Skill 系列 02：用 ABA 关键词报告，让 Agent 自动挖掘亚马逊细分市场 | 跨境AI入门指南

选品不一定要从“产品”开始。

有时候，从一份 ABA 热搜词报告里，反而更容易看见真实的细分市场机会。

上一篇 Skill 系列，我们分享了一个 Amazon 产品深度分析 Skill。

它更适合从候选 ASIN 出发，判断某个产品值不值得继续调研。

今天这篇继续讲一个我们自己在用的 Skill：

ABA 关键词细分市场挖掘 Skill。

这个 Skill 的入口不是一个 ASIN，也不是一个产品链接。

它的入口是一份 Amazon Brand Analytics 的 Top Search Terms CSV，也就是大家常说的 ABA 热搜词报告。

你把这份报告交给 Agent，它会自动解析关键词、识别修饰词、过滤品牌词、聚类细分市场，再调用卖家精灵 MCP 验证搜索量、购买量、供需比、PPC 竞价、点击集中度和 ASIN 数据。

最后，它会输出一份 Excel 选品报告：

哪几个细分市场更值得进入。

每个细分市场需求有多大。

竞争是不是已经被头部垄断。

关键词转化表现怎么样。

代表性 ASIN 是谁。

如果要进入，应该怎么切。

这篇文章就把这个 Skill 拆开讲清楚。

先说结论：这个 Skill 解决的是“关键词选品”的问题

很多跨境卖家做选品，会习惯从产品出发。

比如看到某个 dash camera、dog toy、wall organizer 卖得不错，就开始分析这个产品能不能做。

这种方式当然可以。

但它有一个问题：

你看到的是已经被市场验证过的产品，未必能看到背后的需求结构。

同样是 dash camera，用户搜索的可能完全不是一类需求。

有人搜的是 dash camera for cars。

有人搜的是 front and rear dash camera。

有人搜的是 dash camera with parking mode。

有人搜的是 4k dash camera。

有人搜的是 dash camera with night vision。

表面看都是行车记录仪，背后其实可能是不同车型、不同安装方式、不同功能诉求、不同价格带、不同竞争格局。

如果只看产品，你可能会得出一个很粗的结论：

dash camera 市场很大，但是竞争很激烈。

但如果从 ABA 关键词报告入手，你可能会看到更细的机会：

哪一类人群搜索量还不错，但头部点击集中度没那么高？

哪一种功能词转化率更好？

哪些长尾词背后已经形成了一个小市场？

哪些词看起来热，但其实被几个大品牌吃掉了？

这就是这个 Skill 的核心思路：

不是让 AI 猜哪个产品能做，而是让 Agent 从关键词数据里反推细分市场。

拆开看：这个 Skill 里面到底有什么？

为了避免只讲概念，我们先看这个 Skill 的真实结构。

这个 aba-keyword-niche-analysis 里，核心有三块：

aba-keyword-niche-analysis/
  SKILL.md
  references/
    mcp-tools-reference.md
  scripts/
    parse_aba_csv.py

这三个文件各有分工。

SKILL.md 是主流程说明书。

它告诉 Agent：什么时候使用这个 Skill，需要哪些前置条件，ABA 文件怎么解析，细分市场怎么聚类，卖家精灵 MCP 怎么验证，评分体系怎么计算，最后报告应该输出哪些 Sheet。

references/mcp-tools-reference.md 是卖家精灵 MCP 工具手册。

里面记录了 keyword_research、keyword_miner、asin_detail、aba_research_weekly、traffic_keyword、google_trend 等工具的用途、参数和关键返回字段。

这很重要。

因为 Agent 做数据分析时，不能每次靠猜。

它需要知道：查关键词市场规模应该调用哪个工具，查 ASIN 价格和评论应该调用哪个工具，查趋势应该调用哪个工具。

scripts/parse_aba_csv.py 是数据解析脚本。

它负责读取 ABA Top Search Terms CSV，把原始表格变成结构化 JSON，并先做一轮基础统计。

你可以把这三个文件理解成：

流程说明书 + 工具调用手册 + 数据解析脚本。

这也是一个可用 Skill 和普通提示词的区别。

普通提示词通常只是说：

请分析这份 ABA 关键词报告。

而 Skill 会明确告诉 Agent：

先解析 CSV，提取非品牌词和修饰词，再按产品类型、人群、场景、功能聚类，然后调用卖家精灵验证数据，最后按评分体系生成 Excel 报告。

这个 Skill 的前置条件

这个 Skill 不是凭空分析。

它需要三个前置条件。

第一，用户要提供一份 ABA Top Search Terms CSV 文件。

这份文件通常来自 Amazon Brand Analytics，里面包含搜索词、Search Frequency Rank、Top Clicked Brand、Top Clicked Product、Click Share、Conversion Share 等字段。

