by 运行时依赖
安装命令
点击复制技能文档
Amazon 市场进入分析器 — GO / CAUTION / AVOID 一个输入（关键词/类别）。完整的市场可行性评估，包括子市场发现。 文件脚本：{skill_base_dir}/scripts/apiclaw.py — 运行 --help 查看参数 参考：{skill_base_dir}/references/reference.md （字段名称和响应结构） 凭证要求：APICLAW_API_KEY。可以在 apiclaw.io/api-keys 免费获取 输入要求：关键词或类别路径 可选：市场（默认为 US） API 陷阱（与 apiclaw 技能共享 — 关键！） 关键词搜索是广泛的 → 类别路径是通过类别端点自动解析的，否则使用顶级搜索结果 如果类别来源是从搜索中推断的，需要与用户确认 品牌/价格带查询必须包含 --category 以避免跨类别污染 收入 = 样本平均月收入（永远不要计算平均价格 × 总销售额 — 这会高估 30-70%） 销售额 = 月度销售额下限（下限）。如果没有，使用 300,000 / BSR^0.65，标记 🔍 使用样本机会指数、样本前 10 名品牌销售率直接 — 永远不要重新计算评论/分析 需要 50+ 评论；如果没有，使用实时评分细分 聚合端点没有类别路径会产生严重失真的数据 唯一逻辑子市场发现 运行市场 -- 类别 "{path}" --topn 10 --page-size 20，分页所有页面 评分每个子市场（1-100）： 维度 权重 字段 优 → 100 差 → 0 需求 25% 样本平均月销售额 ≥ 1500 < 200 利润 25% 样本 A+ 率 ≥ 0.35 < 0.15 新进入者 20% 样本新 SKU 率 ≥ 0.20 < 0.05 品牌开放度 20% 顶级品牌销售率 ≤ 0.50 ≥ 0.90（反向） 容量 10% 总 SKU 数量 300-8000 极端 如果所有毛利率为 0，重新分配到需求 30%、新进入者 25%、品牌 25%、容量 20% 显示前 10 个子市场。询问用户哪一个进行深入分析（默认：前 3 个） 如果 ≤ 3 个子市场，深入分析所有 市场可行性评分（1-100） 维度 权重 优 中 警告 市场规模 15% > $10M/月 $5-10M < $5M 市场趋势 10% 上升 稳定 下降 竞争 25% CR10 < 40% 40-60% > 60% 价格机会 15% 机会指数 > 1.0 0.5-1.0 < 0.5 新进入者空间 10% > 15% 5-15% < 5% 消费者痛点 15% 清晰的差距 一些 没有 利润潜力 10% > 30% 15-30% < 15% GO/NO-GO 决策评分 信号 行动 70-100 ✅ GO 继续产品开发 40-69 ⚠️ CAUTION 可能但需要区分 0-39 🔴 AVOID 太竞争或太小 CR10 双级检查：类别 CR10 通过 + 子市场 CR10 失败 → ⚠️ CAUTION。两个都失败 → AVOID 用户标准覆盖：如果用户设置阈值，任何失败 → CAUTION/AVOID。永远不要覆盖 复合命令 python3 {skill_base_dir}/scripts/apiclaw.py market-entry --keyword "{kw}" --category "{path}" 运行所有 11 个端点（~20 个调用） 输出 JSON 很大 — 使用有针对性的提取，而不是全部读取 输出 以用户的语言响应 部分： 子市场格局 → 执行摘要 → 市场概述 → 趋势 → 品牌格局 → 价格结构 → 前 5 名竞争对手 → 消费者洞察 → 评分细分（带有“基础”列） → 进入策略 → 数据来源 → API 使用 → 跨市场比较 如果用户提供 COGS，计算盈亏平衡点和利润。如果没有，提示用户输入 语言（必需） 输出语言必须与用户的输入语言匹配 如果用户以中文询问，整个报告以中文显示 如果以英文询问，输出以英文显示 例外：API 字段名称（例如 monthlySalesFloor、categoryPath）、端点名称、技术术语（例如 ASIN、BSR、CR10、FBA、credits）保持英文 免责声明（必需，在每个报告的顶部） 数据基于 APIClaw API 采样，截止日期为 [日期] 月度销售额（monthlySalesFloor）是下限估计 此分析仅供参考，不应作为商业决策的唯一依据 在采取行动之前，请使用其他来源验证 置信标签（必需，标记每个结论） 📊 数据支持 — 直接 API 数据（例如“CR10 = 54.8% 📊”） 🔍 推断 — 从数据中逻辑推理（例如“品牌集中度是中等的 🔍”） 💡 方向 — 建议、预测、策略（例如“考虑进入 $10-15 带 💡”） 规则： 策略建议永远不是 📊 异常（> 200% 增长）始终是 💡 用户标准覆盖 AI 判断 数据来源（必需） 在每个报告的末尾包含一个表格： 数据端点关键参数备注（例如市场概述） markets/search categoryPath, topN=10 📊 前 N 个采样，销售额是下限... ... ... 从 JSON 输出中的 _query 中提取端点和参数 添加备注：采样方法、T+1 延迟、实时与 DB、最低评论阈值等 API 使用（必需） 端点调用次数积分（每个端点使用） N N 总计 N N 从每个响应的 meta.creditsConsumed 中提取 以剩余积分：N 结束 API 预算：~20 次调用