---
name: Product Research
slug: product-research
category: Data
description: Product Research uses Sorftime MCP data to find high-potential Amazon market opportunities, analyze competition, estimate ROI, and produce Go/No-Go decisions and research reports. It is used before launching a new product or starting the next listing workflow step.
github: "https://github.com/zach22-1999/amazon-skills/tree/main/skills/zach-product-research"
language: Python
stars: 177
forks: 36
install: "npx degit https://github.com/zach22-1999/amazon-skills/tree/main/skills/zach-product-research ~/.claude/skills/zach-product-research"
installs_to: ~/.claude/skills/zach-product-research
source_path: skills/zach-product-research/SKILL.md
collection_size: 7
category_size: 796
collection_url: "https://dirskills.com/collections/zach22-1999/amazon-skills"
added: 2026-09-07T05:20:51.831Z
last_synced: 2026-09-07T05:20:51.831Z
canonical_url: "https://dirskills.com/skills/product-research"
---

# Product Research

Product Research uses Sorftime MCP data to find high-potential Amazon market opportunities, analyze competition, estimate ROI, and produce Go/No-Go decisions and research reports. It is used before launching a new product or starting the next listing workflow step.

**Install:**

```bash
npx degit https://github.com/zach22-1999/amazon-skills/tree/main/skills/zach-product-research ~/.claude/skills/zach-product-research
```

## README

## 前置建议

本公开版 Skill 是自包含的，不依赖任何私有工作区文件、内部参考库或品牌专属协议。

开始分析前，优先阅读本 Skill 自带的参考材料：

- `references/payload_schema_v2.md` — v2 数据包结构与必填字段
- `references/payload_schema.md` — v1 兼容格式
- `references/html_report_spec.md` — HTML 精简报告结构要求
- `references/analysis_patterns.md` — 分析模式与洞察写法模板

如果你已有自己的市场研究资料，可以作为补充背景使用；但本 Skill 的执行、交付和校验不依赖外部私有资料。

# 选品分析器（Product Research - Sorftime MCP）

## 定位

基于 **Sorftime MCP** 的选品分析，帮助你在有利润前提下，用最短时间、最低风险发现高潜力市场机会。

**数据来源**：全部通过 Sorftime MCP 工具获取，不捏造、不估算。

**下游输出**：选品报告（MD + HTML精简 + Dashboard看板 + Excel）→ 新品上架工作流的后续步骤：`zach-competitor-deep-dive`（Listing 级竞品拆解）→ `zach-pricing-strategy`（定价精算）→ …

> **注**：本 Skill 已吸收原 `zach-market-intelligence` 的 Go/No-Go 决策框架与进入壁垒评估能力（见 Step 2.4 / Step 3.5），以及 `zach-report-dashboard-renderer` 的 Dashboard 可视化看板能力。两者均已标记为 deprecated。

## Script Directory

- `scripts/render_deliverables.py`
  - 用途：把统一 JSON 数据包渲染为 `md + html精简 + dashboard看板 + xlsx + json`，并执行交付校验
  - **v2 模式**（推荐）：payload 含 `schema_version: “2.0”` + `chapters`，渲染器从结构化数据生成表格 + 插入 LLM 洞察段落
  - **v1 兼容模式**：payload 含 `report_markdown` / `report_html`，直接写入（旧流程）
  - 命令：
    - `python skills/zach-product-research/scripts/render_deliverables.py generate --input <payload.json>`
    - `python skills/zach-product-research/scripts/render_deliverables.py validate --input <payload.json>`
    - `python skills/zach-product-research/scripts/render_deliverables.py all --input <payload.json>`
  - 适用时机：Step 5 交付阶段，禁止手工只补单个文件后直接结束任务
- `scripts/parse_top100_dimensions.py`
  - 用途：按规则文件解析 Top100 标题维度，输出 `top100_parsed.json` 与 `uncertain_products.json`
- `scripts/cross_analysis.py`
  - 用途：基于解析后的产品 JSON 生成交叉矩阵和机会空白点

## References

- `references/payload_schema_v2.md`
  - 用途：v2 payload 结构定义（10 章 chapters + excel_sheets），准备 `render_deliverables.py` 输入数据包时查看
- `references/payload_schema.md`
  - 用途：v1 payload 结构定义（向后兼容参考）
- `references/html_report_spec.md`
  - 用途：HTML 精简报告区块定义参考
- `references/analysis_patterns.md`
  - 用途：四种分析模式的模板与示例，报告写作时必须引用（至少使用 3 种）

## Assets

- `assets/html_report_template.html`
  - 用途：HTML 精简报告模板（v1 使用，v2 由 render_deliverables.py 内置渲染）
- `assets/dashboard_template.html`
  - 用途：Dashboard 可视化看板模板（从 zach-report-dashboard-renderer 迁入），v2 由 render_deliverables.py 自动注入数据

## Agents

- `agents/data-pipeline.md`
  - 用途：负责 Sorftime 原始数据 → 中间 JSON / Excel Sheet 数据
- `agents/insight-writer.md`（v2 新增，替代 report-writer.md）
  - 用途：负责在固定 10 章结构中撰写分析洞察段落（不写表格格式/HTML）

