Amazon产品研究员

Amazon 产品全链路深度研究助手。输入一句话（产品名/ASIN/描述），自动完成产品搜索→多产品评论采集→AI情感打标→关键词扩展→VOC痛点聚类→竞品分析→新品机会分析→输出完整交互式HTML可视化报告。覆盖8大分析阶段，一站式Amazon产品调研。

亚马逊产品研究员 (Amazon Product Research)

一句话描述，8步输出完整调研报告——竞品、关键词、痛点、机会，一个工具搞定。

能做什么

输入一句话（产品名/ASIN/描述词），自动完成：

1. 🔍 产品搜索：自然语言搜索Amazon产品，返回Top N竞品
2. 📝 多产品评论采集：批量抓取每个产品的用户评论
3. 🤖 AI情感打标：逐条评论提取情感/痛点/卖点/场景/画像
4. 🔑 关键词扩展：基于真实评论，生成高频搜索词、长尾词、关联词
5. 🎯 VOC痛点聚类：聚类用户痛点，按严重度和频率排序
6. 📊 竞品分析：多产品横向对比，优劣矩阵+市场定位
7. 💡 新品机会分析：识别市场空白，推荐新品切入方向
8. 📄 交互式HTML报告：一键生成完整可视化报告

与其他技能对比

功能	amazon-review-analyzer	amazon-product-research
输入方式	必须指定ASIN	一句话自然语言
分析范围	单个产品	多产品横向对比
关键词扩展	❌	✅
VOC聚类	❌	✅
竞品分析	基础	深度横向对比
新品机会	❌	✅
报告类型	单产品洞察	全链路调研报告

快速开始

1. 安装依赖

bash

pip install -r ~/.workbuddy/skills/amazon-product-research/requirements.txt

2. 体验示例报告（无需API Key）

bash

python ~/.workbuddy/skills/amazon-product-research/scripts/research.py \
  --query "bluetooth headphones under $50" \
  --use-mock

3. 完整分析（需LLM API Key）

bash

# DeepSeek（国内推荐）
python ~/.workbuddy/skills/amazon-product-research/scripts/research.py \
  --query "portable bluetooth speaker waterproof" \
  --api-key YOUR_DEEPSEEK_KEY \
  --api-base https://api.deepseek.com/v1 \
  --model deepseek-chat

# OpenAI
python ~/.workbuddy/skills/amazon-product-research/scripts/research.py \
  --query "yoga mat non slip" \
  --api-key YOUR_OPENAI_KEY

参数说明

参数	必填	默认值	说明
--query	✅	-	搜索关键词/产品名/ASIN/描述
--market	❌	US	市场区域：US/UK/DE/JP等
--max-products	❌	5	最多分析的竞品数量
--max-reviews	❌	100	每个产品最大评论数
--api-key	❌	-	LLM API Key（无Key则仅生成数据报告）
--api-base	❌	https://api.openai.com/v1	API Base URL
--model	❌	gpt-4o-mini	模型名称
--output	❌	./product_research_{timestamp}.html	输出路径
--rapidapi-key	❌	-	RapidAPI Key（可选）
--use-mock	❌	False	使用模拟数据演示

输出报告内容

生成的HTML报告包含以下8大板块：

1. 研究概览：搜索词、分析产品数、评论总数、评分分布总览
2. 产品一览：所有产品卡片（图片/价格/评分/链接）
3. 评分与评论概览：评分分布、情感分布、评论量对比
4. 关键词扩展：高频词云、长尾关键词、关联搜索词
5. VOC痛点聚类：痛点分类树、严重度排序、典型评论引用
6. 竞品对比矩阵：多维度雷达图对比、优劣势一览表
7. 新品机会分析：市场空白识别、切入方向建议、风险提示
8. 原始数据导出：所有打标数据可下载（CSV格式）

