amazon-sorftime-research-mcp-skill

Amazon Sorftime MCP Skills - 亚马逊竞品分析与品类选品工具

基于 Sorftime，Sif，卖家精灵，西柚等MCP 服务和 Agent Skills 的亚马逊分析工具集。

感谢大家支持项目，其实我开发了100个skill给大家了： https://agents.liangdabiao.com/

项目简介

本项目配置了 Sorftime、Sif、西柚洞察、卖家精灵等跨境电商数据服务的 MCP (Model Context Protocol) 服务器，并开发了九个核心技能：

技能	分析对象	命令	用途
amazon-analyse	单个Listing	/amazon-analyse {ASIN} {SITE}	竞品Listing全维度穿透分析
category-selection	整个品类	/category-select "{品类}" {SITE}	品类自动化选品分析
keyword-research	关键词词库	/keyword-research {ASIN} {SITE}	关键词深度调研与8维智能分类
review-analysis	用户评论	/review-analysis {ASIN} {SITE}	评论深度分析与痛点挖掘
product-research	选品深度调研	/product-research "{产品关键词}" {SITE}	LLM驱动的选品深度调研与决策
sif-amazon-research	综合电商研究	/sif-amazon-research	基于Sif MCP的亚马逊市场验证、竞品分析、流量诊断、关键词策略、广告审查、发布评估与增长优化
xiyou-insight	竞品流量与广告	/xiyou-insight	基于西柚MCP的7大场景分析：广告监控、流量缺口、竞品拆解、新品推广、广告预算、关键词库
sellersprite-amazon-research	全链路数据调研	/product-research, /market-analysis, /competitor-analysis, /keyword-research, /listing-optimizer, /traffic-analysis, /opportunity-finder, /review-insights, /pricing-strategy, /ad-optimizer	基于卖家精灵MCP的43个工具完成选品分析、关键词研究、竞品监控、市场分析、定价策略、评论分析、广告优化、流量分析、Listing优化和蓝海机会挖掘
amazon-listing-builder	Listing打造与优化	/listing-builder, /listing-title, /listing-bullets, /listing-aplus, /listing-st, /alexa-qa, /listing-audit	基于Cosmo语义算法+Alexa/Rufus对话式购物趋势的八步工作流，从词库到QA全链路打造爆款Listing

核心功能

Listing级别分析 (amazon-analyse)

• 竞品Listing分析: 自动获取产品详情、评论、关键词、趋势数据
• 关键词分析: 流量来源、竞品布局、长尾词挖掘
• 评论情感分析: 优势聚类、痛点识别、改进建议
• 跨平台分析: TikTok带货视频、达人分析、1688采购成本

品类级别分析 (category-selection)

• 市场大盘分析: Top100产品数据 + 统计指标
• 五维评分模型: 市场规模、增长潜力、竞争烈度、进入壁垒、利润空间
• 可视化报告: Markdown + Excel + HTML 三种格式

关键词深度调研 (keyword-research)

• 海量词库采集: 通过 Sorftime API 采集 1500+ 关键词
• 8维智能分类: 否定词、品牌词、材质词、场景词、属性词、功能词、核心词、其他
• 广告策略指导: 否定词清单、精准匹配组、场景广告组、广泛匹配组
• 多格式输出: Markdown 报告、CSV 词库、HTML 仪表板

评论深度分析 (review-analysis)

• 6维痛点分析: 电子模块故障、结构/组装问题、设计/功能缺陷、外观/材质问题、描述不符、服务/物流问题
• 服务维度细分: 收到二手/瑕疵品、配件缺失、退换货困难、客服问题、物流问题
• 双轨解决方案: 产品改进建议 + 客服话术/Listing优化
• 风险预警: 二手/瑕疵品阈值警告（>5%危险）、服务问题自动预警
• 原始数据保存: SSE 响应、解析数据、结构化分析 JSON

选品深度调研 (product-research)

• LLM 驱动: 分析、洞察、决策全部由 LLM 完成
• 交互式执行: 逐步推进，用户可中途干预
• 轻量脚本: 仅用于 API 调用和 Dashboard 渲染
• 简化数据: 不用复杂的 unified payload 结构
• 完整流程: 信息收集 → 数据采集 → 属性标注 → 交叉分析 → 竞品与 VOC → 评估决策 → 报告输出
• 多格式输出: Markdown 完整报告、结构化数据、可视化看板

Sif亚马逊研究 (sif-amazon-research)

