亚马逊运营真正该做的,是把 SOP 变成 Skill
跨境移花宫主理人江小鱼提出把亚马逊运营 SOP 转成 AI Skill,用拆、改、填、用四步迁移,并给出角色定位、参数定位、任务拆解、输出格式、校验规则五个撰写核心。
跨境移花宫主理人江小鱼提出把亚马逊运营 SOP 转成 AI Skill,用拆、改、填、用四步迁移,并给出角色定位、参数定位、任务拆解、输出格式、校验规则五个撰写核心。
亚马逊广告 AI 系列直播第二期讲师 Jay 分享视频素材做法,把一条产品视频拆成六个镜头分别布置和验收,其中开场三秒的钩子是复用率最高的一环。站外引流可用痛点或人设反差开场,站内视频因消费者带购物意图且常自动静音播放,产品需更早出现并靠画面和字传达卖点。
Freightos 网络研讨会展示了敏捷货运采购的落地方式:Freightos Procure 可自动完成高达 90% 的人工货运采购任务,涵盖 RfQ 生成、承运商管理、合理性检查与最优运价计算。
面向铺货卖家的批量生图网页 freely-ai.app 上线内测,无需充值、用自己的 API key 即可使用。用户只需批量导入 SKU 的产品图与尺寸、材质、使用方法等信息,即可并行生成 8-12 张组图,全程不用写提示词;不满意可勾选图片交给 Agent 局部改图,或重新生成提示词二次抽卡。同一账号下图片自动存入图片库,支持批量下载、统一管理和随时二次生图。
根谈发布第4款 AI Coding 小工具 Off Site Link Check,网页版可输入品牌名或亚马逊 ASIN,约一分钟返回竞品站外推广记录,支持一键导出。
宠物用品品牌创始人、亚马逊广告卖家讲师 Bruce Jay 分享用 AI 生产视频广告素材的完整做法,核心是脚本而非工具。实操中按镜头属性分工,产品真实展示镜头优先实拍,氛围、转场类镜头交由 AI 生成,已有静态商品图可通过图生视频复用,也可借助亚马逊广告创意工作室用商品图快速产出视频初稿验证创意。
推荐理由:原文给出从脚本拆解到多版本成片的五步混合流水线,卖家可据此把视频素材做成可复用、可迭代的资产。
我以圆桌嘉宾身份参加 iPX 2026 China 出海营销峰会,会上讨论集中在 AI 与合作伙伴营销。我提到过去一年最大变化是“AI一日,人间一年”,从业者需兼具建站、数据分析甚至简单代码能力,我自己已搭建 3 个 AI 小工具。判断新流量入口的标准是用户注意力在哪里,渠道选择则看核心用户画像是否与目标受众高度匹配。
作者于新分享一套 AI 落地做法,把关键词作战表从本地搬到云服务器:用积加 ERP 开放平台的搜索词表现接口拉自己的单量、花费和 ACOS,用西柚 MCP 反查月搜索量、投放难度、建议竞价、ABA 近 13 周周搜和自然位,再让模型按自己定的规矩逐词写一句打法,最后渲染成网页报告。
Sif 智能分享卖家 Zach 做的一套 CVR 风险线分析 Skill,把 ASIN 业务报表与 Sif 关键词排名数据按日期对齐,用命中率、召回率和 Lift 回测历史 CVR 阈值,为每条 ASIN 推荐一条整体 CVR 观察线、一条危险线,有广告 CVR 数据时再给一条广告确认线。
作者公开一套亚马逊竞品追踪五步法,用 WorkBuddy 加卖家精灵 MCP 跑通全链路,演示产品为美区自动卷发棒。第一步用自己的 ASIN 反查流量词并区分品类词与场景词,案例中通用品类词约占 72%、curling iron 单词占 35.5%,竞品品牌词约占 14.7%,场景人群词仅约 5%。
作者发布 Bailing-viral-video-remake-3.0,一个可装进 Codex、Cursor 等 Agent 的 Skill,用于把亚马逊对标视频的爆款结构迁移到自家产品。
作者 Zach 22 分享跟 AI 协作的心得,认为用专业术语写提示词比大白话输出更准。他举了两个例子:挖 review 时改用 JTBD(Jobs To Be Done)框架,写亚马逊五点描述时改用 FABE(Feature-Advantage-Benefit-Evidence)框架,提示词更短但输出更精准。
作者分享 12 套提示词,覆盖市场调研、竞品拆解、选品分析、Listing 构建、广告投放和数据复盘等场景,演示用 MyLevis Agent 搭配卖家精灵 MCP 完成。
