L’interface est localisée ; les présentations et documents des Skills sont traduits automatiquement par IA dans votre langue. Le code, les commandes, chemins et termes techniques restent en version originale, et le document de l’auteur fait foi.
Explorer les Skills
Données et recherche · SKILL.md

sealeap-bixie-amazon-seasonal-demand-cycle-timing

sealeap-bixie-amazon-seasonal-demand-cycle-timing

Distinguish genuine seasonal products from short-lived trends using multi-year search-volume cycles, BSR swings, and competitor price patterns, then map the confirmed cycle into staging, growth, peak, and clearance phases. Provides stop and clearance triggers tied to declining-demand evidence rather than a fixed calendar date. Use for 判断是不是季节性产品、季节性产品备货节奏、旺…

Independent GitHub snapshot · Automated classification · Original documentation governs

Documentation de la Skill

GitHub

name: sealeap-bixie-amazon-seasonal-demand-cycle-timing description: "Distinguish genuine seasonal products from short-lived trends using multi-year search-volume cycles, BSR swings, and competitor price patterns, then map the confirmed cycle into staging, growth, peak, and clearance phases. Provides stop and clearance triggers tied to declining-demand evidence rather than a fixed calendar date. Use for 判断是不是季节性产品、季节性产品备货节奏、旺季衰退信号识别、清仓时机判断. Do not use for routine evergreen-product selection, or to conclude seasonality from a single month of data."

Amazon 季节性产品热度与备货节奏

目标

Distinguish genuine seasonal products from short-lived trends using multi-year search-volume cycles, BSR swings, and competitor price patterns, then map the confirmed cycle into staging, growth, peak, and clearance phases. Provides stop and clearance triggers tied to declining-demand evidence rather than a fixed calendar date.

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。
  • 默认只读诊断和草案;任何广告、Listing、库存、促销或外部系统写操作都需逐项展示并取得明确批准。
  • 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。
  • 判断季节性需要多个周期重复验证的证据,仅凭一年数据或单一竞品表现得出结论,容易把偶发热点误判为稳定季节性规律。
  • 搜索量、BSR 与销量的对应关系是经验假设,不同类目的转化路径不同,量级换算需用自身实际转化数据校准,不能直接套用统一比例。
  • 连续下滑即衰退的判断标准会因类目波动性不同而需要调整灵敏度,窄幅正常波动不应被误判为衰退信号。

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

  • 目标 marketplace、类目、价格带、上架时间与运营模式
  • 候选品与同购买意图可比样本的销量、评论、价格和上架时间
  • 关键词需求、历史趋势、广告依赖、同款密度和品牌集中度
  • 采购、头程、平台费、退货、仓储、交期和合规/IP 基础信息

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. 拉取核心关键词较长周期(建议一年以上)的搜索量曲线,判断是否存在固定月份反复出现的波动,而不是只看近期数据。
  2. 交叉核对三到五个头部竞品同期的 BSR、价格与新链接进入节奏,确认排名与价格波动的时间点是否与搜索量曲线吻合。
  3. 只有搜索量、BSR、价格三个信号在多个周期里都重复出现类似节奏,才判定为真季节性产品,单一信号或只观察到一个周期不足以下结论。
  4. 一旦确认季节性,以搜索量连续多周环比抬升作为进入预热期的信号,启动上架与基础优化,备货量以此前周期的实际峰值销量为参考起点而非固定倍数。
  5. 峰值期后紧盯搜索量与竞品价格是否连续走弱,一旦出现连续走弱信号,立即停止补货并启动广告收缩,不等销量数据本身下滑再反应。
  6. 清仓定价以覆盖仓储与处理成本为底线,只要高于该底线即可考虑放行,不与旺季价格锚点比较。

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:拉取核心词多年历史搜索量曲线与竞品 BSR、价格走势作为季节性判断的代理证据。

  • 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

  • 季节性判断证据表
  • 热度周期阶段划分
  • 分阶段备货与广告节奏计划
  • 衰退与清仓触发条件清单
  • 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。

Skills enregistrées