第二，需要启用卖家精灵 MCP。

在这个 Skill 里，默认使用的是 user-sellersprite-mcp。

ABA 文件能告诉我们亚马逊站内搜索词和点击转化结构，但还不够。

要判断一个细分市场值不值得进入，还需要额外验证月搜索量、月购买量、购买率、供需比、PPC 竞价、商品数、搜索增长率、平均售价、ASIN 详情等数据。

这些通过卖家精灵 MCP 补齐。

第三，本地需要 Python。

因为第一步会运行：

python scripts/parse_aba_csv.py "<用户CSV文件路径>"

脚本会生成两个东西：

一个是控制台摘要。

一个是完整结构化 JSON 文件。

后面的聚类、验证、评分和报告输出，都基于这个 JSON 继续往下走。

Phase 1：先把 ABA CSV 解析成结构化数据

真实的 ABA CSV 对人来说可以直接看。

但对 Agent 来说，直接读一张复杂表格并不稳定。

所以这个 Skill 的第一步，是运行 parse_aba_csv.py。

这个脚本主要做几件事。

第一，读取 ABA 文件第一行里的元数据。

比如产品搜索词、报告周期等信息。

第二，从第二行开始读取正式数据。

每一行对应一个搜索词。

脚本会提取：

Search Term：搜索词
Search Frequency Rank：搜索频率排名
Top Clicked Brand #1/#2/#3：前三点击品牌
Top Clicked Category #1/#2/#3：前三点击类目
Top Clicked Product #1/#2/#3: ASIN：前三点击 ASIN
Top Clicked Product #1/#2/#3: Product Title：前三点击产品标题
Top Clicked Product #1/#2/#3: Click Share：点击份额
Top Clicked Product #1/#2/#3: Conversion Share：转化份额

第三，计算一些聚合指标。

比如：

Top1 点击份额
Top3 点击份额
Top1 转化份额
Top3 转化份额
转化率，也就是 Top3 Conversion Share / Top3 Click Share

这里的转化率不是亚马逊后台里的 CVR，而是用 ABA 的转化份额和点击份额推导出来的相对指标。

它适合用来判断：

同样拿到点击之后，哪些搜索词背后的购买意图更强。

第四，提取高频修饰词。

脚本会把基础产品词去掉，再去掉 for、with、and、the 这类停用词，剩下的词就可能是细分市场线索。

比如基础词是 dash camera。

那么这些词就很有价值：

front
rear
4k
parking
night
vision
wifi
gps
mirror

这些不是普通词。

它们往往对应真实的消费场景、目标人群和产品形态。

第五，区分品牌词和非品牌词。

如果搜索词里包含 Top Clicked Brand，脚本会把它标记为品牌词。

为什么要区分？

因为我们要挖掘的是可进入的市场机会。

品牌词虽然有流量，但很多时候流量是被指定品牌锁定的。

比如用户搜索某个品牌名，本质上不是在寻找“一个产品”，而是在找“这个品牌的产品”。

这种词不能简单拿来做细分市场机会判断。

第六，输出三个重要列表。

modifier_words：高频修饰词
non_brand_keywords：非品牌关键词
top_asins：在搜索词里高频出现的 ASIN

这三个列表，就是后面 AI 聚类的基础。

Phase 2：用 AI 语义聚类，识别细分市场

解析完 ABA 文件后，Agent 不会马上下结论。

它会先基于非品牌关键词和高频修饰词做语义聚类。

这个 Skill 明确规定了聚类维度：

聚类维度	典型例子
产品类型	front and rear dash cam、mirror dash cam、mini dash cam、dual dash camera、3 channel dash cam
目标人群	truck drivers、rideshare drivers、fleet、parents、commuters
使用场景	parking mode、accident evidence、road trip、rideshare、fleet monitoring
功能特征	4K、night vision、WiFi、GPS、capacitor、loop recording
车型/安装场景	car、truck、motorcycle、RV、rear view mirror

