亚马逊利润核算表怎么搭:13 个成本科目的公式模板 + AI 揪出亏损 SKU

后台"销售额"那条线一路往上走,打款金额却几乎没动——这种时候问题通常不在销量,而在于你从来没把每一笔扣费摊回到单个 SKU 上。 单件净利 = 实际成交价 − 平台佣金 − FBA 配送费 − 分摊仓储费 − 分摊广告费 − 退货成本 − 采购成本 − 头程与关税 − 其他扣费。 这八项成本里少算任何一项,你算出来的都不是净利,是毛利的错觉——而亏损 SKU 恰恰全藏在被少算的那几项里。这篇不讲概念,直接给你三样能落地的东西:一张利润核算表的完整列结构(每个科目标明从后台哪张报表取数)、可以直接粘进 Google Sheet 或 Excel 的公式、以及一段让 AI 从这张表里揪出亏损 SKU 的 prompt。 利润由哪些项构成、每项大致是什么意思,想要做亚马逊稳赚不亏,这些利润计算你都会了吗那篇已经把基础概念讲完了。本文默认你知道"有这些费用",只解决下一步:怎么把它们逐项落进一张自己维护的表,逐 SKU 算出净利率,再让 AI 替你把亏钱的挑出来。 先对齐官方口径:哪些钱一定会被扣 亚马逊美国站官方公开收费页(2026年7月23日实查,sell.amazon.com/pricing)对佣金的口径是:按商品类目收取总价的一定百分比,或一个最低收费金额,取两者中较高者;美国站销售计划费用为个人版每售出一件 $0.99、专业版每月 $39.99(欧洲、日本站数额不同)。 FBA 这一侧,官方页(同日实查,sell.amazon.com/fulfillment-by-amazon)把成本拆成这几块: 官方科目 官方口径(2026年7月23日实查) 落到表里怎么处理 配送费用(Fulfillment) 含拣货、包装、发货以及客服与退货处理;按商品价格、重量、尺寸计费 单件固定值,直接填 仓储费用(Storage) 按月收取,依据库存在运营中心占用的空间(按日均立方英尺计算) 期间合计后除以销量,摊到单件 库龄附加费(Aged inventory) 对在运营中心存放超过 181 天的商品按月收取 同上,摊到单件;长尾款是重灾区 退货处理费(Returns processing) 当亚马逊为买家提供免费退货运输时,对订单收取 进退货成本公式 移除、弃置与清算 按件收费 计入"其他扣费" 入库配置服务(Inbound placement) 把库存分发到靠近买家的运营中心的服务成本;官方页未列触发条件与档位 计入头程或其他扣费,金额以后台入库计划页为准 注意一件事:具体费率按类目、尺寸段、时段分档,官方公开页只给口径、不列全表。 所以本文一律只写口径与公式,不写任何具体档位数字——费率表每年都动,写死的数字过几个月就是误导。要拿当期准确数值,登录后台查费率表,或用官方的 FBA 收入计算器(需登录)逐个 ASIN 试算。 ...

亚马逊广告结构怎么搭:新品期与成熟期的 SP+SB+SD 架构模板(附 AI 出方案 prompt)

