Product Research

---

name: walter-product-research version: 1.0.0 description: "亚马逊选品调研 - 回答"能不能做"的问题。快速扫描→市场分析→利润测算→竞品发现→风险评估，输出GO/NO-GO决策报告。"

---

亚马逊选品调研

核心问题

"我这个想法能不能做？"

用户交互

输入

用户: "我想做沙滩裤"
用户: "women active shorts能不能做"
用户: "分析下这个市场"

输出

[选品调研报告]
[Decision] GO / CAUTION / NO-GO
[Score] 72/100
├─ 市场容量: 640,240 units/月
├─ 竞争程度: CR3=63% (高)
├─ 市场趋势: +8.5%/月 (上升)
├─ 利润空间: $2.08/unit (8.3%)
└─ 风险提示: 高品牌集中度
[详细报告] [竞品分析] [生成Listing]

---

分析流程

Step 1: 快速扫描 (30秒)

机会评分 (0-100)

市场容量评估

竞争程度评估

趋势判断

Step 2: 市场分析

品牌集中度 (CR3/CR5)

价格带分布

头部玩家分析

Step 3: 利润测算

定价建议

成本结构分解

利润优化场景

Step 4: 竞品发现

Top 5 竞品

各竞品基础数据

差异化机会

Step 5: 风险评估

高风险因素

中风险因素

进入建议

---

技术实现

class ProductResearch:
    def analyze(self, keyword: str, price: float = None, cost: float = None) -> Dict:
        """
        选品调研完整流程
        """
        # 1. 快速扫描
        scan = self.quick_scan(keyword)
        
        # 2. 市场分析
        market = self.analyze_market(scan['node_id'])
        
        # 3. 利润测算
        profit = self.calculate_profit(price, cost)
        
        # 4. 竞品发现
        competitors = self.discover_competitors(keyword)
        
        # 5. 风险评估
        risks = self.assess_risks(scan, market)
        
        return {
            'decision': scan['recommendation'],
            'score': scan['score'],
            'market': market,
            'profit': profit,
            'competitors': competitors,
            'risks': risks
        }

---

依赖

unified_data_layer_v2.py - 统一数据层

sellersprite_mcp.py - MCP客户端

SellerSprite API access

---

版本

V1 - 2026-04-13

第一版发布

场景: 选品调研