Amazon 转化率分层诊断

目标

先查商品与页面承接，再查广告流量，最后判断产品竞争力和可达市场份额，避免用调竞价掩盖根因。

适用任务

• 排查新品或老品低转化。
• 区分 Listing、价格、物流与流量问题。
• 判断继续优化还是止损退出。

开始前要拿到

• 搜索结果与详情页素材、价格、优惠、评分、变体和配送状态。
• 分搜索词、目标和广告位的 CTR、CVR、CPC、订单及花费。
• 同评分层级直接竞品的价格、销量和页面。
• 退货、差评、库存、Buy Box 和归因延迟信息。

缺少字段时列出证据缺口，并把相关结论标为 FACT、ESTIMATE、ASSUMPTION 或 UNKNOWN；不要补造数据。

不可妥协的边界

• 第三方数据均为估算或代理证据；Amazon 一方报告、后台实时字段和产品事实优先。
• 经验阈值只能作为可调起点，必须展示敏感性分析，不能写成 Amazon 官方规则。
• 不得捏造销量、搜索量、CPC、CVR、成本、认证、产品属性或消费者需求。
• 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。
• 不输出或保存素材来源身份、账号、链接、作品编号、互动数据、原始话术或其他可反查来源的线索。
• 不得制造、筛选或操纵评价。
• Listing 和广告变量应分开测试，任何线上改动先批准。

工作流

1. 检查商品承接

依次核对主图可见差异、副图信息、评分质量、定价、变体、要点前段、视频、标题前段、库存和配送。

2. 检查广告位

比较顶部、其余搜索和商品页的 CPC/CVR/ACoS，在样本充分时把流量移向高质量位置。

3. 清理查询

从搜索词报告识别不相关属性、品牌和高点击弱相关词；高相关但低转化词先回查页面与价格。

4. 调整目标

将广泛中已验证的精准词独立测试，低效目标先降价或隔离，不在数据不足时一刀切。

5. 判断天花板

与同评论、同定位、同价格带竞品比较；若自身已不弱于同层级，重新评估目标规模而非盲目加流量。

判断标准

• 诊断顺序是商品/页面 → 流量 → 市场份额，不可直接从高 ACoS 跳到降竞价。
• 主图、标题、视频数量或评分星级与 CVR 的关系需用本 ASIN 数据验证，不能套用固定倍数。
• 高客单价和长决策产品需考虑归因延迟与更长观察窗。

第三方 MCP 数据

需要外部关键词、竞品、评论或公开网页证据时，读取 references/mcp-data-plan.md，并使用 scripts/mcp_research.py。

• 先动态执行 tools/list、search-tools 和 describe，依据实时 inputSchema 构造参数。
• 凭证只从环境变量读取，不进入参数、URL、Skill、终端输出或 Git。
• 可能计费的 tools/call 先展示 Provider、工具、无密钥参数、预计成本与输出位置，核对已有授权；仅在授权覆盖本次范围时使用 --allow-cost，该标志不是费用上限。
• 脱敏结果用 --output 写入 Skill 包之外的任务私有目录；不假设安装位置受仓库 .gitignore 保护。第三方数据标为估算或代理证据。
• 失败一次后记录缺口，不以重复付费重试掩盖不可用状态。

必须交付的结果

• 九项承接审计
• 广告位与搜索词诊断
• 根因排序
• 最小实验方案
• 继续、限流或止损建议

结尾列出站点、数据窗口、证据来源、关键假设、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。