本文包含联盟链接:通过文中链接注册或购买,我们可能获得佣金,不影响你的价格,也不影响我们的结论。功能与资格信息以 2026年7月23日 实查亚马逊广告官方页为准。 亚马逊广告结构的核心答案就一句:按「一个 campaign 只干一件事」分层——自动跑词、手动精准收割、手动词组扩量、ASIN 定投各自独立成活动,预算和命名跟着分层走。结构没分层,你连"哪一档在赚钱"都算不出来,更谈不上调价和否词。 这篇只讲从 0 把结构搭起来:三类广告什么阶段开、开几个活动、预算怎么切、怎么命名。搭完之后的两件事站内另有专文,本文不重复: 已有广告怎么优化(否词、竞价、ACOS 排查)→ 用 AI 优化亚马逊 PPC 广告 改动怎么批量执行(bulksheet 表格改几百条)→ 亚马逊广告批量操作表格实战 一句话分工:本文管搭建,优化篇管调整,批量篇管执行。 一、SP / SB / SD 各解决什么问题,前置条件是什么 搭结构之前先搞清楚三类广告你现在有没有资格开——SB 和 SD 不是所有账号都能用,很多人的方案卡在这一步。下表的投放位、以及 SP / SB 的开通资格,均取自亚马逊广告官方产品页,2026年7月23日实查(Sponsored Products / Sponsored Brands / Sponsored Display);SD 的资格一栏非官方口径,见表内标注: 广告类型 解决什么问题 开通资格 主要投放位 SP(商品推广) 出单主力,抢搜索结果坑位 专业卖家(Professional Sellers,指专业销售计划账户,与店铺规模无关)、Vendor Central 合作方、图书 Vendor、KDP 作者与代理商,不要求品牌备案 搜索结果页、商品详情页,以及部分站外应用与网站 SB(品牌推广) 品牌词防守、把流量引向品牌旗舰店 Vendor、图书 Vendor、KDP 作者、代理商,以及已加入亚马逊品牌备案的专业卖家 搜索结果顶部、移动端搜索顶部、亚马逊首页顶部 SD(展示型推广) 拦截竞品详情页流量、对浏览未购买的人做再营销 第三方资料普遍表述为需先完成品牌备案;官方 SD 页当日实查已并入展示广告 hub、不再单列资格条款,以后台实际可用为准 Amazon 自有资产(Twitch、Fire TV、Echo Show 等)与开放互联网优质广告位 四点必须点破: ...

亚马逊搜索词报告怎么读:用 AI 逐行打标(收割词/否词/观察词)的分析 SOP

本文包含联盟链接:通过文中链接注册或购买,我们可能获得佣金,不影响你的价格,也不影响我们的结论。价格信息以 2026年7月23日 实查为准。 亚马逊搜索词报告的读法就三步:先搞清楚这张表到底记了什么、再把三个最容易误读的字段对齐、最后逐行打成四类标签——收割词、否词、加价观察、降价观察。 打标本身不难,难的是几百上千行人工根本看不完,看着看着就放弃了。所以这一步适合交给 AI 批量做,你只复核它判不准的那一小撮。 先说清楚这篇的边界,省得你走错门:本文只讲搜索词报告这一张报表怎么读、怎么逐行打标。整套 PPC 该怎么搭结构、怎么调出价,看用 AI 优化亚马逊 PPC 广告;打完标签要批量改几十上百条,落地执行看亚马逊广告批量操作表格实战;想把广告、销量、退货三张报表交叉着看,看用 ChatGPT 读懂亚马逊后台报表。 一、亚马逊搜索词报告在哪下载,它到底记了什么 进入路径:广告控制台左侧点 Measurement & Reporting(衡量与报告)→ Sponsored ads reports(推广广告报告)→ Create report(创建报告),报告类型选 Search term(搜索词报告)。这个导航路径以 Amazon Ads 官方《How to navigate the advertising console》说明为准,2026年7月23日实查。 接下来这条是最多人不知道、也最容易导致误判的一条:官方对这张报告的定义是「买家在亚马逊站内搜索、并且至少产生了一次点击的搜索词」(Amazon Ads 帮助中心《Search term report for Sponsored Products》,2026年7月23日实查)。 翻译成人话:只有曝光、连一次点击都没有的搜索词,根本不会出现在这张表里。所以"曝光很高但没人点"这类问题,你在搜索词报告里是查不出来的——它得去投放词层的报告(关键词/投放报告)里找。很多教程把这两件事混在一起讲,照着做只会白忙。 官方给这张表定的用途也很直白,就两件事:把表现好的搜索词加成新的投放关键词,把表现差的加成否定关键词。 二、三个最容易误读的字段 第一,客户搜索词 ≠ 你投的词。 同一行里有两列:一列是你自己设的投放词(Targeting / 关键词),一列是买家实际敲进搜索框的字(Customer Search Term)。广泛匹配和词组匹配下这两列经常对不上——这正是这张报表的价值所在。所有优化动作都针对「客户搜索词」这一列,不是针对你投的词。 第二,搜索词列里那串 b0 开头的字符不是词。 在自动投放活动、以及商品投放(product-attribute targeting)广告组里,客户搜索词列会出现 b0 开头的 10 位字母数字组合,它对应的是一个 ASIN、也就是你的广告展示在了那个商品详情页上。这一条我们没能在亚马逊官方帮助页的可抓取正文里核到,口径取自第三方卖家工具厂商的说明(Seller Labs 博客《ASINs Displayed In AMZ Sponsored Products Search Reports》,2026年7月23日实查)。这类行的处置逻辑跟关键词完全不同:不相关就做否定商品投放,转化好就单独开一个商品投放广告组去打它。 ...

