亚马逊-类目市场筛选 | 青虎AI

青虎AI 亚马逊-类目市场筛选：从类目维度评估市场规模、竞争强度、垄断程度、利润空间与新品机会，按条件筛选可进入的类目。当用户说「找卖家不多、均价 20-80 美元的类目」「哪些类目还有新品机会」「对比几个类目哪个好做」或提出同类需求时必须触发。关键词：青虎AI、qhkit、青虎数据、亚马逊、Amazon、类目筛选、市场容量、垄断度、新品机会、类目对比、市场列表。

从类目维度评估市场规模、竞争强度、垄断程度、利润空间与新品机会，按条件筛选可进入的类目。

数据来自青虎数据工具 market_research（市场列表，平台：亚马逊），通过 qhkit mcp 调用——不需要、也不要去宿主环境里找或配置 MCP server。

何时触发

• 「找卖家不多、均价 20-80 美元的类目」
• 「哪些类目还有新品机会」
• 「对比几个类目哪个好做」

调用流程

bash

qhkit mcp describe '{"names":["market_research"]}'   # ① 本会话首次调用前查最新入参与计费（免费）
qhkit mcp estimate '{"names":["market_research"]}'   # ② 单次基价（青虎积分，免费）
qhkit mcp call     '{"name":"market_research","params":{"request":{"marketplace":"<Amazon 站点代码>"}}}'

• call 的 params 照 describe 返回的 inputSchema 填（下表是快照，以 describe 为准）；上面 call 里的值只是占位示意，按用户需求替换，不要原样提交。
• 参数复杂或含中文 / 引号时，把 {"name":...,"params":{...}} 写进文件，用 qhkit mcp call @params.json 调用，避免 shell 转义问题。
• Windows 防乱码：Windows 上经 PowerShell 调 qhkit 时，stdout 里的中文会按系统代码页 GBK 解码成乱码（如「专图模型」变成「涓撳浘妯″瀷」），模型名、选项、报错都对不上——看到乱码不要据此判断模型或选项不存在。每条 qhkit 命令在同一行先切 UTF-8 再调用：[Console]::OutputEncoding=[Text.Encoding]::UTF8; qhkit <命令> <action> @params.json；仍有乱码就加全局参数 --out result.json（qhkit 0.15.0+），stdout 只回一行纯 ASCII 的文件路径，再按 UTF-8 读该文件拿完整结果。PowerShell 5.1 还会吞掉命令行 JSON 里的双引号（报「json_args 解析失败」），Windows 上参数一律写进文件走 @params.json。macOS / Linux / Git Bash 不受影响。
• 用户没说清的必填项（站点、时间周期、ID 等）先问清楚或按下表说明取值，不要猜。

