# Amazon Blue Ocean Screening

> Independently screen and rank Amazon categories or niches for small blue-ocean opportunities using coarse filters, fatal gates, expected ACoS, margin, review dependence, concentration, returns, and real new-product launch evidence. Use when the user asks for 小众蓝海筛选、批量类目打分、细分市场排名、蓝海类目 Excel 分析、精铺女包细分市场排序，或从多个 niche 中找优先级。

- Skill: `vickyck428-ux/amazon-blue-ocean-screening` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add vickyck428-ux/amazon-blue-ocean-screening`
- Raw SKILL.md: https://api.skillmd.com/api/skills/vickyck428-ux/amazon-blue-ocean-screening/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Data & Analytics
- Author: vickyck428-ux (https://skillmd.com/u/vickyck428-ux)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/vickyck428-ux/amazon-blue-ocean-screening

---


# Amazon 小众蓝海筛选

只使用小众蓝海筛选方法。不要调用或混入其他选品 Skill。

## 收集输入

优先获取每个候选类目的：

- 站点、类目名称和节点；
- 前 100 总月销量、平均月销量和平均价格；
- 平均评论与 500 评以上链接销量占比；
- 约 10 个核心关键词自然首页中 50 评以下链接占比；
- CPC、转化率和售价；
- 头部产品毛利率；
- 头部新品 Vine/评论启动情况；
- 商品集中度、Amazon 自营占比和卖家国家；
- A+/视频销量占比、退货率、头部销量和尾部利润；
- 近 12 个月趋势和季节性。

接受表格、截图或文本。字段缺失时保留候选并标记 `NEEDS DATA`，不要按通过处理。

## 第一轮：粗筛

使用课程中的工作区间作为起点，而非硬标准：

- 前 100 总月销量约 3,000–15,000；
- 平均月销量约 30–150；
- 平均评论尽量不超过约 200–300；
- Amazon 自营占比尽量不超过约 35%；
- 可按用户模式增加最低售价和最大重量。

允许用户覆盖阈值。记录每次覆盖。

## 第二轮：致命指标

### 1. 毛利率

同时报告毛利率和绝对利润。

- 低于约 30%：通常淘汰；
- 30%–35%：低安全区，不加分；
- 至少 35%：+1；
- 至少 40%：+3；
- 至少 45%：+5。

### 2. 新品预估 ACoS

计算：

`预估 ACoS = CPC ÷（转化率 × 售价）`

转化率使用小数，例如 10% 写作 `0.10`。CPC、转化率和售价尽量使用同一数据源口径。

- 美国高于约 40%：通常淘汰或要求强自然流量证据；
- 欧洲高于约 35%：通常淘汰或要求强自然流量证据；
- 不超过 20%：+5；
- 不超过 30%：+3；
- 不超过 35%：+1。

### 3. 评论依赖

同时使用两种验证：

- 500 评以上链接销量占比最好不超过约 30%；超过 50%视为高风险；
- 约 10 个核心关键词的自然首页中，50 评以下链接占比最好至少达到 20%。

检查成功新品的起始评论：

- 多数仅做 2 个免费 Vine：+5；
- 多数约 10 个 Vine：+3；
- 多数约 30 个 Vine：+1；
- 多数一开始就超过 50 评或有明显异常：通常淘汰。

## 第三轮：加分项

仅对已通过致命指标的候选加分：

- 增量市场：+1；
- 商品集中度低于 40%：+1；高于 60%：-1；
- Amazon 自营低于 30%：+1；高于 50%：-1；
- 本土卖家多于中国卖家：+1；
- 无 A+/视频的弱 Listing 占较高销量：+1；
- A+和视频强 Listing 占比过高：-1；
- 退货率低于 5%：+1；高于 10%：-1；
- 头部月销量至少约 100：+1；
- 尾部商品仍可盈利：+1。

不要用总分抵消任何致命指标。

## 输出结论

按候选输出：

1. `入围 / 待补数据 / 淘汰`；
2. 致命指标结果；
3. 加分和扣分明细；
4. 总分；
5. 决定性原因；
6. 风险与缺失数据；
7. 下一步最低成本验证动作。

最后只对通过致命指标的候选排序。

## 精铺女包执行协议

将候选写成“包型 × 材质 × 功能 × 场景 × 风格”，不要只写“痛包”“牛仔包”等大词。先对 10–30 个细分需求做宽松发现，每轮最多把 3 个通过致命项的市场交给正式市场调研。

强制执行：

1. 同时验证 500 评以上商品销量占比、核心词自然首页低评链接占比和成功新品启动评论，三者不得互相替代。
2. 检查所谓新品的父体年龄、评论继承、历史履约和自然/广告订单；无法核实则标记 `NEEDS DATA`。
3. 将粗筛区间记录为“发现参数”，不得写成普遍淘汰线。
4. 利润、预估 ACoS、评论依赖、侵权和不可复制启动方式均为致命项，总分不能抵消。
5. 输出 `niche_id`、标准化细分市场、经营池（稳健/趋势/长尾）、致命项、加减分、数据日期、缺口和最低成本下一步。