Coding

Amazon产品研究员

Try it

Amazon 产品全链路深度研究助手。输入一句话(产品名/ASIN/描述),自动完成产品搜索→多产品评论采集→AI情感打标→关键词扩展→VOC痛点聚类→竞品分析→新品机会分析→输出完整交互式HTML可视化报告。覆盖8大分析阶段,一站式Amazon产品调研。

What it does

1. 🔍 **产品搜索**:自然语言搜索Amazon产品,返回Top N竞品 2. 📝 **多产品评论采集**:批量抓取每个产品的用户评论 3. 🤖 **AI情感打标**:逐条评论提取情感/痛点/卖点/场景/画像 4. 🔑 **关键词扩展**:基于真实评论,生成高频搜索词、长尾词、关联词 5. 🎯 **VOC痛点聚类**:聚类用户痛点,按严重度和频率排序 6. 📊 **竞品分析**:多产品横向对比,优劣矩阵+市场定位 7. 💡 **新品机会分析**:识别市场空白,推荐新品切入方向 8. 📄 **交互式HTML报告**:一键生成完整可视化报告

The skill document

亚马逊产品研究员 (Amazon Product Research)

一句话描述,8步输出完整调研报告——竞品、关键词、痛点、机会,一个工具搞定。

能做什么

输入一句话(产品名/ASIN/描述词),自动完成:

  1. 🔍 产品搜索:自然语言搜索Amazon产品,返回Top N竞品
  2. 📝 多产品评论采集:批量抓取每个产品的用户评论
  3. 🤖 AI情感打标:逐条评论提取情感/痛点/卖点/场景/画像
  4. 🔑 关键词扩展:基于真实评论,生成高频搜索词、长尾词、关联词
  5. 🎯 VOC痛点聚类:聚类用户痛点,按严重度和频率排序
  6. 📊 竞品分析:多产品横向对比,优劣矩阵+市场定位
  7. 💡 新品机会分析:识别市场空白,推荐新品切入方向
  8. 📄 交互式HTML报告:一键生成完整可视化报告

与其他技能对比

功能amazon-review-analyzeramazon-product-research
输入方式必须指定ASIN一句话自然语言
分析范围单个产品多产品横向对比
关键词扩展❌✅
VOC聚类❌✅
竞品分析基础深度横向对比
新品机会❌✅
报告类型单产品洞察全链路调研报告

快速开始

1. 安装依赖

pip install -r ~/.workbuddy/skills/amazon-product-research/requirements.txt

2. 体验示例报告(无需API Key)

python ~/.workbuddy/skills/amazon-product-research/scripts/research.py \
  --query "bluetooth headphones under $50" \
  --use-mock

3. 完整分析(需LLM API Key)

# DeepSeek(国内推荐)
python ~/.workbuddy/skills/amazon-product-research/scripts/research.py \
  --query "portable bluetooth speaker waterproof" \
  --api-key YOUR_DEEPSEEK_KEY \
  --api-base https://api.deepseek.com/v1 \
  --model deepseek-chat

# OpenAI
python ~/.workbuddy/skills/amazon-product-research/scripts/research.py \
  --query "yoga mat non slip" \
  --api-key YOUR_OPENAI_KEY

参数说明

参数必填默认值说明
--query✅-搜索关键词/产品名/ASIN/描述
--market❌US市场区域:US/UK/DE/JP等
--max-products❌5最多分析的竞品数量
--max-reviews❌100每个产品最大评论数
--api-key❌-LLM API Key(无Key则仅生成数据报告)
--api-base❌https://api.openai.com/v1API Base URL
--model❌gpt-4o-mini模型名称
--output❌./product_research_{timestamp}.html输出路径
--rapidapi-key❌-RapidAPI Key(可选)
--use-mock❌False使用模拟数据演示

输出报告内容

生成的HTML报告包含以下8大板块:

