zach22-1999/zach-product-research
| 基于Sorftime MCP的选品分析，发现高潜力市场机会、多维度属性标注与交叉分析、验证竞争格局、测算投入产出、输出Go/No-Go决策与选品报告。 使用时机：选品立项前的市场调研。新品上架工作流第一步。 触发词：/zach-product-research
npx skills add https://github.com/zach22-1999/amazon-skills --skill zach-product-research本公开版 Skill 是自包含的，不依赖任何私有工作区文件、内部参考库或品牌专属协议。
开始分析前，优先阅读本 Skill 自带的参考材料：
references/payload_schema_v2.md — v2 数据包结构与必填字段references/payload_schema.md — v1 兼容格式references/html_report_spec.md — HTML 精简报告结构要求references/analysis_patterns.md — 分析模式与洞察写法模板如果你已有自己的市场研究资料，可以作为补充背景使用；但本 Skill 的执行、交付和校验不依赖外部私有资料。
基于 Sorftime MCP 的选品分析，帮助你在有利润前提下，用最短时间、最低风险发现高潜力市场机会。
数据来源：全部通过 Sorftime MCP 工具获取，不捏造、不估算。
下游输出：选品报告（MD + HTML精简 + Dashboard看板 + Excel）→ 新品上架工作流的后续步骤：zach-competitor-deep-dive（Listing 级竞品拆解）→ zach-pricing-strategy（定价精算）→ …
> 注：本 Skill 已吸收原 zach-market-intelligence 的 Go/No-Go 决策框架与进入壁垒评估能力（见 Step 2.4 / Step 3.5），以及 zach-report-dashboard-renderer 的 Dashboard 可视化看板能力。两者均已标记为 deprecated。
scripts/render_deliverables.pymd + html精简 + dashboard看板 + xlsx + json，并执行交付校验schema_version: “2.0” + chapters，渲染器从结构化数据生成表格 + 插入 LLM 洞察段落report_markdown / report_html，直接写入（旧流程）python skills/zach-product-research/scripts/render_deliverables.py generate --input <payload.json>python skills/zach-product-research/scripts/render_deliverables.py validate --input <payload.json>python skills/zach-product-research/scripts/render_deliverables.py all --input <payload.json>scripts/parse_top100_dimensions.pytop100_parsed.json 与 uncertain_products.jsonscripts/cross_analysis.pyreferences/payload_schema_v2.mdrender_deliverables.py 输入数据包时查看references/payload_schema.mdreferences/html_report_spec.mdreferences/analysis_patterns.mdassets/html_report_template.htmlassets/dashboard_template.htmlagents/data-pipeline.mdagents/insight-writer.md（v2 新增，替代 report-writer.md）evals/evals.jsonevals/files/sample_payload_minimal.json以下规则适用于所有场景，不论模型能力或用户是否明确要求：
以下规则确保每份报告达到「充电宝 v2」级别的分析深度，而非纯数据堆砌：
10. ⛔ 必须有 Executive Summary：报告开头必须有 3-5 条核心结论，每条结构为：数据点 → 含义 → 行动建议
11. ⛔ 交叉分析必须解释原因：每个"空白"/"薄供给"标签必须附带原因分析（技术限制？需求不存在？被市场忽视？供应链难度？），不得只标注状态
12. ⛔ 差评痛点必须映射品牌机会：每个维度的差评痛点必须完成 痛点 → 品牌能力 → 产品方案 的映射，不得只列痛点不给方案
13. ⛔ 策略建议必须有产品矩阵：至少给出 Tier 1 产品的完整规格（维度规格表 + 决策理由 + 目标定价 + 差异化主张 + 对标竞品 + 预估月销潜力），绝不允许"待确认"占位
14. ⛔ 供需缺口必须排优先级：按三维评估（市场规模 40% + 技术可行性 30% + 品牌匹配 30%）排序，不得平铺罗列
15. ⛔ 必须使用分析模式：每份报告至少使用以下 4 种分析模式中的 3 种（详见 references/analysis_patterns.md）：
| 模式 | 核心逻辑 | 最低使用次数 |
|------|----------|-------------|
| 数据→空白→机会 | 从分布数据中发现供给空白，评估机会价值 | 1 次 |
| 痛点→优势映射 | 将差评痛点映射到品牌能力和产品方案 | 1 次 |
| 交叉维度→结构性空白 | 多维度交叉发现结构性市场缺口 | 1 次 |
| 多维评估→优先级矩阵 | 多因素加权评估排出优先级 | 1 次 |
执行选品分析时，调用以下 Sorftime MCP 工具（⛔ = 必调，📋 = 按需）：
| 类别 | 工具 | 用途 | 优先级 |
|------|------|------|--------|
| 类目 | category_search_from_product_name | 按产品名搜索相关细分类目 | ⛔ 必调 |
| | category_search_from_top_node | 按大品类搜索细分类目 | 📋 按需 |
| | search_categories_broadly | 多维度广泛搜索类目 | 📋 按需 |
| | category_name_search | 按类目名称查询NodeId | 📋 按需 |
| | category_report | 类目实时Top100报告 | ⛔ 必调 |
| | category_report_from_history | 类目历史Top100报告 | 📋 按需 |
| | category_trend | 类目趋势数据（⛔ NewProductSalesAmountShare 必调） | ⛔ 必调（Step 1.7） |
| | category_keywords | 类目核心关键词 | 📋 按需 |
| 关键词 | keyword_search_results | 关键词搜索结果自然位产品 | 📋 按需 |
