Back to skills
SKILL.md
Product Selection Analyzer
ASecurity多渠道采集Amazon、TikTok、Google Trends、1688和目标平台数据,通过6维度100分制自动量化商品赚钱潜力,筛出高利润低竞争蓝海爆款,彻底告别凭感觉选品。
- 6 stars
- 0 votes
- 0 copies
- 2 views
- Added September 10, 2026
Works with
Security analysis
100/100Pro scans all 2 files and shows the line behind each finding
npx -y skills add huawolf/VaneWorker --skill product-selection-analyzer --agent claude-codeAre you the author of Product Selection Analyzer?
Add the live security badge to your README. It updates with every re-scan.
[](https://www.skillsdirectory.com/skills/huawolf-product-selection-analyzer)---
name: product-selection-analyzer
description: 多渠道采集Amazon、TikTok、Google Trends、1688和目标平台数据,通过6维度100分制自动量化商品赚钱潜力,筛出高利润低竞争蓝海爆款,彻底告别凭感觉选品。
license: MIT
compatibility: Python3 + openpyxl。WebSearch + Web Reader MCP(跨平台榜单采集)。目标平台Seller MCP
Server(后台数据)。1688 MCP Server(1688商品和采购价数据,可选)
metadata:
author: kilig
version: 1.0.0
category: e-commerce
tags:
- product-research
- scoring
- cross-border
- sourcing
- profit-calculation
- competition-analysis
- data-driven
title: ManAI选品评分
example: "在Claude Code中直接说:**开始选品,钓鱼用品** \n技能将自动执行以下步骤: \n1. WebSearch采集 `\"钓鱼用品\
\ ozon топ продаж\"`、`\"钓鱼用品 amazon bestsellers\"`、`\"钓鱼用品 tiktok trending products\"\
` 等6大榜单 \n2. Ozon Seller MCP 拉取后台销量、流量数据 \n3. 1688 MCP 获取采购价和新品标签 \n4. 匹配物流通道计算毛利,按跨平台热度、竞争、利润、新品信号、榜单排名、趋势走向6维度打分\
\ \n5. 生成包含S/A/B/C/D评级、成本、利润和推荐理由的Excel和Markdown报告 \n示例输出: \n新增15个商品,淘汰8个(4个毛利不达标,3个竞争过激,1个趋势下降)\
\ \nS级2个:Shimano纺车轮(低竞争+Amazon热销#3)、硅胶假饵(TikTok爆款+新品标签) \n文件路径:/选品结果/钓鱼用品_2026-03-20.xlsx"
version: 1.0.0
---
# 跨境电商选品打分(6维度100分制)
多渠道采集 Amazon、TikTok、Google Trends、1688、目标平台(Ozon/Shopee/AliExpress等)的商品数据,6维度100分制智能评分,筛选高利润低竞争蓝海商品,输出 Excel + Markdown 分析报告。
## 前置要求
| 依赖 | 用途 | 必填 |
|------|------|------|
| **Claude Code CLI** | 运行环境 | 必填 |
| **WebSearch** | 搜索 Amazon Bestsellers、TikTok Trending、Google Trends 等公开榜单 | 必填 |
| **Web Reader MCP** | 读取榜单页面,提取商品名、价格、排名 | 必填 |
| **目标平台 Seller MCP** | 拉取后台数据(商品搜索、详情、销量、流量分析) | 必填 |
| **1688 MCP Server** | 1688 商品搜索、采购价、新品标签(用于采购价和毛利计算) | 推荐 |
