2026 亚马逊选品工作流模板：WorkBuddy 实操 + 打分卡，60 分钟跑出蓝海

系列执行手册导航（Pangolinfo 选品方法论配套实操库）：
本文为《亚马逊细分市场挖掘工作流 (Amazon Niche Discovery Workflow)：2026 数据与 AI 六步选品指南》支柱文章的配套执行手册第 1 篇（A1）。全系列共 4 篇（系列第 2-4 篇陆续发布）：

• 第 1 篇（本文）： 亚马逊选品工作流模板、Google Sheets 标准表头与真实案例排雷
• 第 2 篇（A2）： WorkBuddy + MCP 五步选品自动化工作流执行细则
• 第 3 篇（A3）： 亚马逊利基验证量化打分卡与五条 Kill Switch 方法论
• 第 4 篇（A4）： 亚马逊选品 AI 提示词链、VOC 痛点矩阵与 FBA 利润试算包

这套亚马逊选品工作流模板能在 60 分钟内跑完利基数据拉取、SERP 验证、VOC 拆解与一票否决打分，直接输出立项或放弃结论。传统选品流程普遍存在两个结构性缺陷：一是过度依赖第三方插件的月度估算值，把滞后指标当成实时盘面；二是缺乏刚性的“杀死条件（Kill Switch）”，导致团队在投入大量精力找货源、算模具费之后，才发现目标类目的前五名品牌已经锁死了 75% 以上的点击份额，或者全屏广告位早已将自然流量挤压殆尽。关于六阶段选品底层框架、POE 后台与 API 数据的结构性差异，已在亚马逊选品工作流支柱指南中完成论证，本文不再重复理论推导，直接交付可落地的表格结构、数据接口配额方案与真实利基的打分排雷过程。

1. 这套模板 60 分钟交付什么

定义： 60 分钟亚马逊选品工作流模板（Niche Discovery Workflow Template）是一套将官方级利基聚合指标、前台实时搜索结果页（SERP）与商品详情页（PDP）客户之声（VOC）合并至同一张电子表格的标准化立项决策工具。它不追求罗列上百个参考维度，而是聚焦于决定新品生死的四类核心信号：需求趋势、点击垄断度、新品存活率与差评改造空间。

论证： 为什么必须将时间窗口锁定在 60 分钟，且必须结合 API 与实时抓取？在选品漏斗的初筛与复核阶段，分析员的单日有效精力只能支撑有限数量细分市场的深度拆解。如果单个利基的数据采集、清洗与对齐耗时过长，团队就会在操作疲劳中下调审核标准，用主观直觉替代数据硬指标。通过将 Amazon Niche Data API 的宏观聚合指标与底层 Scraper API 的微观实时盘面打通，并交由支持 MCP 协议的客户端（如 WorkBuddy）自动拉取与填表，原本需要人工跨多个网页复制粘贴的繁琐工作，可以被压缩进 60 分钟的标准作业程序（SOP）中。

在这 60 分钟内，该模板向选品团队固定交付四项标准化资产：

1.1 标准化的 Google Sheets 双层数据底表

底表由“宏观利基指标区（Niche API 驱动）”与“微观竞品核验区（实时 SERP + PDP 驱动）”拼接而成。宏观区直接读取 90 天与 360 天的真实搜索量、增长率、前五产品与前五品牌点击份额、360 天上新总数、90 天成功上新数以及退货率；微观区则记录核心关键词当天的 60 条 SERP 席位分布（自然位 vs 广告位）、价格带中位数、前十名自然位的评论数阶梯，以及标杆竞品的 AI 评论摘要正负面主题频次。这种双层设计避免了“只看利基均值误判头部壁垒”或“只看单品销量忽视类目萎缩”的单维盲区。