## Evals

- `evals/evals.json`
  - 用途：最小自测套件
- `evals/files/sample_payload_minimal.json`
  - 用途：交付链路最小样本

---

## 核心原则

1. **权重优先**：权重越大，免费流量越多
2. **盈利监控**：利润覆盖广告成本，保持健康ROI
3. **战场优先**：先选好市场，再打磨产品
4. **数据驱动**：用可量化指标判断市场与竞品
5. **差异化竞争**：通过优化设计、卖点、包装提升转化

---

## 硬性规则（⛔ 不可省略）

以下规则适用于所有场景，不论模型能力或用户是否明确要求：

1. ⛔ 类目 Top100 明细必须输出完整 100 条，不得以"代表产品"缩写
2. ⛔ 竞品差评分析必须附"竞品选择逻辑表"（ASIN + 选择理由 + 竞品类型 + 覆盖维度），竞品总数 6-10 个，覆盖量级标杆/功能差异/价格带/痛点
3. ⛔ 关键词分析必须覆盖至少 3 个维度对比（如：品类大词 vs 属性词 vs 规格/场景词）
4. ⛔ MD 报告中出现的每个数据表/统计结论，必须在 Excel 中有对应 Sheet
5. ⛔ 每个 Step 完成后进行数据完整性检查，再进入下一步
6. ⛔ 输出前执行 Step 5 交付自检清单
7. ⛔ 定向品类分析（场景 4）必须执行 Step 1.5 产品属性标注
8. ⛔ 差评痛点必须按属性维度归类（而非仅按产品归类）

### 报告写作硬性规则（⛔ 不可省略）

以下规则确保每份报告达到「充电宝 v2」级别的分析深度，而非纯数据堆砌：

9. ⛔ **禁止纯数据呈现**：每个数据表格后必须紧跟「**关键洞察**」段落（2-4 条 bullet），说明数据的业务含义，不得只放表格不做解读
10. ⛔ **必须有 Executive Summary**：报告开头必须有 3-5 条核心结论，每条结构为：`数据点 → 含义 → 行动建议`
11. ⛔ **交叉分析必须解释原因**：每个"空白"/"薄供给"标签必须附带原因分析（技术限制？需求不存在？被市场忽视？供应链难度？），不得只标注状态
12. ⛔ **差评痛点必须映射品牌机会**：每个维度的差评痛点必须完成 `痛点 → 品牌能力 → 产品方案` 的映射，不得只列痛点不给方案
13. ⛔ **策略建议必须有产品矩阵**：至少给出 Tier 1 产品的完整规格（维度规格表 + 决策理由 + 目标定价 + 差异化主张 + 对标竞品 + 预估月销潜力），绝不允许"待确认"占位
14. ⛔ **供需缺口必须排优先级**：按三维评估（市场规模 40% + 技术可行性 30% + 品牌匹配 30%）排序，不得平铺罗列
15. ⛔ **必须使用分析模式**：每份报告至少使用以下 4 种分析模式中的 3 种（详见 `references/analysis_patterns.md`）：

| 模式 | 核心逻辑 | 最低使用次数 |
|------|----------|-------------|
| 数据→空白→机会 | 从分布数据中发现供给空白，评估机会价值 | 1 次 |
| 痛点→优势映射 | 将差评痛点映射到品牌能力和产品方案 | 1 次 |
| 交叉维度→结构性空白 | 多维度交叉发现结构性市场缺口 | 1 次 |
| 多维评估→优先级矩阵 | 多因素加权评估排出优先级 | 1 次 |

---

## Sorftime MCP 工具清单

执行选品分析时，调用以下 Sorftime MCP 工具（⛔ = 必调，📋 = 按需）：

| 类别 | 工具 | 用途 | 优先级 |
|------|------|------|--------|
| **类目** | `category_search_from_product_name` | 按产品名搜索相关细分类目 | ⛔ 必调 |
| | `category_search_from_top_node` | 按大品类搜索细分类目 | 📋 按需 |
| | `search_categories_broadly` | 多维度广泛搜索类目 | 📋 按需 |
| | `category_name_search` | 按类目名称查询NodeId | 📋 按需 |
| | `category_report` | 类目实时Top100报告 | ⛔ 必调 |
| | `category_report_from_history` | 类目历史Top100报告 | 📋 按需 |
| | `category_trend` | 类目趋势数据（⛔ NewProductSalesAmountShare 必调） | ⛔ 必调（Step 1.7） |
| | `category_keywords` | 类目核心关键词 | 📋 按需 |
| **关键词** | `keyword_search_results` | 关键词搜索结果自然位产品 | 📋 按需 |
| | `keyword_detail` | 关键词详情 | ⛔ 必调 |
| | `keyword_extends` | 关键词延伸词 | 📋 按需 |
| | `keyword_trend` | 关键词历史趋势 | 📋 按需 |
| **产品** | `product_search` | 产品搜索 | 📋 按需 |
| | `product_detail` | 产品详情（属性标注补充验证） | ⛔ 必调（Step 1.5） |
| | `product_trend` | 产品趋势 | 📋 按需 |
| | `product_reviews` | 产品评论 | ⛔ 必调（Negative） |
| | `product_traffic_terms` | 产品反查关键词 | 📋 按需 |
| | `product_variations` | 产品变体 | 📋 按需 |
| **选品** | `potential_product` | 潜力产品搜索 | 📋 按需 |
| | `competitor_product_keywords` | 竞品关键词曝光 | 📋 按需 |
| **供应链** | `ali1688_similar_product` | 1688相似产品（采购成本） | 📋 按需 |

