Score
93
Amazon Ads指南区分按时间表增加预算和达到ROAS、点击率或转化率门槛后增加预算两类规则，并给出按百分比扩量和持续监测的执行方式。迁移到淘宝直通车、万相台及拼多多推广时，应使用各自可获得的投产比、成交成本和预算数据重建规则，不能假设平台支持完全相同的自动触发器。
核心做法：按商品、目标和流量类型拆分广告计划，剔除追踪不完整或库存异常计划
判断：ROAS
排除：排除Electronics与High-return fashion
触发条件、增幅、上限和止损均适合规则引擎；考虑平台接口及资金风险，初期应采用只读建议和人工审批。
Score
91
Amazon来源给出了版本A与版本B、实验假设、随机分流、完整运行周期以及以样本量、转化率、销量和访客产出判断胜者的流程，并建议差异足够明显、不要因早期结果提前终止。迁移到淘宝、拼多多时，可用平台实验工具；若无原生随机分流，只能采用相近时段轮换或匹配SKU准实验，证据等级需下调。
核心做法：筛选近28天流量充足、库存稳定、无重大促销切换且退款率不过线的SKU
判断：点击率
排除：排除Electronics与High-return fashion
Score
89
来源说明退货政策需要定义可退商品、退货原因、时间窗口和处理系统，并指出退货成本高但可转化为信任与复购机会；可迁移到淘宝/拼多多的售后规则、商品详情承诺、客服话术和退款原因复盘。
核心做法：梳理平台强制售后规则、店铺承诺、类目特殊规定和US市场消费者预期。
判断：退款率
排除：不承诺平台规则以外但无法履约的无条件退换。
Score
91
来源介绍Sponsored Products、Sponsored Brands、Display ads、Brand Stores等不同广告形态，并强调投放前准备和组合使用覆盖消费者旅程；可迁移为淘宝直通车/万相台、拼多多搜索/场景推广的预算分层启动法。
核心做法：投放前检查商品准备度：主图、标题、价格、评价、库存、售后承诺和详情页是否达标。
判断：CTR
排除：商品详情页未达标、库存不足或差评未处理时不放量。
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
86
来源提出电商陈列的关键组成包括品牌识别、页面布局、商品分组和个性化推荐；可迁移到淘宝/拼多多店铺首页、分类页、商品橱窗、推荐位和活动页运营。
核心做法：盘点店铺商品并按使用场景、价格带、生命周期、套装关系和目标人群重新分组。
判断：页面点击率
排除：不把高风险或资料不完整商品放入主推位。
Score
92
来源强调用Product Opportunity Explorer识别未满足需求、高销售潜力、低竞争、购买与退货洞察、搜索词和评论洞察；可迁移为淘宝/拼多多的搜索词热度、竞品数量、评价痛点、退款原因和小样上新验证流程。
核心做法：从淘宝/拼多多后台、搜索下拉词、类目热榜和竞品标题中采集候选需求词。
判断：搜索热度趋势
排除：排除Electronics和High-return fashion。
Score
93
来源定义儿童用品为主要设计或 intended for 12岁及以下儿童使用的消费品，并列出判断因素：制造商声明、包装/展示/广告表达、消费者通常认知和年龄判定指南；可迁移为淘宝/拼多多母婴及儿童相关商品上架前合规筛查。
核心做法：读取商品标题、详情页、图片、包装、广告语和目标人群描述。
判断：儿童用品判定准确率
排除：缺少证据时不得写无毒、安全认证、防窒息、适合婴儿等承诺。
Score
86
来源说明供应链管理涵盖采购、物流、供应商关系、仓储和交付，并强调效率、成本、质量和及时交付；可迁移为淘宝/拼多多商家的供货节点监控与异常预警流程。
核心做法：列出每个商品的供应链节点：供应商、起订量、生产/备货周期、质检方式、入仓、发货、售后反馈。
判断：准时交付率
排除：不对缺少稳定供应和质检记录的SKU做大促承诺。
