---

name: amazon-one-shot description: "一站式深度亚马逊产品调研。分析任意ASIN，生成9份综合报告：产品信息提取、关键词研究、竞品分析、评论深度分析（需要登录以获得最佳结果）、销售/收入估算、listing优化审计、图片策略、可复用的listing模板和产品选品可行性评分。当用户提供亚马逊ASIN、产品URL或说'深度调研'/'深度分析'/'调研'/'product research'/'选品分析'时使用此技能。也适用于'analyze this product'、'what do you think of this listing'、'competitive analysis'、'review analysis'等短语，或任何涉及亚马逊产品情报的请求。"

亚马逊一站式产品调研

一站式综合亚马逊产品分析。为任意ASIN生成9份报告。

工作流程概述

第一阶段：数据收集 — 通过Playwright抓取目标产品和竞争对手 第二阶段：报告生成 — 将9份markdown报告写入带时间戳的目录

第一阶段：数据收集

第一步：提取目标产品信息

导航到 https://www.amazon.com/dp/{ASIN} 并提取：

使用 browser_evaluate() 提取：
- 标题 (document.getElementById('productTitle'))
- 价格 (.a-price-whole + .a-price-fraction) — 注意：可能以CNY显示
- 评分 (#acrCustomerReviewText, .a-icon-star .a-icon-alt)
- 评论数 (#acrCustomerReviewText)
- 品牌 (#bylineInfo)
- 五点 (#feature-bullets ul li span) — 全部5条
- 图片数量 (#altImages img count，排除视频缩略图)
- 是否有A+内容 (querySelector('#aplus') || querySelector('.aplus-v2'))
- A+文本 (#aplus_feature_div innerText，前1500字符)
- 评论 ([data-hook="review-body"] 前10条评论，每条前200字符)
- BSR和来自产品详情表格的类目信息
- 星级分布（86% 7% 2% 1% 4% 直方图模式）
- 产品详情表格（所有table.productDetails、table.a-keyvalue）
- 面包屑路径 (#wayfinding-breadcrumbs_container a)
- 重要信息/警告 (#importantInformation_feature_div)
- Byline/品牌店铺链接 (#bylineInfo)

第二步：关键词研究

针对目标产品，导航到5+个关键词变体的亚马逊搜索：

使用的搜索关键词（从产品标题和类目派生）：
1. "{主关键词} toy"（例如 "buzz lightyear toy"）
2. "{主关键词} action figure"
3. "{品牌} {主关键词}"（例如 "disney toy story figure"）
4. "{主关键词} talking toy {尺寸}"
5. "{品牌} {类目} interactive toy gift kids"

对于每个搜索，记录：
- 总搜索结果数 (bodyText.match(/共([\d,]+)条/))
- 前10个产品标题及价格 (.a-price .a-offscreen)
- 这给出了竞争密度和价格范围数据

第三步：寻找竞争对手

从第一个搜索结果页面：

使用 browser_evaluate() 提取：
- 所有产品链接：document.querySelectorAll('a[href*="/dp/"]')
- 从href中提取ASIN：href.match(/\/dp\/([A-Z0-9]+)/)
- 匹配标题以找到前3-4个直接竞争对手（相同类目、相似功能）

然后导航到每个竞争对手ASIN页面，提取与第一步相同的数据（标题、价格、评分、评论数、五点、BSR、A+类型、产品详情表格）。

第四步：评论分析（需要登录增强版）

如果已登录，导航到按星级筛选的评论页面：

1星评论：/product-reviews/{ASIN}?filterByStar=one_star&sortBy=helpful
2星评论：/product-reviews/{ASIN}?filterByStar=two_star&sortBy=helpful
3星评论：/product-reviews/{ASIN}?filterByStar=three_star&sortBy=recent
最新评论：/product-reviews/{ASIN}?sortBy=recent

从每个页面提取：
- 评论正文 ([data-hook="review-body"] span)
- 日期 ([data-hook="review-date"])
- 格式/变体 ([data-hook="format-strip"]) — 关键：识别评论是关于哪个产品变体的
- 已验证购买 ([data-hook="avp-badge"])
- 有帮助投票 ([data-hook="helpful-vote-statement"])

目标：每个星级（1星、2星、3星）10条评论 + 10条最新评论 = 40条总评论

如果未登录： 直接从产品详情页面提取评论（通常可见8-15条评论）。在报告中注明此限制。

第五步：图片分析

从产品页面：
- 统计所有图片 (#altImages img，排除URL中含.SS40或.SX的视频缩略图)
- 记录视频存在情况
- 截取产品页面上部截图作为视觉参考
- 记录图片URL和alt文本

第二阶段：报告生成

将所有报告保存到 reports/{YYYY-MM-DD}_{ASIN}/ 目录。

报告1：产品概览 (01_product_info.md)

结构：

• 基本信息表（ASIN、标题、品牌、价格、CNY + 美元估算÷7.26、评分、评论数、BSR、类目路径）
• 5条五点（完整文本）
• A+内容摘要
• 产品详情表格（材质、尺寸、重量、电池、年龄范围、UPC、型号）
• 重要警告
• 图片数量 + 视频信息

报告2：关键词研究 (02_keyword_research.md)