入参（快照）

参数	必填	类型	说明	取值
request	✅	object	对象，字段见下
request.minNewAvgPrice		number	最小新品平均价格
request.maxGoodsCrn		number	最大商品集中度
request.minAvgBsr		integer	最低平均BSR排名
request.departmentKeyword		string	类目关键字
request.minNewAvgRatings		integer	最小新品平均评分数
request.sellerLocation		string	卖家所属地，见表1.3
request.returnFields		string	指定返回的字段，多个字段用逗号隔开。不指定则返回所有字段。例如：asin,title,price,totalUnits,totalAmount
request.minNewCount		integer	最小新品数量
request.maxAmazonSelfProportion		number	最大Amazon自营占比
request.minSellerCrn		number	最大卖家集中度
request.minSellers		integer	最小卖家数量
request.minAvgPrice		number	最低平均价格
request.minAvgRating		number	最低平均评分值
request.maxAvgSellers		number	最大平均卖家数量
request.order		object	排序
request.order.field		string	排序字段。 可选值(仅填写字段名): - total_units: 月销量 - total_amount: 月销售额 - price: 价格 - rating: 评分 - reviews: 评分数 - profit: 毛利 - reviews_rate: 留评率 - available_date: 上架时间 - questions: Q&A - total_units_growth: 月销量增长率 - total_amount_growth: 月销售额增长率 - reviews_increasement: 月新增评分数 - bsr_rank_cv: 近7天BSR增长数 - bsr_rank_cr: 近7天BSR增长率 禁止使用未列出的值。
request.order.desc		boolean	排序类型
request.minAvgRevenue		number	最低月均销售额
request.minNewAvgUnits		number	最低新品月均销量
request.marketplace	✅	string	Amazon 站点代码（枚举值）：US, JP, UK, DE, FR, IT, ES, CA, IN, MX, BR, AU, AE
request.maxBrands		integer	最大品牌数量
request.maxNewAvgRatings		integer	最大新品平均评分数
request.maxNewAvgPrice		number	最大新品平均价格
request.newProduct		integer	新品定义阈值（单位：月），用于指定将上架在该时间范围内的商品视为新品。可根据行业特性调整，如服装类通常为 1，母婴等长生命周期行业可设为 6
request.maxAvgRevenue		number	最高月均销售额
request.minNewAvgRevenue		number	最低新品月均销售额
request.maxAvgProfit		number	最高平均毛利率
request.maxNewAvgRevenue		number	最高新品月均销售额
request.minFbmProportion		number	最小FBM占比
request.maxSellerCrn		number	最小卖家集中度
request.maxSellers		integer	最大卖家数量
request.maxTopAvgUnits		integer	最高头部均月销量
request.topNum		integer	头部Listing数量, 做竞争分析时，一般是取头部产品和整体样本做对比，来判断市场竞争度/集中度, 卖家精灵默认是取头部前10商品
request.maxEbcProportion		number	最大A+数量占比
request.month		string	查询月份, 格式: yyyyMM
request.size		integer	每页条数
request.minEbcProportion		number	最小A+数量占比
request.minNewAvgRating		number	最小新品平均星级
request.maxAvgRatings		integer	最高平均评分数
request.maxNewAvgUnits		number	最高新品月均销量
request.minAvgRatings		integer	最低平均评分数
request.page		integer	页码
request.nodeIdPath		string	产品所属的类目节点 ID, 例如： 2619525011:3741271， 通常通过查询【产品类目信息】获取，或由用户直接指定类目路径
request.maxFbmProportion		number	最大FBM占比
request.minBrands		integer	最小品牌数量
request.maxBrandCrn		number	最大品牌集中度
request.maxTopAvgRevenue		number	最高头部月均销售额
request.minTopAvgUnits		integer	最低头部月均销量
request.minWeight		number	最低重量
request.minAvgSellers		number	最小平均卖家数量
request.minAvgProfit		number	最低平均毛利率
request.minNewProportion		number	最小新品数量占比
request.minGoodsCrn		number	最小商品集中度
request.maxGoodsCount		integer	最高商品数量
request.maxNewProportion		number	最大新品数量占比
request.maxTopAvgBsr		integer	最高头部平均BSR
request.minGoodsCount		integer	最低商品数量
request.minTopAvgRevenue		number	最低头部月均销售额
request.maxAvgPrice		number	最高平均价格
request.maxAvgBsr		integer	最高平均BSR排名
request.maxWeight		number	最高重量
request.minAmazonSelfProportion		number	最小Amazon自营占比
request.maxVolume		number	最高体积
request.maxAvgRating		number	最高平均评分值
request.maxNewAvgRating		number	最大新品平均星级
request.minBrandCrn		number	最小品牌集中度
request.minVolume		number	最低体积
request.minAvgUnits		integer	最低月均销量
request.maxAvgUnits		integer	最高均月销量
request.maxFbaProportion		number	最大FBA占比
request.minTopAvgBsr		integer	最低头部平均BSR
request.maxNewCount		integer	最大新品数量
request.minFbaProportion		number	最小FBA占比

典型需求：「查询美国站，卖家数量至少10个，平均价格在20到80美元}}之间的类目市场」

工具说明（线上原文整理）

Amazon 类目市场分析工具，用于从“类目维度”评估市场规模、 竞争强度、盈利空间以及新品进入可行性。

该工具回答的核心问题包括：

• 这个类目整体有多大？是否有足够销量与销售额？
• 类目是否被头部商品或头部品牌高度垄断？
• 平均价格、利润率是否具备盈利空间？
• FBA / FBM / Amazon 自营结构是否健康？
• 新品在该类目中是否仍有成长机会？