**⛔ 必调说明**：无论场景如何，这 6 个工具必须调用，其输出是报告核心数据的来源。📋 按需工具根据场景和用户需求选择性调用。

---

## Gotchas（执行中最容易踩坑）

1. **Skill 本地存在，不等于当前会话已加载**
   - 如果仓库里已经有 `skills/zach-product-research/`，但当前会话仍提示 skill 不可用，先检查：
     - 当前 IDE 或 Agent 是否已经重新加载工作区配置
     - 是否存在历史别名（如 `product-research`）与正式名不一致的问题
   - **重要**：即使你修好了磁盘文件，当前会话的 skill 列表也可能不会热更新；必要时要明确提示“当前会话需重开/新会话重载 skill”。

2. **Sorftime MCP 在桌面端可能有逐次授权摩擦**
   - 大批量并发调用前，优先做“最小闭环”：先拿类目、关键词、Top100 核心数据，再决定是否继续深挖。
   - 批量补调时默认按 `<= 8` 一批，避免一口气铺太多工具调用，导致中途被用户逐个确认打断。
   - 如果环境允许网络访问，且本机 `~/.cursor/mcp.json` 已配置 Sorftime，可考虑走**本地直连 HTTP MCP** 作为非交互式 fallback；**严禁回显真实 key**。

3. **泛关键词经常混池，先清词池再估市场**
   - 不要默认把用户给的词直接当“机器本体市场”。
   - 典型案例：`essential oil diffuser` 会混入精油本体、humidifier、reed diffuser、耗材生态。
   - 必须先用 `category_name_search` / `keyword_search_results` / 标题样本检查，确认结果池到底是不是同一竞争单元，再做市场规模判断。

4. **Top100 大体量数据不要直接硬读**
   - 默认先走标题解析，再对未知项补调 `product_detail`。
   - 如果 Top100 / 评论 / 明细返回很大，先落中间文件，再用脚本抽取字段；不要靠手工读大 JSON。

5. **只产出 Markdown 不算完成**
   - 只要用户要正式交付，必须跑 `render_deliverables.py all`，同时产出 `MD + HTML精简 + Dashboard + XLSX`。
   - 如果目录里只有 `.md`，无论分析写得多完整，都视为**未完成**。

6. **render_deliverables.py 有严格校验门槛**
   - `excel_sheets` 第一张必须是 `数据来源说明`
   - 必选 Sheet 不全会校验失败
   - v2 payload 必须含 10 个 `chapters`
   - Markdown 洞察深度不足、缺少 Tier 产品矩阵、缺少 Go/No-Go 评分卡，也会在校验阶段暴露出来

---

## 执行流程

### Step 0: 信息收集（交互式）

收到调用后，首先确认以下关键信息：

```
📋 选品分析 - 信息确认

1. 目标站点：[US/UK/DE/FR/IT/ES/CA/JP，默认US]
2. 选品场景：[新手入门/蓝海发现/季节性/品牌打造/定向品类分析]
3. 约束条件（可选）：
   - 价格区间：如 $10-40
   - 月销量：如 > 1000
   - 品类偏好：如 家居/电子/宠物
   - 预算：如 10万人民币
4. 产业带优势（可选）：如有特定供应链优势
```

**如果用户未提供信息**：默认按「新手入门」场景，美国站，价格 $10-40，无特定产业带。

### Step 1: 发现机会市场

**1.1 类目市场扫描**

调用 `search_categories_broadly` 或 `category_search_from_product_name` 筛选符合以下条件的类目：

- 新品销量占比 > 15%
- 品牌数 > 80（分散市场）
- Top3销量占比 < 40%（低垄断）
- 平均价格 $10-40（新手友好）
- 月销量规模适中（视预算而定）

**1.2 关键词机会挖掘（⛔ 必须多维度对比）**

对候选类目，调用 `keyword_search_results` + `keyword_detail`：

- 搜索量 > 10000/月
- 自然位月销量 > 50000
- 首页竞品review数 < 500（门槛可追赶）
- CPC价格（广告成本）可接受

**⛔ 多维度关键词对比表**：关键词分析必须覆盖至少 3 个层级/维度，不得只分析用户提到的单一维度。

维度示例（根据品类调整）：

| 维度 | 示例关键词 | 说明 |
|------|-----------|------|
| 品类大词 | power bank, portable charger | 最大流量入口 |
| 属性词 | fast charging power bank, wireless power bank | 功能/特性细分 |
| 规格/参数词 | 65W power bank, 20000mAh portable charger | 具体规格参数 |
| 场景词 | laptop portable charger, camping power bank | 使用场景细分 |

每个维度的关键词必须调用 `keyword_detail` 获取以下数据，输出对比表：

| 关键词 | 维度 | 月搜索量 | CPC | 自然位产品数 | 首页平均评论数 | 数据来源 |
|--------|------|----------|-----|-------------|--------------|----------|

