方法审核
需要登录才能执行审核操作
浏览审核队列不强制登录;触发任务和提交操作需要先登录。
Score
93
来源总结了库存跟踪、需求预测、安全库存、补货点、售罄率及过量库存等库存管理要素。迁移到淘宝、拼多多时,可用平台订单和退款后的净需求计算补货点,并叠加美国跨境运输和供应商提前期;Amazon特有库存绩效指标不能直接照搬。
核心做法:按SKU清洗支付、取消、退款和缺货数据,计算净需求及波动
判断:预测绝对百分比误差或加权绝对误差
排除:新品数据不足时不得仅靠历史均值自动大批补货
输入、公式、情景和采购护栏可标准化,能直接生成每日建议;实际下单仍应保留人工审批。
Score
93
来源给出安全库存公式“最大日销量×最大交期-平均日销量×平均交期”和订货点公式“平均销售速率×交期+安全库存”,并区分固定、交期需求、季节性、JIT和ABC策略。迁移到淘宝、拼多多时,以店铺净销量、促销标签、供应商实际入库交期和可售库存计算,公式作为初始规则而非普适最优模型。
核心做法:按SKU汇总近90至180天支付后净销量,并标注大促、断货、异常退款和新品冷启动日。
判断:现货率
排除:排除Electronics和High-return fashion。
公式、输入和策略分层明确,能直接形成SKU预警任务;极值敏感、促销波动和采购资金风险要求保留回放验证及人工审批。
Score
93
Amazon Ads 指南介绍基于计划和表现条件的预算规则,用于在特定日期或达到表现条件时调整广告预算。可迁移到淘宝、拼多多的部分是预算基线、时间规则、表现规则和调整上限;具体指标字段、归因窗口和可用自动化能力必须按平台后台重新映射。
核心做法:按店铺、商品组和广告计划记录最近 28 天分时消耗、点击、成交、退款和贡献利润。
判断:预算耗尽时点
排除:排除转化样本不足仍自动扩量
规则触发条件、预算上限和熔断条件均可结构化,适合先做建议型 任务,再通过小额权限逐步验证。
Score
93
FTC问答解释了背书中的重大关系披露、免费产品、联盟佣金、员工关系、社交媒体表达及广告主监督责任。可迁移为淘宝、拼多多商家的合作登记、内容逐条扫描、声明证据核验和整改留痕步骤;具体披露形式需结合内容语言、展示位置、目标受众和平台功能判断,不能机械套用单一标签。
核心做法:登记内容创作者、评价者或关联方与商家之间的付款、赠品、折扣、佣金、雇佣及亲友关系。
判断:重大关系登记完整率
排除:排除Electronics和High-return fashion推广项目。
官方来源权威,关系、声明、证据和披露检查可结构化;法律语境和视觉显著性仍需人工判断。
Score
93
Amazon文章贡献了静态与动态定价的区分、新品低价或优惠启动、竞争参考价、最低与最高价格范围以及误导性价格和过高运费等禁区。迁移到淘宝、拼多多时,以站内同规格商品价格分位数替代Featured Offer,并把平台佣金、活动补贴、退款损耗和跨境履约成本纳入价格下限。
核心做法:按SKU归集采购、头程、仓储、包装、平台费、支付费、广告分摊、售后损耗和税费,计算完全单位成本
判断:贡献毛利率
排除:剔除不同容量、数量、材质或服务承诺的伪同款
直接保护毛利且输入、规则、熔断条件清晰;跨平台迁移只需替换竞争价格信号,但最终改价应保留审批。
Score
93
CPSC官方指南说明美国儿童玩具和产品的小部件法规框架、测试圆筒、年龄区间、禁令与警示要求。可直接贡献适用性问卷、部件测试和标签分流指标;淘宝和拼多多只是销售与获客渠道,面向美国消费者时仍须按产品事实、年龄和美国法规判定,不能用平台审核代替合规。
核心做法:收集产品用途、设计年龄、营销文案、尺寸、材料、可拆部件和包装内全部附件。
判断:部件清单完整率
排除:拒绝三岁以下儿童适用且在测试后产生被禁止小部件的产品。
美国官方来源、禁售边界明确且适合形成发布前证据闸门;年龄判断和法规组合仍需合规人员最终签字。
Score
93
CPSC页面说明儿童产品证书由制造商或进口商基于CPSC认可第三方实验室的合规测试出具,并列出产品描述、适用规则、责任主体、生产日期地点、测试日期地点及实验室信息等证书要素。迁移到淘宝、拼多多时可用于面向美国市场的商品准入清单,但平台上架成功不代表满足美国进口和销售义务。
核心做法:确认商品是否属于主要为12岁及以下儿童设计或使用的儿童产品
判断:CPC字段完整率
排除:无法确认目标年龄或儿童产品属性的SKU不得自动放行
官方来源权威、字段和阻断条件明确,尤其适合母婴类目的文档核验任务;最终规则判定、测试和证书签发仍须专业人员负责。
Score
93
Evidently提供数据质量、数据漂移、测试套件、报告和监控能力,可比较参考数据与当前数据并按特征输出漂移结果。可迁移步骤包括建立参考窗口、配置字段级检测、生成测试报告和持续监控;其检测结果不会自动给出淘宝、拼多多业务根因,需结合活动、价格、库存及平台规则进行人工诊断。
核心做法:定义订单、流量、广告、库存和售后数据表的字段口径及责任人
判断:异常检出率
排除:大促期不得直接与普通周基线比较
检测、分级、冻结和责任分流均可规则化,能够为其他经营任务提供安全前置层,且不直接产生不可逆业务动作。
