PD大促还有两个周就开始了,不知道做亚马逊的你们词库搭好了吗?
我用AI自动跑出一套亚马逊关键词库系统:丢个ASIN进去,AI就能自动解决从数据获取到出分析报告的整个流程。


怎么做到的?我是用2 个 skill 串起了整个流程:
一是AI接管浏览器自动登录Sif关键词导出三张Excel,在进行数据处理分析,从每张表到多张表交叉验证,文件直接落本地;
二是同一个ASIN再输入,还有个Skills自动识别历史数据,对比上一版变化,哪些词搜索量涨了、竞品哪里开始守了、哪些缺口还没人抢,报告写的明明白白。
所以只需要丢你想调研的ASIN,就直接验收成果。
这两个skills 我开源了,感兴趣可以直接见文末。
坦白说,数据不是瓶颈了,缺的反而是处理数据的时间。
而且AI时代来了,古法手搓Excel已经out了!!现在很多AI工具已经跟本地文件深度结合,直接读Excel、改Excel、做分析,公式、图表、分层逻辑全部处理,排版比你自己搞得还好看,顺手出份报告也不在话下。
但我觉得还不够,因为手动导表、手动上传给AI、手动复制粘贴Prompt。这些操作不也浪费时间?所以我想要的是输入ASIN,后面全部自动跑完。
先说清楚整套系统的分工。
我这里的数据源用的是Sif关键词,主要在里面导出Excel:关键词调研(市场有哪些词,哪些词能打)、反查流量词(竞品哪些词在涨、哪些词没守稳)、查广告词(竞品在哪里花钱、哪里有缺口)。
选这三张表的原因是字段够用,特别是反查流量词表里有个「关键词效果类型」字段,Sif直接把性质标好了,官方这个判断依据总比AI专业。


而AI则负责:一是接管浏览器操作,在Sif把三张表导出来,不用人动手(就是有点久hh);二是接管数据处理,拿到表之后怎么分层、分析、再交叉验证、最后出报告。
跑这套系统之前,先把工作区结构建好。
BGGG/
├── sif-keyword-scout/ ← Skill 1(关键词侦察)
│ ├── SKILL.md
│ ├── references/ # 6 份参考文档(SOP、表结构、顾问指南等)
│ └── scripts/ # Python 处理脚本
├── sif-keyword-tracker/ ← Skill 2(动态跟踪)
│ ├── SKILL.md
│ └── scripts/
├── web-access/ ← 一泽的浏览器自动化
│ ├── SKILL.md
│ ├── references/
│ └── scripts/
├── .sif-config.json # 工作区配置
└── README.md
这三张表AI要怎么处理?
最后AI再对三张表进行交叉验证,同时出现在三个清单里标SSS级,两个则是SS级。这是最值得集中预算的词。
产出有三张处理后的Excel(辅助列+图表+分析Sheet)、再加一份PD主攻词单Excel;每张表配一份Word分析报告,PD备战也会给行动建议(不过AI给的看看就好了!!)
先用这条prompt让AI把Skill 1搭起来:
你是亚马逊关键词/PPC顾问,帮我搭建一个完整的sif-keyword-scout Skill。
我的情况:
- 竞品ASIN:{填入}
- 产品类目:{精确类目,如「沙发套」不是「沙发」}
- 产品阶段:{新品期/成长期/成熟期}
- 输出路径:{本地路径}
需要生成:
1. SKILL.md(Agent主流程)
- 三张Sif表各自的处理逻辑
- 关键词调研:S/A/B/C四级分层,门槛自动计算后暂停等我确认
- 反查流量词:提取增长词+自然位未稳,输出机会评级
- 查广告词:搜索量大+竞品SP份额低=缺口词
- 三表交叉验证:SSS/SS/S三级,输出PD主攻词单
- 两处暂停点:①确认S/A门槛 ②确认SS主攻方向
2. references/文件夹内容
- table-schema.md:三张表字段说明
- sop-tables.md:S/A/B/C分级规则+缺口/防守判定逻辑
- amazon-expert-guide.md:暂停点话术+人工判断指引
3. 产出物要求
- 四组Excel:关键词分层分析/竞品弱点分析/竞品缺口分析/PD主攻词单
- 每张Excel含辅助列+内嵌图表+分析Sheet
- 四份Word报告:执行摘要+逐词解读+PD行动清单
参数说明(可按类目调整):
S级集中度门槛默认0.25,竞争激烈类目建议0.30
缺口词搜索量门槛默认5000,小类目可降到2000
这段期间搜索量在变,竞品策略也跟着变,需要时刻盯着变化的趋势。PD之后也没完,大促期间跑出数据的词,有些会沉淀为稳定流量词,有些搜索量会迅速回落,词库要跟着市场变。
那它的变化我们怎么知道?Skill 2 解决的就是这件事。
同一个ASIN再输入,自动识别历史数据,对比上一版变化:新增词、消失词、搜索量变化超20%的词、竞品SP份额明显变动的词、SS级词有没有新增或消失。不重新跑全量,只看增量,每次跑完出一份变化摘要,告诉你这24小时里什么变了、该怎么调。
用这条提示词把Skill 2搭起来:
帮我搭建一个完整的sif-keyword-tracker Skill。
需要生成:
1. SKILL.md(Agent主流程)
触发条件:同一ASIN在本地已有历史数据
对比窗口:优先1~7天内最近一次,超出窗口回退到紧邻上一次
对比逻辑:
- 新增词:本次有,上次没有
- 消失词:上次有,本次没有
- 搜索量变化>20%的词
- 竞品SP份额变化>5%的词
- SS级词是否有新增或消失
暂停点:对比完先汇报变化摘要,
等我确认投放策略再出报告
2. 产出物
词库更新报告Word:
变化摘要+新增/消失词清单+SS级变动+策略建议
不重新生成全量Excel,只输出增量变化
我用沙发套这个品跑了一遍,来看看实际产出。