适用于以下场景：

• 选品前的类目筛选与市场可行性判断
• 新品是否适合进入该类目
• 类目竞争激烈程度评估
• 对比多个类目，寻找更优的切入市场

【类目ID获取】当入参需要 nodeIdPath 等类目ID，而用户只提供类目名称或关键词时。应先将关键词翻译为目标站点/国家对应语言，再调用 product_node 搜索并获取类目信息，最后使用匹配到的类目ID调用本工具；不要凭空编造类目ID。只取用 product_node 工具的类目数据。

上下游

• 类目 ID 从哪来：用户只说了类目名称时，先用 product_node（用户说的中文类目名先翻成站点语言再查）查出 nodeIdPath 等类目 ID 再填，不要编 ID。
• 相关工具：product_node（亚马逊-类目节点查询）。括号里是它们各自对应的「青虎AI」专项技能；需要时也可直接 qhkit mcp call 调用（计费授权规则同下）。

计费与授权

• 付费工具。单次基价参考约 2 青虎积分（2026-10 快照，会调整），报价前先跑 qhkit mcp estimate，以它返回的 baseCredits 为准。
• 按返回结果量计费：返回条数越多实扣越高——报价说「约 X 积分起，以实际扣费为准」，大批量拉取前先说明。
• 本会话首次调用前：把要调用的工具（中文名 + 用途）和预计积分一次性告诉用户，征得同意后本会话内不再重复询问；同一需求要连调上下游工具时，一起列出、一次授权。用户拒绝或只同意一部分时，未同意的不调用。
• 实扣以 call 返回的 credits 为准（已经是青虎积分，不要再换算）；业务数据里自带的「积分 / points」字段是数据源自己的口径，不要引用。
• 同一轮回复内付费调用不超过 10 次；还要更多数据时，先说明还差什么、要再调几次，征得同意后下一轮继续。
• 有付费调用的那一轮，在回复最末尾另起一行、单独一行写：本次共消耗 X 青虎积分（X 为本轮全部 credits 之和，小数按实际写）。

结果处理

• stdout 恒为一行 JSON。成功为 {"ok":true,"stage":"done","name":...,"credits":...,"data":...}；失败为 {"ok":false,"stage":"...","message":"..."}，把 message 原样转告用户。stderr 的提示行不是错误。
• 小结果直接在 data 里。大结果返回 large:true + file（完整 JSON 的本地路径）+ records（记录数）/ fields（字段）/ preview（前几条）——后续筛选、统计、导出一律读 file，不要逐行抄写，也不要凭预览推断全量。
• 记录 ≥ 10 条时整理成表格文件交付（装了 qinghu-excel-export 技能就用它），不要把大数据集铺成聊天里的 markdown 表格；回复保持精简：结论 + 文件 + 不超过 5 行关键预览。
• 结论先行：先回答用户真正关心的问题（值不值得做、谁最强、趋势向上还是向下），再给支撑数据；数字标明平台、站点、周期与样本量，不同站点或周期的数字不要混在一张表里比。
• stage:"validate"：本地校验没过，未发起、未扣费——按 details.inputSchema 改参数后重试。
• stage:"call" / stage:"mcp"：服务端失败（401/50x CLI 已自动重试过）。先 qhkit config show 确认密钥，再转述 message；参数问题先想清楚再改，不要连环试错——失败也可能扣费。

能力边界

• 本技能只负责「亚马逊-类目市场筛选」这一项查询（工具 market_research）。用户要的数据超出它的返回范围时，用下方上下游工具或同系列技能补齐，不要用名字相近的工具凑合，也不要改用浏览器抓网页。
• 拿不到的 ID / 类目 / 账号标识，按上文「上下游」从对应工具取，不要凭印象编。
• 要做完整分析（选品决策、竞品拆解、蓝海挖掘等多步编排）时，转交同系列场景技能：「亚马逊-ASIN解析专家 | 青虎AI」、「亚马逊-关键词选品专家 | 青虎AI」、「亚马逊-细分市场评估师 | 青虎AI」、「亚马逊-爆款趋势挖掘师 | 青虎AI」。
• 其他平台 / 其他数据类型，或想按需求检索全部 200+ 个青虎数据工具，用总技能「青虎AI」（qhkit mcp search）。

