Sealeap Baize Amazon Competitor Keyword Audit Agent Skill

Amazon 竞品关键词结构审计

目标

Infer competitor keyword coverage from observable organic and sponsored positions, shared attributes, query patterns, and product relevance without claiming access to a competitor account.

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。
• 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。
• 前台观测不能反推出竞品后台匹配类型、竞价或预算。
• 自然排名高也可能来自品牌、历史或变体因素，必须核对本品适配。

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

• 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：

• 选择功能、外观、价格和评价基础足够接近的竞品。
• 分开记录自然可见度、广告可见度、词义相关性和采样时间。
• 重复属性词可作为词组或广泛策略线索；杂乱查询只作为自动流量假设。
• 优先找自然表现强、语义匹配但广告覆盖弱的候选词。
• 对自然靠后或无自然证据的广告词做低相关风险复核，而非自动否定。

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：获取竞品流量词、自然位置、广告覆盖与搜索需求代理数据。

• 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

• 竞品词证据表
• 结构假设与置信度
• 捡漏候选
• 本品验证计划
• 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。