Score
96
GA4官方资料定义了会话开始、查看商品、加购、开始结账和购买五步购买旅程，并提供各步流失率、留存率、开放与闭合漏斗以及设备、地区等维度。迁移到淘宝、拼多多时，可用曝光、商品点击、收藏加购、提交订单和支付成功重建相似漏斗；平台事件定义与用户标识不可直接等同于GA4事件。
核心做法：建立淘宝、拼多多事件到统一漏斗阶段的字段映射和去重规则
判断：商品查看率
排除：排除Electronics与High-return fashion
阶段映射、异常检测、切片和数据质量验证均可自动执行，且默认输出诊断不会直接改变经营状态。
Score
92
来源强调提升转化率要先收集数据，并通过客户访谈、站内调查和用户体验信息形成优化假设；可迁移为淘宝/拼多多的客服问题、评价、收藏加购漏斗、详情页停留和转化异常诊断。
核心做法：收集近30天商品曝光、点击、收藏、加购、支付、退款和客服咨询数据。
判断：搜索点击率
排除：不同时大幅修改标题、主图、价格和详情导致无法归因。
Score
92
来源强调电商分析通过集中数据、跟踪销售、客户行为、网站表现和营销ROI来指导决策；可迁移为淘宝/拼多多店铺日/周经营诊断指标树。
核心做法：建立一级指标：GMV、毛利、广告花费、订单数、退款售后、库存周转。
判断：GMV
排除：不把单日波动直接当作趋势。
Score
91
Shopify Demand Forecasting Methods文章介绍用定量和定性数据预测需求，避免缺货并支持库存、人员和营销决策。迁移到淘宝、拼多多时，可用店铺销量、平台活动日历、广告计划和搜索趋势替代Shopify站内数据。
核心做法：收集近90至180天SKU日销量、价格、活动、广告花费、库存和退款数据。
判断：预测准确率
排除：历史销量少于14天的新品不得使用纯时间序列预测，只能作为探索SKU处理。
Score
87
该GitHub项目描述了通过MCP连接AI 任务与Amazon Selling Partner 服务，实现库存管理、商品页优化等卖家workflow自动化。可迁移的不是Amazon平台本身，而是'服务工具层+任务诊断+权限护栏'架构；在淘宝/拼多多应改为开放平台服务、商家后台导出、RPA或数据仓库接入。
核心做法：梳理淘宝/拼多多店铺可获取数据：订单、库存、商品、价格、广告、评价、客服、售后。
判断：诊断覆盖率
排除：禁止初期自动改价、自动下架、自动改库存、自动回复敏感客服问题。
Score
89
该GitHub Skill将类目机会评估拆成类目解析、市场指标读取、月度历史趋势、市场集中度/垄断度解释、机会指数输出等步骤。虽然原始范围是Mercado Livre Brasil且依赖JoomPulse估算数据，但其贡献在于把“类目是否值得进入”结构化为需求、增长、卖家集中度、历史变化和数据缺失披露，可迁移为淘宝/拼多多类目机会任务的评分框架。
核心做法：确定候选类目，优先从母婴相关但不局限于母婴的二级/三级类目池开始。
判断：搜索热度趋势
排除：排除Electronics和High-return fashion。
Score
92
Amazon Ads指南强调广告上线后需要衡量并改进活动效果；迁移到淘宝/拼多多时，可把campaign目标映射为拉新、测款、转化、收割和复购，把指标映射为展现、CTR、CPC、CVR、ROI、ACOS类指标和自然成交带动。
核心做法：为每个广告计划定义唯一目标：测款、拉新、转化、清库存或品牌词防守。
判断：曝光量
排除：排除毛利率无法覆盖CPC波动的SKU
数据输入和输出结构明确，非常适合做成转化诊断任务。
高度结构化，适合做每日/每周只读诊断任务，并保留人工决策边界。
数据字段明确，适合自动运行；但补货会占用现金，需设置审批线。
非常适合作为后续经营任务的底层工具架构，但必须保守处理权限和平台迁移。
结构化程度高，适合变成类目机会评分任务；但必须替换为淘宝/拼多多真实数据源并加入US母婴合规校验。
漏斗诊断逻辑清楚，字段可从广告报表直接读取，是高优先级任务化对象。