Score
94
Amazon 关键词研究内容强调理解客户在 Amazon 中使用的搜索词，并将相关关键词自然用于标题和描述，以提升产品可见性。
核心做法：从目标类目 seed keywords 出发，收集 Amazon 搜索建议、竞品标题、bullet、评论和问答中的长尾表达。
判断：长尾词具体度
排除：排除 Electronics 相关词簇
输入输出天然结构化，排除规则明确，是最适合第一版 任务化的长尾发现方法之一。
Score
85
Shopify关于产品研究的内容强调通过市场需求、趋势、竞争、目标客户、利润和可销售性来验证产品创意，适合建立独立站选品前的研究流程。
核心做法：从美国消费者问题、兴趣社区、搜索趋势、竞品网站和社媒内容中生成niche方向。
判断：需求趋势稳定性
排除：排除只能靠低价竞争、没有品牌差异化的通货机会。
Score
83
TikTok Shop Seller University的Product Analytics说明卖家可通过商品维度查看GMV、订单、销售、趋势、流量漏斗、内容和达人表现，用于监控和优化商品表现。
核心做法：从美国TikTok Shop相关类目、热门内容、达人带货和平台商品数据中识别微趋势。
判断：GMV增长趋势
排除：排除只由单条爆款视频驱动、缺少持续订单信号的机会。
Score
91
Jungle Scout的产品研究框架强调在采购前验证需求、竞争和盈利能力，并通过价格、销量、评论、排名、商品页质量和成本估算筛掉低质量机会。
核心做法：用类目或关键词生成候选niche，而不是直接锁定单品。
判断：月销量稳定性
排除：排除售价过低导致广告和FBA费用后无利润的机会。
Score
91
Amazon Product Opportunity Explorer是面向卖家的官方工具，用于查看客户搜索与购买行为、细分市场趋势、热门搜索词、商品表现和客户评论信号，适合从需求缺口角度建立机会池。
核心做法：选择美国Amazon marketplace作为研究范围，按类目或关键词进入细分niche。
判断：搜索需求稳定性
排除：排除明显侵权、仿牌或依赖受保护IP的机会。
去重驳回：2026-05-29T06:39:58.518Z 判定为重复方法，保留主方法 cmpp0vgh50004dn3nke5q4ty3。记录保留用于审计，未删除。
平台数据价值高，但方法对趋势判断和内容质量依赖较强，需要更多人工审美与政策复核。
方法成熟、步骤清晰、指标可结构化，适合成为Amazon FBA方法库核心模板。
官方数据源、指标结构清晰，适合作为机会发现任务的上游方法，但需人工复核合规和利润。