---
name: sealeap-xiezhi-amazon-product-knowledge-map-building
description: "Build an Amazon product, audience, and use-case knowledge map before making product decisions. Use when a beginner lacks product ideas, rejects unfamiliar items too quickly, or needs a disciplined discovery routine."
---

# Amazon 产品认知地图训练

## 目标

先扩大对海外产品、人物和场景的认知，再把陌生商品转化为可继续研究的需求线索，而不是立即判断做或不做。

## 适用任务

- 建立每日产品认知训练。
- 从陌生或反常商品发现人群与场景。
- 把零散观察连接成品类和需求地图。

## 开始前要拿到

- 目标站点与一个易理解的大类目。
- 可浏览的商品样本及标题、图片、评论和类目路径。
- 当前已知产品/人群/场景词库。
- 每日可投入的观察与记录时间。

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。
- 不得从单个陌生商品直接跳到采购结论。
- 不得复制受保护的造型、图案、文字或品牌表达。

## 工作流

### 1. 宽口径取样

选择一个大类目，用宽松价格、销量和评论条件暴露更多陌生、小众或结构特殊的商品。

### 2. 延迟判断

先回答产品是什么、谁在用、何时使用、解决什么问题，不在第一眼用价格、体积或陌生度直接淘汰。

### 3. 拆解差异

记录功能、结构、材质、尺寸、数量、组合、对象、场景、节日和文化元素中的异常点。

### 4. 向外延伸

从单品扩展到垂直品类、相邻需求、更高价格带、低评论链接和可迁移元素。

### 5. 维护地图

按产品—人群—场景—问题—关键词建立节点，每次观察增加连接并标注证据强度。

## 判断标准

- 每天认识约 20 个陌生产品可作训练节奏，不是产出 KPI。
- 训练目标是增加可解释的市场连接，不是每天强行选出若干可做产品。
- 奇特外观只是探索触发器，不能单独证明需求或差异化价值。

## 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

- 产品认知卡
- 人群与场景词库
- 需求关系图
- 待验证方向池
- 每日学习复盘

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)。