这里有几个细节很关键。

第一，每个关键词只分配到一个最佳细分市场。

否则同一个词被重复统计，最后会把市场规模放大。

第二，通用词归入最宽泛的分类。

比如 dash camera、dash camera for cars，不能强行拆得太碎。

第三，品牌词单独标记，不计入细分市场分析。

第四，一个细分至少要包含 3 个关键词，才有统计意义。

如果一个细分只有 1 个词，它可能只是噪音，也可能只是偶然出现的长尾词。

第五，命名要清楚。

比如：

Front and Rear Dash Camera - Parking Mode
4K Dash Camera - Night Vision
Mirror Dash Cam - Truck/RV
Mini Dash Cam - Commuter Cars

这样运营一眼就能知道：

这个细分市场到底在讲什么产品，面向什么人，解决什么问题。

每个细分市场会统计哪些指标？

聚类之后，Agent 会为每个细分市场汇总指标。

这些指标不是为了好看，而是为了回答几个关键问题：

这个细分有没有搜索需求？

点击是不是被头部产品垄断？

转化意图强不强？

代表性 ASIN 是谁？

主要品牌是谁？

具体指标包括：

指标	作用
关键词数量	判断这个细分是不是有足够搜索词支撑
ABA 最佳排名	看该细分里搜索量最高的词排名有多靠前
平均 Top1 点击份额	判断头部单品拿走多少点击
平均 Top3 点击份额	判断市场集中度和垄断程度
平均转化率	判断点击之后的购买意图
代表性关键词	给后续调研和广告测试提供入口
代表性 ASIN	看这个细分里实际拿流量的产品
主要品牌	判断是否被品牌心智占领

这里最值得关注的是 Top1 和 Top3 点击份额。

如果一个细分市场搜索量很大，但 Top3 点击份额非常高，说明用户点击高度集中。

这种市场看起来大，但新产品进去可能很难拿流量。

反过来，如果一个细分搜索量中等，Top3 点击份额没有那么夸张，同时转化率还不错，就可能是更适合中小卖家切入的机会。

Phase 3：调用卖家精灵 MCP 做数据验证

ABA 数据很有价值，但它不是完整的市场判断。

它更像是告诉你：

用户在搜什么。

点击给了谁。

转化被谁拿走。

但它不能完整告诉你：

这个词月搜索量是多少。

月购买量是多少。

购买率是多少。

PPC 竞价多少。

市场商品数有多少。

供需比怎么样。

搜索趋势是在增长还是下滑。

代表 ASIN 价格、评分、Review、上架时间是什么情况。

所以这个 Skill 的第三步，是对排名前 5-8 个细分市场做卖家精灵 MCP 验证。

关键词级验证

对每个细分市场，Agent 会挑 1-2 个最核心的代表性关键词，调用 keyword_research。

这个工具主要补充：

月搜索量 searches
月购买量 purchases
购买率 purchaseRate
供需比 supplyDemandRatio
PPC 竞价 bid
点击集中度 monopolyClickRate
平均售价 avgPrice
商品数 products
搜索增长率 searchGrowthRate

这些字段解决的是“市场有没有真实商业价值”的问题。

比如 ABA 里某个词排名不错，但卖家精灵显示购买量很低、PPC 很高、供需比很差，那就不能简单认为它是机会。

ASIN 级验证

对每个细分市场，Agent 会挑 TOP 1 代表性 ASIN，调用 asin_detail。

这个工具主要补充：

售价
评分
评论数
BSR
类目路径
上架时间
品牌
标题
图片

这一步是为了判断：

当前拿到点击和转化的产品，到底是什么水平。

如果代表 ASIN 评论数很高、品牌很强、上架时间很久，说明这个细分可能已经成熟。

如果代表 ASIN 评论数一般，但仍然能拿到较高点击或转化，说明用户可能还没有被强品牌完全占领。

可选深度验证

如果时间允许，Skill 还会对最有潜力的 2-3 个细分做深度验证。

这里会用到：

工具	用途
`keyword_miner`	看 SPR、标题密度、广告竞品数、Amazon Choice 等竞争指标
`google_trend`	判断需求是长期稳定、季节性，还是短期热词
`traffic_keyword`	查看代表 ASIN 实际获得流量的关键词结构
`aba_research_weekly`	看 ABA 周度趋势、异动词、持续增长词、潜力词

