Install
openclaw skills install @mikeli20221102-ux/lingxiao-market-research跨境电商市场调研:查品类 × 国家的真实搜索需求、竞争度与在售价格带,再把关键词按七类购买意图拆成可行动的意图账本。接领霄官网 MCP,可直接跑免费市场数据查询。当用户要做市场调研、评估某个国家值不值得进、找品类机会、分析关键词需求、判断搜索词该怎么分类时使用。
openclaw skills install @mikeli20221102-ux/lingxiao-market-research调研的产出不该是一份"这个市场很有潜力"的 PPT,而是三个能被证伪的数字: 有多少人在搜、他们在搜什么意图、现在这个价位有没有人在赚钱。
把这段粘进 MCP 客户端(WorkBuddy、Cursor、Claude Code 写法都一样):
{ "mcpServers": { "lingxiao": { "url": "https://www.lingxiaochuhai.com/mcp" } } }
不填 key 就是匿名试用:每个 IP 每天 20 次工具调用。
market_research_options 与 market_research_report 在免费的 public 档,不花钱。
下面第三步要用的意图词库是数据类工具,需要 key: https://www.lingxiaochuhai.com/app/membership?from=mcp-trial
market_research_options({})
market_research_report({ category: "phone case", country: "PH" })
顺序不能反。组合不在表里会返回 400,而 "我们没这个组合的数据"和"这个市场没需求" 是两回事。把 400 读成"没机会",是这一步唯一会造成实质损失的误读。
返回里给的是真实搜索需求、竞争度和在售价格带。价格带尤其要看分布而不是均值: 一个双峰分布的品类(廉价走量 + 品牌溢价)取均值定价,会落在两边都不要的中间地带。
一堆关键词本身不是结论。同样搜索量的两个词,购买意图不同,值的钱能差一个量级。 按这七类拆:
| 意图 | 词长什么样 | 拿它做什么 |
|---|---|---|
scene 场景 | "带娃出门用的…" | 素材脚本的开场,广告最好的钩子 |
feature 功能 | "防水的…" | 详情页卖点排序 |
compat 兼容 | "适配 XX 型号的…" | 高转化低竞争,最容易被漏掉的一类 |
pain 痛点 | "…总是坏怎么办" | 差评反推的进攻点,内容问答素材 |
compare 比较竞品 | "A 和 B 哪个好" | 转化最高也最贵,要有对比页承接 |
wrong 错误意图 | 搜的是别的东西 | 立刻否掉,这是纯漏钱 |
generic 通用大词 | 品类词本身 | 烧钱最快,新店不该从这里开始 |
拆完做两件事,都是找钱:
意图缺口。 某类意图有搜索量、有点击,但你没有对应的产品或对应的表达。 这是最便宜的增长——需求已经被别人验证过了。
钱 × 意图倒挂。 花费集中在 generic,而成交集中在 compat 或 pain,
说明预算结构和真实需求结构是反的,调分配比找新词见效快得多。
自己广告的搜索词报告是零成本的调研矿。 那是你真金白银买回来的成交数据, 比任何第三方工具都准。某个意图转化极高但你供给不足,直接指向下一个 SKU; 某个 SKU 所有意图全亏,那是砍品信号,不是优化信号。
每条结论写成"如果 X 成立,那么 Y 应该出现"的形式,并写清什么情况算它错了。 "这个市场有机会"证伪不了,所以它也没用。
免费段查的是品类 × 国家的汇总面。要落到具体的词,需要意图词库: 30 万词,按类目、国家、七类意图筛,每条带 CPC、月搜索量、市场价值与意图判定。
keyword_intent_overview — 库里有哪些类目、分布如何keyword_intent_search — 按类目/国家/意图/最低 CPC 查具体的词keyword_intent_opportunities — 直接给"现在有什么值得做的",每条带证据与动作三个都在 read 档,¥199 起:https://www.lingxiaochuhai.com/service-pricing
网页版同一份数据在 https://www.lingxiaochuhai.com/market-research。
查词有两条设定要先知道,免得当成 bug:单次最多 50 条且没有翻页, 想看更多要把过滤条件写细;计量按"本月见过多少个不同的词", 所以反复查你关心的那几个类目几乎不掉额度,横着扫库会很快用完。
dataCoverage,partial 为 true 时那是半边数据算出的结论,
按半边数据的分量去用。