• 市场机会研究: 关键词或类目方向分析
• 市场验证: 关键词 + 候选ASIN可行性评估
• 竞品分析: 竞品ASIN增长路径与流量来源
• 关键词布局: 主词、长尾词、词根结构、缺失词分析
• 发布评估: 产品是否值得推广决策
• 发布后反馈: 持续优化或停止建议
• 增长优化: 扩展已验证的流量和关键词
• 流量/广告诊断: 流量或广告表现变化的根因分析

核心工作流程:

1. 定义决策类型：进入/不进入、发布/不发布、扩量/优化/停止、根因诊断
2. 收集Sif证据：市场需求、竞争格局、流量结构、销售趋势、广告表现
3. 交叉验证证据，区分已确认发现与假设
4. 输出商业决策：包含置信度、证据链、风险、缺失数据和后续验证行动

西柚洞察分析 (xiyou-insight)

• 实时广告监控: 小时级排名监控、广告投放效果分析
• 流量缺口发现: 多ASIN对比、高性价比关键词挖掘
• 竞品打法拆解: 关键词布局、流量结构、广告策略分析
• 新品推广优化: 流量阶段判断（稀疏期→震荡期→稳定期）、异动关键词监控
• 广告预算透视: 广告类型分布、核心关键词识别、预算推断
• 关键词库搭建: 反查竞品流量词、以词找词、智能分类
• 7大场景工作流: 每个场景都有完整的MCP工具组合和分析流程

7大工作场景:

场景	功能	参数
广告监控	小时级排名监控、广告投放效果	--scenario ad_monitoring --asin --site --keyword
流量缺口	找到竞品有排名但自身没有的关键词	--scenario traffic_gap --own_asin --competitor_asins --site
竞品分析	精准拆解竞品流量及广告策略	--scenario competitor_analysis --asin --site
新品推广	分析流量阶段，把握异动关键词	--scenario new_product --asin --site
广告预算	透视竞品广告策略和预算	--scenario ad_budget --asin --site
关键词库	高效搭建关键词库	--scenario keyword_database --site --competitor_asins --core_keywords

西柚MCP工具集（17个API）:

• ASIN基础: get_asin_info, get_asin_variations, get_asin_info_trends
• ASIN关键词: get_asin_keywords, get_asin_keywords_monthly, get_asin_keyword_rank_trends, get_asin_keyword_rank_hourly, get_asin_keyword_traffic_trends
• ASIN流量: get_asin_traffic, get_asin_traffic_trends, get_asin_order_trends, get_asin_bsr_trends
• ASIN广告: get_asin_ad_change_trends
• 关键词分析: get_keyword_info, get_keyword_aba_trends, get_keyword_asin_analysis, get_keyword_analysis_monthly

报告输出: xiyou-insight-reports/{场景}_{ASIN}_{站点}_{日期}/

• report.md - Markdown分析报告
• data.json - 结构化数据
• dashboard.html - ECharts可视化看板
• raw/ - 原始MCP响应数据

卖家精灵全链路调研 (sellersprite-amazon-research)

• 智能选品助手: product_research + product_node 完成选品分析
• 市场全景分析: market_research + 12个分布工具集完成市场分析
• 竞品深度拆解: asin_detail + traffic_keyword 完成竞品监控
• 关键词选品研究: keyword_research + keyword_miner 完成关键词研究
• Listing优化诊断: traffic_listing + keyword_order 完成Listing优化
• 流量结构分析: traffic_source + traffic_keyword_stat 完成流量分析
• 蓝海机会挖掘: aba_research_trend + google_trend 完成机会挖掘
• 买家评论洞察: review + NLP分析完成评论分析
• 定价策略分析: market_price_distribution 完成定价策略
• 广告投放优化: keyword_order + traffic_keyword 完成广告优化

10大综合分析工作流:

命令	名称	核心工具
/product-research	智能选品助手	product_research + product_node
/market-analysis	市场全景分析	market_research + 分布工具集
/competitor-analysis	竞品深度拆解	asin_detail + traffic_keyword
/keyword-research	关键词选品研究	keyword_research + keyword_miner
/listing-optimizer	Listing优化诊断	traffic_listing + keyword_order
/traffic-analysis	流量结构分析	traffic_source + traffic_keyword_stat
/opportunity-finder	蓝海机会挖掘	aba_research_trend + google_trend
/review-insights	买家评论洞察	review + NLP分析
/pricing-strategy	定价策略分析	market_price_distribution
/ad-optimizer	广告投放优化	keyword_order + traffic_keyword

16大战术选品策略:

• 新品爆发型: 新品快速爆发、隐形爆款
• 关键词趋势型: ABA高增长趋势词、流量分散关键词、标题密度漏洞
• 产品缺陷型: 热销低评分产品、评论语义分析
• 类目结构型: 低品牌垄断类目、高新品占比市场、高毛利轻小品
• 流量防伪型: 自然流量反查、变体拆解模型
• 机会捕捉型: 本土溢价降维、FBM拦截、低质量Listing高销量、高客单长尾、季节前置爆破

卖家精灵MCP工具集（43个API）:

• 产品研究: product_research, asin_detail, keepa_info, review
• 市场研究: market_research, market_brand_concentration, market_price_distribution, product_node
• 关键词研究: keyword_research, keyword_miner, keyword_research_trends, aba_research_trend
• 流量分析: traffic_keyword, traffic_source, traffic_keyword_stat, traffic_listing
• 竞品分析: competitor_lookup
• 谷歌趋势: google_trend

报告输出: {类别名}/

• market_report.md - Markdown结构化报告
• market_report.html - HTML可视化报告（自动配套生成）
• research_data.json - API原始数据

Listing打造与优化 (amazon-listing-builder)

• 核心方法论: "先分析、再生成、最后校验"的 AI 工程化流程，把 Listing 从"关键词堆砌"升级为"语义覆盖 + 需求证据 + 答案型内容"
• 数据来源优先级: MCP（卖家精灵）> 浏览器，核心数据必须走 MCP

八步工作流:

步骤	名称	关键产出
1	关键词分层词库	5 层词表（核心/功能/场景/问题/规格）
2	用户问题库	真实买家疑虑清单（来自评论/QA/Reddit/TikTok）
3	卖点证据库	每个卖点对应材料/数据/图片证据
4	标题结构设计	品牌+核心词+差异属性+主场景+规格（3版对比）
5	五点描述	5 点对应 5 个决策环节（核心价值→痛点→场景→规格→信任）
6	描述+A+内容	痛点→场景→方案→细节→对比→注意（7屏模块结构）
7	Search Terms	只放补充索引词，不重复、不堆砌
8	QA 设计	答案型内容，对应自然语言搜索（Alexa/Rufus风格）

7个子命令:

命令	用途
/listing-builder	完整八步流程，端到端生成全套 Listing
/listing-title	仅生成多版本标题（含优缺点对比）
/listing-bullets	仅生成五点描述（按决策链）
/listing-aplus	仅生成描述 + A+ 模块结构
/listing-st	仅生成 Search Terms（补充索引策略）
/alexa-qa	仅生成对话式 QA（针对 Alexa/Rufus）
/listing-audit	对现有 Listing 做合规 + 语义 + 转化四项校验

四项校验:

• 合规检查（绝对化、医疗、环保、安全等）
• 关键词覆盖检查
• 语义覆盖检查（含 Alexa 模拟）
• 转化逻辑检查

报告输出: {产品名}/

• listing_package.md - 完整 Listing 包（汇总交付）
• keyword_library.md - 关键词分层词库
• question_library.md - 用户问题库
• evidence_library.md - 卖点证据库
• drafts_comparison.md - 多版本草稿对比
• audit_report.md - 合规与语义校验报告
• input_data.json - 原始输入数据
• listing_package.html - HTML可视化版本（可选）

---

快速开始

环境要求

• Claude Code CLI
• 有效的 Sorftime API Key
• Bash shell 环境

获取 API Key

访问 Sorftime MCP 获取 API Key，然后更新 .mcp.json:

{
  "mcpServers": {
    "sorftime": {
      "type": "streamableHttp",
      "url": "https://mcp.sorftime.com?key=YOUR_API_KEY",
      "name": "Sorftime MCP"
    }
  }
}

使用分析技能

1. Listing竞品分析

# 分析美国站竞品
/amazon-analyse B07PWTJ4H1 US

# 分析欧洲站竞品
/amazon-analyse B08N5WRWNW DE

报告保存: reports/analysis_{ASIN}_{站点}_{日期}.md

2. 品类选品分析

# 分析美国站沙发品类
/category-selection "Sofas & Couches" US

# 分析美国站无线耳机品类
/category-selection "Wireless Earbuds" US

# 指定Top20产品分析
/category-selection "Kids' Drawing Kits" US --limit 20

报告保存: category-reports/{品类名称}_{站点}_{日期}/

• index.html - 报告导航首页
• dashboard.html - 交互式可视化仪表板
• report.md - 完整Markdown分析报告
• category_report_*.xlsx - Excel数据表（含图表）
• data.json - 原始数据JSON

