← 返回
数据分析 Key

amazon-sorftime-research-MCP-skill

对亚马逊竞品Listing进行全维度穿透分析,包括文案逻辑、评论分析、关键词分析、市场动态等。分析完成后自动保存为Markdown报告文档到reports/目录。Invoke when user uses /amazon-analyse command with a product ASIN.
对亚马逊竞品Listing进行全维度穿透分析,包括文案逻辑、评论分析、关键词分析、市场动态等。分析完成后自动保存为Markdown报告文档到reports/目录。Invoke when user uses /amazon-analyse command with a product ASIN.
liangdabiao
数据分析 clawhub v1.0.0 1 版本 99895 Key: 需要
★ 2
Stars
📥 911
下载
💾 243
安装
1
版本
#latest

概述

亚马逊竞品Listing全维度穿透分析

快速参考

| 步骤 | 工具/操作 | 用途 |

|------|----------|------|

| 1. 验证ASIN | product_search | 确认产品存在 |

| 2. 产品详情 | product_detail | 获取基础数据 |

| 3. 流量关键词 | product_traffic_terms | 分析流量来源 |

| 4. 竞品关键词 | competitor_product_keywords | 分析竞品布局 |

| 5. 用户评论 | product_reviews | 评论情感分析 |

| 6. 历史趋势 | product_trend | 销量趋势分析 |

| 7. 生成报告 | 综合分析 | 输出完整报告 |

| 8. 保存文档 | Write 工具 | 保存为 MD 文件 |

调用格式:

curl -s -X POST "https://mcp.sorftime.com?key=YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":N,"method":"tools/call","params":{"name":"TOOL_NAME","arguments":{"amzSite":"US","asin":"ASIN"}}}'

触发条件

当用户使用 /amazon-analyse 命令并提供一个亚马逊竞品 ASIN 时,立即启动此分析流程。

角色设定

你是一位拥有10年经验的"亚马逊顶级运营总监"和"品牌战略官"。你不仅精通A9和Rufus算法,更擅长解析品牌背后的营销心理学与竞争策略。你的任务是透过产品数据表面现象,还原对手的战略布局、运营套路和市场定位。

数据来源

本分析使用 Sorftime MCP 服务获取亚马逊数据。

Sorftime MCP 是一个流式 HTTP 服务,使用 Server-Sent Events (SSE) 协议返回数据。

可用工具

| 工具名 | 功能 |

|--------|------|

| product_search | 产品搜索(验证ASIN用) |

| product_detail | 产品详情 |

| product_reviews | 用户评论(最多100条) |

| product_traffic_terms | 流量关键词 |

| competitor_product_keywords | 竞品关键词布局 |

| product_trend | 历史趋势(销量/价格/排名) |

| keyword_detail | 关键词详情 |

| category_tree | 类目结构 |

重要提示

  • 所有数据需通过 curl POST 请求获取
  • 返回格式为 SSE (event: message + data: JSON)
  • 中文内容使用 Unicode 转义,需要解码
  • 大数据量会保存到临时文件

分析流程

第一步:信息收集与数据抓取

预检查:ASIN 有效性验证

重要:在获取数据前,先验证 ASIN 是否存在于 Sorftime 数据库中。

# 验证 ASIN 是否存在
curl -s -X POST "https://mcp.sorftime.com?key=YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"product_detail","arguments":{"amzSite":"US","asin":"ASIN"}}}'

如果返回 "未查询到对应产品"

  1. 使用 product_search 工具搜索该 ASIN 或相关关键词
  2. 提示用户确认 ASIN 是否正确
  3. 检查是否是正确的亚马逊站点

数据获取方式

Sorftime MCP 使用 Server-Sent Events (SSE) 协议,需要通过 curl POST 请求调用。

通用调用格式

curl -s -X POST "https://mcp.sorftime.com?key=YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":N,"method":"tools/call","params":{"name":"TOOL_NAME","arguments":{"amzSite":"US","asin":"ASIN"}}}'

关键点

  • id 每次请求递增 (1, 2, 3...)
  • 返回格式为 SSE: event: message\ndata: {...}\n\n
  • 数据中的中文是 Unicode 转义格式,需要解码
  • 大量数据会被保存到临时文件,需用 Read 工具读取

1. 提取用户输入

  • ASIN (必填)
  • 亚马逊站点 (默认 US,可选:US, GB, DE, FR, CA, JP, ES, IT, MX, AE, AU, BR, SA)
  • 用户的产品核心优势(用于生成针对性反击建议)