结构：

• 关键词搜索量表（关键词、结果数、竞争密度、我们的排名）
• 高商业意图关键词
• 长尾机会关键词（低结果 = 高机会）
• 竞争格局（品牌分布、价格范围分析）
• 季节性趋势（Q4高峰55-65%、会员日、黑五）
• 市场机会评分（1-10，说明理由）
• 选品建议

报告3：竞品分析 (03_competitor_analysis.md)

结构：

• 竞争对手概览表（ASIN、品牌、价格、尺寸、评论数、评分、BSR、重量、电池、材质）
• Listing质量比较（标题、五点、图片、A+）
• BSR排名比较与可视化条形图
• 评论量和市场份额估算
• 价格定位图
• 评论情感比较
• 差异化策略总结
• 竞争格局结论（金字塔）
• 选品建议

报告4：评论深度分析 (04_review_analysis.md)

结构：

• 星级分布（86/7/2/1/4）及计算验证
• 正面主题词频排名
• 负面主题词频排名
• 1星评论根因分析（带直接引用）
• 2星评论根因分析
• 3星评论根因分析
• 产品变体质量细分（哪个变体问题最多）
• 买家画像分析（身份%、使用场景、地区）
• 近期趋势分析（2026最新评论）
• UGC挖掘（从真实评论中提取的营销文案）
• 产品改进优先级矩阵（P0/P1/P2）
• 共享评论池发现（如果检测到）

报告5：销售与收入估算 (05_sales_revenue.md)

结构：

• FBA费用计算（尺寸层级、履约费、佣金、仓储、总亚马逊费用）
• 利润分析（毛利润、净利润、利润率%、投资回报率）
• 基于BSR的月销量估算（保守/中等/乐观）
• 单品 vs 系列细分（如果检测到共享评论池）
• 年收入估算
• 评论增长验证方法
• 季节性销售分布（Q1-Q4）
• 关键销售事件（会员日、黑五、圣诞节）
• 选品财务可行性总结

报告6：Listing优化审计 (06_listing_optimization.md)

结构：

• 8维度审计评分表（标题/15、五点/15、图片/15、A+/10、描述/10、定价/10、评论/15、SEO/10）
• 标题分析（关键词覆盖、长度优化、缺失术语）
• 五点分析（结构评估、关键词嵌入、改进建议）
• 图片评估（当前数量、缺失类型、竞争对手比较）
• A+内容评估（自定义 vs 模板、叙事风格）
• SEO关键词覆盖矩阵（哪些关键词出现在哪里，差距）
• 差距分析（优化前后建议）
• 提取的可复用策略

报告7：图片策略 (07_image_strategy.md)

结构：

• 当前图片配置总结
• 每张图片评估（内容、质量、评分、缺失内容）
• 视频评估
• 8维度图片评分
• 识别的缺失图片类型（尺寸对比、信息图、生活方式、开箱内容、互动演示、竞争对手比较）
• 拍摄清单（建议7张图片 + 2个视频，含具体要求）
• 基于常见评论投诉的摄影备注

报告8：Listing模板 (08_listing_templates.md)

结构：

• 标题模板提取（从Disney标题结构得出的公式）
• 五点模板提取（功能递进结构）
• A+内容模板提取（第一人称叙事结构）
• 后台搜索词建议
• 通用模板（可适应任何互动玩具/产品）
• 写作规则总结

报告9：最终评估 (09_final_assessment.md)

结构：

• 市场吸引力矩阵（8个维度各1-10分）
• SWOT分析（优势、劣势、机会、威胁）
• 三种策略的产品选品评分卡：
  • 同IP竞争对手（通常不可行）
  • 非IP互动产品
  • 配件/外设
• 每种策略：可行性、预期月利润、入场成本、建议评分
• 从该产品中学到的Top 5（无论是否进入该市场）
• 如果进入的MVP建议
• 风险警告
• 报告索引（列出全部9份报告）

重要实施说明

1. 人民币定价： 亚马逊可能以人民币显示价格。除以~7.26得到美元估算。始终注明两个值。

2. 共享评论池： Disney/出版商产品可能在变体间共享评论。检查ASIN间的评论数和BSR是否几乎相同。检查评论中的样式:标签以识别每条评论是关于哪个变体的。

3. 浏览器限制：

   • 如果产品详情表格首次未加载，向下滚动并等待3秒，然后重试
   • 评论页面需要登录 — 如果未登录，只从产品页面提取并在报告中注明限制
   • 亚马逊可能重定向到登录/captcha — 等待并重试
   • 谷歌趋势可能无法访问 — 使用一般知识判断季节性趋势

4. 错误恢复：

   • 如果页面返回空产品数据，等待3秒并重试
   • 如果导航被captcha阻止，关闭浏览器，重新打开，然后继续
   • 如果评论页面重定向到登录，尝试产品页面的评论部分

5. 语言： 该技能适用于中文语言环境亚马逊页面（文本为中文）。所有报告输出应为中文。

6. 输出： 将所有9份报告保存为markdown文件到 reports/{YYYY-MM-DD}_{ASIN}/ 目录。使用会话的工作目录作为 reports/ 路径的基础。

7. 语气： 客观、数据驱动的分析。清晰呈现事实和数据。广泛使用表格。在相关处包含直接评论引用。用⚠️标记估计值。