**检查点**：确认至少 3 个维度的关键词都有 `keyword_detail` 数据后，再进入 Step 1.3。

**1.3 潜力产品初筛**

调用 `potential_product` + `product_search`：

- 月销量 > 1000
- 价格 $10-30
- 评分 > 4.0
- 上架时间 < 6个月（新品有机会）

### Step 1.4: 分析维度自发现（用户未指定维度时执行）

> 当用户不熟悉目标品类、无法指定分析维度时，模型需要自主发现该品类的关键差异化维度。本步骤在 Step 1.5（属性标注）之前执行，输出为属性标注的维度定义。

**触发条件**：用户未明确指定分析维度，或指定维度 ≤ 2 个。

**执行方法**（四路并行，结果综合）：

**路径 1：Top100 标题高频词聚类**
- 对 `category_report` 返回的 100 条产品标题做词频统计
- 过滤掉通用词（brand, portable, charger 等品类通用词）
- 保留出现频率 ≥ 10% 的属性词作为候选维度
- 示例输出：`slim` 出现 23 次 → 候选维度「外观形态」

**路径 2：关键词延伸词分析**
- 对品类核心词调用 `keyword_extends`，分析消费者用什么修饰词搜索
- 高搜索量的修饰词 = 消费者关注的差异化维度
- 示例：`keyword_extends("power bank")` → "65W power bank", "slim power bank" → 候选维度「功率」「形态」

**路径 3：`product_detail` 属性字段 Key 提取**
- 对 Top5 销量产品调用 `product_detail`
- 从返回的「属性」字段中提取 **key 名称**（非 value），作为结构化维度候选
- 示例：属性含 `Battery Capacity`, `Connector Type` → 候选维度「容量」「接口类型」

**路径 4：WebSearch 品类评测文章（可选）**
- 搜索 "[品类] buying guide" 或 "[品类] how to choose"
- 从评测文章中提取消费者决策的关键参数
- 示例：Wirecutter 评测关注 "capacity, charging speed, size, ports" → 候选维度确认

**输出**：候选维度列表（5-8 个），每个维度含：
- 维度名称
- 发现来源（标题词频/延伸词/属性Key/评测文章）
- 候选分类值（如：功率 → ≤15W / 15-22.5W / 30W / 45W / 65W / 100W+）

**⛔ 必须让用户确认**：输出候选维度后，请用户确认/删减/补充，再进入 Step 1.5。用户可能有品类知识补充模型发现不了的维度。

**检查点**：至少确认 3 个分析维度后，进入 Step 1.5。

---

### Step 1.5: Top100 产品属性标注（P0 - 多维度分析必需）

> 本步骤将 `category_report` 返回的 Top100 基础数据升级为结构化多维度属性数据，是后续交叉分析与差异化建议的基础。

**输入**：Step 2.1 `category_report` 返回的 Top100 产品列表（本步骤可在获取 Top100 后立即执行，与 Step 1 并行推进）

**⛔ 必须提取的基础字段**（所有品类通用，`category_report` 直接返回）：

| 字段 | 来源 | 用途 |
|------|------|------|
| `上线日期` | category_report 原始字段 | Step 1.7 新品分析 |
| `上线天数` | category_report 原始字段 | Step 1.7 新品分析 |

这两个字段在 `category_report` 返回数据中已有，解析时必须一起提取，不要丢弃。

**标注维度**（按品类定制，以下为充电宝示例；其他品类需根据品类特征自定义维度）：

| 维度 | 解析方法 | 示例规则（充电宝） |
|------|----------|-------------------|
| 功率 | 正则 `(\d+\.?\d*)\s*[Ww]` + V/A 推算（V×A=W） | 22.5W, 65W, 5V/3A=15W |
| 容量 | 正则 `(\d[\d,]*)\s*[Mm][Aa][Hh]` （忽略大小写、处理逗号） | 10000mAh, 20,000 mAh |
| 线材 | 关键词 "built-in cable", "built in", "with cable", "integrated cable" | 内置线/外置线/无 |
| 数显 | 关键词 "LED display", "digital display", "LCD", "battery indicator" | 有/无 |
| 磁吸/无线充 | 关键词 "MagSafe", "magnetic", "Qi2", "wireless charging", "Qi" | MagSafe/Qi2/Qi/无 |
| 外观形态 | 关键词 "slim", "thin", "mini", "compact", "small", "lightweight" | slim/mini/standard |

**执行方法**（三阶段）：

1. **标题正则 + 关键词自动标注**（覆盖率约 70-80%）
   - 遍历 Top100 产品标题，按上表规则逐维度提取
   - 每条产品标注置信度：高（明确匹配）/ 低（模糊或缺失）

2. **⛔ `product_detail` 补充验证**（针对置信度低的约 20-30% 产品）
   - 对标题无法确认的产品，调用 `product_detail` 获取 bullet points / 产品描述
   - 从描述中提取缺失的属性信息
   - 每批最多 8 个并行调用以提高效率