环境自举（缺什么装什么，不要因环境缺失放弃任务）

本技能依赖 qhkit 命令（npm 包 @iqinghu/qhkit，mcp 命令需 0.14.0+），可完全独立安装。按顺序检测，缺失就地补齐：

1. 有 qhkit 吗？ qhkit config show 能跑通即就绪，跳到第 4 步。

2. 没有 qhkit 但有 node/npm → 全局安装（推荐）：

   bash

   npm i -g @iqinghu/qhkit
   

   默认走 npm 官方源；官方源访问慢或超时（国内网络常见）时，再加镜像参数 --registry=https://registry.npmmirror.com（阿里维护的 npm 官方镜像，仅作网络兜底）。仅当全局安装因权限失败且无法提权时，才退而用 npx @iqinghu/qhkit <命令> ...（npx 必须写包全名）。

3. 连 node 都没有（要求 Node ≥ 18）：先装 Node 再回到第 2 步。

   bash

   # Linux 二进制安装（装到用户目录，无需 root；先校验官方 SHA256 再解包）：
   cd /tmp && curl -fsSLO https://nodejs.org/dist/v22.22.3/node-v22.22.3-linux-x64.tar.xz
   cd /tmp && curl -fsSL https://nodejs.org/dist/v22.22.3/SHASUMS256.txt | grep ' node-v22.22.3-linux-x64.tar.xz$' | sha256sum -c -
   mkdir -p "$HOME/.local/lib" && tar -xJf /tmp/node-v22.22.3-linux-x64.tar.xz -C "$HOME/.local/lib"
   export PATH="$HOME/.local/lib/node-v22.22.3-linux-x64/bin:$PATH"
   

   校验行输出 OK 才继续；校验失败就删掉重下，绝不解包未通过校验的文件。nodejs.org 访问不通时，把两个下载 URL 的前缀 https://nodejs.org/dist 整体换成镜像 https://registry.npmmirror.com/-/binary/node（目录结构相同，SHASUMS256.txt 也有镜像，校验步骤不变）。export PATH 只对当前 shell 生效，跨命令调用时每个新 shell 都要先执行这行（或追加进 ~/.bashrc）。macOS 用 brew install node；Windows 用 winget/官网安装包。arm64 机器把 x64 换成 arm64。

4. 密钥：无密钥时（命令返回 stage:"config"），执行 qhkit config set --token <密钥> --env prod（密钥让用户打开 https://www.iqinghu.com/workbench/login?type=1&urlCode=1788417429126 注册/登录后，从 https://www.iqinghu.com/workbench/dashboard/api-keys?urlCode=1788417429126 获取），或设环境变量 QHKIT_TOKEN。

5. 自检：qhkit config show 输出脱敏配置即全部就绪。 核对站点（本技能对接国内版 iqinghu.com）：config show 返回的 site 必须是 cn。是 intl（baseHost 为 autoagc.com）说明本机残留了国际版配置——不要按国际站引导用户取密钥，也不要拿国际站的模型清单答复（那边是 gpt-image-2 / gemini-3.1-flash 这类底层模型名，和本技能对不上）；直接把第 4 步的国内站取密钥文案发给用户，拿到密钥后执行 qhkit config set --token <密钥> --env prod 覆盖。source 为 env 时配置来自环境变量，要请用户删掉 QHKIT_TOKEN / QHKIT_ENV 或把 QHKIT_ENV 改成 prod。只有用户明确说自己用的是国际版（AutoAGC）账号时才保留 intl。调用报 401 / 未登录时同样先跑 config show 核对站点：国内版密钥配在国际站必然 401。

升级：命令返回 {"ok":false,"stage":"version",...}（版本门禁，message 里就是升级命令），或返回 stage:"runtime" 且 message 为「未知命令：mcp」（本机 qhkit 太老），都先升级再重试原命令：

bash

npm i -g @iqinghu/qhkit@latest

官方源慢或超时时同样加 --registry=https://registry.npmmirror.com。安装/配置失败时把具体报错告诉用户（常见：无写权限 → 提示用户提权或改用 npx；无网络 → 让用户处理网络）。