亚马逊数据看板 DIY:用 SP-API + Google Sheet + AI 搭一个自动更新的经营看板

先给结论:一个人的店,用 SP-API 把数据拉进 Google Sheet、再让 AI 写公式和周报,完全做得动——但成本不在写脚本,在于私有开发者的审核等待、报表的异步取数和接口口径的长期维护。 只想看销量和库存,买现成工具更划算;要的是别人工具里没有的那几个自定义指标,自己搭才值。本文接口名、报表类型以亚马逊官方开发者文档为准,限流数字以官方 OpenAPI 模型为准,均 2026年7月23日实查,代码按官方文档编写、未在本文中实跑。 先算账:什么情况下才值得自己搭 隐性成本有四块:开发者审核要等(被追问信息须五天内回复,否则 case 关闭);报表要「下单→轮询→下载」三步、还可能是 GZIP 包;订单口径的销售额和结算口径的到账金额天然对不上;接口还会迭代——官方已写明 Reports API 的报表迁入 Data Kiosk 后会被弃用。 你的情况 建议 理由 只看销量、库存、广告花费 买现成工具 标准指标每家 BI 都有 要算自己的毛利(含头程、包材、退货摊销) 自己搭 成本结构因人而异,现成工具塞不进你的字段 多店铺 / 多站点合并看 自己搭 现成工具的多店铺常锁在高价档 完全没有编程经验 买现成工具 连接器路线也要你懂 OAuth 和报表结构 横向比现成工具,第三方评测站 AMZFinder 按工作流做了打分,比看厂商功能页省事。 SP-API 接入:私有应用怎么注册和授权 还在按 MWS 写的中文教程基本都过期了——SP-API 已取代 MWS,概念差别见站内旧文亚马逊销售伙伴 API VS MWS,接入流程请以下面这版为准。自用看板走私有开发者(Private Developer) 路线(官方注册页、自授权页,2026年7月23日实查): Seller Central 菜单 → Apps and Services → Develop Apps,填注册表,Data Access 选 “Private Developer: I build application(s) that integrate my own company with Amazon Services APIs”。 勾选需要的 Roles(决定能读哪些数据,见站内亚马逊销售伙伴 API 中的角色与官方角色页),填 Use Cases 与 Security Controls 后提交等审核。 通过后点 Authorize app 生成 refresh token。官方两条硬条件:自授权 Seller Central 账号你必须是该账号的 Primary User;私有应用可一直停在 draft,无需发布。 运行时换令牌是固定动作:POST https://api.amazon.com/auth/o2/token,表单参数 grant_type=refresh_token、refresh_token、client_id、client_secret,返回 access_token(expires_in 通常 3600 秒)。调接口不用做 AWS 签名:官方连接文档的示例就是「URI + 请求头、无签名信息」,需要 x-amz-access-token、x-amz-date 和必填的 user-agent;端点按区域选北美 https://sellingpartnerapi-na.amazon.com、欧洲 -eu、远东 -fe。老教程那大段 SigV4 代码照抄只会多踩坑。 ...