Score
93
来源区分按时间表和按绩效触发的预算规则,同时提出以ROAS、点击率、转化率作为扩额条件,并用排期竞价与ROAS护栏管理出价。迁移到淘宝直通车、万相台及拼多多推广时,应使用平台实际支持的自动规则;不支持的部分由监控任务提出调整建议,不能假设Amazon功能存在。
核心做法:为每个推广计划登记目标、商品、归因窗口、毛利口径、日预算和最大可承受获客成本。
判断:ROAS
排除:未达到最小有效订单量或仍处于归因延迟期时不得扩额。
数据字段、触发器和回撤逻辑高度结构化,适合规则任务;大幅预算变更与平台实际执行权限应保留人工审批。
Score
93
CPSC页面贡献了儿童玩具及产品中小部件规则的适用范围、年龄相关要求、小部件测试装置判断思路及警示要求。迁移到淘宝、拼多多商家流程后,任务先检查年龄适用性、部件脱落场景、测试证据和页面警示,再决定是否允许面向美国市场发布;具体法规适用和测试结论仍须由合格实验室或专业人员确认。
核心做法:记录产品预期用途、设计特征、包装、营销表达和合理可预见使用者年龄,不仅采用供应商声明
判断:部件清单完整率
排除:排除无法合理确认适用年龄的儿童商品
官方来源可信、证据链和拒绝条件明确,适合自动预审;因涉及儿童安全,最终法规判断和发布放行必须由人工承担。
Score
93
来源提出利用历史销量、季节性、促销日历、市场变化、顾客行为、供应商交期和退货模式预测需求,并给出补货点等于平均日销量乘交期再加安全库存的基本框架;同时强调销量速度、售罄率和毛利应联合判断。迁移到淘宝、拼多多时,应按店铺促销节奏、平台库存口径和国内供应商实际交期重新估计。
核心做法:核对淘宝、拼多多可售库存、锁定库存、在途库存和退货待检库存,修复负库存及重复记录。
判断:预测加权绝对百分比误差
排除:排除Electronics和High-return fashion。
数据字段、计算公式、触发条件和回测指标均可配置,能直接支持日常补货;采购付款和资质异常保留人工审批即可控制风险。
Score
93
开源项目贡献了层级时间序列预测的聚合结构、预测协调和概率预测方法,可用于让SKU预测与类目、店铺总量保持一致。迁移时以淘宝、拼多多净销量和库存为输入,但补货决策仍需叠加供应商交期、起订量、保质期及大促信息。
核心做法:建立店铺—类目—SKU层级映射并清洗取消、退款、异常刷单和断货日期
判断:加权绝对百分比误差
排除:排除数据不足且无可比替代品的新品自动补货
数据结构、回测、预测协调和例外队列均可程序化,适合生成滚动补货任务。
Score
93
来源贡献了Recency、Frequency、Monetary三项客户分层指标及高价值、流失风险等分群思路。迁移到淘宝、拼多多时,应使用合法获得的站内订单和会员数据重新计算分位数,并在平台允许的消息、会员或广告工具内触达。
核心做法:统一买家匿名标识,剔除取消、全额退款、测试和异常订单
判断:30天和90天复购率
排除:排除取消、全额退款、员工和测试订单
计算逻辑、分群输出和频控规则高度结构化,适合形成每日运营任务任务。
Score
93
CPSC指南说明制造商、进口商、经销商和零售商的潜在报告义务、需评估的信息类型及及时报告原则。可执行迁移是为淘宝、拼多多面向美国市场的商品建立事件汇聚、初筛、升级和证据保存流程;是否达到法定报告标准必须由具资质人员判断。
核心做法:汇聚淘宝、拼多多客服、评价、退款、伤害投诉、检测报告、供应商通知和海外渠道事件。
判断:高风险事件首次响应时长
排除:禁止因事件数量少而自动判定无需报告。
事件汇聚、去重、计时和升级非常适合自动化,同时明确保留法律判断、报告和召回决策的人工权限。
Score
93
来源提供基于竞争价格、最低和最高价格以及规则状态自动调价的框架。可迁移到淘宝、拼多多的部分包括价格上下界、事件触发、规则启停和效果监控;平台流量分配及活动价规则不同,因此不能照搬Amazon竞争报价逻辑。
核心做法:按SKU计算含采购、跨境运输、平台扣费、广告、退款和售后的完全变动成本。
判断:单件贡献利润
排除:排除低于最低贡献利润价的自动降价。
规则输入清楚、结果可回滚,适合自动生成建议;由于价格变化直接影响消费者和平台治理,执行端仍需分级授权。
Score
93
来源说明FBA Inventory工具可监控需求预测、超额库存比例、滞留库存、售罄率和在库率,并以90日滚动售罄寻找库存平衡。迁移到淘宝、拼多多时,应将“滞留库存”改写为有实物但因商品链接下架、规格错误、仓配锁定或合规问题而不可售的库存,并使用店铺及仓库真实数据计算。
核心做法:按SKU核对账面库存、实物库存、可售库存、锁定库存和在途库存
判断:90日滚动售罄率
排除:排除盘点差异未解决或SKU映射错误的数据
指标和处置类型明确,区别于单纯库龄清理,能够减少虚假缺货、错误补货和盲目促销。
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。
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。
Score
93