| | keyword_detail | 关键词详情 | ⛔ 必调 |
| | keyword_extends | 关键词延伸词 | 📋 按需 |
| | keyword_trend | 关键词历史趋势 | 📋 按需 |
| 产品 | product_search | 产品搜索 | 📋 按需 |
| | product_detail | 产品详情（属性标注补充验证） | ⛔ 必调（Step 1.5） |
| | product_trend | 产品趋势 | 📋 按需 |
| | product_reviews | 产品评论 | ⛔ 必调（Negative） |
| | product_traffic_terms | 产品反查关键词 | 📋 按需 |
| | product_variations | 产品变体 | 📋 按需 |
| 选品 | potential_product | 潜力产品搜索 | 📋 按需 |
| | competitor_product_keywords | 竞品关键词曝光 | 📋 按需 |
| 供应链 | ali1688_similar_product | 1688相似产品（采购成本） | 📋 按需 |
⛔ 必调说明：无论场景如何，这 6 个工具必须调用，其输出是报告核心数据的来源。📋 按需工具根据场景和用户需求选择性调用。
skills/zach-product-research/，但当前会话仍提示 skill 不可用，先检查：product-research）与正式名不一致的问题<= 8 一批，避免一口气铺太多工具调用，导致中途被用户逐个确认打断。~/.cursor/mcp.json 已配置 Sorftime，可考虑走本地直连 HTTP MCP 作为非交互式 fallback；严禁回显真实 key。essential oil diffuser 会混入精油本体、humidifier、reed diffuser、耗材生态。category_name_search / keyword_search_results / 标题样本检查，确认结果池到底是不是同一竞争单元，再做市场规模判断。product_detail。render_deliverables.py all，同时产出 MD + HTML精简 + Dashboard + XLSX。.md，无论分析写得多完整，都视为未完成。excel_sheets 第一张必须是 数据来源说明chapters收到调用后，首先确认以下关键信息：
📋 选品分析 - 信息确认
1. 目标站点：[US/UK/DE/FR/IT/ES/CA/JP，默认US]
2. 选品场景：[新手入门/蓝海发现/季节性/品牌打造/定向品类分析]
3. 约束条件（可选）：
- 价格区间：如 $10-40
- 月销量：如 > 1000
- 品类偏好：如 家居/电子/宠物
- 预算：如 10万人民币
4. 产业带优势（可选）：如有特定供应链优势
如果用户未提供信息：默认按「新手入门」场景，美国站，价格 $10-40，无特定产业带。
1.1 类目市场扫描
调用 search_categories_broadly 或 category_search_from_product_name 筛选符合以下条件的类目：
1.2 关键词机会挖掘（⛔ 必须多维度对比）
对候选类目，调用 keyword_search_results + keyword_detail：
⛔ 多维度关键词对比表：关键词分析必须覆盖至少 3 个层级/维度，不得只分析用户提到的单一维度。
维度示例（根据品类调整）：
| 维度 | 示例关键词 | 说明 |
|------|-----------|------|
| 品类大词 | power bank, portable charger | 最大流量入口 |
| 属性词 | fast charging power bank, wireless power bank | 功能/特性细分 |
| 规格/参数词 | 65W power bank, 20000mAh portable charger | 具体规格参数 |
| 场景词 | laptop portable charger, camping power bank | 使用场景细分 |
每个维度的关键词必须调用 keyword_detail 获取以下数据，输出对比表：
| 关键词 | 维度 | 月搜索量 | CPC | 自然位产品数 | 首页平均评论数 | 数据来源 |
|--------|------|----------|-----|-------------|--------------|----------|
检查点：确认至少 3 个维度的关键词都有 keyword_detail 数据后，再进入 Step 1.3。
1.3 潜力产品初筛
调用 potential_product + product_search：
> 当用户不熟悉目标品类、无法指定分析维度时，模型需要自主发现该品类的关键差异化维度。本步骤在 Step 1.5（属性标注）之前执行，输出为属性标注的维度定义。
触发条件：用户未明确指定分析维度，或指定维度 ≤ 2 个。
执行方法（四路并行，结果综合）：
路径 1：Top100 标题高频词聚类
category_report 返回的 100 条产品标题做词频统计slim 出现 23 次 → 候选维度「外观形态」路径 2：关键词延伸词分析
keyword_extends，分析消费者用什么修饰词搜索keyword_extends("power bank") → "65W power bank", "slim power bank" → 候选维度「功率」「形态」路径 3：product_detail 属性字段 Key 提取
product_detailBattery Capacity, Connector Type → 候选维度「容量」「接口类型」路径 4：WebSearch 品类评测文章（可选）
输出：候选维度列表（5-8 个），每个维度含：
⛔ 必须让用户确认：输出候选维度后，请用户确认/删减/补充，再进入 Step 1.5。用户可能有品类知识补充模型发现不了的维度。
检查点：至少确认 3 个分析维度后，进入 Step 1.5。
> 本步骤将 category_report 返回的 Top100 基础数据升级为结构化多维度属性数据，是后续交叉分析与差异化建议的基础。
输入：Step 2.1 category_report 返回的 Top100 产品列表（本步骤可在获取 Top100 后立即执行，与 Step 1 并行推进）
⛔ 必须提取的基础字段（所有品类通用，category_report 直接返回）：
| 字段 | 来源 | 用途 |
|------|------|------|
| 上线日期 | category_report 原始字段 | Step 1.7 新品分析 |
| 上线天数 | category_report 原始字段 | Step 1.7 新品分析 |
这两个字段在 category_report 返回数据中已有，解析时必须一起提取，不要丢弃。
标注维度（按品类定制，以下为充电宝示例；其他品类需根据品类特征自定义维度）：
| 维度 | 解析方法 | 示例规则（充电宝） |
|------|----------|-------------------|