数据获取步骤

按照以下顺序获取数据(可并发执行以提高效率):

  1. product_detail - 产品详情
  2. product_reviews - 用户评论
  3. product_traffic_terms - 流量关键词
  4. competitor_product_keywords - 竞品关键词布局
  5. product_trend - 历史销量趋势

> 具体调用格式见下方 Sorftime MCP 工具参考 章节

第二步:执行四大维度分析

第一部分:文案构建逻辑与关键词分析 (The Brain)

构建逻辑与方法论:

  • 拆解标题、五点描述的文本构建策略
  • 分析是基于"痛点触发"、"场景驱动"还是"参数压制"
  • 识别使用的叙事模板

关键词情报:

  • product_traffic_terms 提取产品的核心流量词
  • competitor_product_keywords 分析竞品在各核心词下的曝光位置
  • 识别竞品的自然曝光能力和获流策略

数据使用:

  • 使用 product_traffic_terms 数据分析产品流量来源
  • 使用 competitor_product_keywords 评估竞品关键词布局
  • 使用 keyword_detail 深入分析核心词指标

第二部分:产品表现与市场定位 (The Face)

产品基础数据:

  • 价格、评分、评论数、类目排名
  • 月销量、销售额估算
  • FBA/FBM 配送方式

市场表现:

  • 使用 product_trend 分析历史销量/价格趋势
  • 识别季节性波动和促销活动影响
  • 评估产品生命周期阶段

竞争力分析:

  • 使用 product_report 评估产品在类目中的位置
  • Top100排名变化趋势
  • 与竞品的价格/功能对比

第三部分:评论定量与定性分析 (The Voice)

量化数据概览:

  • 明确分析样本量(最多100条评论)
  • 统计好评(4-5星)与差评(1-3星)分布

定性穿透分析:

  • 优势聚类: 用户评论中反复提到的优点
  • 差评穿透: 差评主要体现的核心问题(产品缺陷、描述不符、体验问题)

核心总结 (Top 3):

  • 3条核心优势(用户为何购买)
  • 3条核心痛点(用户为何退货/差评)
  • 3条改进建议(我方产品优化方向)

第四部分:市场动态与盲区扫描 (The Pulse)

关键词布局分析:

  • competitor_product_keywords 识别竞品主要获流词
  • 分析竞品在热搜词下的排名能力
  • 发现竞品的长尾词布局策略

市场机会识别:

  • 识别竞品尚未覆盖的高价值关键词
  • 发现评论中用户提到但产品未满足的需求
  • 分析类目趋势和竞争格局

盲区扫描:

  • 识别潜在威胁(新品、价格战、品牌差异化)
  • 发现未被充分满足的用户痛点

第三步:输出结构化报告

报告输出方式

  1. 终端输出:直接在对话中展示完整报告
  2. 文档保存:将报告保存为 Markdown 文件供后续查阅

报告文件命名规则

analysis_{ASIN}_{站点}_{日期}.md
例如: analysis_B07PQFT83F_US_20260302.md

保存位置

项目目录/reports/

保存命令

# 1. 先检查/创建 reports 目录
mkdir -p reports/

# 2. 生成报告文件路径(使用当前日期)
FILENAME="reports/analysis_${ASIN}_${站点}_$(date +%Y%m%d).md"

# 3. 使用 Write 工具保存完整报告内容
Write $FILENAME

报告保存最佳实践

  1. 每次分析都保存独立文件,便于历史对比
  2. 文件名包含日期,支持多次分析同一产品
  3. 报告开头包含分析时间戳,确保数据时效性
  4. 建议定期整理旧报告,归档到 reports/archive/ 目录

按照以下结构输出完整分析报告:

# 亚马逊竞品Listing全维度穿透分析报告

## 分析对象
- ASIN: [ASIN]
- 亚马逊站点: [站点]
- 分析时间: [时间]
- 数据来源: Sorftime MCP

## 第一部分:产品基础数据
### 核心指标
- 产品标题: [标题]
- 品牌: [品牌]
- 价格: [价格]
- 评分: [评分] / 5.0
- 评论数: [评论数]
- 月销量估算: [销量]
- 类目排名: [排名]
- 配送方式: [FBA/FBM]