技术架构

text

用户输入 "portable bluetooth speaker waterproof"
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 1: 产品搜索 (product_search.py)            │
│  自然语言 → Amazon搜索 → Top N产品              │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 2: 多产品评论采集 (fetch_reviews.py)       │
│  对每个ASIN并行抓取评论                          │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 3: AI情感打标 (ai_tagging.py)              │
│  逐条评论 → 情感/痛点/卖点/场景/画像             │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 4: 关键词扩展 (keyword_expansion.py)       │
│  聚合评论 + LLM → 高频词/长尾词/关联词          │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 5: VOC聚类 (voc_clustering.py)             │
│  所有痛点 → LLM聚类 → 类别/严重度/频次          │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 6: 竞品分析 (competitor_analysis.py)       │
│  多产品横向对比 + LLM → 优劣矩阵/定位分析        │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 7: 新品机会 (opportunity_analysis.py)      │
│  VOC + 竞品差距 → LLM → 市场空白/新品方向        │
└─────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────┐
│ Stage 8: 报告生成 (generate_report.py)           │
│  全部数据 → 交互式HTML + Chart.js图表            │
└─────────────────────────────────────────────────┘

API Key 配置

LLM API（核心分析引擎）

支持任何兼容OpenAI API格式的模型：

OpenAI

text

--api-key sk-xxx --api-base https://api.openai.com/v1 --model gpt-4o-mini

DeepSeek（国内推荐）

text

--api-key sk-xxx --api-base https://api.deepseek.com/v1 --model deepseek-chat

DashScope（阿里云）

text

--api-key sk-xxx --api-base https://dashscope.aliyuncs.com/compatible-mode/v1 --model qwen-plus

RapidAPI Key（可选）

用于获取真实Amazon数据。内置演示数据，无需Key即可体验流程。

1. 访问 https://rapidapi.com/hub/amazon
2. 订阅 "Amazon Products and Reviews" API
3. 通过 --rapidapi-key 参数传入

注意事项

• ⏱️ 时间成本：5产品×100评论 ≈ 10-20分钟（取决于LLM API速度）
• 💰 API成本：gpt-4o-mini处理500条评论+4次综合分析 ≈ $0.25-0.50
• 🚫 数据源：真实数据依赖RapidAPI，无Key时使用模拟数据演示
• 📊 报告大小：HTML报告约500KB-2MB（含Chart.js图表）

示例

分析"portable bluetooth speaker waterproof"市场

bash

python ~/.workbuddy/skills/amazon-product-research/scripts/research.py \
  --query "portable bluetooth speaker waterproof" \
  --market US \
  --max-products 5 \
  --max-reviews 100 \
  --api-key YOUR_KEY \
  --api-base https://api.deepseek.com/v1 \
  --model deepseek-chat

快速调研"yoga mat"品类（使用模拟数据）

bash

python ~/.workbuddy/skills/amazon-product-research/scripts/research.py \
  --query "yoga mat non slip" \
  --use-mock

常见问题

Q: 和amazon-review-analyzer有什么区别？ A: amazon-review-analyzer专注单个ASIN的评论分析（痛点/卖点/Listing优化），amazon-product-research做全链路产品调研（搜索→竞品→关键词→VOC→机会），适合选品调研和品类分析。

Q: 没有RapidAPI Key能用吗？ A: 可以！使用 --use-mock 参数，系统会生成逼真的模拟数据，让你体验完整流程。只有获取真实Amazon数据时才需要RapidAPI Key。

Q: 分析一个品类大概需要多久？ A: 使用模拟数据约30秒（含报告生成），使用真实API+LLM分析5产品×100评论约10-20分钟，取决于LLM API的并发能力。

Q: 报告能用手机看吗？ A: 可以，HTML报告是响应式设计，手机和平板都能正常查看。推荐桌面端查看以获得最佳体验。

更新日志

• v1.0.0 (2026-06-20): 初始版本
  • 8阶段全链路分析
  • 自然语言搜索
  • 多产品横向对比
  • VOC聚类 + 新品机会分析
  • 交互式HTML报告