Score
90
来源提出提升转化率的14项策略，包括客户访谈、定义网站目标、分析数据、审查摩擦点、测试价值主张、技术审计、增加社会证明、优化查找路径、在线咨询、A/B测试、弃购召回、缩短结账字段、激励和安心退货政策。可迁移到淘宝/拼多多的是用户问题收集、商品页信任元素、转化漏斗审计和实验优先级；不可迁移的是Shopify独立站结账字段和邮件自动化的具体实现。
核心做法：选取近30天高曝光低转化商品，按曝光、点击、加购、收藏、下单、退款形成漏斗。
判断：点击率
排除：不使用虚假评价、夸大功效或误导性对比。
适合转成商品页诊断任务，能从客服、评价和漏斗数据自动生成实验建议。
Score
90
来源介绍FBA Inventory用于规划未来需求、减少过量或老化库存、修复stranded inventory、监控sell-through rate，并提到Amazon将超过90天供给视为excess inventory。可迁移到淘宝/拼多多的部分是库存健康指标、滞销定义、库存异常修复和清仓动作优先级；不可迁移的是FBA仓储、IPI等Amazon专属指标。
核心做法：拉取近30/60/90天SKU销量、库存、可售状态、退款率、广告花费和毛利数据。
判断：库存可售天数
排除：排除Electronics和High-return fashion。
Score
91
Shopify退货管理文章强调退货流程会影响利润、客户体验和运营效率，并需要系统化处理客户沟通、退回商品、换货、补货和再销售。可迁移到淘宝/拼多多的是退货流程标准化、退货原因分类、逆向物流处理和将退货反馈用于页面/质检改进；平台内具体工具不可直接照搬。
核心做法：建立退货原因编码：尺寸/规格不符、材质预期不符、破损、异味、功能缺陷、误购、物流延迟、描述不符。
判断：SKU退货率
排除：排除明显恶意退款样本后再做商品质量归因。
Score
91
Shopify电商分析文章强调用数据理解客户、营销ROI、转化、分析类型和工具挑战。可迁移到淘宝/拼多多的是经营指标分层、营销效果归因、客户行为分析和数据质量意识；不能直接迁移的是Shopify后台字段和独立站归因口径。
核心做法：建立店铺指标树：GMV=访客数×转化率×客单价，并补充退款率、复购率、广告费率。
判断：GMV
排除：排除数据缺失超过30%的诊断结论。
Score
89
Amazon SEO文章强调通过关键词研究、相关性、商品标题、要点、图片、评价、价格与转化表现提升搜索可见度。可迁移到淘宝/拼多多的部分是：将搜索词拆成核心需求词、属性词、场景词和人群词，并检查标题、属性、主图卖点、详情页、评价问答是否一致；不可迁移的是Amazon A9/A10具体排序机制。
核心做法：收集淘宝/拼多多站内搜索词、下拉词、竞品标题词、成交词和客服高频问题。
判断：搜索曝光量
排除：排除与商品实际属性不一致的热词。
Score
86
Shopify文章强调通过Customer Segmentation了解并触达受众，以个性化方式驱动收入；迁移到淘宝/拼多多时，可把客户标签、购买历史、收藏加购、客服咨询和复购周期转为可执行运营分群。
核心做法：导出近90至180天订单、访客、收藏加购、客服咨询和退款数据。
判断：复购率
排除：排除已投诉或高退款风险用户进入强促销触达
Score
90
Shopify文章说明需求预测是用定量和定性数据预测未来销售，以支持库存、人员、营销和现金流决策；可迁移为淘宝/拼多多SKU级补货节奏模型，但US市场季节性和物流周期必须单独建模。
核心做法：按SKU整理近90/180天销量、活动日、缺货日和异常订单。
判断：预测误差MAPE
排除：历史数据少于30天的新SKU不做自动补货，只给保守建议
Score
92
Amazon促销指南区分promotions、deals、coupons、discounts，并强调通过折扣提升曝光和节日购物转化；可迁移为淘宝/拼多多的优惠券、限时折扣、满减、拼团活动选择框架，但活动流量机制需按平台规则重新校准。
核心做法：先定义促销目标：新品破零、清库存、提升转化、节日放量或老客复购。
判断：活动转化率
排除：促销后毛利为负且非明确清仓目标的SKU排除
Score
90
Amazon文章强调competitive price、lowest price、Featured Offer、静态定价、动态定价和价格A/B测试；可迁移为淘宝/拼多多的竞品券后价监控、最低毛利护栏和分批价格实验，但不能照搬Amazon Featured Offer机制。
核心做法：选定目标关键词和相似SKU，采集淘宝/拼多多竞品到手价、券后价、销量、评分、包邮门槛。
判断：毛利率
排除：低于全成本价的价格不得作为常态价
Score
91
该仓库提供Analytics→Operations→Marketing→Strategy的链式电商任务架构，并包含日报、库存、订单、报告快照等结构化输入输出示例；可迁移为淘宝/拼多多店铺的每日经营诊断与行动清单生成流程，但平台服务和指标字段需自行适配。
核心做法：每日拉取淘宝/拼多多店铺核心数据：访客、成交、转化率、客单价、退款、库存、广告消耗、活动参与状态。
判断：GMV环比
排除：不对Electronics和高退货服饰类目自动生成扩量动作
Score
89
来源提供Creative Patterns页面，按行业展示高表现TikTok广告中的创意模式，并包含CTR、view-through rate、ad spend、ad spend change等字段，能支持从高表现广告中提取创意结构和卖点表达。
核心做法：选择E-Commerce行业，并限定US相关趋势或与US用户相似的高消费市场信号。
判断：CTR
排除：排除只靠大预算堆出的高ad spend素材，除非CTR和留存也优秀。
Score
94
该Skill以真实消费者视角检查Amazon 商品页健康状态，覆盖页面访问、价格优惠、Sold By/Buy Box、Add to Cart、配送Prime、类目节点、BSR、差评和关键词搜索可见性。来源贡献了固定巡检清单和周期性异常排查方法。
核心做法：输入核心ASIN和目标关键词，打开商品页和关键词搜索页。
判断：Page accessibility
排除：排除无法打开或疑似被风控的页面数据作为正常样本。
指标清晰、输入可从店铺后台导出、适合做每周自动诊断和动作建议。
退货原因高度结构化，能直接形成售后-页面-供应商闭环，是降低经营损耗的高价值任务方向。
这是最适合作为全局经营任务底座的方法，可连接选品、广告、客服、库存和售后模块。
适合做搜索运营巡检任务，能持续发现标题、页面、评价和搜索词之间的不一致。
分群规则、触达动作和复盘指标均可结构化，但需要接入淘宝/拼多多客户数据字段。
输入数据、预测窗口、补货输出和排除规则明确，适合周期性任务执行。
促销目标、券型、毛利护栏和复盘指标清晰，适合做半自动促销推荐任务。
官方卖家教育来源可信，步骤可结构化为竞价采集、成本护栏和实验评估；需人工审批改价。
开源架构直接给出了多任务链路和服务化输入输出，适合改造成淘宝/拼多多经营日报任务，但业务阈值需本地化。
官方工具直接给出创意模式和可量化指标，非常适合做脚本生成、模板评分和复盘任务。
检查项明确且直接对应运营异常处理，适合做周期性健康巡检任务。