| 功率 | 正则 (\d+\.?\d*)\s*[Ww] + V/A 推算（V×A=W） | 22.5W, 65W, 5V/3A=15W |
| 容量 | 正则 (\d[\d,]*)\s*[Mm][Aa][Hh] （忽略大小写、处理逗号） | 10000mAh, 20,000 mAh |
| 线材 | 关键词 "built-in cable", "built in", "with cable", "integrated cable" | 内置线/外置线/无 |
| 数显 | 关键词 "LED display", "digital display", "LCD", "battery indicator" | 有/无 |
| 磁吸/无线充 | 关键词 "MagSafe", "magnetic", "Qi2", "wireless charging", "Qi" | MagSafe/Qi2/Qi/无 |
| 外观形态 | 关键词 "slim", "thin", "mini", "compact", "small", "lightweight" | slim/mini/standard |
执行方法（三阶段）：
product_detail 补充验证（针对置信度低的约 20-30% 产品）product_detail 获取 bullet points / 产品描述⚠️ 标题解析注意事项（参见文末「标题解析经验库」章节）
输出：
| 文件 | 内容 |
|------|------|
| top100_parsed.json | 每条产品增加 N 个属性列 + 置信度标注 |
| uncertain_products.json | 需要 product_detail 验证的产品列表及验证结果 |
检查点：确认 100 条产品均已完成属性标注（允许部分维度为"未知"，但不允许跳过标注步骤），再进入下一步。
> 基于 Step 1.5 的结构化属性数据，生成交叉分析矩阵，发现供需缺口与市场机会空白点。
适用条件：
标准交叉表：
对所有有意义的维度对（dimension pair）生成交叉矩阵：
| 交叉维度 | 分析指标 | 说明 |
|----------|----------|------|
| 维度A x 维度B | 产品数 | 该组合下有多少产品 |
| 维度A x 维度B | 月总销量 | 该组合的市场需求量 |
| 维度A x 维度B | 月总销额 | 该组合的市场价值 |
| 维度A x 维度B | 平均价格 | 该组合的价格水平 |
示例（充电宝）：功率 x 容量、功率 x 磁吸、容量 x 线材、功率 x 外观形态 等
自动识别供需缺口：
品牌集中度分析：
输出：
| 文件 | 内容 |
|------|------|
| cross_analysis.json | 所有交叉分析矩阵数据 |
| 机会空白点列表 | 纳入最终报告的"市场机会"章节 |
⛔ 交叉分析输出格式要求：
每对交叉维度的输出不得只有表格，必须包含以下结构：
| 标签 | 定义 | 必须补充的分析 |
|------|------|--------------|
| 空白 | 产品数 = 0 | 原因分析（技术不可行？需求不存在？被忽视？）+ 需求验证方法 |
| 薄供给 | 产品数 ≤ 2 | 现有产品表现如何？（销量/评分）+ 竞争进入难度 |
| 高需求低供给 | 月销量 Top30% 但产品数 Bottom30% | 为什么供给少？+ 进入可行性评估 |
检查点：确认至少 3 对维度组合完成交叉分析，且每对都有「关键发现」段落（不只表格），空白点/薄供给列表已生成且附原因分析，再进入 Step 1.7。
> 基于 Step 1.5 已提取的 上线日期 字段，分析 Top100 中新品的占比、表现和趋势，判断类目对新品的友好程度。这是选品决策的关键输入——新品占比高的类目意味着新进入者有机会，反之则门槛高。
数据来源：
category_report 返回的 上线日期/上线天数 字段（Step 1.5 已提取，零额外 API 成本）category_trend（trendIndex=NewProductSalesAmountShare）→ 1 次 API 调用执行步骤：
1. 上架时间分桶统计
对 Top100 按上架时间分桶，统计每桶的产品数和销量占比：
| 时间段 | 产品数 | 月销量 | 销量占比 |
|--------|--------|--------|----------|
| ≤3 个月 | | | |
| 3-6 个月 | | | |
| 6-12 个月 | | | |
| 1-2 年 | | | |
| 2-3 年 | | | |
| 3 年+ | | | |
2. 半年内新品明细表
列出所有上架 ≤6 个月的产品，按月销量降序：
| ASIN | 品牌 | 价格 | 月销量 | 上线日期 | 天数 | 评论数 | [各属性维度] |
关注：
3. 新品销量占比趋势
调用 category_trend（trendIndex=NewProductSalesAmountShare），获取近 2 年每月的新品销量占比趋势：
4. 新品友好度判断
综合以上数据，给出类目的新品友好度评级：
| 指标 | 友好（绿灯） | 中等（黄灯） | 不友好（红灯） |
|------|------------|------------|--------------|
| 半年内新品占 Top100 数量 | ≥10% | 5-10% | <5% |
| 半年内新品销量占比 | ≥10% | 5-10% | <5% |
| 新品进入 Top50 数量 | ≥3 个 | 1-2 个 | 0 |
| 新品中是否有非头部品牌 | 有白牌/新品牌 | 仅 2-3 线品牌 | 全是头部品牌 |
| 新品销量占比趋势 | 上升 | 平稳 | 下降 |
输出：纳入报告的「市场概况」章节，含上架时间分布表、新品明细、趋势图数据、新品友好度评级。
检查点：新品分析完成且新品友好度评级已给出，再进入 Step 2。
2.1 类目深度分析
调用 category_report 获取 Top 100，分析：
检查点：确认 category_report 返回的产品数 = 100 条（⛔ 硬性规则第 1 条）。不足则重新调用或说明原因。
2.2 竞品详细分析（⛔ 差评分析须附选择逻辑）
对重点产品，调用 product_detail + product_reviews：
⛔ 竞品选择逻辑表：做差评分析前，必须先输出竞品选择逻辑表，说明为什么选这些竞品：
| ASIN | 品牌 | 选择理由 | 竞品类型 | 覆盖维度 |
|------|------|----------|----------|----------|
| B0XXXXXXXX | BrandA | 类目销量 Top3 | 量级标杆 | 价格带-中 |
| B0YYYYYYYY | BrandB | 高功率段销量第一 | 功能差异代表 | 功率-高 |
| B0ZZZZZZZZ | BrandC | 差评率最高（4.0以下） | 痛点参考 | 痛点密集 |
| B0WWWWWWWW | BrandD | 磁吸品类入门款 | 功能差异代表 | 磁吸-入门 |
| B0VVVVVVVV | BrandE | 高端价格带代表 | 价格带覆盖 | 价格带-高 |
