liangdabiao/amazon-skills-liang

amazon-trending-products

发现亚马逊热门产品和上升类目。分析BSR趋势、新品爆发力、季节性规律和新?

First seen May 16, 2026

Installation

$ npx skills add liangdabiao/amazon-skills-liang --skill amazon-trending-products

Similar popular skills

Related neighbors and high-traction skills in the same topics — useful to compare before installing.

Also in this package

Other skills from liangdabiao/amazon-skills-liang · top by installs.

npx skills add liangdabiao/amazon-skills-liang

Browse all from liangdabiao/amazon-skills-liang

More details

Agent compatibility

Declared targets from SKILL.md / docs. Unmarked agents are not listed — the skill may still install via the CLI.

Claude Code Not declared
Cursor Not declared
Codex Not declared
GitHub Copilot Not declared
Windsurf Not declared
Gemini CLI Not declared
Cline Not declared
OpenCode Not declared

Repository health

Stars 51
Default branch main
Open issues 0
Status Active

Skill metadata

Parsed from SKILL.md frontmatter.

More metadata
nexscope
{"emoji":"📈","category":"amazon"}

Package contents

Files included with this skill beyond the listing page.

  • skill md SKILL.md 3,481 B
  • docs SUMMARY.md 197 B

History

  1. First seen on skills.sh
  2. First recorded snapshot · 7 installs

SKILL.md

Amazon 热门产品 📈

发现亚马逊热门产品和上升类目。分析BSR趋势、新品爆发力、季节性规律和新兴细分市场。帮助在市场峰值前识别产品机会。

支持的平台: Amazon、Shopify、WooCommerce、Walmart、TikTok Shop、Etsy、eBay、BigCommerce。

使用方法

美国亚马逊厨房类目现在有哪些热门产品?我想找30美元以下的机会。

功能

  • BSR趋势分析和势能评分
  • 季节性趋势识别与时机建议
  • 新品追踪与先发机会 detection
  • 类目增长率评估
  • 基于搜索趋势模式的需求预测
  • 各热门细分市场的竞争密度评估

工作原理

第一步: 从用户消息中收集信息 — 产品、平台、当前状况和目标。

第二步: 用多选格式一次性提出所有后续问题。允许简写回答(如"1b 2c 3a")。

第三步: 使用下方的框架和方法论进行研究分析。

BSR趋势分析引擎

  • BSR下降速度: 计算BSR下降的斜率和加速度。BSR急剧下降 = 销量快速增长。量化势能强度。
  • BSR稳定性评估: 稳定在低位BSR表示需求稳定;BSR剧烈波动暗示短期炒作或季节性因素。
  • 跨类目BSR对比: 比较不同类目产品的BSR,识别跨类目增长潜力。

新品势能追踪模型

  • 上市速度: 产品上架后多快进入New Releases排行榜。快速上榜 = 精准击中未满足需求。
  • 留存时长: 追踪产品停留在New Releases榜单的时间。留存久 = 长期潜力大。
  • 评论积累速率: 新品评论增速反映真实购买意愿。

季节性趋势识别系统

  • 季节因子计算: 从多年销售数据中提取季节乘数,量化月度需求波动。
  • 提前量估算: 计算季节性产品需要多早开始采购和库存规划。
  • 反季节机会挖掘: 识别不受季节波动影响的全季产品,以获得稳定营收。

新兴细分市场识别

  • 新 listing 密度扫描: 子类目中新 listing 突然增加表明市场关注度在上升。
  • 搜索量增长追踪: 通过监控关键词搜索量趋势验证细分市场是否真正增长。
  • 竞争缺口识别: 在增长细分市场中寻找服务不足的区域,作为蓝海切入点。

数据来源

  • Google Trends: 获取目标类目的搜索趋势和季节性模式。
  • Amazon Best Sellers: 通过web_fetch抓取BSR排名和类目结构。
  • 网页搜索: 获取市场背景和行业动态的通用搜索。

局限性

  • BSR反映的是相对排名而非绝对销量。跨类目对比需要校准。
  • 亚马逊不提供实时BSR数据。分析基于有时间延迟的快照。
  • 基于历史模式的季节性预测无法预测黑天鹅事件。
  • 新品分析依赖早期有限数据点。数据不足时置信度降低。

第四步: 提供结构化、可执行的输出,包含具体建议,而非模糊指导。

输出格式

  • 先给出发现总结
  • 包含具体数据点和基准(若有)
  • 提供优先排序的行动项
  • 基于不完整数据的估算需标注 ⚠️
  • 以具体的后续步骤结尾