Sealeap Xiezhi Amazon Audience First Product Discovery Agent Skill

Amazon 人群优先选品

目标

从身份明确且需求持续的人群出发，把其生活与活动场景转化为一条可验证的产品机会线。

适用任务

• 围绕职业、爱好、角色或活动人群寻找产品。
• 把普通产品重组为人群专属方案。
• 从单个需求扩展可持续产品线。

开始前要拿到

• 目标人群及其地区、身份和活动周期。
• 人群的任务、场景、携带物、礼赠和痛点假设。
• 相关关键词、商品、评论和价格带。
• 可用供应链能力与组合限制。

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。
• 不得以刻板印象替代消费者证据。
• 涉及文化、宗教、职业或受保护群体表达时做本地化和合规审核。

工作流

1. 选择人群

优先选择角色或任务清楚、需求反复出现且具有可搜索表达的人群；分析群体场景，不识别或采集个人身份。

2. 画场景旅程

列出工作、训练、出行、庆祝、收纳、礼赠等阶段，并为每一阶段记录待解决任务。

3. 生成产品簇

从功能、数量组合、结构搭配、包装、身份表达和场景文案提出产品方案。

4. 验证搜索与竞争

确认存在精准人群/场景词，搜索结果与目标需求一致，并重建直接竞品集合。

5. 形成产品线

把通过需求、利润和供应链门槛的方案放入短中长期路线图，而非只选一个单品。

判断标准

• 人群词必须对应明确场景和持续需求；宽泛身份标签不构成机会。
• 普通产品只有在数量、结构、表达或服务方案与目标任务强绑定时才产生有效差异。
• 搜索结果相关性和评论语言要共同证明人群需求。

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

• 人群画像与场景旅程
• 需求—产品机会矩阵
• 精准词与直接竞品表
• 组合/定位方案
• 产品线路线图

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。