Sealeap Qinglong Amazon Ad Diagnostics High Ticket Agent Skill

Amazon 广告诊断与实验：高客单价、利润模型、成本结构

目标

围绕高客单价、利润模型、成本结构，区分流量、零售承接和经济性问题，形成有样本依据的调整建议及受控实验。

使用范围

• 优先处理广告诊断与实验任务；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

• 诊断树
• 异常数据表
• 单变量实验卡

开始前要拿到

• 站点、账户与 ASIN/SKU 范围。
• 广告活动、广告组、投放和搜索词数据。
• 价格、库存、Featured Offer 与贡献毛利。
• 统一日期和归因窗口。

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

• 锁定问题范围和基线，区分无曝光、低点击、低转化和利润问题。
• 在活动、投放、query 和广告位层拆解数据，避免只看总均值。
• 核对零售准备度、相关性、预算、竞价、库存和页面因素。
• 提出一个单变量实验，写明样本门槛、停止条件和回退值。
• 在观察窗结束后同时复核广告、自然销售和贡献利润。

专项路由

• 供应链：统一规格询价，核验产能、质量、交期、合规和备选方案。
• TACOS：联合广告与自然销售评估总广告依赖，避免以压低投放换取表面改善。
• 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。
• 汇率风险：用情景区间评估汇率对收入、成本和利润的影响，不预测单一路径。
• 高客单价：把决策周期、信任证据、获客成本、退货与现金流纳入验证。
• 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。
• 成本结构：拆解可变、固定和一次性成本，给出单位、币种、时间和敏感性。
• 市场机会：先验证需求、直接竞争、价格带和进入门槛，再讨论开发。

完整的 25 张主题证据卡见 references/topic-cards.md；3 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

• 诊断树
• 异常数据表
• 单变量实验卡
• 待批准变更清单
• 复盘与回退记录

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。