---

name: sealeap-xiezhi-amazon-red-ocean-micro-niche-discovery description: "Find defensible micro-niches inside a crowded Amazon category by combining low-review recent winners with precise design, attribute, or use-case terms. Use when a broad category looks saturated but supports visible sub-demand."

Amazon 红海微细分发现

目标

从红海类目中定位近期正常做起的低评论差异样本，提取其精准属性，再发现未被充分覆盖的相邻微细分。

适用任务

• 在指定红海类目内找蓝海细分。
• 从近期低评论赢家提取属性词。
• 把一个元素扩展成合法且可见的新设计方向。

开始前要拿到

• 目标类目与产品通用词。
• 近期上架、低评论商品及其销量、评价、变体和广告信号。
• 自然关键词、标题词频和搜索结果。
• 设计能力、IP 筛查、成本和流量经济。

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。
• 不得复制竞品图案、外观或品牌表达。
• 不得把异常运营样本包装为正常市场机会。

工作流

1. 锁定全类目

提取类目通用词并按预定样本上限、分页与筛选条件检索相关商品，记录覆盖范围和遗漏；不能把可见样本宣称为全量市场，也不以单个热门关键词代表类目。

2. 筛近期低评论

按上架时间和评论层级找有正常销量的样本，同时排除合并、异常评价、站外强推和极端促销。

3. 提取精准属性

从自然排名、标题与搜索结果识别图案、结构、材质、尺寸、对象或场景属性。

4. 比较评论层级

确认该属性词下低评论与成熟链接的销量差距不过度悬殊，并检查多个样本。

5. 扩展相邻元素

在相同消费者审美或任务下提出不同但合法的元素/设计方向，重新验证需求与竞品。

6. 完成商业闸门

核算 CPC/CVR、单位经济、供应链、IP、安全和首批库存后再决策。

判断标准

• 近期低评论正常出单是需求变化线索，不是直接抄款依据。
• 属性词精准性必须由搜索结果和购买任务验证，不能只看标题词频。
• 元素迁移需要独立需求证据，并先排查版权、商标和外观风险。

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

• 红海类目基线
• 近期低评论样本池
• 精准属性词证据
• 相邻微细分地图
• 商业与合规决策

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。