Amazon Manage Your Experiments工具页说明卖家可以测试商品页内容以比较不同版本表现。来源贡献了官方A/B实验框架:围绕商品页内容创建对照版本,比较实验结果,用数据判断内容改动是否提升表现。
核心做法:选择有足够流量和稳定库存的ASIN,避免低样本实验。
判断:Conversion rate
排除:排除低流量、断货、Buy Box异常或广告大幅波动期间的实验。
官方工具与实验方法明确,非常适合做商品页 CRO 任务,但发布动作必须人工确认。
Score
93
APIClaw Amazon Analysis提供14种内置选品模式,包括hot-products、rising-stars、underserved、high-demand-low-barrier、emerging、long-tail、new-release等,并使用categories、markets/search、products/search、competitors、reviews/analysis、price-band、brand-overview和history等端点。来源贡献了多模式筛选、价格带机会、品牌集中度、30天趋势和数据置信标签。
核心做法:锁定US母婴低风险配件类目路径,避免泛关键词误入喂养、睡眠、电子或医疗方向。
判断:多模式命中次数
排除:排除只在hot-products单一模式命中但无长期趋势和供给验证的方向。
多模式、端点和置信标签设计非常适合任务化筛选;需要补充淘宝/拼多多供应层和母婴合规硬门槛。
Score
93
该Skill用Review信号、关键词信号和社区信号三维交叉验证一个功能点是否为真实需求,并支持Sorftime或本地review_source_pack降级模式。来源贡献了可执行的证据链框架:评论中是否直接提到、关键词中是否主动搜索、Reddit/Quora等社区是否购买前讨论,以及输出可回查CSV字段。
核心做法:从US母婴低风险配件中提出一个微创新功能假设,例如折叠、可拆洗、免打孔、分区、轻量化,但不涉及安全、睡眠、喂养或医疗功效。
判断:评论痛点出现频次
排除:排除涉及入口接触、喂养、睡眠、医疗、杀菌或儿童安全承诺的功能点。
该方法非常适合做选品流程中的差异化验证子模块,能防止只凭感觉定义卖点;但它不是完整市场规模判断,需要接在主选品流程之后。
Score
93
GitHub 提示词 明确要求输入 category、market、buyer、marketplaces,并逐源采集 search query、product title、price、shop、URL、core claims、target persona、review themes、repeated complaints、visible differentiators;输出 raw product table、price bands、common claims、underserved complaints、positioning opportunities 和 follow-up questions。
核心做法:输入目标类目、US market、目标买家和允许的平台列表。
判断:有效来源数量
排除:排除无法访问、无 URL 或页面需要登录但未注明的来源。
虽然业务验证较弱,但输入、步骤、输出和边界非常清晰,是最适合第一版 任务化的开源 workflow。
Score
93
Amazon 关于 sales estimator 的内容强调通过销量追踪和预测辅助库存、竞争和新品机会判断,适合转化为需求门槛验证方法。
核心做法:限定 Amazon US 和目标类目,先从需求主题而非具体商品开始建候选池。
判断:估算月销量区间
排除:排除 Electronics
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。
Score
92
Google Ads官方说明了选择基础广告系列、创建试验版本、在原始组和实验组之间拆分预算或流量、按指定周期比较结果,并在实验胜出后应用设置;同时提示结果未定时应继续收集数据。迁移到淘宝、拼多多时,可测试出价、定向、素材或投放时段,但应使用平台原生实验功能或可比地域、时段形成受控对照。
核心做法:选择转化追踪稳定、库存充足且过去28天无重大结构变更的广告单元。
判断:增量支付转化
排除:排除Electronics和High-return fashion广告实验。
变量、对照、监测和放量规则可结构化,但平台分流能力不足时必须降低结论置信度。
Score
92
来源明确给出选择SKU、创建竞争型或销量型规则、设置最低价和最高价、启动调价以及结合30日价格历史与销售报告复盘的步骤。迁移至淘宝、拼多多时,可复用规则参数、SKU批量处理和历史回放思想,但Amazon Featured Offer等指标必须替换为平台曝光、点击、支付转化、活动价和同款价格带。
核心做法:汇总SKU近30天标价、券后价、活动价、销量、访客、支付转化率、退款率、库存和完全成本
判断:单SKU贡献毛利额
排除:排除Electronics和High-return fashion
输入、触发器、上下限和回放结果均可结构化,商业价值清晰;但价格发布必须保留财务与运营审批。