convez.ai
MCP ServerDados & AnalyticsAvançado
liangdabiao

Amazon Sorftime Research MCP

liangdabiao/amazon-sorftime-research-MCP-skill

Análise competitiva e inteligência de mercado para Amazon em escala

Ver no GitHub
BomPluginScore · de 0 a 100

Suite de análise competitiva para Amazon integrada ao Claude via MCP, oferecendo análise profunda de listings, seleção de categorias, pesquisa de keywords, análise de reviews e inteligência de mercado. Ideal para sellers que precisam tomar decisões estratégicas baseadas em dados.

Instalação

$npx convez-ai liangdabiao/amazon-sorftime-research-MCP-skill

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
1,1 mil
Forks
164
Acompanhando
5
Saúde
28%
Último commit
há 1 semana
Versão
—
Issues abertas
9
Contribuidores
1

Casos de uso

  • Análise dimensional de listings concorrentes para benchmarking
  • Pesquisa de categorias e seleção de produtos high-potencial
  • Extração e categorização automática de keywords com estratégia PPC
  • Análise de sentimento e identificação de dores em reviews para product improvements
  • Due diligence de mercado antes de lançar novos produtos

Veredito

Ferramenta robusta para sellers Amazon que investem em análise de dados. Exige API key pago (Sorftime) e integração Claude Code, mas entrega insights estruturados e acionáveis. Melhor para quem já trabalha com dados e busca automação inteligente em pesquisa de mercado.

README

A tradução para o português deste README ainda está na fila.

Amazon Sorftime MCP Skills - 亚马逊竞品分析与品类选品工具

基于 Sorftime MCP 服务和 Claude Skills 的亚马逊分析工具集。

项目简介

本项目配置了 Sorftime 跨境电商数据服务的 MCP (Model Context Protocol) 服务器,并开发了六个核心技能:

技能分析对象命令用途
amazon-analyse单个Listing/amazon-analyse {ASIN} {SITE}竞品Listing全维度穿透分析
category-selection整个品类/category-select "{品类}" {SITE}品类自动化选品分析
keyword-research关键词词库/keyword-research {ASIN} {SITE}关键词深度调研与8维智能分类
review-analysis用户评论/review-analysis {ASIN} {SITE}评论深度分析与痛点挖掘
product-research选品深度调研/product-research "{产品关键词}" {SITE}LLM驱动的选品深度调研与决策
sif-amazon-research综合电商研究/sif-amazon-research基于Sif MCP的亚马逊市场验证、竞品分析、流量诊断、关键词策略、广告审查、发布评估与增长优化

核心功能

Listing级别分析 (amazon-analyse)

  • 竞品Listing分析: 自动获取产品详情、评论、关键词、趋势数据
  • 关键词分析: 流量来源、竞品布局、长尾词挖掘
  • 评论情感分析: 优势聚类、痛点识别、改进建议
  • 跨平台分析: TikTok带货视频、达人分析、1688采购成本

品类级别分析 (category-selection)

  • 市场大盘分析: Top100产品数据 + 统计指标
  • 五维评分模型: 市场规模、增长潜力、竞争烈度、进入壁垒、利润空间
  • 可视化报告: Markdown + Excel + HTML 三种格式

关键词深度调研 (keyword-research)

  • 海量词库采集: 通过 Sorftime API 采集 1500+ 关键词
  • 8维智能分类: 否定词、品牌词、材质词、场景词、属性词、功能词、核心词、其他
  • 广告策略指导: 否定词清单、精准匹配组、场景广告组、广泛匹配组
  • 多格式输出: Markdown 报告、CSV 词库、HTML 仪表板

评论深度分析 (review-analysis)

  • 6维痛点分析: 电子模块故障、结构/组装问题、设计/功能缺陷、外观/材质问题、描述不符、服务/物流问题
  • 服务维度细分: 收到二手/瑕疵品、配件缺失、退换货困难、客服问题、物流问题
  • 双轨解决方案: 产品改进建议 + 客服话术/Listing优化
  • 风险预警: 二手/瑕疵品阈值警告(>5%危险)、服务问题自动预警
  • 原始数据保存: SSE 响应、解析数据、结构化分析 JSON

选品深度调研 (product-research)

  • LLM 驱动: 分析、洞察、决策全部由 LLM 完成
  • 交互式执行: 逐步推进,用户可中途干预
  • 轻量脚本: 仅用于 API 调用和 Dashboard 渲染
  • 简化数据: 不用复杂的 unified payload 结构
  • 完整流程: 信息收集 → 数据采集 → 属性标注 → 交叉分析 → 竞品与 VOC → 评估决策 → 报告输出
  • 多格式输出: Markdown 完整报告、结构化数据、可视化看板