| B0UUUUUUUU | BrandF | 低价走量代表 | 价格带覆盖 | 价格带-低 |
⛔ 竞品选择必须满足以下覆盖要求：
| 覆盖维度 | 要求 | 说明 |
|----------|------|------|
| 量级标杆 | 至少 1-2 个 | 类目 Top5 销量产品，代表市场标准 |
| 功能差异代表 | 每个主要功能维度至少 1 个 | 如：高功率代表、磁吸代表、内置线代表 |
| 价格带覆盖 | 高/中/低各至少 1 个 | 确保分析覆盖全价格段 |
| 痛点参考 | 至少 1-2 个 | 差评率高或星级低的产品，挖掘改进机会 |
选择建议：按细分段（如价格带、功率段、使用场景）各选 1-2 个代表，覆盖头部竞品 + 痛点竞品。
检查点：竞品选择逻辑表完成后，再逐一调用 product_reviews（reviewType=Negative）做差评分析。每批最多 8 个并行调用。
⛔ 差评分析按维度分类：差评痛点必须按属性维度归类（如功率相关、线材相关、数显相关、容量相关、磁吸相关、外观形态相关、通用质量问题），而非仅按产品归类。这样才能直接映射到产品设计决策。
2.3 关键词竞争分析
调用 competitor_product_keywords + product_traffic_terms：
2.4 进入壁垒评估（⛔ 必做，原 market-intelligence Step 4）
> 适用场景：所有正式交付版本必须输出。本节用于把“能不能做”的风险讲清楚，避免只给机会不讲门槛。
评估以下壁垒维度，每个维度给出等级（低/中/高）：
| 壁垒类型 | 评估内容 | 数据来源 |
|----------|----------|----------|
| Review 壁垒 | 达到首页需要多少 Review | category_report Top100 评论数分布 |
| 资金壁垒 | 首批备货 + 广告 + 头程 | ali1688_similar_product + 估算 |
| 技术壁垒 | 是否需要认证/专利/模具 | WebSearch + 品类知识 |
| 合规壁垒 | FDA/UL/CE/FCC 等认证 | WebSearch（见下方站点合规表） |
| 供应链壁垒 | 供应商门槛/MOQ | ali1688_similar_product |
| 品牌壁垒 | 是否需要品牌故事/忠诚度 | 竞争格局分析结果 |
站点合规速查：
| 站点 | 常见认证要求 |
|------|-------------|
| US | FDA（食品/化妆品）、UL（电子）、FCC（无线）、CPSC（儿童产品）、EPA（杀虫）|
| UK | UKCA、WEEE |
| DE | CE、WEEE、EPR、VerpackG（包装法）|
| FR | CE、EPR、Triman 标志 |
| IT/ES | CE、EPR |
输出：壁垒汇总表（类型 + 等级 + 预估成本 + 预估时间）+ 预估启动投入合计
财务公式：
毛利 = 售价 - 采购成本 - FBA费用 - 物流成本
净利润 = 毛利 - 广告成本 - 退货损耗 - 平台佣金(约15%)
毛利率 = 净利润 / 售价 * 100%
预估CPC：从 keyword_detail 获取
目标ACOS = 毛利率 * 50%（保守）
净利率 = 净利润 / 售价 * 100%
物流成本参考：
采购成本：可调用 ali1688_similar_product 获取1688货源参考价。
> 适用场景：所有正式交付版本必须输出。即便用户已经倾向进入，也必须把“进入条件、前提风险、最终判断”显式写出来。
评分体系（加权计算）：
| 维度 | 权重 | 评分(1-10) | 数据来源 |
|------|------|-----------|----------|
| 市场规模 | 20% | X | Step 1.1 category_report |
| 竞争格局 | 25% | X | Step 2.1 品牌集中度/新品占比 |
| 需求清晰度 | 15% | X | Step 1.2 关键词 + Step 1.6 交叉分析 |
| 进入壁垒（反向） | 20% | X | Step 2.4 壁垒评估 |
| 盈利能力 | 20% | X | Step 3 投入产出测算 |
决策矩阵：
| 加权总分 | 决策 | 建议 |
|----------|------|------|
| 7.5-10 | GO | 强烈建议进入，优先推进 |
| 6.0-7.4 | CONDITIONAL GO | 有条件进入，需解决关键风险 |
| 4.0-5.9 | HOLD | 暂缓，需更多数据验证或等待时机 |
| 0-3.9 | NO-GO | 不建议进入，风险大于机会 |
输出：评分卡 + 决策建议 + Top3 机会 + Top3 风险 + 缓解方案
注意：如果决策为 NO-GO，流程终止，不进入 Step 4。
> 本步骤是报告的核心价值输出——从数据分析转化为可执行的产品策略。绝不允许"待确认"占位或只列方向不给规格。
4.1 VOC 痛点维度映射
基于 Step 2.2 的差评分析（已按维度归类），对每个维度执行四要素映射：
| 要素 | 说明 | 示例（充电宝-功率维度） |
|------|------|----------------------|
| 痛点描述 | 该维度下消费者最高频的不满 | "充电速度慢，标称快充实际只有 10W" |
| 数据支撑 | 差评频次/占比 + 涉及竞品 | 23% 差评提及充电慢，涉及 Brand A/B/C |
| 品牌机会 | 品牌在该维度的能力优势 | 目标品牌具备快充或供应链优势，可做真实 65W |
| 产品方案 | 具体的产品设计方向 | 标配 65W GaN + LED 实时功率显示，消除信任疑虑 |
⛔ 每个属性维度（来自 Step 1.5）都必须完成此映射表，不得遗漏。
4.2 机会空白优先级排序
汇总 Step 1.6 交叉分析发现的所有空白/薄供给/高需求低供给机会，按三维评估排序：
| 评估维度 | 权重 | 评分标准（1-5 分） |
|----------|------|-------------------|
| 市场规模 | 40% | 1=月销额<$50K, 2=50-200K, 3=200-500K, 4=500K-1M, 5=>1M |
| 技术可行性 | 30% | 1=需要重大研发, 2=需要新模具, 3=改良现有方案, 4=成熟方案, 5=现有产品线可覆盖 |
| 品牌匹配 | 30% | 1=完全不匹配, 2=需要新品牌定位, 3=部分匹配, 4=高度匹配, 5=核心优势领域 |
输出格式：
| 排名 | 机会描述 | 维度组合 | 市场规模(40%) | 技术可行性(30%) | 品牌匹配(30%) | 加权总分 | 建议行动 |
|------|----------|----------|-------------|----------------|-------------|---------|---------|
| 1 | [具体描述] | [维度A×维度B] | X | X | X | X.X | [具体行动] |
4.3 产品矩阵规划
基于优先级排序，规划具体产品矩阵。至少完成 Tier 1（最优先进入的产品），Tier 2/3 视数据充分度而定：
