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
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。
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
92
来源是开源电商内容营销Skill，明确给出Build/Audit两种模式、必填输入、客户评论挖掘、趋势与主题研究、竞品内容分析、平台指南和输出格式，具备较强任务化结构。
核心做法：选择模式：Build用于新建内容策略，Audit用于审计现有账号。
判断：内容日历完成率
排除：排除没有目标市场和目标平台的内容请求。
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
85
来源给出微型KOL策略步骤：确定预算、目标和受众，选择平台，寻找KOL，接触KOL，并监控活动表现；同时强调检查近期内容质量、品牌调性一致性，以及用工具追踪affiliate campaign performance。
核心做法：先定义活动目标：品牌认知、内容资产、导购转化、测评背书或新品试水。
判断：互动率
排除：排除评论大量重复、表情刷屏、疑似买粉的达人。
Score
88
来源明确提出内容营销应创建和分发有价值、相关的内容来吸引、互动并转化目标受众，并强调跟踪内容访问者如何进入商品页、衡量转化和收入、使用多触点归因、持续优化表现最佳主题和格式。
核心做法：定义目标买家和核心购买障碍，优先选择母婴等信任门槛高、需要教育解释的类目，但不限定具体商品。
判断：内容点击率
排除：排除只做品牌口号、没有明确买家问题的内容主题。
Score
91
Shopify库存管理文章系统解释库存管理如何运作及工具选择，强调库存追踪、避免缺货和过量库存、库存成本、需求预测和库存管理系统。来源贡献了可执行经营步骤：库存记录、库存水平监控、补货流程、成本控制和工具化管理。
核心做法：按SKU整理当前库存、在途库存、可售库存、预留库存和滞销库存。
判断：Inventory turnover
排除：排除销量历史不足的新SKU直接使用稳定补货模型，需单独保守处理。
Score
93
Amazon Manage Your Experiments工具页说明卖家可以测试商品页内容以比较不同版本表现。来源贡献了官方A/B实验框架：围绕商品页内容创建对照版本，比较实验结果，用数据判断内容改动是否提升表现。
核心做法：选择有足够流量和稳定库存的ASIN，避免低样本实验。
判断：Conversion rate
排除：排除低流量、断货、Buy Box异常或广告大幅波动期间的实验。
Score
90
Amazon Ads官方Getting Started with Sponsored Ads指南提供Sponsored Products、Sponsored Brands和Sponsored Brands视频等广告入门框架，说明广告可帮助商品被发现、提升可见性并支持不同推广目标。来源贡献了官方广告产品边界、启动路径和按目标选择广告类型的基础方法。
核心做法：确认商品商品页可售、图片和内容完整、库存可用，避免广告导向不可转化页面。
判断：Impressions
排除：排除商品页不可售、无库存、Buy Box异常或页面内容不完整的ASIN。
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。
Score
92
该Skill面向SP/SB/SD搜索词报告，目标是把Amazon Ads搜索词报告转成可复核的否词、控成本、放量和商品页反馈清单。来源贡献了可执行步骤：识别浪费预算词、识别高于ASIN基准的词、提取属性词/场景词作为真实用户语言，并把广告数据反馈给商品页优化。
核心做法：导入Amazon Ads SP/SB/SD搜索词报告，并按活动、广告组、ASIN、搜索词维度标准化。
判断：Spend
排除：排除数据量不足的搜索词，避免小样本误判。
Score
90
该源码文档列出 pdd.ddk.oauth.goods.search 请求字段：keyword、opt_id、page_size、range_list、with_coupon、merchant_type、sort_type，并说明可按价格、销量、券后价、佣金、店铺描述/物流/服务评分及击败同类百分比排序。
核心做法：用 keyword 或 opt_id 搜索允许类目候选，设置 page_size 获取足够样本。
判断：销量排序可见性
排除：排除只在低价排序出现但店铺评分差的候选
Score
80
该仓库展示了拼多多自动化采集数据样例，包含 price、price_info、goods_name、sales_tip、tag_list、near_group、mall_id、merchant_type 等字段；这些字段可转化为销量提示、活动标签、成团氛围和店铺类型信号。
核心做法：按允许类目关键词抓取拼多多商品详情或列表样例字段。
判断：销量提示强度
排除：排除只有促销标签但销量提示弱的候选
Score
83
该仓库实现拼多多商品信息爬虫，并包含 Excel、MySQL、词云、pyecharts 等管道和价格区间商品数分析示例；可执行贡献是将商品抓取结果转为价格分布、文本聚类和可视化分析。
核心做法：输入中文候选关键词，抓取拼多多商品列表信息。
判断：价格区间商品数
排除：排除供给集中但售价过低无法盈利的候选
Score
86
来源提供了用关键词构造淘宝/天猫 SERP、分页抓取、提取商品标题、链接、店铺名、月销量和价格字段，并将数据接入 dashboard 或 P&L calculator 的可执行步骤。
核心做法：将 US 需求关键词翻译成中文采购关键词，并保留英文原始需求锚点。
判断：价格带稳定性
排除：排除 Electronics
Score
93
GitHub 提示词 明确要求输入 category、market、buyer、marketplaces，并逐源采集 search query、product title、price、shop、URL、core claims、target persona、review themes、repeated complaints、visible differentiators；输出 raw product table、price bands、common claims、underserved complaints、positioning opportunities 和 follow-up questions。