3. **手动 override 记录**
   - 记录所有手动修正的产品及修正原因
   - 便于后续复查与经验积累

**⚠️ 标题解析注意事项**（参见文末「标题解析经验库」章节）

**输出**：

| 文件 | 内容 |
|------|------|
| `top100_parsed.json` | 每条产品增加 N 个属性列 + 置信度标注 |
| `uncertain_products.json` | 需要 `product_detail` 验证的产品列表及验证结果 |

**检查点**：确认 100 条产品均已完成属性标注（允许部分维度为"未知"，但不允许跳过标注步骤），再进入下一步。

### Step 1.6: 多维度交叉分析（P1 - 属性标注完成后执行）

> 基于 Step 1.5 的结构化属性数据，生成交叉分析矩阵，发现供需缺口与市场机会空白点。

**适用条件**：
- 产品已完成多维度属性标注（Step 1.5）
- 需要找到供需缺口（搜索需求有但供给少的维度组合）
- 需要发现产品组合机会空白点

**标准交叉表**：

对所有有意义的维度对（dimension pair）生成交叉矩阵：

| 交叉维度 | 分析指标 | 说明 |
|----------|----------|------|
| 维度A x 维度B | 产品数 | 该组合下有多少产品 |
| 维度A x 维度B | 月总销量 | 该组合的市场需求量 |
| 维度A x 维度B | 月总销额 | 该组合的市场价值 |
| 维度A x 维度B | 平均价格 | 该组合的价格水平 |

示例（充电宝）：功率 x 容量、功率 x 磁吸、容量 x 线材、功率 x 外观形态 等

**自动识别供需缺口**：

- **空白点**：产品数 = 0 的维度组合 → 潜在蓝海机会（需验证需求是否真实存在）
- **薄供给**：产品数 ≤ 2 的组合 → 低竞争机会（少量在售，竞争小）
- **高需求低供给**：月销量高但产品数少的组合 → 最优机会

**品牌集中度分析**：

- 每个主要维度组合中，Top3 品牌的销量占比
- 识别品牌垄断严重的组合（避开）vs 品牌分散的组合（机会）

**输出**：

| 文件 | 内容 |
|------|------|
| `cross_analysis.json` | 所有交叉分析矩阵数据 |
| 机会空白点列表 | 纳入最终报告的"市场机会"章节 |

**⛔ 交叉分析输出格式要求**：

每对交叉维度的输出不得只有表格，必须包含以下结构：

1. **交叉矩阵表格**（产品数 / 月销量 / 月销额 / 均价）
2. **关键发现段落**（2-4 条 bullet），必须回答：
   - 哪些组合是市场主力？（高供给 + 高需求）
   - 哪些组合存在供需缺口？（高需求 + 低供给）
   - 哪些组合是伪机会？（低供给 + 低需求，实际无需求）
3. **空白/薄供给标签定义与分析要求**：

| 标签 | 定义 | 必须补充的分析 |
|------|------|--------------|
| 空白 | 产品数 = 0 | 原因分析（技术不可行？需求不存在？被忽视？）+ 需求验证方法 |
| 薄供给 | 产品数 ≤ 2 | 现有产品表现如何？（销量/评分）+ 竞争进入难度 |
| 高需求低供给 | 月销量 Top30% 但产品数 Bottom30% | 为什么供给少？+ 进入可行性评估 |

**检查点**：确认至少 3 对维度组合完成交叉分析，且每对都有「关键发现」段落（不只表格），空白点/薄供给列表已生成且附原因分析，再进入 Step 1.7。

### Step 1.7: 新品分析（⛔ 必做）

> 基于 Step 1.5 已提取的 `上线日期` 字段，分析 Top100 中新品的占比、表现和趋势，判断类目对新品的友好程度。这是选品决策的关键输入——新品占比高的类目意味着新进入者有机会，反之则门槛高。

**数据来源**：
- `category_report` 返回的 `上线日期`/`上线天数` 字段（Step 1.5 已提取，零额外 API 成本）
- `category_trend`（trendIndex=NewProductSalesAmountShare）→ 1 次 API 调用

**执行步骤**：

**1. 上架时间分桶统计**

对 Top100 按上架时间分桶，统计每桶的产品数和销量占比：

| 时间段 | 产品数 | 月销量 | 销量占比 |
|--------|--------|--------|----------|
| ≤3 个月 | | | |
| 3-6 个月 | | | |
| 6-12 个月 | | | |
| 1-2 年 | | | |
| 2-3 年 | | | |
| 3 年+ | | | |

**2. 半年内新品明细表**

列出所有上架 ≤6 个月的产品，按月销量降序：

| ASIN | 品牌 | 价格 | 月销量 | 上线日期 | 天数 | 评论数 | [各属性维度] |

关注：
- 新品中有哪些品牌？（全是大品牌 vs 有白牌突围）
- 新品进入 Top50 了吗？（能否打进头部）
- 新品的属性组合是什么？（市场供给方向验证）

**3. 新品销量占比趋势**

调用 `category_trend`（trendIndex=`NewProductSalesAmountShare`），获取近 2 年每月的新品销量占比趋势：
- 趋势上升 → 类目活跃，对新品友好
- 趋势平稳低位（<5%）→ 类目成熟，老品主导，新品难突围
- 趋势下降 → 类目固化，不建议新品进入