作者认为 MCP 会成为 Agent 时代的接口,并分享了自己把知识库和 Skill 中台封装成 MCP 的实践:知识库基于 RAG 方案开放端口、设计路由规则即可封装,上云后生成订阅链接,不同密钥对应不同 Agent,解决多 Agent 共享知识与迁移耗时的问题。
作者以一款美国站商用滤油类竞品 ASIN 接入 SIF MCP 做深度拆解,从 ASIN 的销量与流量结构出发,沿核心关键词追到需求趋势、竞争集中度和产品形态差异。
一位700人跨境电商公司的 AI 转型负责人推进 Codex 时遭遇上手难度大、部门墙严重的问题,核心症结是未获大老板充分授权、与业务部门缺乏信任。建议改为内部公开招聘 AI 潜力股,并用 Workbuddy、豆包工作伙伴、千问办公替代 Codex/Claude 降低业务侧使用门槛。
作者以给一家亿级跨境公司做的批量生图项目为例,30 天做到一天稳定产出 100 张以上组图、单张图抽卡控制在 3 次以内。流水线在飞书里分三步:用豆包视觉模型对实拍图、步骤图、场景图、尺寸图做筛选式描述,用 DeepSeek 整理成结构化产品信息,再生成覆盖 12 种图片类型的全套组图提示词。
用西柚洞察MCP对宠物美容吸尘器新品B0H7BLDXXX做全维度穿透分析后,结论是不建议直接复制这套打法。该品2026年7月28日上架,8月5日单日降价70%至$69.99、评论从0跳到45条、首批3个SP广告同步上线,9天内细分类目排名从第110名冲到第3名。
用多 ASIN 权重对比 Skill 跑完 4 个美国站 bidet toilet seat ASIN,共词 1002 个,B0815CP9G5 以 62.7% 自然占比、1261 万总权重居首,B017Y451GM 则有 94.9% 流量靠广告、自然仅 5.1%。
一位跨境从业者把市场调研、广告分析和报表脚本都交给 AI,却刻意不碰生图生视频,理由是 AI 产出的上限取决于你的验收能力。他提出落地路径三步:先把擅长且重复度高的事 AI 化,再垒实与 AI 协作、搭工作流的基本功,最后才向新领域扩,图片要 90 分应让美工加 AI 而非运营硬顶。
亚马逊老链接销量突然掉三成,真凶往往是自己以前的误操作。排查先分清是流量少了还是转化低了:流量没少、转化掉了,基本就是自身问题。作者用 MCP 辅助筛证据,但强调时间、量级、机制必须全对上才能定案,改完还要定复查日看数据兑现,拍板仍靠人。
一位亚马逊美国站卖家把西柚洞察的 MCP 接到 AI 上,用一个晚上排查一条老链接日均订单从 40 单掉到 28 单、转化率从 7% 出头掉到 5% 区间的原因。
做了两年企业 AI 落地咨询的从业者指出,FDE(前线部署工程师)被滥用,真正难点不在技术,而在组织与人性:需求收集困难、老板与员工信息差、外部顾问权限不足都让项目难推进。安克创新把团队从 10-12 人拆成 2-3 人小组,抽调约 2%、接近 150 名业务尖子转岗为“AI 工程师”梳理 SOP。作者建议企业先设试点小组跑通一个小闭环,并以跨境电商批量生图为例。
亚马逊广告卖家讲师 Jay 分享图层拆解法搭建 AI 素材生产线的实操经验,其宠物用品品牌主图点击率提升 48%,95% 视觉素材由 AI 参与产出,素材成本下降 90%,制作周期由一两周压缩至半天,上线半年 GMV 突破 100 万美元。
MCP 是 Anthropic 在 2024 年 11 月牵头开源推出的模型上下文协议,让大模型以标准化方式调用外部工具和数据源。卖家可将 Amazon 后台 Excel、西柚洞察 MCP、ERP 数据的 MCP 与 AI 组合,用自然语言一次性完成销量、广告、关键词排名、竞品价格、TACOS 与自然订单占比分析,并输出选品调研报告和 PDF。
作者发布了一个亚马逊 ABA 品牌模块分析 Skill,可自动对比自己品牌与大盘的流量漏斗、关键词和价位段差异。品牌 ABA 模块覆盖某品牌下 Top1000 关键词,比单 ASIN 的 ABA 数据覆盖面更广、维度更多,但缺少单 ASIN 的针对性,两者互补使用。
