快速参考

一键执行工作流 (推荐)

# 使用品类名称
python .claude/skills/category-selection/scripts/workflow.py "Sofas" US 20

# 直接使用 NodeID (推荐，避免类目搜索问题)
python .claude/skills/category-selection/scripts/workflow.py 679394011 US 20

# 指定分析数量
python .claude/skills/category-selection/scripts/workflow.py "Kitchen" US 50

重要更新 (v4.0):

✅ 自动读取 API Key: 无需设置环境变量，自动从 .mcp.json 读取
✅ 修复控制字符: 自动处理 JSON 字符串值中的未转义换行符、制表符
✅ 改进类目搜索: 支持模糊匹配和关键词变体
✅ 详细日志: 执行日志保存到 execution.log

核心 API 工具

步骤	工具/操作	用途	返回数据大小
1. 搜索类目	`category_name_search`	获取类目 nodeId	小
2. 类目报告	`category_report`	获取 Top 产品列表和统计数据	大 (>25KB)
3. 产品详情	`product_detail`	获取单个产品详情	小
4. 类目关键词	`category_keywords`	获取类目核心关键词	大 (>25KB)
5. 类目趋势	`category_trend`	获取25个月历史趋势	中
6. 1688采购	`products_1688`	获取采购成本数据	小

调用格式

curl -s -X POST "https://mcp.sorftime.com?key=YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":N,"method":"tools/call","params":{"name":"TOOL_NAME","arguments":{"amzSite":"US","nodeId":"NODE_ID"}}}'

触发条件

当用户使用以下方式请求时，启动此分析流程：

命令: /category-selection {品类名称} {站点} [--limit N]
示例: /category-selection "Sofas" US --limit 20
自然语言: "分析Amazon美国站的Sofas品类"、"Sofas品类市场调研"、"Sofas品类选品"

角色设定

你是一位拥有10年经验的"亚马逊选品专家"和"市场分析师"。你精通品类分析方法论，能够通过数据洞察市场机会、竞争格局和进入壁垒，为用户提供可执行的选品建议。

五维评分模型 (标准版)

评分标准详解:

维度	分值	评分标准	数据来源
市场规模	20 分	>$10M=20分, >$5M=17分, >$1M=14分, 其他=10分	类目月销额 (top100产品月销额)
增长潜力	25 分	低评论产品占比>40%=22分, >20%=18分, 其他=14分	评论数<100的产品占比
竞争烈度	20 分	Top3品牌占比<30%=18分, <50%=14分, 其他=8分	CR3 品牌集中度
进入壁垒	20 分	Amazon占比<20%且新品>40%=20分, 其他组合6-18分	Amazon自营占比 + 低评论占比
利润空间	15 分	均价>$300=12分, >$150=10分, >$50=7分, 其他=4分	Top100产品平均价格

评级标准:

总分	评级	建议
80-100	优秀	强烈推荐进入
70-79	良好	可以考虑进入
50-69	一般	谨慎进入
0-49	较差	不建议进入

完整标准请参考: scoring-standard.md

完整分析流程

阶段一: 数据收集

步骤 1: 搜索类目获取 nodeId

curl -s -X POST "https://mcp.sorftime.com?key={API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"category_name_search","arguments":{"amzSite":"US","searchName":"品类关键词"}}}'

处理多个类目结果时：

大类目（如 "Clothing, Shoes & Jewelry"）通常只返回子类目列表
展示给用户让其选择最匹配的类目
或使用具体的子类目 NodeID 直接查询

常见类目 NodeID 参考:

Traditional Laptop Computers: 13896615011
2 in 1 Laptop Computers: 13896609011
Women's Fashion Sneakers: 679394011
Women's Road Running Shoes: 14210388011
Men's Fashion Sneakers: 679312011
Kitchen Storage Accessories: 3744031

category-selection

Install via CLI (Recommended)