1.2 含一票否决机制（Kill Switch）的量化打分卡

打分卡并非为了给每个品类凑出一个及格分，而是为了在立项前执行严格的排雷。模板内置五大评分维度（需求与增速、点击集中度、评论与上新壁垒、流量获取成本、VOC 改良与利润空间），同时前置五条刚性 Kill Switch 规则（注：全文涉及的打分权重、分数档位、Kill Switch 熔断阈值及 FBA 目标利润率等参数，均为本模板建议口径，而非实测数据或平台官方标准）。只要目标市场触发任意两条红线——例如广告位占比逼近饱和、头部品牌点击垄断且近期新品存活率为零——系统直接给出“STOP（放弃）”或“CAUTION 偏 STOP（高危劝退）”指令，强制终止后续的供应链询价动作。

1.3 可直接复用的 WorkBuddy 中文提示词与配置结构

为了消除手工整理 JSON 数据的门槛，模板配套了针对 Amazon Data MCP 的标准中文提示词指令。用户无需编写 Python 解析脚本，只需在客户端配置好远程 MCP 地址，即可通过自然语言指令让 AI Agent 依次调取利基快照、实时 SERP 列表与头部 ASIN 详情，并按照第 2 节定义的 Google Sheets 表头顺序输出 Markdown 表格，实现一键复制粘贴入库。

1.4 真实数据驱动的“反面教材”实测标杆

市面上绝大多数选品教程只展示各项指标完美契合的“理想蓝海”，导致读者在实际操盘中遇到指标冲突时无所适从。本文第 4 节将完整呈现 lick mat for dogs（狗狗舔食垫）的真实拉取数据：一个年搜索量高达 174 万、年增速 +145.9%、均价 $8.87 的看似高热度品类，如何在交叉比对 95% 广告占比、76.4% 品牌点击垄断、90 天零成功上新以及前排数千条评论壁垒后，被这套模板精准判定为“CAUTION 偏 STOP（非蓝海、高危劝退）”。看懂一个被数据杀死的案例，远比看十个美化后的成功案例更能保护本金。

1.5 免费 60 Credits 额度内的单次完整验证分配方案

Pangolinfo 为开发者与卖家提供每月 60 credits 的免费层额度（无需绑定信用卡），底层具备 99.9% 的请求成功率与 90%+ 的广告位捕获率。为了确保新用户在不产生额外费用的前提下，用完这 60 分钟工作流并跑通一个细分品类的完整立项验证，我们需要严格按照已核实的计费标准规划 API 调用。

已核实的计费规则如下：

• 商品详情页（PDP）与关键词搜索结果页（SERP）： 消耗 1 credit / 页。
• 商品评论页（Reviews API）： 消耗 5 credits / 页。
• 利基数据接口（Niche API）： 单次成功调用消耗 10 credits（产品页已核实）。

下表展示了在免费 60 credits 预算内，完成单次利基深度验证（含 1 个核心利基、2 个主词 SERP 交叉核验、5 个核心竞品 PDP 穿透及预留评论页额度）的标准调用次数分配表：

推论： 按表中 17 至 37 credits 的区间，单次完整验证消耗远低于 60 credits 免费额度上限；即使把评论抽样拉满到 4 页也只需 37 credits，仍有 23 credits 余量可用于第二个利基初筛。由于实时商品详情页（仅消耗 1 credit）已经能够返回亚马逊官方聚合的 aiReviewsSummary 正负面主题计数，分析员在绝大多数情况下无需高频调用 5 credits/页的评论翻页接口，即可在极低成本下拿到高密度的 VOC 痛点分布。

2. 模板本身：可复制进 Google Sheets 的标准表头与填写说明

定义： 标准选品表头是连接非结构化网页数据与结构化立项决策的契约规范。一张合格的 Google Sheets 选品底表必须消除模糊的定性描述（如“竞争激烈”、“需求尚可”），强制所有字段以带时间戳的定量数值或枚举状态入库。