用 AI 批量改写亚马逊标题适配 75 字符新规:超限清单导出、压缩改写、Item Highlights 迁移一套跑通

新规今日(2026 年 7 月 27 日)正式生效。 即日起,除媒介类(图书 / 音乐 / 影视)外,亚马逊全类目商品标题不得超过 75 个字符(含空格);同时上线一个可搜索的 Item Highlights 字段,额外给你 125 个字符(Seller Central 公告《Updates to improve your product titles begin on July 27》,2026 年 7 月 23 日实查)。 新规是什么,中文渠道已经转烂了。你现在缺的不是解读,是手上几百条超限 listing 怎么尽快全部改完。好消息是这事没有硬截止:公告原文写明超限 listing「全程保持在售」,AI 替换是逐步推进的,你随时仍可自行修改标题与 Item Highlights——所以今天开始改,依然来得及抢在 AI 版本落到你头上之前。这篇只讲这件事:怎么把超限的捞出来、怎么让 AI 批量压到 75 字符以内、被挤掉的词往哪迁、不想要亚马逊 AI 写的版本该在哪按住。 结论先给:正确分工是「人定规则、AI 出草稿、人只精修高销量那一批」。全托管给 AI 会丢核心大词,全人工改几百条来不及。 新规硬事实:30 秒看完,后面全是操作 项目 官方口径 溯源 主标题上限 75 字符,含空格 Seller Central 公告(2026-06-10 更新) 豁免类目 仅媒介类(books / music / video) 同上 生效日 2026 年 7 月 27 日 同上 Item Highlights 额外 125 字符,可被搜索,随标题展示在搜索结果与详情页 Seller Central 官方答疑帖 超限却没改 7 月 27 日后逐步替换为 AI 推荐标题,listing 全程保持在售 公告原文 审核窗口 品牌所有者有 14 天窗口审改 AI 推荐;官方未写非品牌注册卖家的提前审核安排 公告 + 答疑帖 一个被通稿糊过去的细节:官方原文只写了 “75 characters or less including spaces”,更细的计数口径(全角字符、emoji、连字符怎么算)截至 2026 年 7 月 23 日未在官方页查到,以后台实际保存结果为准。北美英文站按英文字符数算基本不会翻车。适用站点范围截至 2026 年 7 月 23 日未在官方公告页逐一列明,日欧站以各站后台公告为准,动手前先拿一条低销量 listing 试存一次。 ...

Aura 亚马逊自动调价工具中文评测:Maven AI 调价怎么样、值不值(2026 实查)

本文包含联盟链接:通过文中链接注册或购买,我们可能获得佣金,不影响你的价格,也不影响我们的结论。价格信息以 2026 年 7 月 22 日 实查为准。 先给你一句话结论:Aura(goaura.com)是一款主打 AI 自动调价的亚马逊 + Walmart 工具,月费 $37 到 $237(年付),按你近两个月的销售额分档,卖点是"10 秒调价"和一个号称会自我学习的 AI 引擎 Maven。综合它的官方说明和公开差评,我的判断是:Aura 对中小卖家来说是一款便宜、够用的调价器,但它的 AI 在硬仗里经常退化成"只会匹配最低价",客服口碑一般;还有一条:官方页当日实查只主打亚马逊和 Walmart、没列出对欧洲 / 日本 / 英国等站的支持(帮助中心地域明细当日打不开、无法逐条坐实),做这些站的卖家大概率不适用,具体以官方确认为准。 这篇不吹不黑:定价 2026 年 7 月 22 日官网实查、地域支持以官网当日实查为准(帮助中心地域明细当日打不开,具体站点以官方确认为准);差评转述自公开 Trustpilot 评论并标平台与日期,属第三方、非本站实测。你看完能自己判断:这钱、这工具到底适不适合你。 先看一条硬限制:Aura 大概率只支持亚马逊北美站(以官方确认为准) 把最影响中文卖家决策的一条放最前面,省得你看完定价才发现白看:据 goaura.com 官网当日(2026 年 7 月 22 日)实查,Aura 主打亚马逊和 Walmart 两个渠道,官网首页与定价页只写 Amazon & Walmart、未列出对欧洲 / 日本 / 英国等站的支持;帮助中心的地域明细当日打不开、无法逐条坐实。综合看,Aura 大概率只覆盖亚马逊北美市场(美国、加拿大、墨西哥)加 Walmart、其他站尚未支持——但具体站点支持以官方确认为准。 这意味着: 你要是主做美国站 / 北美站的卖家,Aura 大概率在支持范围内,可以往下看。 你要是做欧洲站(英、德、法、意、西)或日本站的卖家,这篇大概率不适用(以官方确认为准)——按当日实查 Aura 很可能接不了你的店,可以直接看文末替代方案里支持多站点的工具。 第三方评测里有提到 Aura"欧洲站即将支持"的说法,但官方帮助中心当日并未把欧洲列入已支持范围——“即将"不等于"现在能用”,别按未落地的功能做选型。 ...