Sif亚马逊研究 (sif-amazon-research)

  • 市场机会研究: 关键词或类目方向分析
  • 市场验证: 关键词 + 候选ASIN可行性评估
  • 竞品分析: 竞品ASIN增长路径与流量来源
  • 关键词布局: 主词、长尾词、词根结构、缺失词分析
  • 发布评估: 产品是否值得推广决策
  • 发布后反馈: 持续优化或停止建议
  • 增长优化: 扩展已验证的流量和关键词
  • 流量/广告诊断: 流量或广告表现变化的根因分析

核心工作流程:

  1. 定义决策类型:进入/不进入、发布/不发布、扩量/优化/停止、根因诊断
  2. 收集Sif证据:市场需求、竞争格局、流量结构、销售趋势、广告表现
  3. 交叉验证证据,区分已确认发现与假设
  4. 输出商业决策:包含置信度、证据链、风险、缺失数据和后续验证行动

快速开始

环境要求

  • Claude Code CLI
  • 有效的 Sorftime API Key
  • Bash shell 环境

获取 API Key

访问 Sorftime MCP 获取 API Key,然后更新 .mcp.json:

{
  "mcpServers": {
    "sorftime": {
      "type": "streamableHttp",
      "url": "https://mcp.sorftime.com?key=YOUR_API_KEY",
      "name": "Sorftime MCP"
    }
  }
}

使用分析技能

1. Listing竞品分析

# 分析美国站竞品
/amazon-analyse B07PWTJ4H1 US

# 分析欧洲站竞品
/amazon-analyse B08N5WRWNW DE

报告保存: reports/analysis_{ASIN}_{站点}_{日期}.md

2. 品类选品分析

# 分析美国站沙发品类
/category-selection "Sofas & Couches" US

# 分析美国站无线耳机品类
/category-selection "Wireless Earbuds" US

# 指定Top20产品分析
/category-selection "Kids' Drawing Kits" US --limit 20

报告保存: category-reports/{品类名称}_{站点}_{日期}/

  • index.html - 报告导航首页
  • dashboard.html - 交互式可视化仪表板
  • report.md - 完整Markdown分析报告
  • category_report_*.xlsx - Excel数据表(含图表)
  • data.json - 原始数据JSON

3. 关键词深度调研

# 调研产品关键词词库
/keyword-research B0D9ZTW7PS US

报告保存: keyword-reports/{ASIN}_{站点}_{日期}/

  • report.md - 完整Markdown分析报告
  • dashboard.html - 交互式可视化仪表板
  • keywords.csv - 完整词库(含分类、搜索量、CPC)
  • negative_words.txt - 否定词清单(直接复制到广告后台)
  • keywords_*.csv - 各分类专用词库文件
  • categorized_summary.json - 分类统计数据

8维智能分类:

维度说明应用策略
NEGATIVE否定/敏感词直接否定
BRAND品牌词竞品打法或否定
MATERIAL材质词精准匹配
SCENARIO场景词按场景拆分广告组
ATTRIBUTE属性修饰词长尾精准匹配
FUNCTION功能词广泛匹配扩流
CORE核心产品词大词投放占领坑位
OTHER其他补充埋词

4. 评论深度分析

# 分析产品评论痛点
/review-analysis B0DZCBYCNY US

报告保存: review-analysis-reports/{ASIN}_{站点}_{日期}/

  • report.md - 完整分析报告
  • data/ - 原始数据和分析结果
    • raw_product_sse.txt - 原始产品详情SSE响应
    • raw_reviews_sse.txt - 原始评论SSE响应
    • negative_reviews_analysis.json - 差评分析结构化数据

5. 选品深度调研

# 分析蓝牙音箱选品
/product-research "bluetooth speaker" US

# 分析笔记本电脑背包选品
/product-research "laptop backpack" GB

报告保存: product-research-reports/{关键词}_{站点}_{日期}/

  • report.md - Markdown 完整报告(LLM 直接撰写)
  • data.json - 结构化数据(供 Dashboard 使用)
  • dashboard.html - 可视化看板(脚本渲染)

6维痛点分析框架:

维度识别内容严重程度评估
电子模块故障电池、充电、连接、功能失效高/中/低
结构/组装问题零件破损、密封失效、接口断裂高/中/低
设计/功能缺陷软件体验、操作复杂、功能缺失高/中/低
外观/材质问题有异味、材质过敏、色差、划痕高/中/低
描述不符功能预期偏差、尺寸颜色差异高/中/低
服务/物流问题二手/瑕疵品、配件缺失、退换货困难高/中/低

服务风险预警阈值:

问题类型警告阈值危险阈值
收到二手/瑕疵品>2%>5%
配件缺失>1%>3%
退换货困难投诉>5%>10%
客服负面评价>3%>7%

支持的站点

亚马逊 (14个站点)

站点代码站点代码
美国US日本JP
英国GB西班牙ES
德国DE意大利IT
法国FR加拿大CA
印度IN墨西哥MX
澳大利亚AU阿联酋AE
巴西BR沙特SA

TikTok (6个站点)

US, GB, MY, PH, VN, ID

1688 供应链

中国批发平台采购成本分析


Sorftime MCP 接口

亚马逊产品相关

接口功能
product_detail产品详情
product_trend销量/价格/排名趋势
product_reviews用户评论 (最多100条)
product_traffic_terms流量关键词
competitor_product_keywords竞品关键词布局
product_search产品搜索筛选

关键词相关

接口功能
keyword_related_words关键词长尾词扩展
keyword_detail关键词详情数据
category_keywords类目核心关键词

亚马逊类目相关

接口功能
category_name_search类目名称搜索获取 nodeId
category_report类目实时报告 (Top100产品 + 统计)
category_tree类目树结构
category_trend类目历史趋势
category_keywords类目核心关键词

TikTok / 1688

  • tiktok_product_search - TikTok产品搜索
  • tiktok_product_videos - 带货视频分析
  • products_1688 - 1688采购成本分析

五维评分模型

品类选品评分体系(100分制):

维度分值评分标准
市场规模20分基于类目月销额 ($10M+/20分, $5M+/17分, $1M+/14分, $500K+/11分)
增长潜力25分基于Amazon自营占比 (越低越好,新品机会)
竞争烈度20分基于Top3品牌占比 (<30%/18分, <40%/15分, 其他/11分)
进入壁垒20分Amazon压力 + 高评分门槛 (各占10分)
利润空间15分基于平均价格 ($100+/15分, $50+/13分, $20+/11分, $10+/8分)

综合评级

总分评级建议
80-100优秀强烈推荐进入
70-79良好可以考虑进入
50-69一般谨慎进入
0-49较差不建议进入

项目结构

amazon-mcp/
├── .mcp.json                    # MCP 配置文件
├── .claude/
│   └── skills/
│       ├── amazon-analyse/      # 竞品Listing分析技能
│       │   ├── SKILL.md
│       │   └── references/
│       ├── category-selection/  # 品类选品分析技能
│       │   ├── SKILL.md
│       │   ├── scripts/         # 数据处理脚本
│       │   │   ├── data_utils.py
│       │   │   ├── parse_sorftime_sse.py
│       │   │   └── generate_reports.py
│       │   ├── assets/          # 模板文件
│       │   │   └── dashboard_template.html
│       │   └── references/
│       ├── keyword-research/    # 关键词调研分析技能
│       │   ├── SKILL.md
│       │   ├── scripts/         # 数据处理脚本
│       │   │   ├── workflow.py
│       │   │   └── regenerate_reports.py
│       │   └── references/
│       ├── review-analysis/     # 评论深度分析技能
│       │   ├── SKILL.md
│       │   └── references/
│       ├── product-research/    # 选品深度调研技能
│       │   ├── SKILL.md
│       │   ├── README.md
│       │   ├── scripts/         # 数据处理脚本
│       │   │   ├── api_client.py
│       │   │   ├── collect_data.py
│       │   │   ├── render_dashboard.py
│       │   │   └── run_analysis.py
│       │   └── references/
│       ├── sif-amazon-research/ # Sif亚马逊研究技能
│       │   ├── SKILL.md
│       │   └── references/
│       │       ├── field-notes.md
│       │       ├── research-playbooks.md
│       │       └── sif-tool-map.md
│       └── skill-creator/       # 技能创建工具
├── reports/                     # Listing分析报告
│   └── analysis_{ASIN}_{站点}_{日期}.md
├── category-reports/            # 品类选品报告
│   └── {品类}_{站点}_{日期}/
│       ├── index.html           # 导航页
│       ├── dashboard.html       # 可视化仪表板
│       ├── report.md            # Markdown报告
│       ├── category_report_*.xlsx
│       └── data.json
├── keyword-reports/             # 关键词调研报告
│   └── {ASIN}_{站点}_{日期}/
│       ├── report.md            # Markdown报告
│       ├── dashboard.html       # 可视化仪表板
│       ├── keywords.csv         # 完整词库
│       ├── negative_words.txt   # 否定词清单
│       └── keywords_*.csv       # 各分类词库
├── review-analysis-reports/     # 评论分析报告
│   └── {ASIN}_{站点}_{日期}/
│       ├── report.md            # Markdown报告
│       └── data/
│           ├── raw_product_sse.txt
│           ├── raw_reviews_sse.txt
│           └── negative_reviews_analysis.json
├── product-research-reports/    # 选品深度调研报告
│   └── {关键词}_{站点}_{日期}/
│       ├── report.md            # Markdown完整报告
│       ├── data.json            # 结构化数据
│       └── dashboard.html       # 可视化看板
└── README.md

