# Sealeap Xiezhi Amazon Niche Market Profitability Screen

> Screen Amazon niche opportunities for precise demand, low competitive density, conservative paid-traffic profitability, and small-batch inventory fit. Use when the user asks how to find genuinely small blue-ocean markets.

- Skill: `xjli360/sealeap-xiezhi-amazon-niche-market-profitability-screen` (Agent Skill, multi-file: 5 files)
- Install (CLI): `npx skillmds@latest add xjli360/sealeap-xiezhi-amazon-niche-market-profitability-screen`
- Raw SKILL.md: https://api.skillmd.com/api/skills/xjli360/sealeap-xiezhi-amazon-niche-market-profitability-screen/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-niche-market-profitability-screen

---


# Amazon 冷门细分盈利筛选

## 目标

把冷门定义为有精准需求、可解释的正常销量和较低直接竞争，并用单位经济与库存边界验证。

## 适用任务

- 筛选小体量蓝海候选。
- 验证精准词、CPC 和市场友好度。
- 为冷门产品制定小批首发目标。

## 开始前要拿到

- 站点、类目、计划旺季和上架时间。
- 销量、评论、价格、上架时间与历史月份数据。
- 精准词、CPC、直接竞品和低评论样本。
- 落地成本、毛利、首批量与目标市场份额。

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。
- 不得将少量竞品自动解释为高需求低竞争。
- 最终采购前完成差异化、IP、安全、政策和供应商核查。

## 工作流

### 1. 设置多档筛选

用销量、评论、售价与历史月份构造宽中严三档，而不是只跑一个参数组合。

### 2. 验证精准词

确认词能清晰描述产品/对象/场景，且搜索结果主要是同一购买任务。

### 3. 评估竞争与广告

比较低评论和头部样本，用新品或弱历史信号的假设情景估算 CPC 与 CPA 区间；不把不可观测的“权重”当成已测事实。

### 4. 核算盈利

在不计自然流量下运行多档 CVR；只有能接近或达到目标贡献利润时继续。

### 5. 扩展与控货

用对象/场景词寻找相邻机会，并按可比正常样本与目标份额限定首批库存。

## 判断标准

- 销量上限约 200–500、评论 30–100、售价约 30 以上是探索区间，不是定义。
- 冷门不等于无搜索词；找不到消费者表达时更可能是需求不可触达。
- 首批量应由可达份额、销售窗口和清货能力决定，不由头部销量直接外推。

## 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

- 三档筛选结果
- 精准词与竞品集合
- 广告盈利情景
- 相邻细分机会
- 首批库存与 HOLD/GO 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)。