Tier 模板（每个 Tier 必须包含以下所有字段）：
### Tier [N]: [产品定位一句话]
**目标市场**：[对应的维度组合空白/机会]
**决策理由**：[为什么优先做这个——引用 4.2 的优先级排序数据]
| 维度 | 规格 | 决策依据 |
|------|------|----------|
| [维度1] | [具体规格值] | [为什么选这个值] |
| [维度2] | [具体规格值] | [为什么选这个值] |
| ... | ... | ... |
**目标定价**：$XX.XX（基于 Step 3 测算，毛利率 XX%）
**差异化主张**：[一句话核心卖点，区别于竞品的关键]
**对标竞品**：[ASIN] [品牌] [价格] — 我们的优势：[具体差异]
**预估月销潜力**：XX-XX 件/月（基于同维度组合现有产品表现推算）
⛔ 禁止事项：
16. ⛔ 禁止分步输出：不得先手工输出 MD 报告再调用 render_deliverables.py；
所有交付物必须由 render_deliverables.py all 一次性生成
17. ⛔ unified_payload.json 必须包含产品级明细：
excel_sheets["类目销量Top100_明细"] 必须包含 100 条产品数据excel_sheets["属性标注_Top100"] 必须包含属性标注结果top100_raw.json 和 top100_parsed.json18. ⛔ 竞品选择逻辑必须包含价格和销量：competitor_selection_logic 每条记录
必须含 price/monthly_sales/reviews 字段（从 product_detail 获取）
在输出报告和数据文件之前，逐项检查以下清单。全部通过后才可输出，未通过项必须修正后再输出：
category_report）keyword_detail 数据？（至少 3 个维度）render_deliverables.py all 一次性生成（非分步）？洞察质量检查（⛔ 必须全部通过）：
references/analysis_patterns.md）？隐赚指数（潜力指数）评估以下6项，得分越高越好：
| 指标 | 理想状态 |
|------|----------|
| 排名趋势 | 稳定或上升 |
| 销量趋势 | 稳定或增长 |
| 价格趋势 | 稳定或上涨 |
| 评价门槛 | 评论数少、易追赶（<500） |
| 广告成本 | CPC低或自然流量高 |
| 上架时间 | 半年内新品 |
potential_product 可按潜力指数排序，优先筛选高分产品。
| 维度 | 理想指标 |
|------|----------|
| 流量垄断 | 垄断系数 < 30% |
| 品牌分散 | 品牌数 > 80 |
| 新品活跃 | 新品占比 > 30%，新品销量占比 > 15% |
| 评价门槛 | 平均评论数 < 500 |
| 价格区间 | $10-40 |
| 售后风险 | 退货率 < 10% |
每个推荐产品必须包含以下结构：
## 【产品名称】
### 一、市场概况
- **所属类目**：[类目名称 + NodeId]
- **目标关键词**：[核心关键词]
- **月销量规模**：[市场规模]
- **平均价格**：[价格区间]
- **数据来源**：[Sorftime MCP 工具名]
### 二、"6合1"验证
- [ ] 排名趋势：[稳定/上升/下降]
- [ ] 销量趋势：[稳定/增长/下降]
- [ ] 价格趋势：[稳定/上涨/下跌]
- [ ] 评价门槛：评论数[XXX]，可追赶
- [ ] 广告成本：CPC $[XXX]
- [ ] 上架时间：[XXX]个月内
### 三、竞争分析
- **品牌垄断系数**：[XX%]
- **Top3销量占比**：[XX%]
- **新品活跃度**：[高/中/低]
- **主要竞品**：[竞品ASIN及特点]
### 四、财务测算（USD）
| 项目 | 金额 |
|------|------|
| 售价建议 | $XX.XX |
| 采购成本 | $X.XX |
| FBA费用 | $X.XX |
| 平台佣金(15%) | $X.XX |
| 物流成本 | $X.XX |
| 预估毛利 | $X.XX |
| 毛利率 | XX% |
| 预估CPC | $X.XX |
| 目标ACOS | XX% |
| 净利率 | XX% |
### 五、差异化建议
- **痛点改进**：[具体改进方向]
- **卖点提炼**：[差异化卖点]
- **定价策略**：[价格方案]
### 六、风险提示
- [ ] 季节性风险：[是/否]
- [ ] 认证要求：[是/否]
- [ ] 专利风险：[是/否]
- [ ] 供应链风险：[注意事项]
search_categories_broadly 设 top3Product_sales_share < 0.4）keyword_detail）keyword_trend 验证季节性适用于用户已确定要分析的产品/品类（如"分析美国站充电宝市场"、"分析某品类竞争格局"），与场景 1-3 的"发现未知机会"不同。
与发现型场景的区别：
| 步骤 | 发现型（场景1-3） | 定向型（场景4） |
|------|-------------------|----------------|
| Step 1.1 类目扫描 | 广泛搜索候选类目 | 跳过——用户已指定类目，直接用 category_search_from_product_name 定位 NodeId |
| Step 1.2 关键词 | 筛选高潜力词 | ⛔ 多维度对比——必须覆盖品类大词、属性词、规格词、场景词（至少 3 维度） |
| Step 1.4 维度发现 | 📋 按需 | ⛔ 推荐——用户未指定维度时必做；用户已指定维度时跳过 |
| Step 1.5 属性标注 | 📋 按需 | ⛔ 必做——定向分析需要多维度结构化数据，属性标注是核心步骤 |
| Step 1.6 交叉分析 | 📋 按需 | ⛔ 推荐——发现维度组合空白点，直接指导产品定义 |
| Step 2.2 竞品选择 | 按潜力指数选 | 按细分段选——按价格带/功能段/使用场景各选 1-2 个代表，覆盖市场全貌 |
| Step 2.4 进入壁垒 | ⛔ 必做 | ⛔ 必做——正式交付版本必须明确六类壁垒与启动前提 |
| Step 3.5 Go/No-Go | ⛔ 必做 | ⛔ 必做——正式交付版本必须给出量化结论，而不是只给方向 |
| Step 1.7 新品分析 | 📋 按需 | ⛔ 必做——定向分析需评估新品可进入性 |
| Step 1.3 潜力产品 | 核心步骤 | 📋 按需——用户更关心已有市场格局而非新品机会 |
执行要点：
mcp_sorftime_product_search）product_detail 返回字段与可信度指南> Sorftime product_detail 返回的字段来源不同，可信度差异大。标注属性时需按可信度优先级使用。
| 字段 | 对应亚马逊位置 | 可信度 | 使用建议 |
|------|--------------|--------|----------|