| **Python3 + openpyxl** | Excel 输出 | 必填 |
**以 Ozon 为例,Seller MCP 需要支持:**
- `ozon_search` — 前台商品搜索
- `ozon_product_details` — 商品详情(上架时间、价格)
- `analytics_data` — 销量、流量、转化率分析
- `product_info` / `product_info_list` — 商品信息批量查询
- `prices_info` — 价格信息
**以 1688 MCP 为例,需要支持:**
- `search_goods` — 1688 商品搜索
- `goods_detail` — 商品详情(采购价、起批量)
- `new_goods` — 1688 新品查询
**首次使用前请配置:**
1. 目标平台的 Seller API 密钥(在对应 MCP Server 中配置)
2. 选品结果 Excel 的存放路径
3. 毛利计算参数(默认汇率、物流通道费率等)
## 指令
### 第 1 步:确定品类和天数
询问用户:
1. **选什么品类?**(如"钓鱼用品"、"咖啡豆")
2. **选几天内的商品?**(默认30天,只影响新品筛选时间窗口)
如用户未指定品类,展示几个建议品类让用户选择。用户未提及的额外条件不加。
### 第 2 步:多渠道数据采集
#### 2.1 WebSearch 采集(必须执行)
对用户指定品类,搜索以下内容并标记来源:
```bash
# 1. 目标平台热卖(以Ozon为例,用俄语搜索)
WebSearch: "{品类} ozon топ продаж" → 标记「热卖趋势」
# 2. 供应链趋势
WebSearch: "{品类} 跨境电商 热卖 2026" → 标记「供应链趋势」
# 3. Amazon 热销榜
WebSearch: "{品类} amazon bestsellers" → 标记「Amazon热销#位次」
# 4. TikTok 热销榜
WebSearch: "{品类} tiktok trending products" → 标记「TikTok热销#位次」
# 5. Google 趋势
WebSearch: "{品类} google trends rising" → 标记「Google趋势上升」
# 6. 目标市场本地化趋势(以俄语区为例)
WebSearch: "{品类} ozon новинки тренд 2026" → 标记「俄语区趋势」
```
用 Web Reader 读取找到的榜单/文章,提取商品名、链接、价格、排名。备注列必须注明具体来源文章名。
预期输出:每个来源采集到 N 个候选商品,共计 M 个去重后商品。
#### 2.2 目标平台后台采集
用目标平台 Seller MCP 拉取后台数据:
```
# 以 Ozon 为例
ozon_search(keyword="{品类}") → 前台搜索商品
ozon_product_details(product_id=...) → 获取上架时间、详情
analytics_data(metrics=["revenue","ordered_units","hits_view"],
dimension=["sku"],
sort=[{"key":"ordered_units","order":"DESC"}]) → 销量排行
```
预期输出:目标平台热销品列表(含销量、浏览量、上架时间)。
#### 2.3 1688 采购数据采集
用 1688 MCP Server 搜索对应商品:
```
search_goods(keyword="{品类关键词}") → 搜索1688商品
goods_detail(goods_id=...) → 获取采购价、起批量
new_goods(keyword="{品类关键词}") → 获取1688新品标签
```
预期输出:每个候选商品的 1688 采购价、是否新品。
### 第 3 步:毛利计算
对每个采集到的商品计算毛利:
- 从 1688 MCP 获取采购价
- 根据重量自动匹配国际物流通道(多通道运费自动匹配)
- 按实时汇率折算(WebSearch 查询汇率)
- 计算毛利率(毛利率<15%在评分环节得0分)
### 第 4 步:6维度智能评分
对每个商品按以下6个维度打分(满分100分):
| 维度 | 分值 | 评估内容 |
|------|------|----------|
| 跨平台热度 | 20分 | Amazon + TikTok 销量验证,多平台验证降低误判 |
| 竞争程度 | 20分 | 目标平台同款数 + 卖家销量(通过 Seller MCP 查询) |