论证： 许多团队的选品表之所以沦为一次性应付差事的摆设，根本原因在于缺少统一的数据口径与时间锚点。例如，把 8 月份的利基聚合均价与 11 月份旺季前夕的实时 SERP 中位数混为一谈，或者忽略了 searchVolumeT90（近 90 天搜索量）与 searchVolumeT360（近 360 天搜索量）之间的季节性背离，都会导致备货周期与真实市场水位脱节。此外，必须将利基接口返回的 searchVolumeT90、top5BrandsClickShare、successfulLaunchesT360（及 T90 口径）、returnRateT360 四大硬核字段作为一级表头固定下来，才能在多品类横向对比时瞬间识别出垄断与退货黑洞。

以下为可直接复制进 Google Sheets 的完整标准列头（A-AB，共 28 列）及本案 lick mat for dogs 的真实填入示范：

2.1 Google Sheets 标准表头与真实数据填入总表（横向滚动复制）

2.2 全字段逐列填写说明（含义、来源、单位与取值口径）

为了保证团队多名选品人员填写的表格具备完全一致的可比性，以下逐列定义上述 28 个字段的填写规范：

1. 列 A nicheTitle（利基官方标题）：
   • 字段含义： 亚马逊官方利基词库中收录的标准聚合名称。
   • 数据来源： Amazon Niche Data API。
   • 单位与格式： 英文字符串。
   • 取值口径： 必须严格填写 API 返回的精确利基标题，不可自行用前台搜索词替换。例如本案中前台常搜 dog lick mat，但 Niche API 库中的精确聚合标题为 lick mat for dogs，两套口径必须在列 A 与列 V 中明确分列。
2. 列 B nicheSnapshotDate（利基数据快照日期）：
   • 字段含义： 宏观利基聚合指标生成的日期时间戳。
   • 数据来源： Amazon Niche Data API 响应元数据。
   • 单位与格式： YYYY-MM-DD 日期格式。
   • 取值口径： 原样记录利基快照时间（如本案为 2026-08-02），严禁将其与实时抓取 SERP 的当天日期混同，以便后续评估季度间的数据漂移。
3. 列 C serpVerifyDate（SERP 实时核验日期）：
   • 字段含义： 调取前台关键词搜索页与商品详情页的实时执行日期。
   • 数据来源： Pangolinfo Scraper API 实时抓取记录。
   • 单位与格式： YYYY-MM-DD 日期格式。
   • 取值口径： 记录执行验证当天的真实日期（如本案为 2026-11-06）。
4. 列 D searchVolumeT90（近 90 天搜索量）：
   • 字段含义： 该利基下所有关联核心搜索词在过去 90 天内的累计搜索总次数。
   • 数据来源： Amazon Niche Data API（核心必填指标）。
   • 单位与格式： 正整数（次）。
   • 取值口径： 直接读取接口返回的 searchVolumeT90 字段（本案为 463,314），用于衡量当前季度的真实需求盘子大小。
5. 列 E searchVolumeGrowthT90（近 90 天搜索量环比增速）：
   • 字段含义： 近 90 天搜索量相较于上一周期的变化百分比。
   • 数据来源： Amazon Niche Data API。
   • 单位与格式： 百分比（保留 1 位小数，带正负号）。
   • 取值口径： 读取 T90 增速字段（本案为 +2.8%）。若 T360 暴涨而 T90 增速趋近于零或转负，说明品类爆发期已过、进入存量博弈阶段。
6. 列 F searchVolumeT360（近 360 天搜索量）：
   • 字段含义： 该利基在过去一年（360 天）内的累计搜索总次数。
   • 数据来源： Amazon Niche Data API。
   • 单位与格式： 正整数（次）。
   • 取值口径： 直接读取 T360 搜索量字段（本案为 1,742,644），用该值除以 4 可与 searchVolumeT90 对照，检验是否存在明显的季节性偏态。
7. 列 G searchVolumeGrowthT360（近 360 天搜索量同比增速）：
   • 字段含义： 过去一年搜索量相较于前一年的同比增幅。