这一步的价值是减少误判。

有些词 ABA 表现很好，但可能只是短期事件。

有些词搜索量不大，但趋势稳定、竞争低、购买率高。

这些都需要额外验证。

Phase 4：评分体系，不靠感觉下结论

这个 Skill 最重要的一点，是它不让 Agent 随便说“推荐”或“不推荐”。

它规定了一个明确的评分体系。

每个细分市场按 5 个维度打分：

维度	权重	看什么
市场规模	25%	月搜索量、ABA 排名
转化潜力	20%	购买率、ABA 转化率
竞争难度	25%	点击集中度、SPR、供需比
成长性	15%	搜索增长率、趋势
利润空间	15%	售价、PPC 竞价

综合分计算方式是：

综合分 =
市场规模 × 0.25
+ 转化潜力 × 0.20
+ (10 - 竞争难度) × 0.25
+ 成长性 × 0.15
+ 利润空间 × 0.15

这里有个细节：

竞争难度越高，越不适合进入。

所以计算综合分时，用的是 (10 - 竞争难度)。

最后会给出 S/A/B/C 四个等级。

综合分	推荐等级	含义
≥ 7.5	S 级	强烈推荐，市场大、转化好、竞争可控
6.0-7.4	A 级	值得进入，综合条件较好
4.5-5.9	B 级	谨慎考虑，存在一定风险
< 4.5	C 级	不推荐，竞争激烈或市场太小

这个评分不是为了追求绝对准确。

它的价值在于：

让团队用同一套标准比较不同细分市场。

如果今天看 dash camera，明天看 dog ramp，后天看 wall organizer，每次都靠人脑感觉，很难沉淀经验。

但如果每次都按同一套维度打分，就能慢慢形成团队自己的判断体系。

Phase 5：最终输出一份 Excel 选品报告

这个 Skill 的最终交付，不是一段聊天回复。

它会生成 Excel 报告，通常命名为：

<产品词>_ABA_Niche_Analysis.xlsx

报告里包含 4 个 Sheet。

Sheet 1：细分市场总览

这是最重要的一页。

它按综合评分降序排列，方便运营快速判断哪个细分最值得看。

字段包括：

细分市场名称
针对人群/功能
关键词数量
ABA 最佳排名
月搜索量
月购买量
购买率
关键词转化率
点击集中度
Top3 集中度
PPC 竞价
供需比
代表关键词
代表 ASIN
主要品牌
综合评分
推荐等级
进入建议

