方法审核
需要登录才能执行审核操作
浏览审核队列不强制登录；触发任务和提交操作需要先登录。
Score
88
TikTok Creative Center提供趋势、热门创意和内容信号，可迁移为淘宝/拼多多商家的趋势需求发现、卖点表达拆解和短视频素材验证步骤；不可直接迁移其广告算法结果，只能迁移趋势观察与创意结构分析方法。
核心做法：收集US市场相关趋势词、热门视频表达、评论中重复出现的使用场景和痛点。
判断：短视频CTR
排除：排除Electronics和High-return fashion
趋势采集、SKU映射、素材生成和小预算验证都可结构化执行，适合任务每日扫描与测试建议。
Score
88
TikTok Smart Performance Campaign强调用自动化方式基于广告目标优化投放，减少手动设置复杂度。可迁移到淘宝直通车/万相台、拼多多全站推广/搜索推广的部分是：先设定目标转化、预算、素材和商品池，再观察学习期信号；迁移限制是不同平台的算法、归因窗口和学习期规则并不一致。
核心做法：选择单一广告目标，例如成交、收藏加购、店铺关注或新品测款，不混合多个目标。
判断：CTR
排除：排除毛利无法覆盖广告成本的商品。
适合做广告实验编排任务，但预算调整必须保留人工审批，避免自动烧钱。
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。
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。
Score
88
TikTok Shop Seller University 是面向卖家、创作者和合作伙伴的学习平台，覆盖政策、功能和运营知识，可作为 TikTok Shop 方法研究的官方入口。
核心做法：将候选范围限定为目标类目下的需求主题，不生成具体商品或达人名单。
判断：达人反馈一致性
排除：排除 Electronics
比单纯微趋势方法更强调多达人反馈闭环和评论质量，适合作为 TikTok 内容验证模块。
Score
88
Amazon market demand 内容解释了市场需求以及如何使用 Amazon 工具理解不同市场中的需求机会，适合转化为跨市场需求迁移筛选框架。
核心做法：从目标类目中收集非 US 市场、TikTok 内容趋势或 Seller blog 提到的需求主题。
判断：US 本地化相关性
排除：排除 Electronics
适合发现非显性机会，能结构化为跨市场需求迁移评分，但需要人工复核本地化语义。
Score
87
该GitHub项目描述了通过MCP连接AI 任务与Amazon Selling Partner 服务，实现库存管理、商品页优化等卖家workflow自动化。可迁移的不是Amazon平台本身，而是'服务工具层+任务诊断+权限护栏'架构；在淘宝/拼多多应改为开放平台服务、商家后台导出、RPA或数据仓库接入。
核心做法：梳理淘宝/拼多多店铺可获取数据：订单、库存、商品、价格、广告、评价、客服、售后。
判断：诊断覆盖率
排除：禁止初期自动改价、自动下架、自动改库存、自动回复敏感客服问题。
非常适合作为后续经营任务的底层工具架构，但必须保守处理权限和平台迁移。
Score
87
来源文章说明price bundling通过把相关商品以有吸引力的组合价格出售，促使顾客购买更多商品；可迁移的步骤包括识别相关商品、设置组合折扣、比较单买与组合价值、观察订单金额和销售表现。迁移到淘宝/拼多多时，应把Shopify独立站的bundle逻辑改写为商品套装、满减组合、店铺优惠券、拼单组合或关联推荐。
核心做法：导出近30-90天订单明细，按同买率、浏览后加购关联、客服咨询场景筛出候选组合。
判断：组合转化率
排除：排除Electronics和High-return fashion。
步骤、输入、指标和风险护栏清晰，适合做成组合包推荐与利润校验任务。
Score
87
来源讲解赞助广告解决方案、组合使用广告产品、投放前准备、创建首个广告活动、targeting strategies、measuring advertising performance和全球扩展。可迁移到淘宝/拼多多的是广告准入、目标分层、投放结构和投后度量；不可迁移的是Sponsored Products、Sponsored Brands等Amazon广告产品名称。
核心做法：广告前检查商品是否具备投放资格：库存健康、评价基础、价格竞争力、主图清晰、详情页无明显合规风险。
判断：CTR
排除：页面转化率低于店铺中位数且未完成页面修复的SKU不进入放量广告。
可作为广告准入和计划生成任务，但平台字段需进一步映射淘宝/拼多多后台。
Score
87
该来源不仅列出高需求商品方向，更重要的是给出方法要点：识别当前需求、理解客户偏好和搜索习惯、使用 Amazon Brand Analytics 等工具观察需求，并结合市场缺口判断机会。
核心做法：从允许类目的高需求方向中抽象产品类型和使用场景，而不是记录具体商品。
判断：需求证据数量
排除：排除没有明确客户问题的纯榜单热品
适合作为榜单法之后的二级验证层，能避免只追热品。
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。
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。
Score
87
该 GitHub 项目描述为 Amazon Keyword Suggestion Tool，可生成相关 Amazon 商品关键词并返回每个关键词的 active products 数量，适合做关键词供给密度筛选。
核心做法：输入目标类目种子词，例如 home organization、pet grooming、camping storage 等场景词。
