Sealeap Xiezhi Amazon Seasonal Blue Ocean Screening Agent Skill

Amazon 季节性冷门机会筛选

目标

从历史月份和未来进场窗口中找出有明确需求、直接竞品较少且能继续验证的候选细分市场。

适用任务

• 按未来旺季倒排选品、生产、运输和上架时间。
• 从大量商品中初筛低评论、适中销量和较高客单价机会。
• 判断一个候选是可研究的细分市场，还是偶发销量或不可复制样本。

开始前要拿到

• 目标站点、计划上架日期、供应链交期与物流时效。
• 价格下限、毛利底线、首批库存上限和可承受广告成本。
• 历史月份的销量、评论、价格、变体和上架时间代理数据。
• 候选产品的精准词、直接竞品与需求场景。

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。
• 不得把筛选结果直接当作可采购产品。
• 不得复制竞品设计；进入采购前必须完成知识产权、产品安全和平台政策核查。

工作流

1. 倒排窗口

从预期需求高峰向前倒排，至少为上架、入仓、评价与广告学习预留缓冲；先排除已经错过窗口的方向。

2. 分层初筛

用评论、销量、价格和历史月份做宽松筛选，并同时保留多组阈值做敏感性分析，避免单一参数制造假蓝海。

3. 验证精准需求

确认至少存在能描述产品属性、对象或场景的精准搜索词，并据此建立真正的直接竞品集合。

4. 检查可复制性

排查异常评论、极端促销、外部爆量、合并变体和短期事件；解释销量来源后再保留候选。

5. 形成候选卡

记录需求驱动、竞争强度、预计 CPC、保守 CVR、单位经济、进场时间和下一步差异化验证。

判断标准

• 评论上限 30/100/200、销量上限 500 等仅是探索分层，不是平台规则或通用答案。
• 优先验证未来三到五个月可能进入高峰的需求，但实际提前量必须由交期和站点时效倒推。
• 低评论且稳定出单只是线索；必须排除异常运营和不可持续流量。
• 候选在纯付费流量的保守情景下至少应接近盈亏平衡，否则标记 HOLD。

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

• 候选细分市场清单
• 直接竞品与精准词表
• 进场时间倒排表
• 单位经济与风险卡
• 继续研究或淘汰结论

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。