这页相当于“机会地图”。

运营不用先看几百个关键词。

先看这张总览，就能知道哪些细分值得继续研究。

Sheet 2：关键词明细

这页保留原始关键词颗粒度。

字段包括：

搜索词
ABA 排名
所属细分
Top1 ASIN
Top1 点击份额
Top1 转化份额
Top3 点击总份额
Top3 转化率
是否品牌词

这页适合用来做广告和 Listing 延伸。

比如某个细分被评为 A 级，你就可以回到关键词明细，看这个细分下面具体有哪些词，哪些词适合做标题，哪些词适合做五点，哪些词适合做广告测试。

Sheet 3：ASIN 排行

这页是从 ABA 关键词里反推出的竞争 ASIN 排行。

字段包括：

ASIN
产品标题
出现频次
平均点击份额
平均转化份额
售价
评分
评论数
关联细分

它回答的是：

在这批关键词背后，到底是谁在吃流量和转化？

如果某个 ASIN 在很多搜索词里反复出现，说明它可能是这个需求集合里的核心竞争对手。

如果它出现频次高，但评论数并不夸张，那就更值得拆。

Sheet 4：进入策略建议

这页针对综合评分最高的 3 个细分市场，分别写策略建议。

每个细分会包含：

市场概况
为什么推荐进入
目标售价区间
预计 PPC 成本
差异化方向建议
风险提示
预估投资回报周期

这页不是简单说“能不能做”。

它更接近运营决策建议：

如果要做，应该从哪个角度切入？

价格带怎么定？

Listing 重点表达什么？

广告先打哪些词？

风险在哪里？

这才是 Agent 报告真正有价值的地方。

用 Hermes 驱动这个 Skill，会变成什么体验？

如果只是在 Codex 或 Claude Code 里手动运行这个 Skill，它已经能节省很多时间。

但我们更推荐把它接到 Hermes Agent 里。

这样它就不再是一个“你坐在电脑前手动操作的工具”，而是一个可以通过飞书消息调用的自动化分析员工。

我们的设想是这样的。

团队把 Hermes Agent 搭好，并接入飞书群。

运营只需要在群里上传 ABA CSV 文件，然后发一句：

帮我分析这份 ABA 关键词报告，挖掘细分市场，并给出可行性建议。

Agent 收到消息后，会自动完成下面这些动作：

第一，识别用户上传的是 ABA Top Search Terms CSV。

第二，匹配到 aba-keyword-niche-analysis 这个 Skill。

第三，运行 parse_aba_csv.py，把 CSV 解析成 JSON。

第四，读取非品牌词、高频修饰词和 Top ASIN。

第五，用 AI 做语义聚类，形成细分市场列表。

第六，对排名靠前的细分市场调用卖家精灵 MCP。

第七，补齐关键词级、ASIN 级、趋势级数据。

第八，按评分体系计算 S/A/B/C 推荐等级。

第九，生成 Excel 报告。

第十，把报告和结论发回飞书群。

整个过程不需要运营盯着电脑一步步复制粘贴。

运营要做的是提出任务、上传文件、等待结果、判断是否进入下一轮调研。

这也是我们认为 Skill + Hermes 的价值：

把一套可重复的运营分析流程，从“人手动执行”变成“Agent 自动执行”。

飞书群里的调用方式可以很简单

比如你可以在群里这样说：

@Hermes 帮我分析这份 ABA 关键词报告，挖掘里面的细分市场。

要求：
1. 先过滤品牌词，只分析非品牌搜索需求。
2. 按产品类型、人群、使用场景、功能特征做细分市场聚类。
3. 每个细分市场给出搜索需求、转化潜力、竞争集中度和代表 ASIN。
4. 调用卖家精灵 MCP 验证核心关键词数据。
5. 最后输出 Excel 报告，并告诉我最推荐进入的 3 个细分市场。