   • 数据来源： Amazon Niche Data API。
   • 单位与格式： 百分比（保留 1 位小数，带正负号）。
   • 取值口径： 读取 T360 增速字段（本案为 +145.9%）。
8. 列 H nicheProductCount（利基内统计产品总数）：
   • 字段含义： 被亚马逊算法归入该利基核心池并参与点击与销量聚合计算的头部代表性 ASIN 数量。
   • 数据来源： Amazon Niche Data API。
   • 单位与格式： 正整数（个）。
   • 取值口径： 直接读取利基产品数字段（本案为 20）。
9. 列 I nichePriceRange（利基价格区间）：
   • 字段含义： 利基统计池内产品的最低售价与最高售价边界。
   • 数据来源： Amazon Niche Data API。
   • 单位与格式： 美元区间（$Min - $Max）。
   • 取值口径： 记录最低价与最高价（本案为 $4.40 - $21.20），评估价格带的跨度与溢价空间。
10. 列 J nicheAvgPrice（利基平均价格）：
    • 字段含义： 利基内统计产品的算术或加权平均成交价。
    • 数据来源： Amazon Niche Data API。
    • 单位与格式： 美元（保留 2 位小数）。
    • 取值口径： 读取均价字段（本案为 $8.87）。均价低于 $15 的品类需高度警惕 FBA 配送费占比过高引发的毛利坍塌。
11. 列 K nicheSponsoredRatio（利基广告占比）：
    • 字段含义： 利基核心商品池中正在投放站内广告或由广告驱动流量的比例。
    • 数据来源： Amazon Niche Data API。
    • 单位与格式： 百分比。
    • 取值口径： 读取广告占比指标（本案高达 95%），直接反映该细分市场的付费买量内卷程度。
12. 列 L top5ProductsClickShare（Top 5 产品点击份额）：
    • 字段含义： 点击量排名最高的前 5 个单品（ASIN）合计占整个利基总点击量的百分比。
    • 数据来源： Amazon Niche Data API。
    • 单位与格式： 百分比（保留 1 位小数）。
    • 取值口径： 直接读取前五产品点击占比（本案为 58.3%），用于判断流量是否被极少数超级链接虹吸。
13. 列 M top5BrandsClickShare（Top 5 品牌点击份额）：
    • 字段含义： 点击量排名最高的前 5 个品牌合计占整个利基总点击量的百分比。
    • 数据来源： Amazon Niche Data API（核心必填指标）。
    • 单位与格式： 百分比（保留 1 位小数）。
    • 取值口径： 直接读取 top5BrandsClickShare 字段（本案高达 76.4%）。当该值超过 50%-60% 警戒线（本模板建议口径）时，意味着单个品牌通过多变体或多链接矩阵实现了跨席位控盘。
14. 列 N brandCount（利基活跃品牌数）：
    • 字段含义： 利基核心池内归属的不同品牌数量。
    • 数据来源： Amazon Niche Data API。
    • 单位与格式： 正整数（个）。
    • 取值口径： 读取品牌数字段（本案为 13）。结合列 H（20 个产品）可知平均每个品牌拥有约 1.54 个核心链接。
15. 列 O partnerCount（利基活跃卖家数）：
    • 字段含义： 参与该利基销售的店铺/卖家实体总数。
    • 数据来源： Amazon Niche Data API。
    • 单位与格式： 正整数（个）。
    • 取值口径： 读取卖家数字段（本案为 37）。当卖家数显著大于产品数与品牌数时，提示存在跟卖或分销结构。
16. 列 P nicheAvgBsr（利基平均 BSR）：
    • 字段含义： 利基核心产品在所属节点下的平均畅销排名指标。
    • 数据来源： Amazon Niche Data API。
    • 单位与格式： 浮点数（保留 2 位小数）。
    • 取值口径： 原样读取 API 返回的平均 BSR 数值（本案为 33.87）。
17. 列 Q nicheAvgReviewCount（利基平均评论数）：
    • 字段含义： 利基核心池内产品的平均累计留评数量。