3. 关键词深度调研

# 调研产品关键词词库
/keyword-research B0D9ZTW7PS US

报告保存: keyword-reports/{ASIN}_{站点}_{日期}/

• report.md - 完整Markdown分析报告
• dashboard.html - 交互式可视化仪表板
• keywords.csv - 完整词库（含分类、搜索量、CPC）
• negative_words.txt - 否定词清单（直接复制到广告后台）
• keywords_*.csv - 各分类专用词库文件
• categorized_summary.json - 分类统计数据

8维智能分类:

维度	说明	应用策略
NEGATIVE	否定/敏感词	直接否定
BRAND	品牌词	竞品打法或否定
MATERIAL	材质词	精准匹配
SCENARIO	场景词	按场景拆分广告组
ATTRIBUTE	属性修饰词	长尾精准匹配
FUNCTION	功能词	广泛匹配扩流
CORE	核心产品词	大词投放占领坑位
OTHER	其他	补充埋词

4. 评论深度分析

# 分析产品评论痛点
/review-analysis B0DZCBYCNY US

报告保存: review-analysis-reports/{ASIN}_{站点}_{日期}/

• report.md - 完整分析报告
• data/ - 原始数据和分析结果
  • raw_product_sse.txt - 原始产品详情SSE响应
  • raw_reviews_sse.txt - 原始评论SSE响应
  • negative_reviews_analysis.json - 差评分析结构化数据

5. 选品深度调研

# 分析蓝牙音箱选品
/product-research "bluetooth speaker" US

# 分析笔记本电脑背包选品
/product-research "laptop backpack" GB

报告保存: product-research-reports/{关键词}_{站点}_{日期}/

• report.md - Markdown 完整报告（LLM 直接撰写）
• data.json - 结构化数据（供 Dashboard 使用）
• dashboard.html - 可视化看板（脚本渲染）

6维痛点分析框架:

维度	识别内容	严重程度评估
电子模块故障	电池、充电、连接、功能失效	高/中/低
结构/组装问题	零件破损、密封失效、接口断裂	高/中/低
设计/功能缺陷	软件体验、操作复杂、功能缺失	高/中/低
外观/材质问题	有异味、材质过敏、色差、划痕	高/中/低
描述不符	功能预期偏差、尺寸颜色差异	高/中/低
服务/物流问题	二手/瑕疵品、配件缺失、退换货困难	高/中/低

服务风险预警阈值:

问题类型	警告阈值	危险阈值
收到二手/瑕疵品	>2%	>5%
配件缺失	>1%	>3%
退换货困难投诉	>5%	>10%
客服负面评价	>3%	>7%

---

支持的站点

亚马逊 (14个站点)

站点	代码	站点	代码
美国	US	日本	JP
英国	GB	西班牙	ES
德国	DE	意大利	IT
法国	FR	加拿大	CA
印度	IN	墨西哥	MX
澳大利亚	AU	阿联酋	AE
巴西	BR	沙特	SA

TikTok (6个站点)

US, GB, MY, PH, VN, ID

1688 供应链

中国批发平台采购成本分析

---

Sorftime MCP 接口

亚马逊产品相关

接口	功能
product_detail	产品详情
product_trend	销量/价格/排名趋势
product_reviews	用户评论 (最多100条)
product_traffic_terms	流量关键词
competitor_product_keywords	竞品关键词布局
product_search	产品搜索筛选

关键词相关

接口	功能
keyword_related_words	关键词长尾词扩展
keyword_detail	关键词详情数据
category_keywords	类目核心关键词

亚马逊类目相关

接口	功能
category_name_search	类目名称搜索获取 nodeId
category_report	类目实时报告 (Top100产品 + 统计)
category_tree	类目树结构
category_trend	类目历史趋势
category_keywords	类目核心关键词

TikTok / 1688

• tiktok_product_search - TikTok产品搜索
• tiktok_product_videos - 带货视频分析
• products_1688 - 1688采购成本分析

---

五维评分模型

品类选品评分体系（100分制）：

维度	分值	评分标准
市场规模	20分	基于类目月销额 ($10M+/20分, $5M+/17分, $1M+/14分, $500K+/11分)
增长潜力	25分	基于Amazon自营占比 (越低越好，新品机会)
竞争烈度	20分	基于Top3品牌占比 (<30%/18分, <40%/15分, 其他/11分)
进入壁垒	20分	Amazon压力 + 高评分门槛 (各占10分)
利润空间	15分	基于平均价格 ($100+/15分, $50+/13分, $20+/11分, $10+/8分)

综合评级

总分	评级	建议