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
Entwicklung · SKILL.md

sealeap-baize-amazon-keyword-weight-model

sealeap-baize-amazon-keyword-weight-model

Build testable hypotheses for Amazon keyword relevance and ranking from conversion, clicks, orders, add-to-cart signals, listing semantics, and related-query behavior without claiming a proprietary ranking formula. Use for 关键词权重、精准小词和大词关系、为什么出单后曝光增加、自然排名机制假设.

Independent GitHub snapshot · Automated classification · Original documentation governs

Skill-Dokumentation

GitHub

name: sealeap-baize-amazon-keyword-weight-model description: "Build testable hypotheses for Amazon keyword relevance and ranking from conversion, clicks, orders, add-to-cart signals, listing semantics, and related-query behavior without claiming a proprietary ranking formula. Use for 关键词权重、精准小词和大词关系、为什么出单后曝光增加、自然排名机制假设."

Amazon 关键词权重假设

目标

Build testable hypotheses for Amazon keyword relevance and ranking from conversion, clicks, orders, add-to-cart signals, listing semantics, and related-query behavior without claiming a proprietary ranking formula.

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。
  • 任何指标权重排序和间接加权机制都不是公开公式。
  • 排名抓取可能受地点、登录态、变体和个性化影响。

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、产品事实、ASIN/SKU 与目标购买意图
  • 本品和可比竞品的关键词、自然位置、广告可见度与采样时间
  • 搜索词报告、转化、CPC、订单、利润和 Listing 当前覆盖
  • 站点语言、变体、价格、库存与同期促销记录

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. 把直接词表现与相关词联动拆成不同假设。
  2. 记录出单前后曝光、点击、转化和自然位置,但控制价格、促销与库存。
  3. 用产品事实和搜索结果验证词根相近是否也代表购买意图相近。
  4. 为每条可能的词间关系设置可证伪观察窗。
  5. 只把观测结果写成账户内证据,不外推为平台算法。

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:获取关键词自然位置、需求、相关词和历史趋势的代理观测。

  • 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

  • 关键词假设图
  • 观测变量
  • 证伪条件
  • 账户内结论
  • 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