# Sealeap Xiezhi Amazon Low Review New Entrant Validation

> Validate whether an Amazon niche with dominant old listings still admits low-review new entrants. Use when the first search page looks saturated but the user wants to test for unmet audience, scenario, form, size, or price-segment demand.

- Skill: `xjli360/sealeap-xiezhi-amazon-low-review-new-entrant-validation` (Agent Skill, multi-file: 5 files)
- Install (CLI): `npx skillmds@latest add xjli360/sealeap-xiezhi-amazon-low-review-new-entrant-validation`
- Raw SKILL.md: https://api.skillmd.com/api/skills/xjli360/sealeap-xiezhi-amazon-low-review-new-entrant-validation/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: xjli360 (https://skillmd.com/u/xjli360)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/xjli360/sealeap-xiezhi-amazon-low-review-new-entrant-validation

---


# Amazon 低评论新品机会验证

## 目标

不以首页老链接数量下结论，而通过近期低评论新品的正常增长和明确购买理由判断市场是否仍有入口。

## 适用任务

- 判断红海搜索页是否仍有新品机会。
- 解释近期新品为何出单。
- 区分真实需求创新与异常运营样本。

## 开始前要拿到

- 通用词与更精确的属性/场景词。
- 近 30 天、3 个月和 6 个月新品样本。
- 评论、销量、价格、关键词排名、广告与变体信号。
- 头部与低评论竞品的同口径销量。

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。
- 不得将合并评论、异常评价或站外强推当作可复制能力。
- 差异化必须合法、可感知并有需求证据。

## 工作流

### 1. 建立时间队列

按上架时间和评论层级形成新品队列，避免只观察多年老链接。

### 2. 寻找正常赢家

识别低评论但稳定出单、流量词与卖点一致、无明显异常增长的新品。

### 3. 解释购买理由

归因到可见的结构、尺寸、场景、对象、造型、组合或价格带差异，而不是只记录销量。

### 4. 量化友好度

比较低评论样本与头部样本的同口径销量或转化代理值，并同时报告样本量和分布。

### 5. 验证可见性

确认差异在搜索页主图、标题和价格区间即可被消费者理解，否则不把它视为有效入口。

## 判断标准

- 低评论组销量/头部组销量超过约 15%或20%可作为友好信号之一，不是官方标准。
- 单个新品异常爆量不能代表市场开放；需要一组可解释样本。
- 没有明显购买理由、关键词对不上或流量异常的样本应剔除。

## 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](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

- 新品队列
- 正常/异常样本分类
- 购买理由矩阵
- 市场友好度区间
- 进入、观察或放弃结论

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](references/playbook.md)。