---
name: sealeap-xiezhi-amazon-audience-first-product-discovery
description: "Discover Amazon product opportunities by starting with a clearly defined audience and mapping recurring work, life, event, and gifting needs. Use when product-first searches produce generic red-ocean ideas."
---

# Amazon 人群优先选品

## 目标

从身份明确且需求持续的人群出发，把其生活与活动场景转化为一条可验证的产品机会线。

## 适用任务

- 围绕职业、爱好、角色或活动人群寻找产品。
- 把普通产品重组为人群专属方案。
- 从单个需求扩展可持续产品线。

## 开始前要拿到

- 目标人群及其地区、身份和活动周期。
- 人群的任务、场景、携带物、礼赠和痛点假设。
- 相关关键词、商品、评论和价格带。
- 可用供应链能力与组合限制。

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。
- 不得以刻板印象替代消费者证据。
- 涉及文化、宗教、职业或受保护群体表达时做本地化和合规审核。

## 工作流

### 1. 选择人群

优先选择角色或任务清楚、需求反复出现且具有可搜索表达的人群；分析群体场景，不识别或采集个人身份。

### 2. 画场景旅程

列出工作、训练、出行、庆祝、收纳、礼赠等阶段，并为每一阶段记录待解决任务。

### 3. 生成产品簇

从功能、数量组合、结构搭配、包装、身份表达和场景文案提出产品方案。

### 4. 验证搜索与竞争

确认存在精准人群/场景词，搜索结果与目标需求一致，并重建直接竞品集合。

### 5. 形成产品线

把通过需求、利润和供应链门槛的方案放入短中长期路线图，而非只选一个单品。

## 判断标准

- 人群词必须对应明确场景和持续需求；宽泛身份标签不构成机会。
- 普通产品只有在数量、结构、表达或服务方案与目标任务强绑定时才产生有效差异。
- 搜索结果相关性和评论语言要共同证明人群需求。

## 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

- 人群画像与场景旅程
- 需求—产品机会矩阵
- 精准词与直接竞品表
- 组合/定位方案
- 产品线路线图

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)。