| 标题 | 前台产品标题 | 高 | 主要解析来源，消费者可见，虚标会被投诉 |
| 产品描述 | 五点描述 / A+ 文字 | 中高 | 补充验证，营销文案但含具体参数 |
| 属性 | 后台 Item Specifics | 中低 | 结构化但卖家可能乱填，需交叉验证 |
| 外包装尺寸 | 物流属性 | 高 | 可推算产品实际大小，辅助判断形态 |
| 价格/销量/评论/排名 | 前台公开数据 | 高 | 基础信息，直接使用 |
| 主图 URL | 产品图片链接 | — | 当前无法 OCR，仅供人工查看 |
使用优先级：标题 > 产品描述（五点） > 属性字段（后台）
属性字段常见问题：
Special Feature：卖家经常堆砌不相关关键词，不可作为属性判断依据Battery Capacity：通常准确（亚马逊有格式要求），可直接使用Connector Type：格式不统一（有的写 "USB-C"，有的写 "Output: USB-C*2+USB-A*1"），需解析Color / Style：通常准确，可直接使用特征 字段经常为空 {}，不要依赖> 多维度分析流程通常需要 2-3 小时甚至跨 session 完成。为防止上下文压缩或 session 中断导致数据丢失，必须在关键节点持久化中间结果。
⛔ 持久化检查点：
| 完成步骤后 | 必须保存的文件 | 说明 |
|-----------|--------------|------|
| Step 1.1 category_report | top100_raw.json | 原始 Top100 数据，后续所有分析的基础 |
| Step 1.4 维度自发现 | 记录在 session 中或追加到报告 | 用户确认的维度列表 |
| Step 1.5 属性标注 | top100_parsed.json + uncertain_products.json | 标注后数据 + 待验证列表 |
| Step 1.6 交叉分析 | cross_analysis.json | 交叉矩阵 + 空白点 |
| Step 2.2 VOC 分析 | voc_analysis.json | 竞品选择逻辑 + 差评分类 |
原则：
> Sorftime MCP 返回的数据量通常较大（Top100 约 50KB+），直接用 Read 工具读取会超出 token 限制导致失败。所有 Sorftime 大数据返回一律用 Python 脚本解析，不要尝试 Read 工具直读。
| 工具 | 返回大小 | 处理方式 |
|------|----------|----------|
| category_report | ~50KB（100 条产品） | ⛔ 必须用 Python 脚本解析 |
| product_detail（批量） | 每个 ~2-5KB，批量 ≥5 个时总量大 | ⛔ 必须用 Python 脚本解析 |
| keyword_detail | 每个 ~0.5KB | 单次可直读，批量用脚本 |
| product_reviews | ~5-20KB（按产品） | 建议用 Python 脚本解析 |
| 其他单次调用 | <5KB | 可直读 |
Sorftime category_report 返回数据的结构不是标准 JSON，而是包裹在 list[0]['text'] 中，前面带有一行指令文本。必须用以下方式解析：
import json
# raw_data 是 category_report 的返回值（保存为文件后读取）
with open('top100_raw.json', 'r') as f:
raw = json.load(f)
# 结构：list[0]['text'] 包含 JSON，前面有指令前缀
text_content = raw[0]['text']
json_start = text_content.index('{') # 找到第一个 { 的位置
data = json.loads(text_content[json_start:])
# data 现在是标准 dict，包含 Top100 产品列表
products = data.get('products', []) # 具体 key 视返回格式而定
⛔ 不要：
| 规则 | 说明 |
|------|------|
| 每批最多 8 个并行调用 | 超过 8 个可能触发限流 |
| 返回结果用 Python 脚本解析 | 批量结果合并处理，提取需要的字段 |
| 先标题解析，再对"未知"项补调 | 标题覆盖率约 70-80%，仅对缺失项调 product_detail，节省 API 调用 |
标准两步流程（Step 1.5 细化）：
Step 1: 标题正则解析 100 个产品 → 标注已知/未知
Step 2: 对"未知"产品批量调 product_detail（每批 ≤8 并行）→ 从描述/属性中提取缺失值
这比对全部 100 个产品调 product_detail 节省约 70-80% 的 API 调用量。
product_detail 一致，每批最多 8 个 ASIN 并行调用，再合并解析，以减少总耗时voc_analysis.json> 本节记录标题正则解析中的常见陷阱与经验规则，供 Step 1.5 执行时参考，避免重复踩坑。按品类积累，新品类调研后应补充新的经验条目。
| 陷阱类型 | 示例 | 错误理解 | 正确处理 |
|----------|------|----------|----------|
| 相似词混淆 | "Lighting Input" | Lightning 线材 | 这是输入端口描述，不是内置 Lightning 线 |
| V/A 功率推算 | "5V/3A" | 不知道功率 | V x A = W，即 5V/3A = 15W，5V/2.4A = 12W |
| PD 功率推断不可靠 | "PD Fast Charging" | 等于 20W | PD 可能是 15W/18W/20W/30W 中任何一个，需 product_detail 确认 |
| "Fast Charging" 含义模糊 | "Fast Charging Power Bank" | 高功率快充 | 实际可能是 12W-20W 任何功率，需 product_detail 确认 |
| 容量格式多样 | "10000mah", "10,000 mAh" | 解析失败 | 正则需忽略大小写 [Mm][Aa][Hh]，处理逗号 \d[\d,]* |
| 标题营销夸大 | "Super Fast", "Ultra Quick" | 高功率 | 营销用词无标准含义，不可作为属性值 |
| 多功能合并描述 | "3-in-1 Charger Cable" | 三条线 | 可能是一条三合一线，需验证 |
| 维度 | 解析要点 | 正则/规则 |
|------|----------|-----------|
| 功率 | 优先匹配明确 W 值；无 W 值时用 V*A 推算；仅有 "PD"/"Fast Charging" 标记为"待确认" | (\d+\.?\d*)\s*[Ww] 优先；(\d+\.?\d*)\s*[Vv]\s*/?\s*(\d+\.?\d*)\s*[Aa] 次之 |
| 容量 | 忽略大小写、处理逗号分隔符 | (\d[\d,]*)\s*[Mm][Aa][Hh] |