判断：active products 数量
排除：排除品牌词、商标词和明显侵权词
该方法区别于已入库的高意图搜索词簇方法，核心是 active products 供给密度与长尾语义筛选，结构化程度高。
Score
87
该 GitHub 项目是面向 TikTok Shop US sellers 的 AI product-research 任务，本地模型中包含 platform、category、price_usd、gmv_14d、growth_14d、raw、last_synced_at 等结构化字段，并用候选数据驱动选品推理。
核心做法：限定 TikTok Shop US 和允许类目，排除 Electronics 与高退货 fashion。
判断：14 日 GMV
排除：排除 Electronics
字段结构非常适合 任务化，贴合 TikTok Shop US 和内容带货筛选；但来源非官方，需要作为方法原型而非最终数据依据。
Score
86
来源提出电商陈列的关键组成包括品牌识别、页面布局、商品分组和个性化推荐；可迁移到淘宝/拼多多店铺首页、分类页、商品橱窗、推荐位和活动页运营。
核心做法：盘点店铺商品并按使用场景、价格带、生命周期、套装关系和目标人群重新分组。
判断：页面点击率
排除：不把高风险或资料不完整商品放入主推位。
适合由任务读取商品表现和页面坑位，输出陈列调整建议；需人工确认平台装修限制。
Score
86
来源说明供应链管理涵盖采购、物流、供应商关系、仓储和交付，并强调效率、成本、质量和及时交付；可迁移为淘宝/拼多多商家的供货节点监控与异常预警流程。
核心做法：列出每个商品的供应链节点：供应商、起订量、生产/备货周期、质检方式、入仓、发货、售后反馈。
判断：准时交付率
排除：不对缺少稳定供应和质检记录的SKU做大促承诺。
适合做只读预警和补货建议，但采购和供应商更换必须人工确认。
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
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。
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
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。
Score
86
该来源贡献了趋势验证步骤：观察 organic search volume、做更深关键词研究、检查 historical search volume、related long-tail keywords，并参考 Amazon 等 marketplace 热卖信号判断消费者兴趣是否真实。
核心做法：从 Shopify 趋势文章或社交平台提取候选趋势词，映射到允许类目。
判断：历史搜索量持续性
排除：排除只有单条 viral 视频支撑的趋势
长尾词、历史趋势和内容场景都适合结构化字段化，且与 TikTok Shop/Shopify 策略贴合。
Score
85
来源解释营销漏斗用于匹配不同客户旅程阶段，并指出认知阶段、购买前和老客阶段需要不同内容与动作；可迁移为淘宝/拼多多店铺流量入口、商品详情、客服、收藏加购和复购承接设计。
核心做法：按流量来源拆分用户阶段：搜索新客、推荐浏览、收藏加购、下单未付、已购老客。
判断：访问到收藏率
排除：不得把所有漏点都归因于价格。
适合任务按漏斗指标生成素材任务和转化漏点，但最终营销动作需人工审核。
Score
85
该GitHub Skill聚焦商品合规与安全，包括认证、标签要求、受限物质和文档。迁移到淘宝、拼多多时，应把Amazon marketplace规则替换为平台规则、US市场监管要求和类目资质要求，并保留人工法务或运营复核。
核心做法：收集商品基础信息：类目、材质、适用年龄、功能宣称、产地、目标市场和供应商资料。
判断：资料完整率
排除：缺少必要检测或标签资料的母婴用品不得上架。
合规资料检查适合任务做前置筛查，但必须保留人工审批和平台规则更新机制。
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。
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。
Score
85
该仓库提供通过RapidAPI提取TikTok Shop Trending Products和商品详情的Python starter，强调用结构化服务替代脆弱爬虫，适合构建产品研究仪表盘、热品监控和市场情报工作流。来源贡献了内容平台结构化采集步骤：拉取热品列表、商品详情、价格、排名或销量相关字段，并提示反爬、验证码和页面结构变化风险。
核心做法：从TikTok Shop热品或细分类目中抓取母婴相关条目，先用排除词过滤电子、喂养、睡眠、医疗、杀菌和高退货时尚。
判断：TikTok热度或排名
排除：排除任何喂养、睡眠、入口接触、医疗、杀菌、儿童安全强承诺方向。
适合做内容趋势发现层，但证据强度低于Amazon结构化数据；必须强制接入淘宝/拼多多供给复核和母婴合规门禁。
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
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。
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
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。
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
价格区间、词云和管道结构适合第一版供给侧筛选。