技能开发

创建新技能

# 初始化新技能模板
.claude/skills/skill-creator/scripts/init_skill.py <skill-name> --path .claude/skills

# 打包技能为 .skill 文件
.claude/skills/skill-creator/scripts/package_skill.py <skill-folder>

技能设计原则

  1. YAML frontmatter - 包含完整的 description 说明使用场景
  2. Progressive disclosure - SKILL.md 保持精简,细节放入 references/
  3. Scripts - 用于需要确定性执行的代码
  4. References - 存放 API 文档、指南等参考资料
  5. Assets - 输出文件所需的模板、图片等

常见问题

Q: ASIN 查询不到产品?

A: Sorftime 数据库覆盖有限,先使用 product_detail 验证 ASIN。如果返回"未查询到对应产品",尝试:

  1. 使用 product_search 搜索相关关键词
  2. 确认是正确的亚马逊站点
  3. 确认 ASIN 格式正确(10位字母数字)

Q: 报告中出现乱码?

A: Sorftime 返回的中文是 Unicode 转义格式 (\u4ea7\u54c1),技能会自动解码。如果仍有问题,检查 Python 环境是否支持 UTF-8 编码。

Q: Excel 报告无法打开?

A: 确保安装了 xlsxwriter 库:pip install xlsxwriter


更新日志

v2.7 (2026-06-12)

  • 新增: sif-amazon-research Sif亚马逊研究技能
  • 新增: 基于Sif MCP的市场验证、竞品分析、流量诊断、关键词策略、广告审查、发布评估与增长优化
  • 新增: 完整的研究工作流程:定义决策 → 收集证据 → 交叉验证 → 输出商业决策
  • 新增: 结构化输出格式:决策结论、问题层级、证据链、业务影响、优先级行动、缺失数据、7天验证计划

v2.6 (2026-03-19)

  • 新增: product-research 选品深度调研技能
  • 新增: LLM 驱动的选品深度调研与决策流程
  • 新增: 交互式执行模式,用户可中途干预
  • 新增: 轻量脚本架构,仅用于 API 调用和 Dashboard 渲染
  • 新增: 完整流程:信息收集 → 数据采集 → 属性标注 → 交叉分析 → 竞品与 VOC → 评估决策 → 报告输出
  • 新增: 多格式输出:Markdown 完整报告、结构化数据、可视化看板

v2.5 (2026-03-15)

  • 新增: review-analysis 评论深度分析技能
  • 新增: 6维痛点分析框架(电子模块故障、结构/组装问题、设计/功能缺陷、外观/材质问题、描述不符、服务/物流问题)
  • 新增: 服务维度细分分析(收到二手/瑕疵品、配件缺失、退换货困难、客服问题、物流问题)
  • 新增: 服务风险预警阈值系统(二手/瑕疵品 >5% 危险)
  • 新增: 双轨解决方案(产品改进 + 客服话术/Listing优化)
  • 新增: 亚马逊合规差评回复邮件模板库

v2.4 (2026-03-14)

  • 新增: keyword-research 关键词调研分析技能
  • 新增: 8维智能分类模型(否定词、品牌词、材质词、场景词、属性词、功能词、核心词、其他)
  • 新增: LLM 自动分类支持
  • 新增: 广告策略指导(否定词清单、精准匹配组、场景广告组、广泛匹配组)

v2.3 (2026-03-03)

  • 优化: 统一报告输出格式(Markdown + Excel + HTML Dashboard)
  • 新增: index.html 导航页,集成所有报告格式
  • 新增: data.json 原始数据导出
  • 修复: 类目统计数据解析问题
  • 修复: Excel 报告生成兼容性问题

v2.2 (2026-03-03)

  • 新增: category-selectionion 品类选品分析技能
  • 新增: 五维评分模型
  • 新增: Excel + HTML 双报告格式

v2.1 (2026-03-02)

  • 新增 Sorftime MCP API 完整文档
  • 优化报告结构

v2.0 (2026-03-02)

  • 重新设计分析框架
  • 新增四大维度分析模型

v1.0 (初始版本)

  • 基础竞品分析功能
  • Sorftime MCP 集成

许可证

MIT License


感谢支持


最后更新: 2026-06-12

Ver o original no GitHub

Bom para

Relacionados