# Sealeap Qiongqi Amazon AI Product Gap Research

> Use an agentic AI workflow on raw Amazon keyword exports and customer feedback to locate shopper-intent gaps with demand but weak supply, then produce a product definition, unit economics, and supplier quote requests that are verified by hand before any sourcing decision. Use for AI 选品、找市场缺口、有需求没供给的细分、产品开发方向、单位经济测算、供应商询价整理. Do not use AI projections as final numbers or to skip compliance and IP checks.

- Skill: `xjli360/sealeap-qiongqi-amazon-ai-product-gap-research` (Agent Skill, multi-file: 5 files)
- Install (CLI): `npx skillmds@latest add xjli360/sealeap-qiongqi-amazon-ai-product-gap-research`
- Raw SKILL.md: https://api.skillmd.com/api/skills/xjli360/sealeap-qiongqi-amazon-ai-product-gap-research/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Research & Search
- Author: xjli360 (https://skillmd.com/u/xjli360)
- Updated: 2026-09-21
- Page: https://skillmd.com/skills/xjli360/sealeap-qiongqi-amazon-ai-product-gap-research

---


# Amazon AI 辅助选品缺口与单位经济

## 目标

Use an agentic AI workflow on raw Amazon keyword exports and customer feedback to locate shopper-intent gaps with demand but weak supply, then produce a product definition, unit economics, and supplier quote requests that are verified by hand before any sourcing decision.

## 不可妥协的边界

- 当前 Amazon 官方政策、账户资格、站点字段和一方数据优先于本 Skill 的经验框架。
- 第三方数据一律标为估算或前台观测，不得写成 Amazon 一方事实。
- 默认只读诊断和草案；任何广告、Listing、库存、促销或外部系统写操作都需逐项展示并取得明确批准。
- 一次实验只改变一个主要变量，并记录基线、样本、成功、停止和回退条件。
- 不得复制来源材料或竞品表达；输出必须按当前任务重新组织并可由现有证据支撑。
- 『几分钟产出等同顾问级报告』是来源观点；AI 的财务预测与供应商报价可能失真或幻觉，只作草稿。
- 『需求高供给弱』依赖第三方搜索量估算，季节性与词义歧义会夸大需求，需交叉验证。
- 智能体自动操作浏览器与外部网站时要控制授权范围与数据泄露风险，不要把账户凭证交给它。
- 选品决策还受合规、IP、库存资金等约束，本流程只覆盖需求与经济性初筛。

## 先判断任务模式

1. **诊断**：读取现状、证据和缺口，不生成线上写入动作。
2. **方案草案**：输出可审核的结构、参数范围、实验和回退值。
3. **执行准备**：只生成待批准变更表或 API/控制台操作草案。
4. **已批准执行**：仅对用户在当前会话明确批准的对象和字段执行，并立即回读核验。

用户未指定时采用“诊断”。

## 开始前要拿到

- 目标 marketplace、类目、价格带、上架时间与运营模式
- 候选品与同购买意图可比样本的销量、评论、价格和上架时间
- 关键词需求、历史趋势、广告依赖、同款密度和品牌集中度
- 采购、头程、平台费、退货、仓储、交期和合规/IP 基础信息

缺失项必须标为 `NEEDS_EVIDENCE`；不得猜数字、补属性或把不同站点、ASIN、变体、币种和时间窗混在一起。

## 工作流

先读取 [references/playbook.md](references/playbook.md)，确认该方法适用于当前对象。按以下顺序执行：

1. 先定上下文：目标细分、现有产品事实、约束（预算、MOQ、目标毛利、站点）；给智能体的任务要像交给一名员工，附资料而非只给一句话。
2. 从关键词工具导出该细分主词的完整未过滤关键词列表，连同评论或反馈样本一起提供；不要预处理，让模型做聚合与分组。
3. 要求输出：按购买意图聚类的关键词及搜索量合计、每个意图簇下现有供给（在售数量、评论数、评分、价格）与需求的对照，标出『需求高、供给弱』的缺口。
4. 对每个缺口人工验证：回到导出数据核对该簇搜索量是否真实、在站内搜索确认供给确实稀少或质量差、查看评论确认痛点存在。
5. 让 AI 基于反馈做产品定义（必备特性、差异点）与单位经济（售价、成本、物流、费用、目标 ACOS 下的盈亏平衡），并整理供应商询价；所有价格与报价当作草稿，逐条向供应商与物流核实。
6. 补做合规与 IP 初筛后再决定是否立项；把该意图簇的关键词表直接带入后续 PPC 活动规划。

最后做数据充分性检查，并把结论分成 `FACT / ESTIMATE / HYPOTHESIS / UNKNOWN`。若关键证据不足，状态写 `HOLD`。

## 第三方 MCP 数据

仅在自有数据不足且当前任务确实需要外部证据时，读取 [references/mcp-data-plan.md](references/mcp-data-plan.md)，再使用 `scripts/mcp_research.py`。本 Skill 的外部取数目的：获取关键词需求、竞品供给（在售数量、评论、价格）与评论痛点的第三方代理数据。

- 先 `doctor`，再 `search-tools` 和 `describe`；工具名及参数以实时 `tools/list` 与 `inputSchema` 为准。
- Token 只从环境变量读取。不得写入命令参数、URL、Skill、报告、日志或 Git。
- `tools/call` 或 Actor 可能计费；先展示 Provider、工具、无密钥业务参数、预计成本与输出位置，核对已有授权覆盖后才加 `--allow-cost`；该标志不是费用上限。


## 必须交付的结果

- 上下文与资料包
- 意图缺口分析表
- 缺口人工验证记录
- 产品定义与单位经济草案
- 供应商询价清单
- 数据范围、来源、采集时间、样本与限制。
- 关键假设、待补证据、风险和不可确定项。
- 若有动作：对象、旧值、新值、预期、停止条件、回退值与审批状态。

方案状态使用 `READY FOR REVIEW / DRAFT / HOLD / STOP`；如已执行，另行记录实际结果及回读证据。未得到明确批准时，不得声称已修改线上对象。