---
name: sealeap-luduan-amazon-red-ocean-usp-mining
description: "Mine differentiation angles for a saturated Amazon category by tracing how a best-seller spawned derivative shapes, testing color and style fit with target-market home aesthetics, and extracting soft selling points such as production ethics and material claims from competitor bullets, then turning candidates into a factory-feasibility and claim-verification list. Produces hypotheses to test, not guaranteed winners. Use for 红海类目怎么找卖点、同质化产品差异化、爆款衍生款、卖点从哪里来、软性卖点、五点卖点怎么写才有区别. Do not use to copy competitor designs or to make unverifiable ethical, material or origin claims."
---

# Amazon 红海类目差异化卖点挖掘

## 目标

Mine differentiation angles for a saturated Amazon category by tracing how a best-seller spawned derivative shapes, testing color and style fit with target-market home aesthetics, and extracting soft selling points such as production ethics and material claims from competitor bullets, then turning candidates into a factory-feasibility and claim-verification list. Produces hypotheses to test, not guaranteed winners.

## 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。
- 来源认为某衍生款“肯定是下一个热卖品”，这是个人判断；本 Skill 只把衍生方向作为假设，以评价增速与上线后数据验证。
- 来源提到的“公平生产”“家庭工厂”“天然材质”等卖点必须有真实依据；不得虚构生产条件或材质，否则涉及虚假宣传。
- 配色与风格偏好随市场与时间变化，来源对简约装修偏好的判断仅作参考，应以目标站点畅销款的配色分布与评论校准。

## 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. 锁定参照爆款与其衍生链：记录类目内评价领先的款式、已出现的衍生形态（形状、组合、尺寸变化）与各自的评价积累速度，判断哪些衍生方向已被跟进、哪些还空着。
2. 从风格适配找卖点：对照目标市场主流装修与使用场景的色彩偏好（例如简约风偏白、银、浅色），检查现有畅销款配色是否只覆盖一种风格；把配色与材质表面处理列为候选改款项。
3. 从竞品五点与图片中提取软性卖点：生产方式（小型家庭工厂、公平生产条件）、材质承诺（天然材质、无化纤）、风格命名；记录每条卖点对应的证据形式（图片、证书、描述）。
4. 校验语言与语义：目标站点语言中的风格词、专有名词是否与自己的理解一致，用当地语言的搜索结果与词典核对，避免用错场景的词。
5. 每个候选卖点做可行性与可证明性双核：与工厂确认能否改形态/配色/材质及最小起订量与成本变化；能否为软性卖点提供真实证据（工厂资质、材质检测）。做不到证明的卖点不写进 Listing。
6. 形成改款与卖点清单并排序：优先选择工厂可做、可证明、且在现有竞品中覆盖率低的卖点；为每条设定上线后的验证指标（点击率、转化率、评论提及）。

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：抓取类目内爆款及其衍生款的公开 Listing 五点、图片与评论，提取已被使用的卖点与买家关注点。

- 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

- 爆款衍生链与空白方向表
- 候选卖点清单（硬件改款/风格适配/软性卖点）及证据要求
- 工厂可行性与成本确认记录
- 上线验证指标与观察计划
- 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。