vickyck428-ux Amazon 关键词数据选品
只使用关键词数据选品方法。不要调用或混入其他选品 Skill。
收集输入
优先获取关键词表中的：
- 站点、关键词和时间范围；
- 搜索量、近 3 个月增长和同比增长；
- CPC、转化率、售价；
- 商品数和供需比；
- 购买量和购买率；
- SPR 或 CPR；
- 标题密度；
- 流量成本/货流值；
- Top 3 点击和购买占比；
- 平均评论、评分和类目。
接受 SellerSprite、Helium 10 或其他关键词导出。先说明每个字段来自哪个工具。
数据口径规则
- 把搜索量作为需求体量的方向性指标，不当作精确销量。
- 不用“商品数”直接判断竞争，除非数据覆盖范围明确。
- 不用由不完整商品数计算的供需比作为核心淘汰标准。
- 把 SPR/CPR 视为短周期维持自然首页所需订单量的估算值。
- 分别解释标题密度和 Top 3 点击/购买垄断。
- 不确定的自定义指标必须先解释公式，再参与筛选。
初筛关键词
根据用户经营模式设置条件。课程示例起点：
- 流量成本/货流值不超过约 2；
- 售价至少约 10 美元；
- 平均评论不超过约 100；
- 排除明显季节词；
- 避免搜索量过大、所有卖家都会看到的热门词。
这些是可调整的发现条件，不是硬门槛。
识别关键词背后的产品
对每个入围词：
- 识别真实物理产品；
- 排除品牌词、影视游戏词、无实体商品词和歧义词；
- 判断是单一产品词、场景词、功能词还是泛词；
- 找出核心词和关联词；
- 检查多个词是否指向同一产品。
计算广告可行性
计算：
预估 ACoS = CPC ÷（转化率 × 售价）
转化率用小数。保持 CPC、转化率和售价的数据口径一致。
报告：
- 美国约 40%的警戒线；
- 欧洲约 35%的警戒线；
- 自然流量占比是否足以降低广告依赖。
预估 ACoS 偏高时，只有多个可比新品都能快速获得自然流量，才可保留为观察候选。
验证候选产品
检查：
- 精确同款和替代品；
- 评论依赖；
- Top 3 流量和购买垄断；
- 搜索趋势和季节性；
- 新品自然/广告流量；
- 毛利率和绝对利润；
- 专利、物流、退货和差异化。
输出结论
返回：
- 筛选条件；
- 入围关键词及对应产品；
- 搜索体量和趋势；
- CPC、转化率、售价和预估 ACoS；
- SPR/CPR、标题密度和 Top 3 垄断；
- 评论与自然流量；
优先分析 / 监控 / 淘汰；- 淘汰原因和缺失数据。
筛出的关键词只是候选，不自动等于可上架产品。
精铺女包执行协议
按“包型、材质、功能、风格、场景、人群”建立词根，并把多个关键词聚合到同一物理产品签名。不得把关键词行数当作产品数量。
强制执行：
- 先声明经营模型：稳健长销、趋势小批或高利润长尾；搜索量范围必须随模型变化。
- 同时报告
CPA = CPC ÷ CVR、预估 ACoS = CPC ÷（CVR × 售价）和盈亏平衡 ACoS；数据口径不一致时标记低置信度。 - 将 SPR/CPR、标题密度、Top 3 点击/购买份额和自然首页低评链接分别解释，不合成一个黑盒竞争分。
- 品牌、人物、影视、游戏、球队、图案版权和歧义词先进入合规/语义复核，不能仅凭数值通过。
- 输出关键词簇、实体产品签名、经营池、需求、流量经济性、垄断、评论依赖、缺口和状态。