| 线材 | 区分"内置线"和"输入端口"；"Lighting Input" 不是内置线 | 关键词匹配 + 排除 "input"/"port" 后缀 |
| 磁吸 | MagSafe/Qi2 属于磁吸无线充；普通 Qi/wireless 属于无线充但非磁吸 | 分层标注：MagSafe > Qi2 > Qi > 无 |
| 数显 | "LED" 单独出现可能是指示灯而非数显屏 | 需匹配 "LED display"/"LED screen" 而非仅 "LED" |
| 维度 | 解析要点 | 正则/规则 |
|------|----------|-----------|
| 功率 | 优先匹配明确 W 值；无 W 值时 USB-A 单口默认 ≤12W；仅标 "PD"/"Fast Charging" 需 product_detail 确认 | (\d+\.?\d*)\s*[Ww] |
| 接口数 | 区分"端口数"和"装数"：2 port = 2口，2 pack = 2装 | "dual"=2口, "3 port"=3口, 数字+port |
| 接口类型 | 仅标注 USB-C / USB-C+USB-A 两类；纯 USB-A 产品极少（已退出主流） | 默认 USB-C，含 "USB-A"/"USB A" 标为混合型 |
| 带线 | "with cable"/"with cord"/"built-in cable" = 带线；注意区分"带线充电器"和"充电线单品" | 关键词匹配 |
| 装数(Pack) | (\d+)\s*-?\s*[Pp]ack 提取；无 Pack 标注默认 1装 | 正则提取 |
| GaN | 标题含 "GaN"/"Gallium Nitride" = 是 | 大小写不敏感 |
| 折叠插脚 | "foldable"/"fold"/"foldable plug" = 是 | 关键词匹配 |
| 陷阱 | "2 Pack" vs "2 Port" 最常混淆；"USB C Charger Block 2 Pack" = 2装单口，不是2口 | 需组合上下文判断 |
| 陷阱 | 标题无 W 值的 USB-A 产品通常是 5V/2.1A=10W 或 5V/2.4A=12W，需 product_detail 确认 | V×A 推算 |
| 陷阱 | "40W" 标题可能是 "20W × 2 port" 总功率，也可能是单口 40W，需看接口数 | 结合接口数判断 |
product_detail 验证队列定向品类分析（场景 4）的标准输出文件结构：
outputs/market-research/{brand}/{品类}/{version}/
├── top100_raw.json # 原始 Top100 数据（category_report 直接输出）
├── top100_parsed.json # 属性标注后的 Top100 数据（Step 1.5 输出）
├── uncertain_products.json # 需 product_detail 验证的产品列表
├── cross_analysis.json # 交叉分析结果（Step 1.6 输出）
├── voc_analysis.json # VOC 差评分析结果
├── {date}_{site}_{品类}_市场调研报告_{version}.md # 完整 MD 报告
├── {date}_{site}_{品类}_市场调研_数据_{version}.xlsx # Excel 数据（多 Sheet）
├── {date}_{site}_{品类}_精简报告_{version}.html # ⛔ HTML 精简报告（三件套必出）
├── parse_top100_dimensions.py # 标题解析脚本（可选，复杂品类用）
├── apply_overrides.py # 手动修正脚本（可选）
├── cross_analysis.py # 交叉分析脚本（可选）
└── export_to_excel.py # Excel 导出脚本
其中 {version} 格式为 v{N}_{YYYYMMDD}（如 v2_20260228），便于同品类多次调研的版本管理。
必须同时输出三类文件（⛔ 三件套必出）（与 market-comparison 及「外部数据调用规范」一致）：MD 报告 + Excel 多 Sheet + HTML 精简报告，便于负责人逐项、逐 ASIN 验证且来源可追溯。
| 类型 | 格式 | 文件命名 | 用途 |
|------|------|----------|------|
| 报告 | .md | [日期]_[站点]_[关键词]_选品报告.md | 可读结论与建议 |
| 数据 | .xlsx（多 Sheet） | [日期]_[站点]_[关键词]_选品数据.xlsx | 可验证、可透视、可逐条核对；每个 Sheet 含义与来源明确 |
| ⛔ 精简 | .html | [日期]_[站点]_[关键词]_精简报告.html | 快速浏览关键结论，可直接在浏览器打开分享 |
HTML 精简报告输出规范（⛔ 所有品类统一，参考充电宝 v2 / 充电器水准）：
HTML 精简报告须与 MD/Excel 同源数据一致，且结构、样式、区块完整，禁止仅「一段话 + 简单表格」的简陋版。必须包含以下区块与样式约定：
| 区块 | 必选 | 内容要求 | 样式/组件 |
|------|------|----------|-----------|
| Header | ⛔ | 主标题（品类+市场调研）+ 副标题（品牌 · 站点 · 日期 · 版本） | 居中；主标题 28px；副标题灰色 14px |
| 市场大盘 | ⛔ | 4–8 个核心 KPI（Top100 月销量、月销额、均价、中国卖家占比、Top3 集中度、新品占比、平均评分等） | KPI 卡片网格（kpi-grid + kpi-card）：每卡 label + value + note；具体数字，禁止「约」「少量」 |
| 多维产品分布 | ⛔ | 该品类 3–6 个属性维度，每维「主力段 / 销量占比」+「次要段 / 占比」+「关键洞察」一栏 | 表格：表头维度、主力段、销量占比、次要段、占比、关键洞察；数字为具体值 |
| 消费者痛点 | ⛔ | 差评按维度归类的 Top 5–6 条，每条：标题 + 频率/占比（可选）+ 简短描述 | 痛点卡片网格（pain-grid + pain-card）：排名圆标 + 标题 + 频率 + desc；可加 insight 框总结品牌机会 |
| 供需缺口/机会空白 | ⛔ | 交叉分析得出的 3–5 个高价值空白或薄供给组合；维度组合、状态（空白/薄供给）、竞品数、为什么值得关注 | 表格 + gap-tag（empty/scarce）标注状态 |
| 品牌/竞品格局 | ⛔ | Top 5–10 品牌：品牌、SKU 数、月销量、份额、定位、对我方含义 | 表格；必须有明确结论，不得只抄品牌名单 |
| 进入壁垒评估 | ⛔ | Review / 资金 / 技术 / 合规 / 供应链 / 品牌 六类壁垒，含等级、成本/时间、前置条件 | 表格 + 结论段落 |
| Go / No-Go评分卡 | ⛔ | 5 维度评分、加权总分、结论、进入前提、Top3 风险与缓解 | 评分表 + 结论框 |