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
85
来源解释营销漏斗用于匹配不同客户旅程阶段，并指出认知阶段、购买前和老客阶段需要不同内容与动作；可迁移为淘宝/拼多多店铺流量入口、商品详情、客服、收藏加购和复购承接设计。
核心做法：按流量来源拆分用户阶段：搜索新客、推荐浏览、收藏加购、下单未付、已购老客。
判断：访问到收藏率
排除：不得把所有漏点都归因于价格。
Score
90
来源明确提出Amazon SEO由搜索框、搜索筛选、关键词、标题描述、图片、价格等因素共同影响，可迁移为淘宝/拼多多的搜索词采集、标题属性覆盖、主图点击率和转化率联动优化流程。
核心做法：导出近30天淘宝/拼多多搜索词、曝光、点击、成交、转化率和退款数据。
判断：搜索曝光增长率
排除：排除与商品真实属性不符的热词。
Score
85
该GitHub Skill聚焦商品合规与安全，包括认证、标签要求、受限物质和文档。迁移到淘宝、拼多多时，应把Amazon marketplace规则替换为平台规则、US市场监管要求和类目资质要求，并保留人工法务或运营复核。
核心做法：收集商品基础信息：类目、材质、适用年龄、功能宣称、产地、目标市场和供应商资料。
判断：资料完整率
排除：缺少必要检测或标签资料的母婴用品不得上架。
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
89
Shopify Vendor Management文章强调选择供应商、谈判、监控供应商表现和维护可靠供应链。可迁移为淘宝、拼多多商家的供应商评分卡，尤其适合US市场下对履约稳定、质检和合规资料要求较高的品类。
核心做法：列出所有核心SKU供应商，并记录采购价、起订量、交期、历史准时率、质检不良率和售后响应。
判断：准时交付率
排除：无法提供母婴安全、材质、标签或检测资料的供应商不得进入核心供应池。
Score
88
Amazon Seller Blog强调定价策略、竞争价格、自动调价规则和Featured Offer竞争。可迁移的部分是：建立最低/最高价、竞品监控、规则化调价和持续评估；迁移限制是淘宝、拼多多没有完全相同的Buy Box机制，需要改为搜索排序、活动坑位和转化率监控。
核心做法：为每个SKU计算最低可售价格：采购成本、平台佣金、物流、广告成本、售后预留和目标毛利。
判断：毛利率
排除：低于毛利底价的调价建议必须拒绝。
Score
90
该GitHub Skill把搜索词报告分析、低效流量识别、ACoS/转化模式评估、否定关键词分层、节省金额估算和持续监控拆成步骤。迁移到淘宝、拼多多时，可把Amazon search term report映射为直通车/万相台/多多搜索推广的搜索词、点击、花费、成交、ROI等字段。
核心做法：导出近14至30天广告搜索词数据，字段至少包含搜索词、展现、点击、花费、成交订单、成交金额、转化率、ROI或ACoS。
判断：浪费花费占比
排除：品牌词、核心品类词、活动主推词不得自动否定，必须人工复核。
Score
92
FTC指南明确社交媒体影响者应清楚披露与品牌的关系，并避免误导性背书；可迁移为淘宝/拼多多商家在US市场使用达人素材、买家秀和短视频广告前的合规审查清单。
核心做法：识别素材是否来自达人、返佣、赠品、付费测评或员工/亲友关系。
判断：素材一次审核通过率
排除：排除未披露商业合作关系的达人素材
Score
89
Shopify运输文章梳理了免费配送、固定运费、实时费率、同日/隔夜等履约选项和利润权衡，可迁移为淘宝/拼多多店铺面向US市场的运费承诺、包邮门槛和异常预警方法。
核心做法：按SKU计算重量、体积、售价、毛利、平均运费和退货成本。
判断：运费占GMV比例
排除：排除毛利无法覆盖平均运费和退货风险的SKU
Score
90
