360 Secure SkillHub
360 安全技能中心

Walter Listing Operations

这是面向亚马逊卖家的全流程运营执行工具,核心功能涵盖VOC/评论分析、竞品卖点拆解、Listing(标题/五点/A+/视频)优化、合规检测、Rufus问答训练及品牌规划。卖家输入品类/产品信息、可选的竞品ASIN/评论数据及具体需求,即可获取结构化分析报告、优化方案或合规检测表,适配消费者洞察、Listing迭代等运营场景。

beyondbright
beyondbright
热度 24.42
最近更新 2026-04-10 08:11:47
分类:营销依赖:代码执行 / MCP 服务应用场景:市场分析 / 文案创作 / 报告撰写 / 数据处理 ...

安装技能

复制下面的话术发给你的 Agent,它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill: npx secure-skills-cli add walter-listing-operations
Metadata
name
walter-listing-operations
description
亚马逊运营执行Skill。当用户需要做VOC/评论分析、竞品卖点拆解、Listing优化(标题/五点/A+)、视频脚本、Rufus优化、品牌规划、合规检测时触发。覆盖从消费者洞察到Listing落地执行的全流程,包括:消费者VOC深挖、竞品分析、差异化机会、标题撰写、五点描述、A+设计、视频脚本、合规自查、Rufus问答训练等。

亚马逊运营执行

核心目标

将消费者洞察和竞品分析转化为可执行的Listing方案,覆盖从VOC到落地优化的全流程。

用户输入

  • 品类/产品信息
  • 竞品ASIN(可选)
  • 评论数据(可选)
  • 具体需求(VOC/标题/五点/A+/视频/品牌/合规)

功能模块

1. VOC/评论分析

分析维度:

  • 消费者画像(年龄/性别/收入/使用场景)
  • 好评Top5 → Listing卖点
  • 差评Top5 → 产品改进方向
  • 未满足需求 → 差异化机会
  • 购买动机 → 营销策略

VOC痛点分级:

等级 说明
致命痛点 直接导致退货/一星差评
体验痛点 不影响使用但降低满意度
期望落差 产品未达宣传效果

2. 竞品卖点拆解

分析维度:

  • 核心USP提取
  • 差异化要素对比
  • 视觉呈现分析
  • 广告策略还原
  • 流量词反查

竞品卖点对比表:

卖点 竞品A 竞品B 竞品C 出现频率 是否核心
防水 ✅ ✅ ✅ 100% 🔴必须有
可折叠 ✅ ❌ ✅ 67% 🟡加分项

3. 差异化机会

差异化方向矩阵:

维度 方案 成本影响 竞争壁垒
功能差异化 增加竞品缺失功能 中 高
外观差异化 独特设计/配色 低-中 中
包装差异化 礼盒装/环保包装 低 低
品质差异化 材质/工艺升级 中-高 高
价格差异化 空白价格带切入 视情况 低

4. Listing优化

标题撰写(100-125字符)

品牌名 + 核心关键词 + 核心卖点 + 材质/颜色 + 尺寸 + 数量

五点描述(5条)

结构:

  • 前2条:转化核心(痛点+解决方案+数字参数)
  • 后3条:埋词补充(场景词/属性词)

A+内容模块

推荐模块组合:

  1. 品牌故事模块
  2. 对比图模块
  3. 功能特性模块
  4. 产品细节模块
  5. 使用场景模块

视频脚本(30秒/分镜)

按3秒一个分镜输出脚本格式。

5. 合规检测

检查维度:

  • 标题合规(字符/特殊字符/促销语)
  • 图片合规(白底/像素/水印)
  • 五点合规(违规词/字符数)
  • 描述合规(HTML/外链)
  • 后台关键词合规
  • A+合规(促销/外链)
  • 类目特殊限制

6. Rufus问答训练

四类QA生成:

类别 说明
买前关心 功能/兼容性/场景适配
买后预防 退货高频点预防性回答
竞品拦截 对比时提供弹药
关联场景 触发Cosmo场景推荐

7. 品牌规划

品牌全案模块:

  • 品牌故事(使命/愿景/价值观)
  • 三幕式叙事结构
  • 视觉体系(Logo/色系/字体)
  • 目标人群洞察
  • 品牌调性定义

输出格式

VOC分析报告

## 消费者画像
- 核心人群:XX-XX岁,XX性,年收入$XX-$XX
- 购买动机:XX > XX > XX

## 痛点分析
1. 【致命】XX问题(占比XX%)
2. 【体验】XX问题(占比XX%)
3. 【期望】XX未满足(提及率XX%)

## 机会点
- 差异化机会:XX(竞品未解决)
- 场景扩展:XX(使用场景延伸)

Listing优化方案

针对每个模块(标题/五点/A+/视频)输出:

  • 当前问题
  • 优化方案
  • 具体文案/设计要求

合规检测表

模块 检查点 状态 问题 修改建议
... ... ... ... ...

注意事项

  • 数据缺失时标注"数据不足"
  • 合规问题必须全部修改
  • Listing文案需符合亚马逊最新政策
  • 品牌规划需结合用户实际情况调整

数据调用

当执行Listing运营操作时,使用 scripts/listing_generator.py 获取数据:

import sys, os
sys.path.insert(0, 'scripts路径')
from listing_generator import ListingGenerator

gen = ListingGenerator()

# VOC分析
reviews = gen.get_reviews(asin='B0XXXXXXX', marketplace='US')
voc = gen.voc_analysis(reviews)

# 关键词研究(用于埋词)
kw = gen.get_keyword_research(keyword='品类关键词')

# 生成标题
title = gen.generate_title(product_info, kw['data']['items'], brand_name='品牌名')

# 生成5点
bullets = gen.generate_bullet_points(product_info, voc['data']['pain_points'], kw['data']['items'])

# 竞品对比
comp = gen.competitor_comparison(my_asin='B0XXXXXXX', competitor_asins=['B0YYYYYYY'])

依赖:需要 scripts/sellersprite_mcp.py 存在。