Amazon Opportunity Discoverer — 亚马逊机会发现器

Amazon 机会发现器 — 市场扫描器和评分 请告诉我您的预算和经验。我将找到机会，评分并排名。 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。获取免费密钥 tại apiclaw.io/api-keys 输入要求：关键词或类别 + 预算（低/中/高）+ 经验（初学者/中级/高级） 推荐：风险承受能力（保守/适中/激进） 可选：履行首选项（FBA/FBM），特定筛选标准 API 陷阱（见 apiclaw 技能的完整列表） 类别路径通过类别自动解析，回退到顶级搜索结果。如果类别来源是从搜索中推断的，需要与用户确认 —— 只有关键词的查询会污染结果 所有基于关键词的端点必须包含 --category 当锁定时 收入 = 样本平均月收入。销售额 = 月销售额下限（lower bound） 评论/分析需要 50+ 评论 去除 ASINs 中的重复项 —— 同一产品出现在多个扫描中 每种模式都有内置的筛选器，与用户筛选器叠加（例如，初学者：$15-60，销售额 ≥ 300） 独特的逻辑配置文件 → 策略映射配置文件 主要模式 价格 最大评论 初学者 + 保守 初学者，长尾，FBM 友好 $15-60 <50 初学者 + 适中 初学者，新兴，低价 $10-50 <100 中级 + 适中 快速移动，欠服务，单变体 $15-80 <200 中级 + 激进 高需求低障碍，投机 $10-100 <500 高级 + 激进 快速移动，投机，顶级 BSR 任意 任意 用户标准 → 筛选参数 始终翻译：“300+ 月销售额” → --sales-min 300，“评论 <100” → --ratings-max 100，“$15-35” → --price-min 15 --price-max 35。如果用户有特定的标准，使用自定义筛选器（方法 B/C），而不是默认模式。 数据驱动的类别选择（没有特定的类别给出） 扫描市场 --keyword "{broad}" --topn 10，按以下标准对子类别进行排名：newSkuRate>10%，topBrandSalesRate<60%，fbaRate>50%，avgPrice $10-50，avgMonthlySales>200。选择前 3-5 个。 机会评分（每个候选项，1-100） 维度 权重 良好 中等 警告 需求信号 20% 销售额 > 300，收入 > $5K 100-300 <100 竞争差距 20% 评论 <200，CR10 <40% 200-1K，40-60% >1K，>60% 价格机会 15% 在最佳机会带内，机会 > 1.0 0.5-1.0 <0.5 趋势动力 15% BSR 上升 稳定 下降 利润率 15% > 30% 15-30% <15% 区别 10% 清晰的痛点 一些差距 没有 配置文件适合 5% 匹配用户配置文件 部分不匹配 分级评分 分级标签 80-100 S 热 —— 快速行动 60-79 A 强 —— 值得追求 40-59 B 中等 —— 需要区别 0-39 C 弱 —— 跳过 快速扫描模式（~10 积分）：2 种模式 × 1 页，跳过实时/趋势。标记为“仅方向性。” 组合命令 python3 {skill_base_dir}/scripts/apiclaw.py opportunity-scan --keyword "{kw}" --category "{path}" --modes "beginner,emerging,underserved" 或使用自定义筛选器：--sales-min 300 --ratings-max 100 --price-min 15 --price-max 35 输出 以用户语言响应。 部分： 扫描摘要 → 前 10 个机会表 → 详细分析（前 3 个）→ 类别热力图 → 风险警报 → 下一步（S：购买样品，A：深入研究，B：观察）→ 数据来源 → API 使用情况 如果用户提供 COGS，计算利润。用户标准覆盖：任何失败 → 警告/避免。 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，整个报告将以中文显示。如果以英文询问，输出将以英文显示。 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，积分）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]。月销售额（monthlySalesFloor）是下限估计。该分析仅供参考，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。 置信度标签（必需，标记每个结论） 📊 数据支持 —— 直接 API 数据（例如“CR10 = 54.8% 📊”） 🔍 推断 —— 从数据中推理（例如“品牌集中度是中等 🔍”） 💡 方向性 —— 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 密钥参数 备注（例如市场概述） 市场/搜索 类别路径，topN=10 📊 顶 N 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 使用情况（必需） 端点调用 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 结尾。 API 预算：~50-60 积分