**4. 新品友好度判断**

综合以上数据，给出类目的新品友好度评级：

| 指标 | 友好（绿灯） | 中等（黄灯） | 不友好（红灯） |
|------|------------|------------|--------------|
| 半年内新品占 Top100 数量 | ≥10% | 5-10% | <5% |
| 半年内新品销量占比 | ≥10% | 5-10% | <5% |
| 新品进入 Top50 数量 | ≥3 个 | 1-2 个 | 0 |
| 新品中是否有非头部品牌 | 有白牌/新品牌 | 仅 2-3 线品牌 | 全是头部品牌 |
| 新品销量占比趋势 | 上升 | 平稳 | 下降 |

**输出**：纳入报告的「市场概况」章节，含上架时间分布表、新品明细、趋势图数据、新品友好度评级。

**检查点**：新品分析完成且新品友好度评级已给出，再进入 Step 2。

### Step 2: 验证竞争格局

**2.1 类目深度分析**

调用 `category_report` 获取 Top 100，分析：

- 品牌集中度（品牌垄断系数）
- 卖家类型分布（FBA/FBM/亚马逊自营比例）
- 新品比例（半年内上架产品占比）

**检查点**：确认 `category_report` 返回的产品数 = 100 条（⛔ 硬性规则第 1 条）。不足则重新调用或说明原因。

**2.2 竞品详细分析（⛔ 差评分析须附选择逻辑）**

对重点产品，调用 `product_detail` + `product_reviews`：

- 销量排名、价格趋势、评分评论数
- 好评关键词（用户重视什么）
- 差评痛点（改进机会）

**⛔ 竞品选择逻辑表**：做差评分析前，必须先输出竞品选择逻辑表，说明为什么选这些竞品：

| ASIN | 品牌 | 选择理由 | 竞品类型 | 覆盖维度 |
|------|------|----------|----------|----------|
| B0XXXXXXXX | BrandA | 类目销量 Top3 | 量级标杆 | 价格带-中 |
| B0YYYYYYYY | BrandB | 高功率段销量第一 | 功能差异代表 | 功率-高 |
| B0ZZZZZZZZ | BrandC | 差评率最高（4.0以下） | 痛点参考 | 痛点密集 |
| B0WWWWWWWW | BrandD | 磁吸品类入门款 | 功能差异代表 | 磁吸-入门 |
| B0VVVVVVVV | BrandE | 高端价格带代表 | 价格带覆盖 | 价格带-高 |
| B0UUUUUUUU | BrandF | 低价走量代表 | 价格带覆盖 | 价格带-低 |

**⛔ 竞品选择必须满足以下覆盖要求**：

| 覆盖维度 | 要求 | 说明 |
|----------|------|------|
| 量级标杆 | 至少 1-2 个 | 类目 Top5 销量产品，代表市场标准 |
| 功能差异代表 | 每个主要功能维度至少 1 个 | 如：高功率代表、磁吸代表、内置线代表 |
| 价格带覆盖 | 高/中/低各至少 1 个 | 确保分析覆盖全价格段 |
| 痛点参考 | 至少 1-2 个 | 差评率高或星级低的产品，挖掘改进机会 |

- **总数**：6-10 个竞品
- **每个主要属性维度**（来自 Step 1.5 标注）至少有 1 个代表产品

**选择建议**：按细分段（如价格带、功率段、使用场景）各选 1-2 个代表，覆盖头部竞品 + 痛点竞品。

**检查点**：竞品选择逻辑表完成后，再逐一调用 `product_reviews`（reviewType=Negative）做差评分析。每批最多 8 个并行调用。

**⛔ 差评分析按维度分类**：差评痛点必须按属性维度归类（如功率相关、线材相关、数显相关、容量相关、磁吸相关、外观形态相关、通用质量问题），而非仅按产品归类。这样才能直接映射到产品设计决策。

**2.3 关键词竞争分析**

调用 `competitor_product_keywords` + `product_traffic_terms`：

- 核心关键词排名
- 流量词数量和分布
- 自然流量 vs 广告流量占比

**2.4 进入壁垒评估（⛔ 必做，原 market-intelligence Step 4）**

> 适用场景：所有正式交付版本必须输出。本节用于把“能不能做”的风险讲清楚，避免只给机会不讲门槛。

评估以下壁垒维度，每个维度给出等级（低/中/高）：

| 壁垒类型 | 评估内容 | 数据来源 |
|----------|----------|----------|
| Review 壁垒 | 达到首页需要多少 Review | `category_report` Top100 评论数分布 |
| 资金壁垒 | 首批备货 + 广告 + 头程 | `ali1688_similar_product` + 估算 |
| 技术壁垒 | 是否需要认证/专利/模具 | WebSearch + 品类知识 |
| 合规壁垒 | FDA/UL/CE/FCC 等认证 | WebSearch（见下方站点合规表） |
| 供应链壁垒 | 供应商门槛/MOQ | `ali1688_similar_product` |
| 品牌壁垒 | 是否需要品牌故事/忠诚度 | 竞争格局分析结果 |

**站点合规速查**：

| 站点 | 常见认证要求 |
|------|-------------|
| US | FDA（食品/化妆品）、UL（电子）、FCC（无线）、CPSC（儿童产品）、EPA（杀虫）|
| UK | UKCA、WEEE |
| DE | CE、WEEE、EPR、VerpackG（包装法）|
| FR | CE、EPR、Triman 标志 |
| IT/ES | CE、EPR |