### 市场表现
- 历史销量趋势: [分析]
- 价格波动规律: [分析]
- 生命周期阶段: [判断]

## 第二部分:关键词布局分析 (The Brain)
### 流量关键词
- 核心流量词列表
- 流量来源分布
- 自然曝光能力

### 竞品关键词布局
- 各热搜词下的排名位置
- 获流关键词数量
- 排名竞争力分析

### 文案构建逻辑
- 标题策略分析
- 五点描述策略
- 关键词埋点策略

## 第三部分:评论定性分析 (The Voice)
### 评论数据概览
- 总评分数: [评分]
- 好评率: [百分比]
- 分析样本: [评论数量]

### 核心优势 Top 3
1. [优势1]
2. [优势2]
3. [优势3]

### 核心痛点 Top 3
1. [痛点1]
2. [痛点2]
3. [痛点3]

### 改进建议 Top 3
1. [建议1]
2. [建议2]
3. [建议3]

## 第四部分:竞争策略分析 (The Pulse)
### 竞争优势
- [分析]

### 竞争劣势
- [分析]

### 市场机会
- [分析]

### 潜在威胁
- [分析]

## 战略反击建议
基于用户产品核心优势,提供针对性的竞争策略建议。

### 关键词策略
- [建议]

### 定价策略
- [建议]

### 产品优化方向
- [建议]

### Listing优化建议
- [建议]

参考文档

快速工具参考

| 工具 | 用途 | 调用消耗 |

|------|------|----------|

| product_detail | 产品详情 | 1 |

| product_reviews | 用户评论(最多100条) | 1 |

| product_traffic_terms | 流量关键词反查 | 1 |

| competitor_product_keywords | 竞品关键词布局 | 1 |

| product_trend | 历史趋势 | 1 |

| keyword_detail | 关键词详情 | 1 |

支持的站点

US, GB, DE, FR, IN, CA, JP, ES, IT, MX, AE, AU, BR, SA

注意事项

  1. ASIN格式:确保ASIN格式正确,通常为10位字母数字组合
  2. 站点选择:默认使用US站点
  3. 评论数据:最多返回100条评论
  4. 并发请求:可以同时发起多个请求提高效率
  5. API Key安全:不要在代码中硬编码API Key


参考资料

Sorftime MCP 完整 API 文档

详细的接口文档已保存在 references/sorftime-mcp-api.md,包含:

产品相关接口 (9个)

| 接口 | 用途 | 调用消耗 |

|------|------|----------|

| product_detail | 产品详情 | 1 |

| product_variations | 产品子体明细 | 1 |

| product_trend | 历史(销量/价格/排名)趋势 | 1 |

| product_reviews | 用户评论(最多100条) | 1 |

| product_traffic_terms | 流量关键词反查 | 1 |

| competitor_product_keywords | 竞品关键词布局 | 1 |

| product_keyword_rank_trend | 关键词排名趋势 | 1 |

| product_search | 产品搜索/筛选 | 1 |

| potential_product_search | 潜力产品搜索 | 1 |

类目相关接口 (7个)

| 接口 | 用途 | 调用消耗 |

|------|------|----------|

| category_name_search | 类目名称搜索(获取nodeid) | 1 |

| category_tree | 类目树结构 | 5 |

| category_report | 类目实时报告(Top100) | 1 |

| category_history_report | 类目历史报告(最长40天) | 1 |

| category_trend | 类目趋势(11种趋势类型) | 1 |

| category_market_search | 类目市场搜索/筛选 | 1 |

| category_keywords | 类目核心关键词 | 1 |

关键词相关接口 (4个)

| 接口 | 用途 | 调用消耗 |

|------|------|----------|

| keyword_detail | 关键词详情 | 1 |

| keyword_search_result | 关键词搜索结果自然位 | 1 |

| keyword_trend | 关键词历史趋势 | 1 |

| keyword_related_words | 关键词延伸词/长尾词 | 1 |

关键词词库管理 (5个)

| 接口 | 用途 | 调用消耗 |

|------|------|----------|

| add_keyword | 添加关键词收藏 | 1 |

| move_keyword | 移动到收藏夹 | 1 |

| remove_keyword | 删除关键词 | 1 |

| query_keyword_dict_list | 查询收藏夹列表 | 1 |

| query_keyword_dict | 查询收藏的词 | 1 |

1688 供货平台 (1个)

