## 任务：亚马逊差异化选品分析报告

### 数据采集指令
1. 请调用 Amazon Scraper Skill，抓取以下类目的 BSR Top 20 榜单数据：
   - 类目：[填入目标类目，如 "Kitchen & Dining > Coffee Makers"]
   - 数据字段：ASIN、标题、评分、评论数、当前价格、变体数量、首次上架日期
   - 邮区：10001（纽约，用于价格基准）

2. 针对 BSR 前 5 名中评论数 > 500 的 ASIN，逐一抓取最近 30 条最差评论（1-2星），
   提取以下字段：评论日期、评论正文、已购买变体

### 分析指令
3. 对差评内容做聚类分析，识别出以下维度的高频问题：
   a) 产品功能缺陷（硬件/软件/材质）
   b) 使用体验问题（安装步骤/使用门槛/噪音/气味）
   c) 物流与包装问题（排除在产品改款范围外）

4. 将 "产品功能缺陷" 和 "使用体验问题" 中出现频率 ≥ 3 次的痛点，
   与 BSR 前 5 名产品的规格参数做交叉比对，判断：
   - 哪些痛点是同类产品的共性缺陷（全部竞品都有）？
   - 哪些痛点仅存在于特定价格段或特定品牌？

### 输出格式
5. 生成《差异化选品机会报告》，包含：
   - 市场概况（BSR 前 20 均价、评分分布、竞争密度评估）
   - Top 3 差异化切入点（每个切入点说明：痛点来源、当前市场空白、建议规格方向）
   - 风险提示（如：该痛点是否为亚马逊政策限制项，是否涉及专利敏感区间）
            

import requests
import json

# Pangolinfo Scrape API - 亚马逊BSR榜单实时采集
# 文档：https://docs.pangolinfo.com/cn-api-reference/universalApi/universalApi

API_KEY = "your_api_key_here"
ENDPOINT = "https://api.pangolinfo.com/v1/scrape"

def fetch_amazon_bsr(category_node_id: str, marketplace: str = "US", zipcode: str = "10001"):
    """
    获取亚马逊指定类目BSR Top 100榜单数据
    
    Args:
        category_node_id: 亚马逊类目节点ID
        marketplace: 站点（US/UK/DE等）
        zipcode: 指定邮区，影响价格和库存显示
    
    Returns:
        结构化JSON，包含ASIN列表及核心指标
    """
    payload = {
        "target": "amazon_bestsellers",
        "category_id": category_node_id,
        "domain": f"amazon.{'com' if marketplace == 'US' else marketplace.lower()}",
        "location": zipcode,
        "output_format": "json"
    }
    
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }
    
    response = requests.post(ENDPOINT, json=payload, headers=headers, timeout=30)
    response.raise_for_status()
    
    data = response.json()
    return data.get("results", [])


def fetch_product_reviews(asin: str, star_filter: list = [1, 2], limit: int = 30):
    """
    获取指定ASIN的差评数据，用于竞品痛点挖掘
    
    Args:
        asin: 亚马逊商品标识符
        star_filter: 抓取的评星范围
        limit: 返回评论数量
    """
    payload = {
        "target": "amazon_reviews",
        "asin": asin,
        "star_rating": star_filter,
        "sort_by": "recent",       # 按时间倒序，获取最新差评
        "limit": limit,
        "output_format": "json"
    }
    
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }
    
    response = requests.post(ENDPOINT, json=payload, headers=headers, timeout=30)
    response.raise_for_status()
    
    reviews = response.json().get("reviews", [])
    
    # 提取关键字段供AI分析
    cleaned = [
        {
            "asin": asin,
            "date": r.get("date"),
            "rating": r.get("rating"),
            "title": r.get("title"),
            "body": r.get("body"),
            "variant": r.get("variant_attributes", {})
        }
        for r in reviews
    ]
    return cleaned


if __name__ == "__main__":
    # 示例：采集厨房咖啡机类目BSR，并抓取前3名竞品差评
    print("正在采集BSR榜单数据...")
    bsr_data = fetch_amazon_bsr(category_node_id="284507", marketplace="US")
    
    top_asins = [item["asin"] for item in bsr_data[:3] if item.get("asin")]
    
    all_negative_reviews = []
    for asin in top_asins:
        print(f"正在采集 {asin} 的差评数据...")
        reviews = fetch_product_reviews(asin=asin, star_filter=[1, 2], limit=30)
        all_negative_reviews.extend(reviews)
    
    # 输出供AI分析的原始数据
    with open("negative_reviews_for_analysis.json", "w", encoding="utf-8") as f:
        json.dump(all_negative_reviews, f, ensure_ascii=False, indent=2)
    
    print(f"✅ 数据采集完成，共 {len(all_negative_reviews)} 条差评，已写入 negative_reviews_for_analysis.json")
    print("下一步：将此文件内容作为上下文传入AI模型，执行差异化选品分析Prompt。")