| 利润空间 | 20分 | 毛利率(1688采购价 vs 目标平台售价),毛利率<15%得0分 |
| 新品信号 | 15分 | 1688新品标签 / 目标平台新品标签 |
| 榜单表现 | 20分 | Amazon/TikTok/目标平台榜单的位次排名 |
| 趋势方向 | 5分 | Google Trends 走势(上升/平稳/下降) |
**等级划分:**
- **S级**(90+):强烈推荐,多维度验证的蓝海爆款
- **A级**(75-89):优质选品,2-3个维度突出
- **B级**(60-74):可考虑,有一定竞争力
- **C级**(50-59):谨慎,存在风险
- **D级**(<50):淘汰
### 第 5 步:筛选规则
| 来源 | 上架时间 |
|------|----------|
| 热卖趋势/供应链趋势 | ≤ 30天 |
| 后台看板 | ≤ 15天 |
| 店铺数据 | ≤ 7天 |
### 第 6 步:去重与写入 Excel
与已有选品结果按商品链接去重,用 openpyxl 写入 Excel:
- 每行包含:评分+等级、商品名、来源、成本、毛利、目标平台链接、竞争分析、推荐理由
### 第 7 步:生成 Markdown 报告
输出分析报告,包含:
- 本次新增商品数、按来源分布
- 淘汰不达标商品数及淘汰原因
- S/A 级商品重点分析
- 累计商品总数
### 第 8 步:输出报告
告诉用户:
- 新增商品数、淘汰数、累计总数
- S/A 级商品推荐摘要
- Excel 和报告文件路径
## 示例
### 示例 1:首次选品
用户说:"开始选品,钓鱼用品"
操作:
1. WebSearch 搜索钓鱼用品在 Amazon/TikTok/Google Trends 的热卖趋势
2. Ozon Seller MCP 拉取钓鱼品类近 30 天销量数据
3. 1688 MCP 搜索钓鱼用品采购价和新品
4. 对每个商品计算毛利(多通道运费匹配)
5. 6维度评分,淘汰不达标商品
6. 写入 Excel + 生成分析报告
结果:
```
新增 15 个商品
淘汰 8 个(4个毛利不达标,3个竞争过激,1个趋势下降)
S级 2个:Shimano纺车轮(低竞争+Amazon热销#3)、硅胶假饵(TikTok爆款+新品标签)
A级 5个:...
文件路径:<用户配置的路径>
```
### 示例 2:追加选品
用户说:"再加几个咖啡豆相关的"
操作:同流程,自动与已有 Excel 去重,只追加新品。
### 示例 3:指定目标平台
用户说:"帮我选几款适合Shopee东南亚的防晒霜"
操作:目标平台切换为 Shopee,WebSearch 搜索东南亚市场热卖趋势,Shopee Seller MCP 拉后台数据,同流程评分。
## 故障排查
### WebSearch 采集不到数据
错误:搜索结果为空
原因:品类关键词过于小众或搜索词需要调整
解决方法:尝试用目标市场本地语言关键词搜索(如俄语、泰语),或换用更宽泛的品类词
### Seller MCP 连接失败
错误:"Connection refused" 或 "API key invalid"
原因:目标平台 Seller MCP Server 未启动或 API 密钥失效
解决方法:
1. 确认 MCP Server 在运行
2. 确认 API 密钥有效
3. 尝试重连 MCP Server
### 平台 API 限频
错误:API 请求频率过高
原因:平台 API 限频(如 Ozon 约 10 次/分钟)
解决方法:增加请求间隔(默认 5 秒),分批采集
### 毛利全部不达标
错误:所有商品毛利低于阈值
原因:1688 采购价偏高或物流费用高
解决方法:尝试寻找更低价供应商,或调整物流通道选择
### Excel 写入冲突
错误:文件被其他程序占用
原因:Excel 文件正在被打开
解决方法:关闭 Excel 后重试
## 执行原则
- **每步确认** — 每完成一个步骤,把中间结果发给用户确认后再继续
- **数据真实** — 所有评分基于实际采集数据,不猜测不编造
- **淘汰透明** — 被淘汰的商品要说明淘汰原因和具体维度得分
- **毛利保守** — 运费按最贵通道计算,确保实际利润不低于预估
- **去重严格** — 与已有选品结果按商品链接去重,避免重复选品
Files in this skill
- SKILL.md
- info.json
Attribution
Comments
Loading comments…
Newsletter
Get the weekly list of safe new skills, and the ones we pulled.