---
name: sealeap-xiezhi-amazon-scenario-keyword-product-discovery
description: "Discover Amazon product opportunities by extracting scenario, audience, activity, and occasion terms from unusual listings. Use when a user has no product inspiration and wants to turn a precise use context into a cross-category candidate set."
---

# Amazon 场景词选品

## 目标

先找到可搜索的具体场景，再为该场景中的消费者挑选产品，从而把大众商品迁移到更清晰的细分需求。

## 适用任务

- 从陌生商品标题提取场景入口。
- 用场景词跨类目生成候选。
- 验证场景需求和付费流量盈利可能性。

## 开始前要拿到

- 目标站点、计划进场窗口和可接受类目。
- 近期上架商品的标题、属性、评论与场景描述。
- 场景词的搜索结果、价格、评论和销量代理数据。
- 目标毛利、供应链与合规限制。

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。
- 不得用不真实场景、虚假适用性或受保护活动标识包装普通产品。
- 找到场景不是立项完成，仍需全链路证据。

## 工作流

### 1. 广撒网找特征

浏览近期上架且结构、对象或用途较特殊的商品，目的只是发现不熟悉的语言和场景。

### 2. 提取场景词

从标题与详情中抽取使用对象、地点、活动、节日和任务词，并翻译为当地消费者真实表达。

### 3. 验证词义

在前台检查搜索结果是否主要服务同一场景；结果混杂时继续加属性或对象限定。

### 4. 跨类目扩展

用已验证场景词搜索不同产品形态，再按价格、评论、销量和供应链能力形成候选集。

### 5. 完成深研

逐个候选验证直接竞品、CPC、CVR、差异化、IP、合规、交期与首批库存。

## 判断标准

- 场景词必须能指向明确购物任务；仅有流量但结果混杂的词不能作为细分入口。
- 价格约 30 美元以上、评论约 100 以下可作探索条件，但应按品类经济性调整。
- 产品重新定位后必须真实适合该场景，不能只改文案造成误导。

## 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

- 场景词清单
- 搜索相关性验证
- 跨类目候选池
- 场景—产品—竞品矩阵
- 深研与淘汰结论

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)。