Die Oberfläche ist lokalisiert; Skill-Beschreibungen und -Dokumente werden per KI automatisch in Ihre Sprache übersetzt. Code, Befehle, Pfade und Fachbegriffe bleiben im Original, maßgeblich ist das Dokument des Autors.
Skills entdecken
Produktivität · SKILL.md

sealeap-baize-amazon-ad-strategy-router

sealeap-baize-amazon-ad-strategy-router

Route an Amazon product into precise-attribute, broad-intent, or no-clear-keyword advertising structures based on product truth, search behavior, conversion, and unit economics. Use for 不同产品怎么选广告打法、服装多变体、泛流量品、无明确关键词产品、保守或进攻策略.

Independent GitHub snapshot · Automated classification · Original documentation governs

Skill-Dokumentation

GitHub

name: sealeap-baize-amazon-ad-strategy-router description: "Route an Amazon product into precise-attribute, broad-intent, or no-clear-keyword advertising structures based on product truth, search behavior, conversion, and unit economics. Use for 不同产品怎么选广告打法、服装多变体、泛流量品、无明确关键词产品、保守或进攻策略."

Amazon 广告策略路由

目标

Route an Amazon product into precise-attribute, broad-intent, or no-clear-keyword advertising structures based on product truth, search behavior, conversion, and unit economics.

不可妥协的边界

  • 当前 Amazon 官方政策、账户资格、站点字段和一方数据优先于本 Skill 的经验框架。
  • 第三方数据一律标为估算或前台观测,不得写成 Amazon 一方事实。
  • 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。
  • 一次实验只改变一个主要变量,并记录基线、样本、成功、停止和回退条件。
  • 不得复制来源材料或竞品表达;输出必须按当前任务重新组织并可由现有证据支撑。
  • 品类或变体数量不直接决定广告结构,购买意图和可隔离证据才决定。
  • 宽泛流量必须有独立预算和回退线。

先判断任务模式

  1. 诊断:读取现状、证据和缺口,不生成线上写入动作。
  2. 方案草案:输出可审核的结构、参数范围、实验和回退值。
  3. 执行准备:只生成待批准变更表或 API/控制台操作草案。
  4. 已批准执行:仅对用户在当前会话明确批准的对象和字段执行,并立即回读核验。

用户未指定时采用“诊断”。

开始前要拿到

  • marketplace、店铺、ASIN/SKU、广告类型和目标
  • 同口径的 Campaign、Targeting、Search Term、Placement 与 Advertised Product 报告
  • 售价、优惠、COGS、Amazon 费用、退款与目标贡献利润
  • 库存、Buy Box、Listing、评论和同期市场事件

缺失项必须标为 NEEDS_EVIDENCE;不得猜数字、补属性或把不同站点、ASIN、变体、币种和时间窗混在一起。

工作流

先读取 references/playbook.md,确认该方法适用于当前对象。按以下顺序执行:

  1. 先判断产品是否有明确属性词、只有宽泛场景词,或主要依靠相似商品流量。
  2. 有明确属性词时用精准核心词和受控词根扩展;泛流量品分开探索。
  3. 无明确关键词时以高度相似 ASIN 和自动发现为小预算入口。
  4. 根据利润、转化、库存与增长目标选择盈利、进攻或保守模式。
  5. 运行后按真实 CPC、CVR 和总利润重新分类,不固守上线前标签。

最后做数据充分性检查,并把结论分成 FACT / ESTIMATE / HYPOTHESIS / UNKNOWN。若关键证据不足,状态写 HOLD。

第三方 MCP 数据

仅在自有数据不足且当前任务确实需要外部证据时,读取 references/mcp-data-plan.md,再使用 scripts/mcp_research.py。本 Skill 的外部取数目的:获取关键词结构、相似 ASIN、搜索场景和竞争强度代理证据。

  • 先 doctor,再 search-tools 和 describe;工具名及参数以实时 tools/list 与 inputSchema 为准。
  • Token 只从环境变量读取。不得写入命令参数、URL、Skill、报告、日志或 Git。
  • tools/call 或 Actor 可能计费;先展示 Provider、工具、无密钥业务参数、预计成本与输出位置,核对已有授权覆盖后才加 --allow-cost;该标志不是费用上限。

必须交付的结果

  • 产品流量类型
  • 广告结构路由
  • 经营模式选择
  • 重分类触发器
  • 数据范围、来源、采集时间、样本与限制。
  • 关键假设、待补证据、风险和不可确定项。
  • 若有动作:对象、旧值、新值、预期、停止条件、回退值与审批状态。

方案状态使用 READY FOR REVIEW / DRAFT / HOLD / STOP;如已执行,另行记录实际结果及回读证据。未得到明确批准时,不得声称已修改线上对象。

Gespeicherte Skills