  1. 研究概览:搜索词、分析产品数、评论总数、评分分布总览
  2. 产品一览:所有产品卡片(图片/价格/评分/链接)
  3. 评分与评论概览:评分分布、情感分布、评论量对比
  4. 关键词扩展:高频词云、长尾关键词、关联搜索词
  5. VOC痛点聚类:痛点分类树、严重度排序、典型评论引用
  6. 竞品对比矩阵:多维度雷达图对比、优劣势一览表
  7. 新品机会分析:市场空白识别、切入方向建议、风险提示
  8. 原始数据导出:所有打标数据可下载(CSV格式)

技术架构

用户输入 "portable bluetooth speaker waterproof"
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 1: 产品搜索 (product_search.py)            │
│  自然语言 → Amazon搜索 → Top N产品              │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 2: 多产品评论采集 (fetch_reviews.py)       │
│  对每个ASIN并行抓取评论                          │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 3: AI情感打标 (ai_tagging.py)              │
│  逐条评论 → 情感/痛点/卖点/场景/画像             │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 4: 关键词扩展 (keyword_expansion.py)       │
│  聚合评论 + LLM → 高频词/长尾词/关联词          │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 5: VOC聚类 (voc_clustering.py)             │
│  所有痛点 → LLM聚类 → 类别/严重度/频次          │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 6: 竞品分析 (competitor_analysis.py)       │
│  多产品横向对比 + LLM → 优劣矩阵/定位分析        │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 7: 新品机会 (opportunity_analysis.py)      │
│  VOC + 竞品差距 → LLM → 市场空白/新品方向        │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 8: 报告生成 (generate_report.py)           │
│  全部数据 → 交互式HTML + Chart.js图表            │
└─────────────────────────────────────────────────┘

API Key 配置

LLM API(核心分析引擎)

支持任何兼容OpenAI API格式的模型:

OpenAI

--api-key sk-xxx --api-base https://api.openai.com/v1 --model gpt-4o-mini

DeepSeek(国内推荐)

--api-key sk-xxx --api-base https://api.deepseek.com/v1 --model deepseek-chat

DashScope(阿里云)

--api-key sk-xxx --api-base https://dashscope.aliyuncs.com/compatible-mode/v1 --model qwen-plus

RapidAPI Key(可选)

用于获取真实Amazon数据。内置演示数据,无需Key即可体验流程。

  1. 访问 https://rapidapi.com/hub/amazon
  2. 订阅 "Amazon Products and Reviews" API
  3. 通过 --rapidapi-key 参数传入

注意事项

  • ⏱️ 时间成本:5产品×100评论 ≈ 10-20分钟(取决于LLM API速度)
  • 💰 API成本:gpt-4o-mini处理500条评论+4次综合分析 ≈ $0.25-0.50
  • 🚫 数据源:真实数据依赖RapidAPI,无Key时使用模拟数据演示
  • 📊 报告大小:HTML报告约500KB-2MB(含Chart.js图表)

示例

分析"portable bluetooth speaker waterproof"市场

python ~/.workbuddy/skills/amazon-product-research/scripts/research.py \
  --query "portable bluetooth speaker waterproof" \
  --market US \
  --max-products 5 \
  --max-reviews 100 \
  --api-key YOUR_KEY \
  --api-base https://api.deepseek.com/v1 \
  --model deepseek-chat

快速调研"yoga mat"品类(使用模拟数据)

python ~/.workbuddy/skills/amazon-product-research/scripts/research.py \
  --query "yoga mat non slip" \
  --use-mock

常见问题

Q: 和amazon-review-analyzer有什么区别? A: amazon-review-analyzer专注单个ASIN的评论分析(痛点/卖点/Listing优化),amazon-product-research做全链路产品调研(搜索→竞品→关键词→VOC→机会),适合选品调研和品类分析。

Q: 没有RapidAPI Key能用吗? A: 可以!使用 --use-mock 参数,系统会生成逼真的模拟数据,让你体验完整流程。只有获取真实Amazon数据时才需要RapidAPI Key。