该GitHub项目展示了从订单ETL、财务KPI、RFM客户分群、Cohort留存、流失分析到Streamlit仪表盘的完整开源分析流程，可迁移为淘宝/拼多多店铺经营诊断任务。
核心做法：抽取淘宝/拼多多订单、用户、SKU、退款、优惠和履约数据，统一清洗字段。
判断：30/60/90天复购率
排除：排除无法稳定识别用户ID的数据集
Score
92
Shopify文章提供弃购邮件的时间节奏、文案模板和转化策略，可迁移为淘宝/拼多多站内私域、客服、优惠券和店铺消息的弃购召回流程；邮件渠道不可直接照搬，需替换为平台允许的触达方式。
核心做法：按SKU和用户行为识别加购未付款、收藏未购买、下单未支付三类人群。
判断：弃购召回转化率
排除：排除毛利低于优惠和履约成本的SKU
Score
88
TikTok Creative Center提供趋势、热门创意和内容信号，可迁移为淘宝/拼多多商家的趋势需求发现、卖点表达拆解和短视频素材验证步骤；不可直接迁移其广告算法结果，只能迁移趋势观察与创意结构分析方法。
核心做法：收集US市场相关趋势词、热门视频表达、评论中重复出现的使用场景和痛点。
判断：短视频CTR
排除：排除Electronics和High-return fashion
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
81
Reddit讨论中卖家提到创意测试时使用ad set budget以获得更一致的花费，避免预算过早倾斜到单一广告，并测试不同广告组和素材。该社区经验可迁移为淘宝万相台、引力魔方和拼多多全站推广/多多搜索中的素材角度测试纪律，但不能直接复用Facebook预算结构。
核心做法：为同一商品建立创意角度池：痛点解决、场景演示、价格利益、对比证明、开箱信任、母婴安全感。
判断：CTR
排除：排除夸大功效、虚假对比、未经证实的母婴安全宣称。
假设、输入、版本、样本量和判定条件均可结构化；但发布胜出内容前仍需人工检查平台规范和母婴宣称。
售后记录、退款原因和政策条款可结构化处理，适合做成合规风控和客服话术任务。
广告矩阵、预算阈值和停止条件都可结构化，适合任务化做日常巡检。
数据输入和输出结构明确，非常适合做成转化诊断任务。
适合由任务读取商品表现和页面坑位，输出陈列调整建议；需人工确认平台装修限制。
步骤清晰、指标结构化，适合做成选品机会评分任务，但必须接入淘宝/拼多多本地数据验证。
官方来源可信，规则字段清晰，适合做上架前合规筛查任务，但需要人工最终复核。
适合做只读预警和补货建议，但采购和供应商更换必须人工确认。
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。
适合任务按漏斗指标生成素材任务和转化漏点，但最终营销动作需人工审核。
输入和输出可结构化，适合做搜索词诊断、标题属性审计和实验复盘任务。
合规资料检查适合任务做前置筛查，但必须保留人工审批和平台规则更新机制。
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。
适合沉淀为月度供应商健康检查任务，直接影响缺货、差评和现金流。
价格、成本、库存和竞品价均可结构化，但最终调价涉及利润和品牌风险，应保留人工确认。
输入输出高度结构化，适合定期自动扫描，但否定词落地需人工审批避免误杀。
官方来源可信，规则可转成素材预审清单；但高风险判断仍需人工复核。
履约、运费、毛利和投诉数据可结构化监控，适合风控型供应链运营任务。
开源工作流结构完整，输入输出清晰，适合改造成店铺BI诊断与动作推荐任务。
行为识别、分层触达、优惠护栏和复盘指标明确，适合转成每日运营任务。
趋势采集、SKU映射、素材生成和小预算验证都可结构化执行，适合任务每日扫描与测试建议。
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。
虽然来源可信度低于官方文章，但创意测试流程明确，适合做广告素材实验任务；需用平台真实数据二次验证。