如果想更像日常工作，也可以更短：

@Hermes 帮我分析这份 ABA 关键词报告，看看里面有哪些值得进入的细分市场，最后给我一份可行性建议。

Agent 真正要做的事情，已经写在 Skill 里了。

所以用户不需要每次都把完整分析流程重新打一遍。

这就是 Skill 的意义：

把复杂流程沉淀在后台，把前台调用变得很简单。

这个 Skill 适合哪些场景？

它尤其适合下面几类场景。

第一，已经有一个大产品词，想找细分切入口。

比如 dash camera、dog bed、water bottle、desk organizer。

这些大词竞争通常很激烈。

直接做大词很难。

但通过 ABA 关键词拆解，可能能找到人群、场景或功能上的小切口。

第二，想判断某个市场是不是被品牌垄断。

如果大量词都是品牌词，或者 Top1/Top3 点击份额很高，说明市场心智可能已经集中。

这种市场未必不能做，但进入成本会更高。

第三，想从关键词角度验证产品方向。

有时候我们看到一个产品不错，但不知道用户到底怎么搜。

ABA 关键词报告能反过来告诉我们：

用户搜索的是功能、场景、人群，还是品牌。

第四，想给广告和 Listing 找结构。

细分市场聚类出来之后，其实也能指导 Listing 和广告。

比如一个产品主打 parking mode，另一个主打 night vision，它们的标题、五点、图片卖点和广告词包都不应该完全一样。

这个 Skill 的边界也要讲清楚

这个 Skill 很有用，但它不是万能的。

第一，它依赖 ABA 数据质量。

如果你下载的关键词太少，或者产品词太窄，细分市场就可能不稳定。

Skill 里也写了：如果关键词数量小于 20，应该提示用户数据量不足，建议用更宽泛的产品词重新下载。

第二，ABA 看到的是搜索、点击和转化份额，不是完整利润模型。

所以最终进入决策还要看采购成本、物流、认证、退货、供应链、专利、合规等因素。

第三，AI 聚类需要业务判断。

虽然 Agent 能做语义聚类，但不同运营对细分市场的理解可能不同。

比如 parking mode 可以算使用场景，也可以算核心功能；4K 可以算清晰度卖点，也可以算中高端价格带信号。

所以第一次跑完后，团队最好复盘聚类结果，把命名和归类规则继续优化。

第四，卖家精灵 MCP 调用可能失败。

Skill 里已经写了错误处理方式：

如果 MCP 调用失败，就记录错误，用 ABA 数据单独评估，并标注“未验证”。

这样流程不会中断，但报告里的可信度要区分开。

我们为什么喜欢这种 Skill？

因为它不是把 AI 当聊天工具。

它把 AI 变成一个能执行 SOP 的分析员。

一个成熟运营做 ABA 关键词分析时，脑子里本来就会有一套流程：

先看搜索词。

再看修饰词。

再排除品牌词。

再看点击集中度。

再看转化表现。

再找代表 ASIN。

再查关键词市场数据。

再判断这个细分能不能进入。

Skill 做的事情，就是把这套隐性的经验显性化。

把它写成文件。

写成步骤。

写成评分标准。

写成输出模板。

这样 Agent 才能稳定复用。

这也是我们做 Skill 系列想分享的重点：

不是分享一个神奇提示词，而是分享一套可复用的业务流程。

如果你也想制作这个 Skill，可以这样提示 Codex 或 Claude Code

最后，我们把制作这个 Skill 的提示词也分享出来。

你可以用 Codex，也可以用 Claude Code。

如果你已经有自己的业务分析流程，可以把下面这段提示词改成你的版本。

我想制作一个 Codex/Claude Code 可使用的 Skill，名称叫 aba-keyword-niche-analysis。

这个 Skill 的目标是：
分析 Amazon Brand Analytics 的 Top Search Terms CSV 文件，从 ABA 热搜词中挖掘亚马逊细分市场/利基机会，并输出一份 Excel 选品分析报告。

请你帮我创建一个完整的 Skill 目录，包含：

1. SKILL.md
2. scripts/parse_aba_csv.py
3. references/mcp-tools-reference.md

SKILL.md 需要包括：

- skill 名称和 description
- 适用场景：当用户提到 ABA 分析、ABA 热搜词、Top Search Terms、关键词选品、细分市场分析、keyword niche mining 时触发
- 前置条件：用户提供 ABA Top Search Terms CSV，已启用卖家精灵 MCP，本地有 Python
- Phase 1：运行 Python 脚本解析 ABA CSV，输出控制台摘要和 JSON
- Phase 2：基于非品牌关键词和高频修饰词做 AI 语义聚类
- Phase 3：调用卖家精灵 MCP 验证关键词、ASIN 和趋势数据
- Phase 4：按市场规模、转化潜力、竞争难度、成长性、利润空间五个维度评分
- Phase 5：生成 Excel 报告，包含细分市场总览、关键词明细、ASIN 排行、进入策略建议四个 Sheet
- 错误处理：CSV 格式异常、关键词数量不足、MCP 调用失败时应该怎么处理

parse_aba_csv.py 需要做到：

- 读取 ABA Top Search Terms CSV
- 提取第一行元数据，例如 Search Term 和 Select week
- 从正式数据行中提取 Search Term、Search Frequency Rank、Top Clicked Brand、Top Clicked Category、Top Clicked Product ASIN、Product Title、Click Share、Conversion Share
- 计算 Top1 点击份额、Top3 点击份额、Top1 转化份额、Top3 转化份额、Top3 转化率
- 从搜索词中去掉基础产品词和停用词，提取高频修饰词
- 判断品牌词和非品牌词
- 汇总 Top Brands、Top ASINs、modifier_words、non_brand_keywords、brand_keywords
- 输出一个 JSON 文件，供 Agent 后续分析使用
- 在控制台打印摘要，包括总关键词数、品牌词数、非品牌词数、平均点击份额、平均转化率、高频修饰词、Top 品牌、Top ASIN、Top 非品牌搜索词