上架前用 AI 预判亚马逊类目审核:受限类目怎么查、审核资料清单怎么用 AI 备齐

你选好了品,备货款也快打出去了,结果一上架发现这个类目要"审核"——亚马逊要你交发票、交证书,材料备不齐就上不了架,货砸手里。这种在上架前一秒才发现被 gating(类目/品牌受限)的坑,做亚马逊的基本都踩过一次。 问题不在于审核本身,而在于你太晚才知道要审核、又不清楚到底要交什么。这篇讲的就是把这两件事往前挪:选品阶段就用 AI 预判这个品大概率会不会触发审核,再让 AI 按类目把要交的资料清单一次性列全,最后提交前用 AI 把发票和证书预检一遍。说清楚一点——AI 在这里只做"提前排雷"和"整理清单",它给不了、也代替不了亚马逊后台的最终裁决,真要不要审、审什么,永远以你自己后台显示的为准。 先搞清楚:受限类目到底卡的是什么 亚马逊的"上架限制"其实分两层,别混着看: 类目审核(category approval / gating):整个类目需要资质才能卖,比如自动摄入类(保健品)、食品杂货、汽车配件、部分美妆、珠宝手表、收藏品等。你要向亚马逊证明货源合法、产品合规。 品牌审核(brand gating):类目开放,但某个品牌做了品牌备案、锁死了跟卖,你没有授权就上不了这个 ASIN。 判断一个品要不要审核,唯一权威的地方是你自己的卖家后台,不是任何一份网上的"受限类目清单"。官方查法(2026年7月22日):进后台「Catalog / 添加商品」,用 ASIN、UPC 或产品名搜到要卖的商品,看结果里有没有「Show limitations / 查看限制」或「Apply to sell / 申请销售权限」的提示——有,就说明这个品在你账号下被 gating 了;能直接「Add / 添加」的就是开放的。同一个类目,不同账号、不同站点、不同时间的门槛可能不一样,所以网上任何清单都只能当参考,最终以后台实测为准。 第一步:选品阶段就用 AI 预判会不会被 gating 传统做法是选完品、备完货才去后台试,太晚。把这一步提前到选品清单还只是一串候选的时候——让 AI 先按产品特征帮你标出"高风险要审核"的候选,你再优先拿这几个去后台核。 注意:AI 是根据公开规则和产品属性做概率预判,不是亚马逊的审核系统——它说"大概率要审"不代表一定审,说"应该开放"你也必须回后台验证。这一点先立在前面。 可复制的预判 prompt: 你是一位熟悉亚马逊美国站上架规则的运营顾问。我会给你一批候选产品, 请你逐个判断它在亚马逊美国站上架时,"触发类目审核或合规限制"的风险高低。 对每个产品输出: 1. 最可能归属的类目 / 子类目; 2. 触发审核的风险等级(高 / 中 / 低); 3. 触发点是什么(例如:入口即食、含电池、宣称医疗功效、可能涉及品牌备案等); 4. 如果要审,通常会要哪类材料(发票 / 安全认证 / 检测报告 / 品牌授权)。 请在开头用一句话说明:以下均为基于公开规则的预判,最终以卖家后台 "Show limitations / Apply to sell" 的实际显示为准,不构成亚马逊官方裁决。 我的候选产品: 【1. 便携榨汁杯(含锂电池)】 【2. 宠物关节保健软胶囊】 【3. 不锈钢厨房收纳架】 下面是这个 prompt 的示例输出(演示 AI 会怎么帮你分风险,不是实测审核结果,实际以后台为准): ...

