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
zach22-1999 · 已有 AI 审核记录
安装与使用
运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。
npx skills add zach22-1999/amazon-skills --skill zach-product-research技能说明
name: zach-product-research description: | 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 benefits-from: [] user-invocable: true allowed-tools: [Read, Write, Edit, Bash, Glob, Grep, mcp__sorftime__category_search_from_product_name, mcp__sorftime__category_search_from_top_node, mcp__sorftime__search_categories_broadly, mcp__sorftime__category_name_search, mcp__sorftime__category_report, mcp__sorftime__category_report_from_history, mcp__sorftime__category_trend, mcp__sorftime__category_keywords, mcp__sorftime__keyword_search_results, mcp__sorftime__keyword_detail, mcp__sorftime__keyword_extends, mcp__sorftime__keyword_trend, mcp__sorftime__product_search, mcp__sorftime__product_detail, mcp__sorftime__product_trend, mcp__sorftime__product_reviews, mcp__sorftime__product_traffic_terms, mcp__sorftime__product_variations, mcp__sorftime__potential_product, mcp__sorftime__competitor_product_keywords, mcp__sorftime__ali1688_similar_product] risk-level: low
前置建议
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。
选品分析器(Product Research - Sorftime MCP)
定位
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。
Script Directory
scripts/render_deliverables.py- 用途:把统一 JSON 数据包渲染为
md + html精简 + dashboard看板 + xlsx + json,并执行交付校验 - v2 模式(推荐):payload 含
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 - v1 兼容模式:payload 含
report_markdown/report_html,直接写入(旧流程) - 命令:
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>
- 适用时机:Step 5 交付阶段,禁止手工只补单个文件后直接结束任务
- 用途:把统一 JSON 数据包渲染为
scripts/parse_top100_dimensions.py- 用途:按规则文件解析 Top100 标题维度,输出
top100_parsed.json与uncertain_products.json
- 用途:按规则文件解析 Top100 标题维度,输出
scripts/cross_analysis.py- 用途:基于解析后的产品 JSON 生成交叉矩阵和机会空白点
References
references/payload_schema_v2.md- 用途:v2 payload 结构定义(10 章 chapters + excel_sheets),准备
render_deliverables.py输入数据包时查看
- 用途:v2 payload 结构定义(10 章 chapters + excel_sheets),准备
references/payload_schema.md- 用途:v1 payload 结构定义(向后兼容参考)
references/html_report_spec.md- 用途:HTML 精简报告区块定义参考
references/analysis_patterns.md- 用途:四种分析模式的模板与示例,报告写作时必须引用(至少使用 3 种)
Assets
assets/html_report_template.html- 用途:HTML 精简报告模板(v1 使用,v2 由 render_deliverables.py 内置渲染)
assets/dashboard_template.html- 用途:Dashboard 可视化看板模板(从 zach-report-dashboard-renderer 迁入),v2 由 render_deliverables.py 自动注入数据
Agents
agents/data-pipeline.md- 用途:负责 Sorftime 原始数据 → 中间 JSON / Excel Sheet 数据
agents/insight-writer.md(v2 新增,替代 report-writer.md)- 用途:负责在固定 10 章结构中撰写分析洞察段落(不写表格格式/HTML)
Evals
evals/evals.json- 用途:最小自测套件
evals/files/sample_payload_minimal.json- 用途:交付链路最小样本
核心原则
- 权重优先:权重越大,免费流量越多
- 盈利监控:利润覆盖广告成本,保持健康ROI
- 战场优先:先选好市场,再打磨产品
- 数据驱动:用可量化指标判断市场与竞品
- 差异化竞争:通过优化设计、卖点、包装提升转化
硬性规则(⛔ 不可省略)
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:
- ⛔ 类目 Top100 明细必须输出完整 100 条,不得以"代表产品"缩写
- ⛔ 竞品差评分析必须附"竞品选择逻辑表"(ASIN + 选择理由 + 竞品类型 + 覆盖维度),竞品总数 6-10 个,覆盖量级标杆/功能差异/价格带/痛点
- ⛔ 关键词分析必须覆盖至少 3 个维度对比(如:品类大词 vs 属性词 vs 规格/场景词)
- ⛔ MD 报告中出现的每个数据表/统计结论,必须在 Excel 中有对应 Sheet
- ⛔ 每个 Step 完成后进行数据完整性检查,再进入下一步
- ⛔ 输出前执行 Step 5 交付自检清单
- ⛔ 定向品类分析(场景 4)必须执行 Step 1.5 产品属性标注
- ⛔ 差评痛点必须按属性维度归类(而非仅按产品归类)
报告写作硬性规则(⛔ 不可省略)
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:
- ⛔ 禁止纯数据呈现:每个数据表格后必须紧跟「关键洞察」段落(2-4 条 bullet),说明数据的业务含义,不得只放表格不做解读
- ⛔ 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 - ⛔ 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
- ⛔ 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 - ⛔ 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
- ⛔ 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
- ⛔ 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 |
Sorftime MCP 工具清单
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 | |
| ** |