| 品牌建议 | ⛔ | 产品矩阵或策略建议（可按 Tier1/Tier2 或统一策略表）；规格、价格带、差异化一句 | 策略卡片（tier-card）或表格；与 MD 报告建议一致 |
| Footer | ⛔ | 数据来源（Sorftime MCP）、采集日期、完整报告 .md 与 .xlsx 文件名 | 居中、小字、灰色、border-top |
样式约定：使用 CSS 变量统一主色与灰度（如 --blue, --gray-100）；容器 max-width 960px、padding 40px 24px；表格带圆角、斑马悬停、表头背景；响应式：小屏 KPI 两列、痛点单列。参考实现：使用当前任务输出的公开示例 HTML 结构作为基准，不引用品牌专属历史案例路径。
自检：交付前确认 HTML 含上述 6 个必选区块且无「少量」「约」等模糊表述；与同目录 MD 报告数据一致。
存储位置：统一为 outputs/market-research/[品牌名]/[品类slug]/[version]/；品牌未指定时建议使用 outputs/market-research/_draft/[品类slug]/[version]/。不要把正式交付文件直接散落在仓库根目录。
Excel 多 Sheet 结构（必须包含数据来源说明、总结与明细；凡「Top100」等须在数据来源说明中区分含义）：
| Sheet 名 | 类型 | 数据含义（须在「数据来源说明」中写明） | 主要字段 |
|----------|------|----------------------------------------|----------|
| 数据来源说明 | 必选 | 本文件所有 Sheet 的来源与含义 | Sheet名、数据来源工具、数据含义、关键参数、数据获取日期 |
| 市场概况 | 总结 | 类目+关键词汇总指标（category_search + keyword_detail） | 类目名称、NodeId、Top100月销量、Top100月销额、平均价格、…、数据获取日期 |
| 类目销量Top100_明细 | 明细 | 类目销量 Top100 榜单（category_report，该类目按销量前 100 产品） | ASIN、标题、品牌、卖家、价格、月销量、月销额、评论数、星级、…、数据来源_工具、数据来源_含义 |
| 属性标注_Top100 | 明细（Step 1.5） | Top100 产品的结构化属性标注结果 | ASIN、标题、品牌、[各属性维度列]、置信度、验证方式（标题/product_detail/override）、数据来源_工具 |
| 交叉分析_矩阵 | 分析（Step 1.6） | 维度交叉表矩阵数据 | 维度A、维度B、产品数、月总销量、月总销额、平均价格 |
| 交叉分析_机会空白 | 分析（Step 1.6） | 供需缺口与机会空白点 | 维度A值、维度B值、产品数、判定（空白/薄供给/高需求低供给）、Top3品牌占比 |
| 关键词自然位产品_明细 | 明细 | 某关键词搜索自然位前 N 产品（keyword_search_results，非类目榜） | ASIN、标题、品牌、价格、月销量、评论数、…、数据来源_工具、关键词、数据来源_含义 |
| 潜力产品_明细 | 明细 | 潜力产品列表（potential_product） | ASIN、标题、品牌、价格、月销量、评论数、潜力指数、数据来源_工具、数据来源_含义 |
| 竞品差评摘要 | 明细 | 某 ASIN 差评摘要（product_reviews, reviewType=Negative） | ASIN、评论类型、痛点维度、摘要或高频词、数据来源_工具、数据来源_含义 |
| 品牌_竞品格局 | 必选 | Top 品牌与竞品角色格局 | 品牌、SKU数、月销量、份额、角色定位、对目标品牌含义 |
| 竞品选择逻辑 | 必选（若有差评分析） | 差评分析所选竞品及选择理由 | ASIN、品牌、选择理由、竞品类型（量级标杆/功能差异代表/价格带覆盖/痛点参考）、覆盖维度、数据来源_工具 |
| 关键词对比_分段 | 必选 | 多维度关键词对比（大词/属性词/规格词/场景词） | 关键词、维度、月搜索量、CPC、自然位产品数、首页平均评论数、数据来源_工具 |
| 新品分析 | 必选（Step 1.7） | Top100 中新品（≤6个月）分布与趋势 | ASIN、标题、品牌、上线日期、上线天数、月销量、月销额、价格、[属性维度列]、新品友好度评级、数据来源_工具 |
| 进入壁垒评估 | 必选 | 六类进入壁垒汇总与启动前提 | 壁垒类型、等级、数据锚点、预估成本、预估时间、对目标品牌含义 |
| Go-NoGo评分卡 | 必选 | 五维加权评分与结论 | 维度、权重、评分、依据、加权分、总分、决策 |
| 1688参考 | 明细 | 1688 相似品（ali1688_similar_product） | 标题、价格、链接、数据来源_工具、数据来源_含义 |
数据来源说明示例行：
| Sheet名 | 数据来源工具 | 数据含义 | 关键参数 | 数据获取日期 |
|---------|--------------|----------|----------|--------------|
| 类目销量Top100_明细 | mcp_sorftime_category_report | 类目销量 Top100 榜单（该类目实时销量前 100 产品） | amzSite=US, nodeId=xxx | 2026-02-12 |
| 关键词自然位产品_明细 | mcp_sorftime_keyword_search_results | 关键词「portable charger」搜索自然位前 50 产品 | amzSite=US, searchKeyword=portable charger | 2026-02-12 |
命名与含义：
生成方式：默认使用 skill 自带脚本，不再要求手工分别拼 MD / HTML / Excel。
render_deliverables.py 使用）{
"schema_version": "2.0",
"metadata": {
"brand": "AORYVIC",
"category": "wood-furniture-legs",
"version": "v1_20260311",
"date": "20260311",
"site": "US",
"keyword": "wood-furniture-legs",
"created": "2026-03-11 16:20",
Take zach22-1999/zach-product-research from the repository into ~/.claude/skills for personal
use, or into .claude/skills inside a project.
The agent identifies a skill by the name field in its header. Two skills with the
same name cannot sit side by side — one of them will be ignored.