references/mcp-tools-reference.md 需要记录卖家精灵 MCP 工具：

- keyword_research：用于关键词市场评估，返回月搜索量、月购买量、购买率、供需比、PPC 竞价、点击集中度、平均售价、商品数、搜索增长率
- keyword_miner：用于关键词竞争分析，返回 SPR、标题密度、广告竞品数、供需比等
- asin_detail：用于获取 ASIN 售价、评分、评论数、BSR、类目路径、上架时间、品牌、标题、图片
- aba_research_weekly：用于 ABA 周度趋势分析
- traffic_keyword：用于 ASIN 流量词分析
- google_trend：用于趋势验证

评分体系如下：

市场规模，权重 25%：
- 月搜索量 > 50000，ABA 排名 < 10000，给 9-10 分
- 月搜索量 20000-50000，给 7-8 分
- 月搜索量 5000-20000，给 5-6 分
- 月搜索量 1000-5000，给 3-4 分
- 月搜索量 < 1000，给 1-2 分

转化潜力，权重 20%：
- 购买率 > 5%，ABA 转化率 > 70%，给 9-10 分
- 购买率 3%-5%，ABA 转化率 50%-70%，给 7-8 分
- 购买率 1.5%-3%，ABA 转化率 30%-50%，给 5-6 分
- 购买率 0.5%-1.5%，给 3-4 分
- 购买率 < 0.5%，给 1-2 分

竞争难度，权重 25%，分数越高代表越难：
- 点击集中度 < 30%，SPR < 10，供需比 > 3，给 1-2 分
- 点击集中度 30%-45%，供需比 1.5-3，给 3-4 分
- 点击集中度 45%-60%，供需比 0.8-1.5，给 5-6 分
- 点击集中度 60%-80%，给 7-8 分
- 点击集中度 > 80%，给 9-10 分

成长性，权重 15%：
- 搜索增长率 > 30%，给 9-10 分
- 搜索增长率 10%-30%，给 7-8 分
- 搜索增长率 0%-10%，给 5-6 分
- 搜索增长率 -10%-0%，给 3-4 分
- 搜索增长率 < -10%，给 1-2 分

利润空间，权重 15%：
- 售价 > 25 美元，PPC 竞价 < 1.5 美元，给 9-10 分
- 售价 15-25 美元，PPC 竞价 < 2 美元，给 7-8 分
- 售价 10-15 美元，给 5-6 分
- 售价 5-10 美元且 PPC 较高，给 3-4 分
- 售价 < 5 美元，给 1-2 分

综合分公式：
综合分 = 市场规模 × 0.25 + 转化潜力 × 0.20 + (10 - 竞争难度) × 0.25 + 成长性 × 0.15 + 利润空间 × 0.15

推荐等级：
- 综合分 ≥ 7.5：S 级，强烈推荐
- 6.0-7.4：A 级，值得进入
- 4.5-5.9：B 级，谨慎考虑
- < 4.5：C 级，不推荐

请你直接生成完整文件内容，并保证这个 Skill 可以被 Agent 稳定执行。

最后

对跨境卖家来说，AI 真正有价值的地方，不只是帮你写一段文案。

更重要的是：

把那些重复发生、标准相对清晰、但人工执行很耗时的运营分析流程，变成 Agent 可以自动执行的 Skill。

ABA 关键词细分市场挖掘，就是一个很典型的场景。

以前运营需要手动看关键词、手动拆需求、手动查数据、手动整理报告。

现在可以变成：

上传一份 ABA CSV。

在飞书群里 @Hermes。

说一句：

帮我分析这份 ABA 关键词报告，挖掘细分市场，并给出可行性建议。

然后 Agent 自动完成分析，把 Excel 报告和进入建议发回来。

这不是让 AI 替代运营判断。

而是让 AI 先把数据整理、初步分析和报告生成做完。

运营把精力放在更重要的地方：

判断机会，验证供应链，设计差异化，决定是否进入。

这才是跨境卖家使用 AI 的正确方向。