核心做法：输入目标类目、US market、目标买家和允许的平台列表。
判断：有效来源数量
排除：排除无法访问、无 URL 或页面需要登录但未注明的来源。
Score
87
来源提供 17 种寻找产品机会的方法，包括解决痛点、提前发现趋势、服务 niche interest、满足 underserved market、关键词机会、社媒趋势工具、浏览 marketplace、改进现有产品、寻找高利润产品、可持续产品、个性化、国际市场和 dropshipping 测试；这些可整合成多来源机会分层流程。
核心做法：从痛点、niche 兴趣、关键词、社媒趋势、marketplace 和高利润空间六类入口收集候选方向。
判断：独立来源数量
排除：排除只有单一 trend 信号、无 marketplace 购买证据的方向。
Score
91
来源列出 9 种产品验证策略，包括 make some sales、competitive analysis、research existing demand、feedback survey、crowdfunding、social media interest、pre-launch landing page、in-person customer meeting 和 智能辅助 validation；这些可拆成从低成本信号到付费信号的验证阶梯。
核心做法：选择已通过初筛的候选方向，不直接选择具体商品。
判断：邮箱留资率
排除：排除只有点赞没有评论、留资、加购或付款信号的方向。
Score
92
来源将 product research 拆成评估市场需求、分析竞争对手、验证创意、发现客户痛点、设置有竞争力且有利润的价格，并提到 Google Trends、Meta Ads、Amazon bestsellers、评论、广告花费、变体和捆绑等可执行检查点。
核心做法：从目标类目生成候选需求，不直接生成具体商品清单。
判断：需求趋势稳定性
排除：排除需求证据只来自单一社媒爆点的方向。
Score
89
来源说明 Product Opportunity Explorer 可按 niche 或 ASIN 查看客户搜索、购买行为、搜索词、趋势、竞争数据、Customer Review Insights 和 Returns 信息；这些内容可转化为需求强度、低竞争、评论痛点和退货风险四类筛选指标。
核心做法：输入目标类目与种子关键词，仅保留 Home & Kitchen、Pet Supplies、Outdoor & Sports 相关 niche。
判断：搜索与购买行为强度
排除：排除 Electronics 与高退货服饰方向。
Score
83
该 GitHub 项目描述为 TikTok Shop 数据采集工具，可提取 products、sellers、prices、ratings、availability 等信息，适合构建店铺与商品基础信号筛选框架。
核心做法：限定 TikTok Shop US 与允许类目，采集类目下商品、卖家、价格、评分、可得性字段。
判断：价格带合理性
排除：排除 Electronics
Score
85
该 GitHub 项目描述为 TikTok Shop Affiliate Scraper，用于查找推广某产品的创作者，并包含产品名、价格、销量、创作者粉丝等数据字段，适合构建达人-商品关系分析。
核心做法：限定 TikTok Shop US 和允许类目，输入场景或类目关键词，不输入具体商品目标。
判断：推广达人数量
排除：排除 Electronics
Score
84
该 GitHub 项目是用于提取 Amazon product data 和 pricing 的 scraper 示例，适合说明如何从搜索结果和商品页获取结构化字段并用于研究。
核心做法：限定 Amazon US、目标类目和非禁用类目，输入场景关键词而非具体商品。
判断：搜索结果可见数量
排除：排除 Electronics
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。
这是最适合直接入库的任务化方法，步骤、输入、输出都清晰；但需补充真实业务数据和人工合规复核。
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。
步骤清晰、适合批量评分和表格化执行；需要补充平台服务或人工采集达人数据。
官方来源可信，指标和闭环清晰，适合沉淀成内容主题生成与复盘任务；不足是需要外部补充评论采集和归因实现。
库存方法适用于全局店铺经营，指标清晰且能直接结构化；需接入真实库存和供应链数据。
官方工具与实验方法明确，非常适合做商品页 CRO 任务，但发布动作必须人工确认。
官方来源可信，适合沉淀为广告启动SOP；需要结合搜索词报表分析任务进行持续优化。
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。
输入和输出结构清晰，能直接形成广告运营任务，但所有否词和预算动作需人工审批。
字段结构最清晰，适合第一版 任务化为 服务 参数化筛选模块。
字段样例丰富，适合做拼多多内容带货供给信号，但需谨慎解释销量。
价格区间、词云和管道结构适合第一版供给侧筛选。
字段明确、适合结构化抓取和 P&L 预筛，但必须补 US 需求交叉验证。
虽然业务验证较弱，但输入、步骤、输出和边界非常清晰，是最适合第一版 任务化的开源 workflow。
适合作为候选方向生成后的分层框架，能避免只看爆款或只看趋势的偏差。
可把早期选品从主观判断推进到真实意向验证，适合 moderate 风险偏好，但需人工确认广告与预售合规。
方法结构清楚、跨平台适用，适合第一版做通用候选方向评分器。
官方来源、指标明确，适合做 Amazon 候选 niche 二次验证模块，但登录数据和合规判断需人工兜底。
字段清晰且贴合 TikTok Shop 第一版候选池建设；方法不同于 GMV 增长字段法，重点是价格、评分、可得性的基础质量门槛。
方法贴合 TikTok Shop 内容带货筛选，区别于已入库的达人样品反馈和创作者可演示性方法，重点是关系图与单达人依赖风险。
数据字段明确、可自动化程度高，适合作为第一层候选漏斗；但来源非官方，需要加平台条款和字段可信度提示。