找个本地AI工具加载Skills,直接丢ASIN给它。信息不足它会主动来问:产品阶段是新品期还是成长期、精确类目叫什么。
如果你获取数据要AI自己去官网导出,记得先登录要不然会卡住。

(短短10s的视频我已经开了5倍速了,可见真实效率,,,)
浏览器接管那段是真的慢。AI控制浏览器半分钟才能完成一个点击按钮的操作,页面复杂更久。。同样的动作人工来做可能半分钟就导完一张表了。

有了数据之后是调参,比如A级、S级门槛,每个品都不一样,这一块就需要人的业务判断了。当然也可以直接让AI给建议,但可不可靠是另一回事了。

这是它给的建议是S级门槛调整到5000,A级降到800,理由是沙发套大词变体多,门槛太严容易误杀。我确认之后它继续跑。




这批是昨天跑的,产出是这样的:词池107个,SS级12个主攻词,SSS级0个是因为三张表同时命中一个词概率太低了,所以以SS级为PD主攻核心。
比如「couch covers for dogs」,它在反查流量词表被标了「搜索量同比增长词」,说明需求还在涨。自然流量占比2.79% 说明竞品没在这个词上建立自然排名;在查广告词表里SP份额2.29%,说明连广告也没认真打。
这种词靠人工翻几千行很难发现,但Sif把效果标签打好了,AI再把三张表交叉出来,就很明显了。这个词现在可以直接列进PD做精准匹配,等PD真正开打,这个位置可能就不便宜了。

今日在Sif导出新数据,再跑一次就会触发Skill 2:词池从107个涨到114个,净增7个。SS级有一进一出:「love seat couch covers」新进SS,「couch covers for sectional sofa」掉出SS。报告也给出相应的行动建议,不过决策还是得看自己。

这才是Skill 2真正的价值:短短一天,词池新增,SS有进有出。这些变化以前要你自己盯着找,现在Skill 2每天跑完直接告诉你什么变了。时间不该花在找变化上,该花在看到变化之后怎么决策。
数据处理这件事现在可以全部交出去了。从导表到分析到报告,Skills跑完,文件落本地,人只需要做最后两个判断:方向对不对,参数怎么调。
但我觉得这件事背后的变化比「省时间」更大。
亚马逊运营里有大量这样的环节:有完整SOP、需要反复做、步骤固定但判断在人。关键词库是一个,竞品监控是一个,广告报告复盘是一个。这些环节以前需要运营一个个手动跑,现在每一个都可以用同样的思路打包成Skills,让AI接管执行,人只做最后的判断。
这不是效率提升,是工作方式变了。以前一个运营同时维护三条链接的词库已经很忙了,现在一套Skills可以同时跑十条、二十条,成本不变。
业务SOP工作流化这件事,关键词库只是开始。
本文用到的 skills 存到 Github 了 ⬇️
其中第三个 web-access 是一泽老师的万能数据抓取skill

文章来自于"饼干哥哥AGI",作者 "饼干哥哥"。
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。
项目地址:https://github.com/browser-use/browser-use
【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!
项目地址:https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。
项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0