存官方原文、适用站点、生效日期、受影响对象和待验证解释。
• 利润模型：统一收入、平台费、广告、退货、物流、税费和资金成本口径。
• 变体关系：核对允许的变体主题、子体事实、评论关系与合并拆分风险。
• 差异化：从未满足问题、工程约束和可验证收益推导差异，不只改颜色或包装。

完整的 38 张主题证据卡见 references/topic-cards.md；19 种原有组合见 references/scenario-patterns.md。

第三方数据（可选）

只有在用户数据或 Amazon 一方报告不足时，才按 references/mcp-data-plan.md 发现实时 schema、执行 dry-run，并在可能计费的调用前核对具体请求与预算授权；已有授权覆盖时不重复索取。凭证通过环境变量注入，结果保存到 Skill 包之外的任务私有目录。

必须交付的结果

• VOC 主题表
• 根因树
• 改进优先级
• 页面或产品实验卡
• 评价合规检查

结尾列出站点、时间窗、数据口径、证据、假设、缺口、风险、下一步和所有待批准动作。证据不足时写 HOLD，不得包装成可直接执行。

执行细节、证据字段和质量检查见 references/playbook.md。