Skills walter-product-research
亚马逊选品调研 - 回答"能不能做"的问题。快速扫描→市场分析→利润测算→竞品发现→风险评估,输出GO/NO-GO决策报告。
install
source · Clone the upstream repo
git clone https://github.com/openclaw/skills
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/openclaw/skills "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/beyondbright/walter-product-research" ~/.claude/skills/openclaw-skills-walter-product-research && rm -rf "$T"
OpenClaw · Install into ~/.openclaw/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/openclaw/skills "$T" && mkdir -p ~/.openclaw/skills && cp -r "$T/skills/beyondbright/walter-product-research" ~/.openclaw/skills/openclaw-skills-walter-product-research && rm -rf "$T"
manifest:
skills/beyondbright/walter-product-research/SKILL.mdsource content
亚马逊选品调研
核心问题
"我这个想法能不能做?"
用户交互
输入
用户: "我想做沙滩裤" 用户: "women active shorts能不能做" 用户: "分析下这个市场"
输出
[选品调研报告] [Decision] GO / CAUTION / NO-GO [Score] 72/100 ├─ 市场容量: 640,240 units/月 ├─ 竞争程度: CR3=63% (高) ├─ 市场趋势: +8.5%/月 (上升) ├─ 利润空间: $2.08/unit (8.3%) └─ 风险提示: 高品牌集中度 [详细报告] [竞品分析] [生成Listing]
分析流程
Step 1: 快速扫描 (30秒)
- 机会评分 (0-100)
- 市场容量评估
- 竞争程度评估
- 趋势判断
Step 2: 市场分析
- 品牌集中度 (CR3/CR5)
- 价格带分布
- 头部玩家分析
Step 3: 利润测算
- 定价建议
- 成本结构分解
- 利润优化场景
Step 4: 竞品发现
- Top 5 竞品
- 各竞品基础数据
- 差异化机会
Step 5: 风险评估
- 高风险因素
- 中风险因素
- 进入建议
技术实现
class ProductResearch: def analyze(self, keyword: str, price: float = None, cost: float = None) -> Dict: """ 选品调研完整流程 """ # 1. 快速扫描 scan = self.quick_scan(keyword) # 2. 市场分析 market = self.analyze_market(scan['node_id']) # 3. 利润测算 profit = self.calculate_profit(price, cost) # 4. 竞品发现 competitors = self.discover_competitors(keyword) # 5. 风险评估 risks = self.assess_risks(scan, market) return { 'decision': scan['recommendation'], 'score': scan['score'], 'market': market, 'profit': profit, 'competitors': competitors, 'risks': risks }
依赖
- 统一数据层unified_data_layer_v2.py
- MCP客户端sellersprite_mcp.py- SellerSprite API access
版本
V1 - 2026-04-13
- 第一版发布
- 场景: 选品调研