python workflow.py B07PWTJ4H1 US --claude-code-env
   

python .claude/skills/keyword-research/scripts/regenerate_reports.py --list

关键词调研分析 Skill

快速参考

步骤	Sorftime API	用途	数据量
1	producttrafficterms	产品流量关键词	50-200
2

competitorproductkeywords | 竞品布局关键词 | 100-500 | | 3 | category_keywords | 类目核心关键词 | 100-500 | | 4 | keywordrelatedwords | 长尾词扩展 | 1000-2000 | | 5 | LLM Agent | 8 维智能分类 | 全量 |

一键执行:
bash

在 Claude Code 环境中运行（自动触发 LLM 分类）

python .claude/skills/keyword-research/scripts/workflow.py B07PWTJ4H1 US --claude-code-env

其他选项:
bash

跳过分类，仅采集数据（后续可手动LLM分类）

python .claude/skills/keyword-research/scripts/workflow.py B07PWTJ4H1 US --skip-classification

禁用LLM分类，使用规则分类

python .claude/skills/keyword-research/scripts/workflow.py B07PWTJ4H1 US --disable-llm-classification

触发条件

当用户使用以下方式请求时启动此分析流程：

• - 命令: /keyword-research {ASIN} {站点}
• 示例: /keyword-research B07PWTJ4H1 US
• 自然语言: 分析这个产品的关键词词库、调研 B07PWTJ4H1 的关键词

---

角色设定

你是一位拥有 10 年经验的亚马逊 PPC 广告专家和关键词策略分析师。你精通亚马逊 A9 算法和关键词布局策略，能够从海量关键词中识别出高价值词和需要排除的词。

---

数据采集策略：方案 A（基于 ASIN 的深度分析）

输入: ASIN + 站点 + (可选) 产品信息
↓
┌─────────────────────────────────────────────────────────────┐
│ Step 1: 基础数据采集 │
├─────────────────────────────────────────────────────────────┤
│ 1. producttrafficterms → 产品流量词 (50-200个) │
│ 2. competitorproductkeywords → 竞品布局词 (100-500个) │
│ 3. category_keywords → 类目核心词 (100-500个) │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ Step 2: 长尾词扩展 │
├─────────────────────────────────────────────────────────────┤
│ 从基础词中选择 Top 30 核心词 │
│ → 对每个调用 keywordrelatedwords (50-100个延伸词) │
│ → 预计获取 1000-2000 个长尾词 │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ Step 3: 数据清洗 │
├─────────────────────────────────────────────────────────────┤
│ 1. 去重（归一化：小写、去除特殊字符） │
│ 2. 过滤无效词（过短、非英文、乱码） │
│ 3. 合并搜索量/CPC 等指标 │
└─────────────────────────────────────────────────────────────┘
↓
最终词库: 2000+ 关键词

---

关键词分类：8 维智能分类模型

分类维度

维度	标识	识别规则	应用策略
否定/敏感词	NEGATIVE	与产品不相关、描述不符的词	直接添加为否定关键词
品牌词

BRAND | 竞品品牌名称 | 竞品打法或否定 | | 材质词 | MATERIAL | 产品材质相关词 | 精准词组匹配 | | 场景词 | SCENARIO | 使用场景/位置词 | 按场景拆分广告组 | | 属性修饰词 | ATTRIBUTE | 产品属性/特性词 | 长尾精准匹配 | | 功能词 | FUNCTION | 产品功能相关词 | 广泛匹配扩流 | | 核心产品词 | CORE | 产品核心名称 | 大词投放占领坑位 | | 其他 | OTHER | 未分类、拼写错误、其他语言 | 补充埋词 |

分类识别示例（以 Coat Rack 为例）

产品信息: Coat Rack Wall Mount, Wood, 5 Hooks, Entryway

否定词: freestanding, over door, floor, tree, shoe
品牌词: umbra, simplehuman, mDesign, household essentials
材质词: wood, wooden, metal, aluminum, bamboo
场景词: entryway, bathroom, mudroom, garage, bedroom
属性词: wall mount, heavy duty, rustic, vintage, expandable, 5 hook
功能词: hanging, storage, organizer, display
核心词: coat rack, hook, hanger, hat rack, towel rack
其他: coatrac (拼写错误), perchero (西语)

---

执行流程

阶段一：数据采集

Step 1.1: 获取产品流量词

bash
curl -s -X POST https://mcp.sorftime.com?key={API_KEY} \
-H Content-Type: application/json \
-d {jsonrpc:2.0,id:1,method:tools/call,params:{name:producttrafficterms,arguments:{amzSite:US,asin:ASIN}}}

返回数据: 关键词列表，包含搜索量、CPC 等指标

Step 1.2: 获取竞品布局词

bash
curl -s -X POST https://mcp.sorftime.com?key={API_KEY} \
-H Content-Type: application/json \
-d {jsonrpc:2.0,id:2,method:tools/call,params:{name:competitorproductkeywords,arguments:{amzSite:US,asin:ASIN}}}

返回数据: 竞品在各关键词下的排名位置

Step 1.3: 获取类目核心词

bash

首先获取产品详情以获取 NodeID

curl -s -X POST https://mcp.sorftime.com?key={API_KEY} \
-H Content-Type: application/json \
-d {jsonrpc:2.0,id:3,method:tools/call,params:{name:product_detail,arguments:{amzSite:US,asin:ASIN}}}

然后获取类目关键词

curl -s -X POST https://mcp.sorftime.com?key={API_KEY} \ -H Content-Type: application/json \ -d {jsonrpc:2.0,id:4,method:tools/call,params:{name:categorykeywords,arguments:{amzSite:US,nodeId:NODEID}}}

Step 1.4: 长尾词扩展

从基础词中选择 Top 30 核心，对每个调用：

bash
curl -s -X POST https://mcp.sorftime.com?key={API_KEY} \
-H Content-Type: application/json \
-d {jsonrpc:2.0,id:N,method:tools/call,params:{name:keywordrelatedwords,arguments:{amzSite:US,searchKeyword:KEYWORD}}}

---

阶段二：LLM 智能分类

分类提示词模板

你是一位亚马逊关键词分类专家。请根据以下产品信息，将关键词列表按 8 个维度分类。

【产品信息】
产品名称: {product_name}
材质: {material}
核心属性: {features}
使用场景: {use_cases}
否定特征: {negative_features}

【分类维度】

1. 1. NEGATIVE: 不相关的词，需直接否定
2. BRAND: 竞品品牌名称
3. MATERIAL: 材质相关词 (wood, metal, aluminum...)
4. SCENARIO: 使用场景词 (entryway, bathroom...)
5. ATTRIBUTE: 属性修饰词 (wall mount, heavy duty...)
6. FUNCTION: 功能词 (hanging, storage...)
7. CORE: 核心产品词 (coat rack, hook...)
8. OTHER: 其他（拼写错误、其他语言等）

【待分类关键词】
{keywords_json}

【输出格式】
请以 JSON 格式输出：
{
NEGATIVE: [word1, word2, ...],
BRAND: [...],
...
}