Q: 分析一个品类大概需要多久? A: 使用模拟数据约30秒(含报告生成),使用真实API+LLM分析5产品×100评论约10-20分钟,取决于LLM API的并发能力。

Q: 报告能用手机看吗? A: 可以,HTML报告是响应式设计,手机和平板都能正常查看。推荐桌面端查看以获得最佳体验。

更新日志

  • v1.0.0 (2026-06-20): 初始版本
    • 8阶段全链路分析
    • 自然语言搜索
    • 多产品横向对比
    • VOC聚类 + 新品机会分析
    • 交互式HTML报告

Related skills

Fetch raw ad creative, app, ranking, and revenue data from AdMapix as structured JSON.

by fly0pants4.3k installs296 stars

Stores durable facts in a categorized, plain-markdown vault on disk, alongside your agent's built-in memory.

by Iván559 installs18 stars

Join a video meeting as an AI bot with voice, avatar, and screenshare across four operating modes.

by johnpatternai22 installs8 stars

Find why your productivity system keeps failing, then apply the smallest fix — capacity math, bottleneck routing, durable local notes.

by Iván855 installs69 stars

Generate and edit Draw.io, Mermaid, and Excalidraw diagrams from natural language using a structured JSON spec.

by nssa.io1.0k installs47 stars

More from bettermen

Browse all skills

AI-powered memory guardian for Windows. Manage system memory, kill high-risk processes, monitor in background, and view real-time Web GUI dashboard. Triggers...

by bettermen5 installs1 stars

AI开发工程师全流程工作流。覆盖需求分析→技术选型→数据处理→AI核心开发(Prompt/Agent/RAG/微调)→后端服务→前端交互→测试评估→部署运维→性能优化→LLMOps→安全护栏10大阶段。面向LLM应用开发全链路,提供代码模板、架构决策框架、调试排查指南。触发词: AI开发, AI工程师, AI全栈...

by bettermen5 installs1 stars

AI产品经理全流程助手。覆盖需求洞察→竞品分析→PRD方案设计→AI能力设计(Prompt/Agent/RAG)→上线评估→迭代优化6大阶段。融合模型边界管理、Prompt工程、Agent编排、RAG数据工程、AI评估五大核心能力。触发词: AI产品经理, AI PM, 写PRD, 竞品分析, Prompt设计,...

by bettermen4 installs1 stars

MetricHub多租户指标平台全流程编排:指标目录浏览、查询构建执行(九条铁律/九条消歧规则/快速计算语法)、数据可视化推荐、仪表盘编排。触发:查询指标、同环比、占比、排名、时间限定、metricDefinitions、timeConstraint、filters、dimensions、查看指标目录、创建仪表盘...

by bettermen5 installs

为文章规划并生成可读性强的极简强线条手绘配图。先建立文章地图,识别段落适合流程图、架构图、对比图、关系图、结构图还是概念插图,再通过构思卡组织单一命题、原文指纹、信息单位、阅读顺序和固定橙白圆猫角色。构思通过可读性测试后默认直接生成。用户说配图、手绘配图、给文章配图、文章插图、技术文章插图、流程图、架构图、关系图...

by bettermen4 installs

绂诲搴旇瘔鎸囧崡AI鍔╂墜銆傚綋鐢ㄦ埛琚捣璇夌濠氶渶瑕佸簲璇夊府鍔╂椂锛屾彁渚涘叏娴佺▼鎸囧锛? 搴旇瘔娴佺▼瀵艰埅銆佺瓟杈╃姸鐢熸垚銆佹劅鎯呯牬瑁傝瘉鎹噯澶囥€佽储浜у垎鍓插垎鏋愩€佸瓙濂虫姎鍏绘潈璇勪及銆? 搴旇瘔绛栫暐寤鸿銆佹硶寰嬫潯鏂囬€熸煡銆傝鐩栦粠鏀跺埌璧疯瘔鐘跺壇鏈埌鍒ゅ喅鎵ц鐨勫...

by bettermen4 installs