跳至正文
OpenAgentSkill
浏览已开放 · 目录记录日期 2026-11-21 · 自动更新和账户服务暂时关闭。
搜索与研究

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
  • 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
  • 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
  • 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

  1. 权重优先:权重越大,免费流量越多
  2. 盈利监控:利润覆盖广告成本,保持健康ROI
  3. 战场优先:先选好市场,再打磨产品
  4. 数据驱动:用可量化指标判断市场与竞品
  5. 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:

  1. ⛔ 类目 Top100 明细必须输出完整 100 条,不得以"代表产品"缩写
  2. ⛔ 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
  3. ⛔ 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)
  4. ⛔ 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
  5. ⛔ 每个 Step 完成后进行数据完整性检查,再进入下一步
  6. ⛔ 输出前执行 Step 5 交付自检清单
  7. ⛔ 定向品类分析(场景 4)必须执行 Step 1.5 产品属性标注
  8. ⛔ 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:

  1. ⛔ 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
  2. ⛔ 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
  3. ⛔ 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
  4. ⛔ 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
  5. ⛔ 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
  6. ⛔ 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
  7. ⛔ 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
**
阅读完整来源 ↗