La interfaz está localizada; las descripciones y documentos de las Skills se traducen automáticamente con IA a su idioma. El código, los comandos, rutas y términos técnicos se mantienen en el original, y prevalece el documento del autor.
Explorar Skills
Diseño y creatividad · SKILL.md

sealeap-xiezhi-amazon-scenario-led-differentiation

sealeap-xiezhi-amazon-scenario-led-differentiation

Design low-capex Amazon differentiation by repositioning an existing product for a specific audience, occasion, or use case. Use when a seller cannot justify tooling but needs a visible, evidence-backed reason to buy.

Independent GitHub snapshot · Automated classification · Original documentation governs

Documentación de la Skill

GitHub

name: sealeap-xiezhi-amazon-scenario-led-differentiation description: "Design low-capex Amazon differentiation by repositioning an existing product for a specific audience, occasion, or use case. Use when a seller cannot justify tooling but needs a visible, evidence-backed reason to buy."

Amazon 场景驱动差异化

目标

在不盲目开模的前提下,用真实人群与使用任务重定义产品,使关键词、竞品、页面表达和购买理由同步改变。

适用任务

  • 为成熟产品寻找新使用对象或场景。
  • 区分有效差异化与仅仅做得不同。
  • 设计低投入、搜索页可感知的定位方案。

开始前要拿到

  • 现有产品事实、结构限制和供应能力。
  • 目标人群、活动、场景与未满足任务证据。
  • 原赛道和新赛道的关键词、竞品、价格和评论。
  • 包装、图片、文案与合规可修改范围。

缺少字段时列出证据缺口,并把相关结论标为 FACT、ESTIMATE、ASSUMPTION 或 UNKNOWN;不要补造数据。

不可妥协的边界

  • 第三方数据均为估算或代理证据;Amazon 一方报告、后台实时字段和产品事实优先。
  • 经验阈值只能作为可调起点,必须展示敏感性分析,不能写成 Amazon 官方规则。
  • 不得捏造销量、搜索量、CPC、CVR、成本、认证、产品属性或消费者需求。
  • 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。
  • 不输出或保存素材来源身份、账号、链接、作品编号、互动数据、原始话术或其他可反查来源的线索。
  • 不得仅通过文案声称未经验证的用途。
  • 涉及儿童、食品、医疗、承重、电气等用途时先完成适用测试与合规。

工作流

1. 定义自身边界

先明确资金、运营能力、MOQ、开发周期和可承受试错,再决定差异化深度。

2. 寻找迁移场景

从同一产品可能服务的地点、对象、活动、礼赠和特殊任务中提出候选定位。

3. 验证真实适配

用评论、关键词与使用流程证明产品确实适合新场景,不能只替换标题或图片。

4. 重建竞争

用新场景的精准词识别直接竞品、价格带、评论门槛和流量成本。

5. 设计可见表达

确保差异能在主图、标题前段、数量、组合或包装中被目标消费者快速理解。

6. 小批验证

完成 IP、安全与政策核查后,以小批库存和单变量页面/广告实验验证新定位。

判断标准

  • 有效差异化必须同时具备真实需求、产品适配、消费者可感知和经济可行。
  • 低成本定位差异化优先于高投入开模,但不是所有产品都能安全迁移场景。
  • 差评共性可提示基础缺陷,低频场景需额外证据后才能立项。

第三方 MCP 数据

需要外部关键词、竞品、评论或公开网页证据时,读取 references/mcp-data-plan.md,并使用 scripts/mcp_research.py。

  • 先动态执行 tools/list、search-tools 和 describe,依据实时 inputSchema 构造参数。
  • 凭证只从环境变量读取,不进入参数、URL、Skill、终端输出或 Git。
  • 可能计费的 tools/call 先展示 Provider、工具、无密钥参数、预计成本与输出位置,核对已有授权;仅在授权覆盖本次范围时使用 --allow-cost,该标志不是费用上限。
  • 脱敏结果用 --output 写入 Skill 包之外的任务私有目录;不假设安装位置受仓库 .gitignore 保护。第三方数据标为估算或代理证据。
  • 失败一次后记录缺口,不以重复付费重试掩盖不可用状态。

必须交付的结果

  • 能力与风险边界
  • 候选场景地图
  • 新旧竞争集对比
  • 搜索页表达草案
  • 小批验证与止损计划

结尾列出站点、数据窗口、证据来源、关键假设、缺口、风险、下一步和所有待批准动作。证据不足时写 HOLD,不得包装成可直接执行。

执行细节、证据字段和质量检查见 references/playbook.md。

Skills guardadas