# 每日选品方法报告：2026-05-16

- 报告 ID：cmp7pxvce000cuu3ny21mjgi5
- 运行时间：2026-05-16 10:20
- 研究主题：US 市场 Amazon 与 TikTok Shop 第一版可 Agent 化选品方法论研究：销量区间、市场需求迁移、搜索可见性、达人反馈闭环与开源竞争利润评分

## CEO 总结

建议将本轮方法沉淀为 5 个可组合模块：销量门槛验证、US 市场需求迁移、搜索可见性缺口、达人样品反馈、开源评分审计。其中 Amazon 月销量区间和 TikTok 达人反馈闭环最适合短期 Agent 化，GitHub 方法适合作为工程参考但需严格合规改造。

## 方法论观察

本轮输出 5 条新的选品方法论，避开最近已入库标题和 sourceUrl，覆盖 Amazon 销量估算、市场需求判断、SEO 可见性、TikTok Shop Academy 学习入口与 GitHub 开源研究框架。所有方法均只输出需求主题、评分规则、排除边界和下一步验证动作，不推荐具体商品，不创建具体选品 Agent。

## 风险和边界提醒

主要风险包括销量估算误差、市场需求跨区域迁移失真、SEO 指标与真实成交脱节、TikTok 达人反馈样本偏差、GitHub 开源工具合规与维护风险。第一版应以 moderate 风险偏好执行：允许建立候选机会池，但必须经过类目、利润、退货、合规和人工复核后才进入后续流程。

## 下一步建议

下一天建议继续查找 TikTok Shop Academy 中具体的 Product Opportunity、Affiliate Creator、Shop Ads 与 Content Performance 页面，并补充 Amazon US 类目维度的退货率、FBA 费用和广告 CPC 风险字段，形成统一 method schema。

## 方法列表（5）

### Amazon月销量区间反推需求门槛法

- ID：cmp7pxxmq000euu3ngugt0o8r
- 类型：爆款筛选
- 来源：Seller blog https://sell.amazon.com/blog/amazon-sales-estimator
- 可执行性评分：93
- CEO 审核：agentizable
- 审核理由：指标量化程度高，输入输出边界清晰，适合作为第一版需求验证模块。

### Amazon搜索可见性缺口分层法

- ID：cmp7pxylf000iuu3nd7lyf0xa
- 类型：长尾筛选
- 来源：Seller blog https://sell.amazon.com/blog/amazon-seo
- 可执行性评分：90
- CEO 审核：agentizable
- 审核理由：与已入库长尾词簇法不同，本方法关注搜索结果覆盖缺口，适合作为可见性和差异化验证模块。

### TikTok Shop达人样品反馈闭环筛选法

- ID：cmp7pxz2s000kuu3nk4rxszva
- 类型：内容带货筛选
- 来源：TikTok Shop Academy https://seller-us.tiktok.com/university/home
- 可执行性评分：88
- CEO 审核：agentizable
- 审核理由：比单纯微趋势方法更强调多达人反馈闭环和评论质量，适合作为 TikTok 内容验证模块。

### US市场需求迁移筛选法

- ID：cmp7pxy39000guu3nk17i6wjg
- 类型：潜力款筛选
- 来源：Seller blog https://sell.amazon.com/blog/market-demand
- 可执行性评分：88
- CEO 审核：agentizable
- 审核理由：适合发现非显性机会，能结构化为跨市场需求迁移评分，但需要人工复核本地化语义。

### 开源竞争利润多因子审计法

- ID：cmp7pxzlv000muu3nh0v3qx84
- 类型：潜力款筛选
- 来源：GitHub https://github.com/Umair706/amazon-omniscient
- 可执行性评分：87
- CEO 审核：needs_review
- 审核理由：工程结构强、适合 Agent 化参考，但非官方来源且涉及潜在抓取合规问题，必须先审计再落地。