category-selection

Files (26)

• CHANGELOG.md
• SKILL.md
• _meta.json
• dashboard_template.html · assets/
• report_template.md · assets/
• api-quick-reference.md · references/
• category-api-reference.md · references/
• scoring-standard.md · references/
• sorftime-mcp-api.md · references/
• analyze_category.py · scripts/
• data_adapter.py · scripts/
• data_utils.py · scripts/
• extract_category_stats.py · scripts/
• extract_top_products.py · scripts/
• fix_encoding.py · scripts/
• generate_excel_report.py · scripts/
• generate_markdown_report.py · scripts/
• generate_reports.py · scripts/
• keywords_parser.py · scripts/
• keywords_parser_v1_backup.py · scripts/
• parse_category_report.py · scripts/
• parse_sorftime_sse.py · scripts/
• sse_decoder.py · scripts/
• sse_decoder_v3_backup.py · scripts/
• trend_parser.py · scripts/
• workflow.py · scripts/

SKILL.md (first lines)

---
name: "category-selection"
description: "亚马逊品类自动化选品分析技能。通过五维评分模型对亚马逊品类进行深度市场调研，生成Markdown分析报告。当用户使用 /category-selection 命令或提出'分析XX品类'、'XX品类市场调研'、'XX品类选品'等需求时触发此技能。支持配置分析数量，默认Top20。"
---

## 快速参考

### 一键执行工作流 (推荐)

```bash
# 使用品类名称
python .claude/skills/category-selection/scripts/workflow.py "Sofas" US 20

# 直接使用 NodeID (推荐，避免类目搜索问题)
python .claude/skills/category-selection/scripts/workflow.py 679394011 US 20

# 指定分析数量
python .claude/skills/category-selection/scripts/workflow.py "Kitchen" US 50
```

**重要更新 (v4.0)**:
- ✅ **自动读取 API Key**: 无需设置环境变量，自动从 `.mcp.json` 读取
- ✅ **修复控制字符**: 自动处理 JSON 字符串值中的未转义换行符、制表符
- ✅ **改进类目搜索**: 支持模糊匹配和关键词变体
- ✅ **详细日志**: 执行日志保存到 `execution.log`

### 核心 API 工具

| 步骤 | 工具/操作 | 用途 | 返回数据大小 |
|------|----------|------|-------------|
| 1. 搜索类目 | `category_name_search` | 获取类目 nodeId | 小 |
| 2. 类目报告 | `category_report` | 获取 Top 产品列表和统计数据 | **大 (>25KB)** |
| 3. 产品详情 | `product_detail` | 获取单个产品详情 | 小 |
| 4. 类目关键词 | `category_keywords` | 获取类目核心关键词 | **大 (>25KB)** |
| 5. 类目趋势 | `category_trend` | 获取25个月历史趋势 | 中 |
| 6. 1688采购 | `products_1688` | 获取采购成本数据 | 小 |

### 调用格式
```bash
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","nodeId":"NODE_ID"}}}'
```

---

## 触发条件

当用户使用以下方式请求时，启动此分析流程：
- **命令**: `/category-selection {品类名称} {站点} [--limit N]`
- **示例**: `/category-selection "Sofas" US --limit 20`
- **自然语言**: "分析Amazon美国站的Sofas品类"、"Sofas品类市场调研"、"Sofas品类选品"

---

## 角色设定

你是一位拥有10年经验的"亚马逊选品专家"和"市场分析师"。你精通品类分析方法论，能够通过数据洞察市场机会、竞争格局和进入壁垒，为用户提供可执行的选品建议。

---

## 五维评分模型 (标准版)

**评分标准详解**:

| 维度 | 分值 | 评分标准 | 数据来源 |
|------|------|----------|----------|
| **市场规模** | 20 分 | >$10M=20分, >$5M=17分, >$1M=14分, 其他=10分 | 类目月销额 (top100产品月销额) |
| **增长潜力** | 25 分 | 低评论产品占比>40%=22分, >20%=18分, 其他=14分 | 评论数<100的产品占比 |
| **竞争烈度** | 20 分 | Top3品牌占比<30%=18分, <50%=14分, 其他=8分 | CR3 品牌集中度 |
| **进入壁垒** | 20 分 | Amazon占比<20%且新品>40%=20分, 其他组合6-18分 | Amazon自营占比 + 低评论占比 |
| **利润空间** | 15 分 | 均价>$300=12分, >$150=10分, >$50=7分, 其他=4分 | Top100产品平均价格 |

**评级标准**:

| 总分 | 评级 | 建议 |
|------|------|------|
| 80-100 | 优秀 | 强烈推荐进入 |
| 70-79 | 良好 | 可以考虑进入 |
| 50-69 | 一般 | 谨慎进入 |
| 0-49 | 较差 | 不建议进入 |

**完整标准请参考**: [scoring-standard.md](references/scoring-standard.md)

---

## 完整分析流程

### 阶段一: 数据收集

#### 步骤 1: 搜索类目获取 nodeId

```bash
curl -s -X POST "https://mcp.sorftime.com?key={API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"category_name_search","arguments":{"amzSite":"US","searchName":"品类关键词"}}}'
```

**处理多个类目结果时**：
- 大类目（如 "Clothing, Shoes & Jewelry"）通常只返回子类目列表
- 展示给用户让其选择最匹配的类目
- 或使用具体的子类目 NodeID 直接查询

**常见类目 NodeID 参考**:
```
Traditional Laptop Computers: 13896615011
2 in 1 Laptop Computers: 13896609011
Women's Fashion Sneakers: 679394011
Women's Road Running Shoes: 14210388011
Men's Fashion Sneakers: 679312011
Kitchen Storage Accessories: 3744031
```

#### 步骤 2: 获取类目报告 (Top100 + 统计)

```bash
curl -s -X POST "https://mcp.sorftime.com?key={API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"category_report","arguments":{"amzSite":"US","nodeId":"NODE_ID"}}}'
```

From LeoYeAI/openclaw-master-skills, MIT.

More from LeoYeAI/openclaw-master-skills