Fetch raw ad creative, app, ranking, and revenue data from AdMapix as structured JSON.
Coding
Amazon产品研究员
Try itAmazon 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:
- 🔍 产品搜索:自然语言搜索Amazon产品,返回Top N竞品
- 📝 多产品评论采集:批量抓取每个产品的用户评论
- 🤖 AI情感打标:逐条评论提取情感/痛点/卖点/场景/画像
- 🔑 关键词扩展:基于真实评论,生成高频搜索词、长尾词、关联词
- 🎯 VOC痛点聚类:聚类用户痛点,按严重度和频率排序
- 📊 竞品分析:多产品横向对比,优劣矩阵+市场定位
- 💡 新品机会分析:识别市场空白,推荐新品切入方向
- 📄 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-analyzer | amazon-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/v1 | API 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:
- 研究概览:搜索词、分析产品数、评论总数、评分分布总览
- 产品一览:所有产品卡片(图片/价格/评分/链接)
- 评分与评论概览:评分分布、情感分布、评论量对比
- 关键词扩展:高频词云、长尾关键词、关联搜索词
- VOC痛点聚类:痛点分类树、严重度排序、典型评论引用
- 竞品对比矩阵:多维度雷达图对比、优劣势一览表
- 新品机会分析:市场空白识别、切入方向建议、风险提示
- 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。
- 访问 https://rapidapi.com/hub/amazon
- 订阅 "Amazon Products and Reviews" API
- 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
Stores durable facts in a categorized, plain-markdown vault on disk, alongside your agent's built-in memory.
Join a video meeting as an AI bot with voice, avatar, and screenshare across four operating modes.
Find why your productivity system keeps failing, then apply the smallest fix — capacity math, bottleneck routing, durable local notes.
Generate and edit Draw.io, Mermaid, and Excalidraw diagrams from natural language using a structured JSON spec.
Site audit, content writing, and competitor analysis for organic search rankings.
More from bettermen
Browse all skillsAI-powered memory guardian for Windows. Manage system memory, kill high-risk processes, monitor in background, and view real-time Web GUI dashboard. Triggers...
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...
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,...
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...
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...
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...