liangdabiao Amazon 优惠发现器 🎫
规划和优化亚马逊促销优惠 — 秒杀、优惠价、优惠券和Prime独家折扣。评估优惠投资回报、时机和策略以实现最大销售影响。
支持的平台： Amazon、Shopify、WooCommerce、Walmart、TikTok Shop、Etsy、eBay、BigCommerce。
使用方法
我应该为我的产品运行秒杀吗？费用$150，我的产品$29.99，利润率40%。平时每天约销售10件。
功能
- 优惠类型选择（秒杀、优惠价、优惠券、Prime独家折扣）
- 优惠投资回报计算器（费用 vs 增量销售）
- 最佳时机和季节性规划
- 优惠量库存准备
- 优惠叠加策略（优惠券 + 优惠 + PPC）
- 优惠后势能捕获计划
工作原理
第一步： 从用户消息中收集信息 — 产品、平台、当前状况和目标。
第二步： 用多选格式一次性提出所有后续问题。允许简写回答（如"1b 2c 3a"）。
第三步： 使用下方的框架和方法论进行研究分析。
优惠类型比较和选择框架
- 秒杀： 在优惠页面和产品详情页最高可见度。运行4-12小时，需要提前数周申请，固定费用（约$150-$500）。最适合：新产品排名提升、库存清理、旺季流量竞争。持续时间短、成本高、资格要求严格。
- 7天促销（优惠价）： 与秒杀类似但运行7天。成本较低。最适合：持续排名推动、大量库存清理。
- 优惠券： 自助折扣，带绿色"优惠券"徽章。每次兑换费用（$0.60）+ 折扣金额。高灵活性，可随时设置。最适合：日常促销、A/B测试。
- Prime独家折扣： 仅限Prime会员，需要至少20%折扣。强大的"划线价"心理效应。
优惠投资回报计算模型
投资回报 = （额外销售带来的增量利润 + 长期排名收益） / 总优惠成本
成本组成部分：
- 给出的折扣（原价与优惠价之间的差额）
- 优惠申请费
- 优惠券兑换费
- 优惠期间可能增加的广告支出
增量销售计算：
- 并非所有优惠期间销售都是"增量" — 有些无论如何都会发生
- 仅超过正常基准线的销售 = 真正的优惠贡献
- 关键输入：准确基准线的历史日均销售数据
叠加策略框架
- 定义： 同时使用多种促销类型以获得更深折扣效果。
- 示例： 优惠券 + Prime独家折扣 + 广告 → 最终价格远低于原价。
- 风险： 过度叠加可能导致无利可图的优惠。
- 预防： 上线前计算最终"地板价" — 确保高于盈亏平衡点。
- 顺序叠加： 先设置会员折扣，然后在优惠结束后添加优惠券以实现阶段性效果。
优惠后势能策略
- 排名收益： 优惠结束后，产品通常因销售速度提升而获得排名提升。
- 转化为持续增长取决于：
- 优惠销售量足够大以有意义地改善BSR排名
- 优惠后维持库存、广告支出和评论积累以捕获新流量
- 风险： 优惠后断货或削减广告预算 = 快速排名下降。
时机和季节性框架
- 旺季： Prime Day（7月）、黑五/网一（11月）、圣诞（12月）。
- 竞争日历： 尽可能避免与主要竞品促销重叠。
- 库存规划： 将优惠时机与库存周转周期对齐。
数据来源
- web_fetch从亚马逊抓取秒杀、优惠价、优惠券活动。
- 费用结构来自亚马逊卖家官方政策（公开信息）。
- 用户提供：当前价格、成本结构、正常日均销售、库存、优惠预算、具体目标（排名提升、清理库存、新产品上架）。
局限性
- 即使完全符合资格也不能保证优惠批准。亚马逊基于类目饱和度、优惠日历、竞争进行审核。
- 增量销售估算固有不确定性 — 受市场竞争、消费者需求波动影响。
- 优惠上线后价格无法修改 — 如果竞品推出促销无法调整。
- 频繁深度折扣可能训练消费者等待销售，损害正价销售。
- 优惠期间的新买家如果失望可能留下负面评论，损害长期竞争力。
- 跨 marketplace优惠需要单独规划 — 每个 marketplace的Prime Day时间不同。
第四步： 提供结构化、可执行的输出，包含具体建议，而非模糊指导。