用 AI 做亚马逊 SEO:从关键词到 listing 的完整优化工作流

本文包含联盟链接:通过文中链接注册或购买,我们可能获得佣金,不影响你的价格,也不影响我们的结论。价格信息以 2026年7月22日 实查为准。 你可能已经零散做过亚马逊 SEO 的某个环节——挖过词、改过标题、写过五点,但每次都是"想起哪块修哪块",改完也不知道到底有没有用。这篇不讲单点技巧,讲的是怎么用 AI 把关键词、listing 埋词、算法适配、数据复盘这四步串成一条能反复跑的工作流,让每一次优化都踩在同一条链路上、能被下一轮验证。 先把判断摆前面:2026 年的亚马逊 SEO,不再是"把关键词堆够",而是"让算法既能匹配到你、又能读懂你在卖什么给谁"。AI 在这条链路里的角色也很清楚——它替你做扩展、埋词、改写、读数据这些耗时的重复活,但真实搜索量、转化数据、最终定稿这些"要负责任的判断",得你自己拍板。 先搞清楚:2026 年做亚马逊 SEO,到底在优化什么 想省事的话你可以跳过这节直接看工作流,但搞懂算法在看什么,你才知道每一步为什么要那样做。 亚马逊的搜索排序算法官方代号是 A9;卖家圈常说的"A10"其实是社区对它演进版本的非官方叫法,亚马逊从没正式确认过这个名字,别把它当成一个新产品。不管叫什么,行业普遍的共识是:转化率是权重最高的排序因子——一个词进来的人越愿意买,你在这个词下的排名就越稳(第三方信息,2026年7月22日核)。其次才是点击率、关键词相关性、评论、退货率、库存这些。关键词相关性的字段权重顺序也基本稳定:标题 > 五点 > 后台 Search Terms。 真正的变化在于,这几年亚马逊在传统搜索之上又叠了一层"语义理解"。一个是 COSMO——亚马逊在 2024 年 SIGMOD 大会上公布的常识知识系统,它从"搜了什么又买了什么"的行为数据里,反推出商品和购买意图之间的常识关联,对那种宽泛、模糊、带意图的搜索特别有影响(依据 Amazon Science 公开资料,2026年7月22日核)。另一个是购物助手 Rufus——据行业媒体报道,亚马逊已于 2026 年 5 月 13 日在美国把它更名为 Alexa for Shopping,入口从侧栏移进了主搜索框并陆续增加代理式功能,本质仍是搜索之上的一层对话式入口,买家用大白话提问,它帮着比对和推荐(第三方信息,2026年7月22日核)。 结论就一句:埋词这件事照做,但你还得为"语义、意图、问答"再适配一层——不然你在关键词匹配上赢了,却在"AI 助手读不读得懂你解决什么问题"上输了。这也是这套工作流第三步存在的理由。 整条工作流长什么样:四步总览 步骤 这一步在干什么 AI 负责 你负责 1. 关键词研究 产出主词/次词/长尾词表,带购买意图分组 词根扩展、意图分组、竞品反查 查真实搜索量、定主词 2. listing 埋词 把词按字段权重埋进标题/五点/后台词 按框架生成候选、去重、控密度 挑句、保可读性、定稿 3. 算法双重适配 既满足 A9 匹配,又满足 COSMO/Rufus 语义 反推买家意图、改写成收益导向 核对事实、把关调性 4. 数据复盘 看哪些词有曝光没转化,回炉调整 读搜索词报告、聚类归因 拍板改哪里、定复盘节奏 四步是一个闭环:第四步的复盘结论,会回喂给第一步和第二步,进入下一轮。下面逐步拆,重心放在第 2、3、4 步——第一步只做衔接,不重复讲。 ...