**输出**：壁垒汇总表（类型 + 等级 + 预估成本 + 预估时间）+ 预估启动投入合计

### Step 3: 投入产出测算

**财务公式**：

```
毛利 = 售价 - 采购成本 - FBA费用 - 物流成本
净利润 = 毛利 - 广告成本 - 退货损耗 - 平台佣金(约15%)
毛利率 = 净利润 / 售价 * 100%

预估CPC：从 keyword_detail 获取
目标ACOS = 毛利率 * 50%（保守）
净利率 = 净利润 / 售价 * 100%
```

**物流成本参考**：

- 价格 $10-20：物流成本控制在售价 15% 以内
- 价格 $20-40：可承担更高物流成本

**采购成本**：可调用 `ali1688_similar_product` 获取1688货源参考价。

### Step 3.5: Go/No-Go 综合评分（⛔ 必做，原 market-intelligence Step 6）

> 适用场景：所有正式交付版本必须输出。即便用户已经倾向进入，也必须把“进入条件、前提风险、最终判断”显式写出来。

**评分体系（加权计算）**：

| 维度 | 权重 | 评分(1-10) | 数据来源 |
|------|------|-----------|----------|
| 市场规模 | 20% | X | Step 1.1 `category_report` |
| 竞争格局 | 25% | X | Step 2.1 品牌集中度/新品占比 |
| 需求清晰度 | 15% | X | Step 1.2 关键词 + Step 1.6 交叉分析 |
| 进入壁垒（反向） | 20% | X | Step 2.4 壁垒评估 |
| 盈利能力 | 20% | X | Step 3 投入产出测算 |

**决策矩阵**：

| 加权总分 | 决策 | 建议 |
|----------|------|------|
| 7.5-10 | **GO** | 强烈建议进入，优先推进 |
| 6.0-7.4 | **CONDITIONAL GO** | 有条件进入，需解决关键风险 |
| 4.0-5.9 | **HOLD** | 暂缓，需更多数据验证或等待时机 |
| 0-3.9 | **NO-GO** | 不建议进入，风险大于机会 |

**输出**：评分卡 + 决策建议 + Top3 机会 + Top3 风险 + 缓解方案

**注意**：如果决策为 NO-GO，流程终止，不进入 Step 4。

### Step 4: 差异化建议与产品矩阵（⛔ 必须具体到规格）

> 本步骤是报告的核心价值输出——从数据分析转化为可执行的产品策略。绝不允许"待确认"占位或只列方向不给规格。

**4.1 VOC 痛点维度映射**

基于 Step 2.2 的差评分析（已按维度归类），对每个维度执行四要素映射：

| 要素 | 说明 | 示例（充电宝-功率维度） |
|------|------|----------------------|
| **痛点描述** | 该维度下消费者最高频的不满 | "充电速度慢，标称快充实际只有 10W" |
| **数据支撑** | 差评频次/占比 + 涉及竞品 | 23% 差评提及充电慢，涉及 Brand A/B/C |
| **品牌机会** | 品牌在该维度的能力优势 | 目标品牌具备快充或供应链优势，可做真实 65W |
| **产品方案** | 具体的产品设计方向 | 标配 65W GaN + LED 实时功率显示，消除信任疑虑 |

⛔ 每个属性维度（来自 Step 1.5）都必须完成此映射表，不得遗漏。

**4.2 机会空白优先级排序**

汇总 Step 1.6 交叉分析发现的所有空白/薄供给/高需求低供给机会，按三维评估排序：

| 评估维度 | 权重 | 评分标准（1-5 分） |
|----------|------|-------------------|
| 市场规模 | 40% | 1=月销额<$50K, 2=50-200K, 3=200-500K, 4=500K-1M, 5=>1M |
| 技术可行性 | 30% | 1=需要重大研发, 2=需要新模具, 3=改良现有方案, 4=成熟方案, 5=现有产品线可覆盖 |
| 品牌匹配 | 30% | 1=完全不匹配, 2=需要新品牌定位, 3=部分匹配, 4=高度匹配, 5=核心优势领域 |

**输出格式**：

| 排名 | 机会描述 | 维度组合 | 市场规模(40%) | 技术可行性(30%) | 品牌匹配(30%) | 加权总分 | 建议行动 |
|------|----------|----------|-------------|----------------|-------------|---------|---------|
| 1 | [具体描述] | [维度A×维度B] | X | X | X | X.X | [具体行动] |

**4.3 产品矩阵规划**

基于优先级排序，规划具体产品矩阵。至少完成 Tier 1（最优先进入的产品），Tier 2/3 视数据充分度而定：

**Tier 模板**（每个 Tier 必须包含以下所有字段）：

```
### Tier [N]: [产品定位一句话]

**目标市场**：[对应的维度组合空白/机会]
**决策理由**：[为什么优先做这个——引用 4.2 的优先级排序数据]

| 维度 | 规格 | 决策依据 |
|------|------|----------|
| [维度1] | [具体规格值] | [为什么选这个值] |
| [维度2] | [具体规格值] | [为什么选这个值] |
| ... | ... | ... |

**目标定价**：$XX.XX（基于 Step 3 测算，毛利率 XX%）
**差异化主张**：[一句话核心卖点，区别于竞品的关键]
**对标竞品**：[ASIN] [品牌] [价格] — 我们的优势：[具体差异]
**预估月销潜力**：XX-XX 件/月（基于同维度组合现有产品表现推算）
```