一位亚马逊卖家落地 Agent 后,工作时间从每天十个钟变成十六个钟,一人要干选品、开发 Agent、调广告、找工厂、优化 MCP 等多个岗位的活。他给 Agent 目前表现打 70 分,认为基础分析和数据处理已可用,但需要经验判断时仍有偏差,真正消耗精力的是判断而非执行。落地中主要卡在上下文溢出及压缩、Skill 规范治理、MCP 稳定治理、知识库检索召回、记忆系统稳定五座大山。
作者于新公开了自己已在真实店铺运行的 AI 广告工具:AI 结合利润、自然位和竞对自然位给出广告位加成、竞价、预算、否词与转正提案,每条建议附数据和理由,运营点采纳后由 AI 通过亚马逊官方接口执行,改错可一键回滚。
一位深度用AI的创业者基于销售团队流程,花三个月用Fable 5搭出一套价值千万美金级别的销售系统,即便只跑通约70%功能也已能服务客户。
作者于新分享用 AMC 的 sponsored_ads_traffic 表 prompt_text 字段获取亚马逊 AI 导购提示问题数据的方法,并给出可直接在 Query editor 运行的 SQL,按曝光排序查看提问原文、挂载的 ASIN、曝光、点击和花费。
用 Sif MCP 对美国站 lunch box 做市场调研,该词最新周搜索量约 50.8 万、词根相关需求约 526 万/周,Top 100 ASIN 近 30 天销量下限约 17.39 万件、销售额下限约 441.36 万美元。
AI让亚马逊Listing出图效率大幅提升,但高转化Listing并未因此变容易。文章主张视觉竞争正从"谁更会做图"转向"谁更知道为什么做这张图",Listing应先帮用户完成相关性、选择理由与使用边界三个判断,再让AI进入生产环节。8月22日观复研习社将在长沙举办视觉专题沙龙,强调"7分思考,3分执行"。
Bailing-ABA-ASIN分析skill可对单ASIN做ABA表现分析,从曝光、点击、加购、转化等维度对比大盘差距,支持Codex、Linkfox、MyLevis一句话安装,输入最近四周报告即可出结果。
MCP 全称 Model Context Protocol,是 Anthropic 在 2024 年 11 月发布的开放标准,2025 年底捐给 Linux Foundation 旗下的 Agentic AI Foundation,作用是让 AI 直接连到数据和工具上,不用手动导报表搬运。
作者分享了一套用于分析亚马逊 SP 广告的 Skill,以搜索词展示份额报告为核心数据源,输出报表总览、广告组合层对比、活动层行动建议、关键词头部占比与帕累托分析、C1-C7 长尾分析、搜索词维度建议以及周环比分析等模块。
亚马逊广告卖家讲师 Kevin Li 提出“一人公司”做法,即训练一组 AI 智能体(Agent)组成 7×24 小时的团队,而非一人包揽所有事。
推荐理由:原文把 AI 落地拆成四个递进阶段,并给出把选品调研固化成 Skill 的具体做法,卖家可照着从广告复盘等熟悉场景切入。
面向没有软件技术团队的公司,作者把亚马逊 Agent 落地拆成最小应用、系统梳理、复用验收三部分,核心是先落地 Skill 而不是自研前端或 BI。
AMZ Helper 的“市场调查专家”Agent 在美国 Amazon 投影仪市场实测中,约 12 分钟自动生成含 23 个章节标题、8 张数据表和 3 张图表的报告。
跨境电商公司 AI 落地跑得通的只有两条路:业务一把手或老板亲自下场,或公司里有一两个对 AI 特别感兴趣的人先跑起来,共同点是背后都有一个单独的人在推。推不动的根因不是选错工具,而是做 AI 的人与业务分离,最典型的是整个交给 IT,业务提需求、IT 排期验收,最后交付的只是功能,判断还留在原地。若只要提效,用好现有工具即可;想做 AI Native,前提是先补上 SOP 和数字化基础。
亚马逊团队大规模建设广告分析、自动否词等 Agent Skill 后,真正缺的不是更多 Skill,而是让 Skill 稳定运行的企业基础设施。作者提出企业级 Agent 需数据、流程、权限、Skill、工具、审计六层,并强调数据、流程、权限、工具、审计都要靠软件工程兜底,否则 Skill 越多内部越混乱。其自研 Agent 将于 8 月 1 号开始第二批内测,内置亚马逊行业知识库。