Amazon 选品机会雷达
Amazon
Product Radar
从真实商品与证据出发，寻找今天值得进一步研究的 Amazon 选品机会。
我为 Amazon 选品场景设计的一套机会发现 Skill。它不是简单地列出热销商品，而是围绕候选发现、异常信号、商业价值、国内采购、风险与证据来源，生成一份可解释的研究报告，辅助人工做最终判断。
本项目目前为私人项目。此页面仅展示产品思路与实际效果，源码和仓库不公开。
为什么我会做这个 Skill
这个思路灵感来源于我的一位做亚马逊电商的亲戚。他是一个人做电商，但是由于没有专业的分析选品能力，所以问我能不能帮他做一个关于如何选品的skill，帮助他选一些好的产品来上线到亚马逊上。关于amazon-product-radar选品评分系统与逻辑的markdown文档在我的GitHub仓库中，这里不方便展示，尽情谅解。
最初的问题“能不能帮我做一个 Skill，帮我看看 Amazon 上有哪些值得做的产品？”
- 01
个人卖家的信息压力
一个人经营店铺，很难同时拥有专业的数据分析、市场研究和持续选品能力。
- 02
选品不应该只靠感觉
热销榜只能告诉你已经发生了什么，真正困难的是判断哪些需求值得进一步研究。
- 03
AI 应该辅助判断，而不是替人做决定
让 Skill 帮忙整理证据、评分和风险，把最后的商业判断留给使用者。
它解决什么问题
发现候选机会
从目标市场与类目中寻找值得进一步分析的商品，而不是只展示已经成熟的热门商品。
解释为什么值得关注
不只输出一个分数，同时展示推荐理由、评分拆解、主要风险和证据来源。
保留人工决策
Skill 负责发现、分析与解释，不替用户自动下单或决定是否进入市场。
把线索，整理成有依据的判断
从市场与类目出发，把发现、分析和复核串成一条清晰的研究路径。
- 01市场 / 类目选择
- 02候选发现
- 03异常信号分析
- 04商业价值分析
- 05国内采购可获得性
- 06风险扫描
- 07推荐理由 + 评分 + 证据
- 08人工最终判断
真实历史报告样例
以下内容用于展示 Skill 的分析结构和界面效果，不代表当前实时选品推荐。
一次分析，一份完整报告
Skill 会把某次选品分析整理成统一报告，而不是把零散网页和模型回答堆在一起。市场、类目和排序入口让整份分析有迹可循。
先看懂一个机会，再决定是否深挖
每个候选商品先以机会卡呈现，包括商品图、市场 / 类目、推荐结论、机会评分、证据置信度以及最大的单点风险。
把“为什么”写在结论旁边
从触发关注的信号，到可探索的商业价值，再到需要先验证的问题，推荐理由都与本次历史报告的上下文放在一起。
推荐结论
本轮最适合低成本打样的机会，优先解决干硬、异味和尺寸适配。
为什么是今天 （报告当日）
两个低评论 ASIN 最近进入 JP 家居新品榜前 20，近期日本内容再次验证百叶窗、窗槽和踢脚线湿式除尘场景。
商业价值
轻小、非电器、供应成熟，可通过槽型、密度、颜色、握持尺寸、干湿恢复和收纳方式差异化。
一个评分，拆开来看
把评分拆成可理解的维度，让每一项依据都能被检查。
| 维度 | 分值 |
|---|---|
| 异常信号 | 21.5 / 40 |
| 商业价值 | 28.9 / 45 |
| 国内采购 | 7 / 15 |
总机会评分 32.18 / 100
证据置信系数 70%
评分对象是“需求机会”，不等同于商品质量、Amazon 星级或成功概率。
支持的理由，反对的声音，都要看见
Skill 也会主动输出反方观点和风险。风险扫描用于标记和解释风险，不自动替用户淘汰商品。
- 知识产权
- Amazon 平台合规
- 法规与认证
- 危险品 / 电池
- 产品安全责任
- FBA 与物流
- 退货与售后
- 需求真实性
- 供应链与质量
- 市场与品牌风险
未评估不代表低风险。 需要复核的问题，留给后续研究和人工判断。
让每一个推荐，都有迹可循
每个推荐都尽可能保留可回溯的信息来源，让用户能够自行打开来源复核，而不是只能相信模型的一句话。
历史样例中的来源类型
- Amazon Japan New Releases
- 外部评测 / 内容证据
- Amazon 商品详情页
- Alibaba China 供应端目录
- 完整证据与引用集合