⛔ **禁止事项**：
- 不允许"待 Zach 确认"、"待定"、"建议进一步调研"等占位语
- 不允许只列方向不给具体规格（如"建议做大容量"必须改为"建议做 20000mAh"）
- 不允许不标对标竞品（必须有具体 ASIN）
- 不允许不给目标定价（必须基于 Step 3 测算）
- 如果数据确实不足以支撑某个 Tier，明确标注"数据不足：缺少 XX 数据，建议补充 XX 后再定"，但不得用"待确认"含糊带过

### Step 5: 交付前自检（⛔ 必做）

### ⛔ 交付硬性规则

16. ⛔ **禁止分步输出**：不得先手工输出 MD 报告再调用 render_deliverables.py；
    所有交付物必须由 `render_deliverables.py all` 一次性生成
17. ⛔ **unified_payload.json 必须包含产品级明细**：
    - `excel_sheets["类目销量Top100_明细"]` 必须包含 100 条产品数据
    - `excel_sheets["属性标注_Top100"]` 必须包含属性标注结果
    - 两个 Sheet 的数据来源是 `top100_raw.json` 和 `top100_parsed.json`
18. ⛔ **竞品选择逻辑必须包含价格和销量**：`competitor_selection_logic` 每条记录
    必须含 price/monthly_sales/reviews 字段（从 product_detail 获取）

在输出报告和数据文件之前，逐项检查以下清单。**全部通过后才可输出**，未通过项必须修正后再输出：

- [ ] 类目 Top100 明细 = 100 条？（不足 100 条说明数据获取不完整，需重新调用 `category_report`）
- [ ] Top100 产品已完成属性标注？（Step 1.5，每条产品至少标注了定义的维度）
- [ ] 交叉分析已完成至少 3 对维度组合？（Step 1.6，含空白点/薄供给列表）
- [ ] 每个分析维度的关键词都有 `keyword_detail` 数据？（至少 3 个维度）
- [ ] 竞品差评分析附有"竞品选择逻辑表"？（含 ASIN + 选择理由 + 竞品类型 + 覆盖维度）
- [ ] 竞品选择覆盖了量级标杆、功能差异代表、价格带高中低、痛点参考？（6-10 个）
- [ ] 差评痛点已按属性维度归类？（而非仅按产品归类）
- [ ] MD 报告中的每个数据表在 Excel 中有对应 Sheet？
- [ ] Excel 中的数据条数 >= MD 报告中的数据条数？（Excel 不得少于 MD）
- [ ] 所有数据点标注了 Sorftime MCP 来源工具名？
- [ ] JSON 第一个 key 为"数据来源说明"？
- [ ] Excel Sheet 列表包含"竞品选择逻辑"和"关键词对比_分段"？（若有对应分析）
- [ ] Excel 包含"属性标注_Top100"和"交叉分析"Sheet？（若执行了 Step 1.5/1.6）
- [ ] 新品分析（Step 1.7）已完成？（含新品数量/占比/时间分桶 + 新品友好度评级）
- [ ] HTML 精简报告已生成？（⛔ 三件套：MD + Excel + HTML）
- [ ] 若执行了 Step 2.4 进入壁垒评估，壁垒汇总表完整？（6 类壁垒 + 等级 + 成本 + 时间）
- [ ] 若执行了 Step 3.5 Go/No-Go 评分，5 维度评分 + 加权总分 + 决策建议完整？
- [ ] 「类目销量Top100_明细」Sheet 包含 ≥100 条数据？
- [ ] 「属性标注_Top100」Sheet 属性标注完整？
- [ ] 竞品选择逻辑表每条含 price/monthly_sales/reviews？
- [ ] 调用 `render_deliverables.py all` 一次性生成（非分步）？

**洞察质量检查（⛔ 必须全部通过）**：

- [ ] 有 Executive Summary（≥ 4 条核心结论，每条含数据点+含义+行动建议）？
- [ ] 每个维度分布表后有「关键洞察」段落（2-4 条 bullet）？
- [ ] 交叉分析每对维度有「关键发现」段落（不只表格）？
- [ ] 所有「空白」/「薄供给」标签都有原因解释（技术/需求/被忽视/供应链）？
- [ ] 差评按维度归类后，每个维度有「品牌机会」映射（痛点→能力→方案）？
- [ ] 有产品矩阵（至少 Tier 1 含完整规格表+定价+差异化+对标竞品）？
- [ ] 机会空白点有优先级排序（三维加权评估）？
- [ ] 报告至少使用了 3 种分析模式（见 `references/analysis_patterns.md`）？

---

## "6合1"隐赚指数标准

隐赚指数（潜力指数）评估以下6项，得分越高越好：

| 指标 | 理想状态 |
|------|----------|
| 排名趋势 | 稳定或上升 |