用 AI 读亚马逊退货报告:把退货原因聚类,反推是产品问题还是 listing 误导

你盯着后台那条爬升的退货率,第一反应多半是"哪个环节又出问题了",然后就卡住了——因为退货报告导出来是几百行原因文本,你既看不出退的到底是哪几个款,更判断不了这退是"产品真有毛病"还是"listing 把人骗进来了"。 这两类退货的解法是相反的:产品缺陷要改产品、换供应商,动的是成本和交期;listing 误导要改图文,成本极低、见效极快。判错方向,要么白白召回一批没问题的货,要么放着一个能改图文解决的坑一直流血。 所以退货分析真正值钱的不是"退了多少",而是把每一笔退货归因到可执行的动作上。这篇给你一套用 AI 做退货报告归因的完整 SOP:字段怎么读、原因怎么聚类、以及最关键的——怎么反推是产品问题还是 listing 误导。 先搞清楚:退货报告在哪导、哪几个字段最值钱 退货报告分两个入口,别导错: FBA 退货:Seller Central → 数据报告(Reports)→ 配送(Fulfillment)→ FBA 客户退货(FBA Customer Returns),导出 CSV(2026年7月22日实查路径)。 自配送(FBM)退货:Seller Central → 订单(Orders)→ 管理退货 / 退货报告(Manage Returns / Returns Reports)。 导出后你会看到一堆列,但做归因真正要用的就三个(2026年7月22日实查字段): 字段 官方口径 归因价值 Return Reason(退货原因) 买家从标准选项里选,如"与描述不符"“有瑕疵"“尺寸不合适"“运输损坏"“不想要了” 第一层聚类的主轴,但买家自选、常不准 Detailed Disposition(详细处置) 仓库对退回实物的定性:Sellable / Customer Damaged / Defective / Carrier Damaged 客观物证,用来校正买家自填的原因 Customer Comments(买家评论) 买家自由填写的文本,可选、不是每笔都有 归因的决定性线索,藏着"为什么"的真相 记住这个分工:Return Reason 说买家勾了哪个选项,Detailed Disposition 说货退回来实际是什么状态,Customer Comments 说买家心里到底怎么想。 三者对不上的时候,真相往往在后两个里,不在买家随手勾的那个选项里。 至于把报表喂 AI 前必做的脱敏(删掉买家姓名、地址、订单号等 PII),这是所有报表分析的通用前置,我在用 ChatGPT 读懂亚马逊后台报表里讲过通用做法,这里不重复。退货报告要额外留意:只保留 ASIN/SKU、退货日期、Return Reason、Detailed Disposition、Customer Comments 这几列,其余能定位到具体买家的一律删掉再喂。 ...

