Sealeap Xiezhi Amazon Profit Bound Ad Operations Agent Skill

Amazon 盈利边界广告运营

目标

从选品阶段就限定精准流量和可承受点击，用小型广告结构寻找每个 SKU 的盈利流量区间，并及时降级失败品。

适用任务

• 为低库存多 SKU 模式设计广告。
• 在流量增大但转化下降时守住利润。
• 决定 SKU 是放大、维持、降级还是停投。

开始前要拿到

• SKU 级售价、贡献毛利、库存和销售目标。
• 精准词及其搜索意图、建议竞价和 Listing 覆盖。
• 广告活动/搜索词/广告位的 CPC、CVR、CPA、ACoS 与订单。
• 自然排名、总订单、补货时效和止损上限。

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。
• 不得以广告掩盖产品、价格、库存或页面根因。
• 任何投放、竞价、预算、否定或暂停操作先获明确批准。

工作流

1. 设盈利边界

计算保本 CPC、CPA 和 ACoS，并为目标利润留安全余量。

2. 精简结构

每个活动放少量同意图词；大流量词必要时独立，确保预算和结果可归因。

3. 控制学习

预算覆盖预设样本即可，不追求大量流量；记录归因窗和累计亏损。

4. 先调位置

样本充分后比较广告位，再通过基础竞价与位置系数让流量向高质量位置倾斜。

5. 再调词

高相关低效词隔离复测，不相关词否定，已验证查询从广泛迁入精准。

6. 管理 SKU 状态

盈利且可补货的放大；接近边界的维持；长期不可盈利的降级到低投入或停止。

判断标准

• 每日约 20–30 次点击或一至两周观察只是样例，样本应由预期 CVR、预算和损失上限决定。
• 流量增加后 CVR 下滑可能来自查询/广告位变化，不能直接归因于隐藏人群配额。
• 广告目标是贡献利润与可持续周转，不是单独追求 BSR 或最低 ACoS。

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

• SKU 盈利边界表
• 精简活动结构
• 广告位/查询诊断
• 放大/维持/降级状态
• 待批准最小变更集

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。