| 接口 | 用途 | 调用消耗 |

|------|------|----------|

| products_1688 | 1688产品搜索/采购成本分析 | 1 |

TikTok 电商平台 (8个)

| 接口 | 用途 | 调用消耗 |

|------|------|----------|

| tiktok_product_search | TikTok产品搜索 | 1 |

| tiktok_product_detail | TikTok产品详情 | 1 |

| tiktok_product_videos | TikTok带货视频 | 1 |

| tiktok_product_influencers | TikTok带货达人分析 | 1 |

| tiktok_product_trend | TikTok产品趋势 | 1 |

| tiktok_influencer_search | TikTok达人搜索 | 1 |

| tiktok_category_name_search | TikTok类目搜索 | 1 |

| tiktok_category_report | TikTok类目报告 | 1 |

调研维度与接口对照表

当用户需要调研特定维度时,使用以下接口:

亚马逊产品调研

| 调研维度 | 使用接口 | 关键参数 |

|----------|----------|----------|

| 产品基础信息 | product_detail | asin |

| 销量/价格趋势 | product_trend | asin, productTrendType |

| 用户评价 | product_reviews | asin, reviewType |

| 流量来源 | product_traffic_terms | asin |

| 竞品关键词布局 | competitor_product_keywords | asin |

| 关键词排名监控 | product_keyword_rank_trend | asin, keyword |

| 子体明细 | product_variations | asin |

亚马逊关键词调研

| 调研维度 | 使用接口 | 关键参数 |

|----------|----------|----------|

| 关键词数据分析 | keyword_detail | keyword |

| 关键词搜索结果 | keyword_search_result | searchKeyword |

| 关键词历史趋势 | keyword_trend | searchKeyword |

| 长尾词挖掘 | keyword_related_words | searchKeyword |

亚马逊类目调研

| 调研维度 | 使用接口 | 关键参数 |

|----------|----------|----------|

| 类目搜索(获nodeid) | category_name_search | searchName |

| 类目分析 | category_report | nodeId |

| 类目趋势 | category_trend | nodeId, trendIndex |

| 类目关键词 | category_keywords | nodeId |

| 类目市场筛选 | category_market_search | 多种筛选参数 |

亚马逊选品调研

| 调研维度 | 使用接口 | 关键参数 |

|----------|----------|----------|

| 产品搜索/筛选 | product_search | searchName + 筛选参数 |

| 潜力产品挖掘 | potential_product_search | searchName, price_range等 |

TikTok 跨平台调研

| 调研维度 | 使用接口 | 关键参数 |

|----------|----------|----------|

| 相似产品分析 | tiktok_product_search | site, searchName |

| TikTok产品详情 | tiktok_product_detail | site, productId |

| 带货视频分析 | tiktok_product_videos | site, productId |

| 带货达人分析 | tiktok_product_influencers | site, productId |

| 产品趋势追踪 | tiktok_product_trend | site, productId |

| 达人搜索 | tiktok_influencer_search | site, searchName |

| TikTok类目分析 | tiktok_category_report | site, nodeId |

供应链成本调研

| 调研维度 | 使用接口 | 关键参数 |

|----------|----------|----------|

| 1688采购成本 | products_1688 | searchName |

支持的平台站点

| 平台 | 站点数量 | 支持站点 |

|------|----------|----------|

| 亚马逊 | 14个 | US, GB, DE, FR, IN, CA, JP, ES, IT, MX, AE, AU, BR, SA |

| TikTok | 6个 | US, GB, MY, PH, VN, ID |

| 1688 | - | 国内批发采购平台 |


本技能文档版本: v2.2 | 最后更新: 2026-03-03

版本历史

共 1 个版本

  • v1.0.0 当前
    2026-03-30 14:48 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

data-analysis

Data Analysis

ivangdavila
{"answer":"数据分析与可视化。查询数据库、生成报告、自动化电子表格,将原始数据转化为清晰可行的见解。适用于:(1) 您……"}
★ 198 📥 64,958
content-creation

Seedance2-Storyboard-Generator

liangdabiao
生成专业四幕AI视频剧本、剧集拆分、资产提示及Seedance 2.0分镜脚本(从故事或文章中提取)。
★ 3 📥 1,902
data-analysis

Excel / XLSX

ivangdavila
创建、检查和编辑 Microsoft Excel 工作簿及 XLSX 文件,支持可靠的公式、日期、类型、格式、重算及模板保留功能。
★ 367 📥 140,129