用 AI 逆向拆解竞品 listing:把对手的标题/五点/A+/图片策略一次性扒明白

本文包含联盟链接:通过文中链接注册或购买,我们可能获得佣金,不影响你的价格,也不影响我们的结论。价格信息以 2026年7月22日 实查为准。 你盯着排在你前面那条竞品,滑到底又滑回顶部,心里清楚它卖得比你好,但说不清它到底好在哪。是标题埋的词更狠,还是五点的卖点排序更抓人,或者 A+ 把你没讲透的信任感补上了?肉眼看一天,得到的还是「感觉它挺全的」这种没法落地的结论。 这篇给你一套更狠的做法:把竞品的整条 listing 当成一个结构系统,用 AI 一次性拆开——标题怎么埋词、五点按什么优先级排、A+ 讲了个什么叙事、图片承担了哪些说服任务,最后输出一张「哪些能抄、哪些要绕开」的对照表。核心不是看它写了什么,而是还原它「为什么这么排」。 先说清楚:这篇拆的是「结构」,不是词也不是痛点 站内已经有两篇从单点切入的竞品分析,这篇跟它们不重复,正好互补: 用 AI 做亚马逊关键词研究拆的是词——从竞品反查里提取埋词,解决「该打哪些关键词」。 用 AI 读竞品差评挖产品改进点拆的是痛点——从差评里找产品缺口,解决「产品该怎么改」。 而这篇拆的是整条 listing 的信息架构:卖点怎么排布、叙事怎么递进、图文怎么分工。它站在上面那两篇的上位,回答「对手这套 listing 的说服逻辑是怎么搭的,我该抄哪套、避哪套」。 三篇搭起来,你对一条竞品的理解就从「词、痛点、结构」三个维度都补齐了。 拆之前,先把要拆的竞品选对 别一上来就拆销量榜第一那条。头部 listing 卖得好,很多时候靠的是品牌沉淀、多年攒下的成千上万条评论、以及每天砸进去的广告预算——这些都是你短期抄不来的场外优势。你把它的标题五点逆向得再透,也复制不了它的评论墙和品牌词流量。 真正值得拆的,是和你价位带接近、规格接近、但转化明显比你好的那条。这种对手的领先更可能来自 listing 本身,你逆向出来的结构才是可迁移的。挑选标的时盯三个信号: 评论体量和你在一个量级:如果对手评论数是你的十几倍,它的转化里有很大一块是社会证明撑起来的,跟文案写法无关,拆了也学不到东西。 价格带和你重叠:价格差太远,卖点诉求完全不是一回事,逆向来的排序套不到你身上。 你看不出它凭什么卖得好:这条最反直觉却最有用——一条竞品如果参数、价格、评论都跟你半斤八两,却偏偏卖得更好,那它的优势八成就藏在你忽略的信息架构里,这种恰恰是最该拆的标的。 选对了标的,后面四个维度拆出来的东西才有迁移价值;选错了,你只是在研究一个根本抄不动的对手。 第一步:合规地把竞品 listing 文本拿到手 拆之前先解决「数据从哪来」,这里有条边界得说在前面。 你手动打开竞品页面、把公开的标题和五点复制下来喂给 AI,这跟你平时逛竞品没有任何区别,完全没问题。你看到的就是买家看到的公开信息,抄下来自己分析是再正常不过的运营动作。 要规模化对比一批竞品,就用持牌工具走合规数据,别自己写脚本批量爬。大规模自动抓取违反亚马逊使用条款(2026年7月22日查),触发风控后账号和 IP 都可能被封,得不偿失。合规的量产路径有两条: 反查关键词类:Helium 10 的 Cerebro 是做反查 ASIN 的工具,输入竞品 ASIN 能拉出它自然排名和广告在打的全部关键词,可以一次并列对比最多 10 个 ASIN、按自然排名和搜索量筛(功能以 2026年7月22日 Helium 10 官方页实查为准)。它解决的是「词」这一层,正好接上你手动复制来的标题文本。 公开评论与关键词类:卖家精灵这类持牌工具能合规调取竞品的公开评论和关键词排名数据,省掉你逐条手抄的功夫;不确定选哪家,先用 amzfinder 这类对比站按统一评分把合规工具挑对。 拿数据的原则记一句就够:盯着公开信息、用持牌工具、别碰登录墙后面的东西,剩下的分析活交给 AI。 第二步:四个维度,让 AI 逐层拆开 把复制好的竞品文本喂给 AI,别笼统地问「帮我分析这条 listing」——那样只会得到一段正确的废话。要按四个维度分别下指令,逼它输出结构,而不是复述。 ...