    • 数据来源： Amazon Niche Data API。
    • 单位与格式： 浮点数（保留 1 位小数，条）。
    • 取值口径： 读取平均评论数字段（本案高达 2,227.1 条），是衡量防御墙厚度的核心指标。
18. 列 R nicheAvgRating（利基平均星级评分）：
    • 字段含义： 利基核心池内产品的平均客户打分星级。
    • 数据来源： Amazon Niche Data API。
    • 单位与格式： 浮点数（保留 3 位小数，星）。
    • 取值口径： 读取平均评分字段（本案为 4.455 星）。平均星级高于 4.4 星说明现有供给整体满意度较高，单纯靠微创新极难颠覆老品。
19. 列 S launchesT360（近 360 天上新产品数）：
    • 字段含义： 过去一年内进入该利基统计池的新上架产品总数。
    • 数据来源： Amazon Niche Data API。
    • 单位与格式： 正整数（个）。
    • 取值口径： 读取 T360 上新数字段（本案为 6）。
20. 列 T successfulLaunchesT360（成功上新数）：
    • 字段含义： 上新后能够突破冷启动、稳定达到官方销量或点击门槛的存活新品数量。
    • 数据来源： Amazon Niche Data API（核心必填指标）。
    • 单位与格式： 整数与文本说明。
    • 取值口径： 记录 successfulLaunchesT360 及近 90 天（T90）成功上新表现（本案中 T360 总上新 6 个，而近 90 天成功上新数为 0）。当近期成功上新归零时，说明新品晋升通道已被锁死。
21. 列 U returnRateT360（近 360 天平均退货率）：
    • 字段含义： 过去一年该利基下所有成交订单的平均退货比例。
    • 数据来源： Amazon Niche Data API（核心必填指标）。
    • 单位与格式： 百分比（保留 2 位小数）。
    • 取值口径： 直接读取 returnRateT360 字段（本案为 1.52%），用于预估逆向物流损耗与类目售后风险。
22. 列 V verifyKeyword（实时核验核心搜索词）：
    • 字段含义： 用于在前台触发实时 SERP 抓取的买家高频搜索词。
    • 数据来源： 选品员根据利基核心词根指定，交由 Scraper API 抓取。
    • 单位与格式： 英文字符串。
    • 取值口径： 选择与利基完全对应但符合买家自然搜索语序的最大流量词（本案为 dog lick mat）。
23. 列 W serpRowStructure（SERP 首页行数结构）：
    • 字段含义： 实时搜索结果首页返回的总坑位数、自然位数量、广告位数量及首屏排布。
    • 数据来源： Pangolinfo Scraper API（实时 SERP 抓取，90%+ 广告捕获率）。
    • 单位与格式： 结构化文本说明。
    • 取值口径： 统计返回 JSON 中的总行数及 sponsored 布尔标记分布（本案 2026-11-06 实时返回 60 行：48 organic + 12 sponsored，且前 4 名全是广告）。
24. 列 X serpOrganicMedianPrice（SERP 自然位价格带与中位数）：
    • 字段含义： 剔除广告位干扰后，首页 48 个自然位商品的最低价、最高价及中位数价格。
    • 数据来源： Pangolinfo Scraper API 实时 SERP 解析。
    • 单位与格式： 美元区间与中位数（$Min - $Max，中位数 $M）。
    • 取值口径： 仅对 organic 席位做排序统计（本案自然位价格带为 $3.99 - $28.49，中位数为 $9.99），与列 J 的历史利基均价（$8.87）交叉验证当前定价中枢。
25. 列 Y serpTop10OrganicReviews（自然位前 10 名评论数分布）：
    • 字段含义： 首页自然排名第 1 至第 10 位商品各自的实时评论数量序列。
    • 数据来源： Pangolinfo Scraper API 实时 SERP 解析。
    • 单位与格式： 斜杠分隔的 10 个数值序列。
    • 取值口径： 按自然位从第 1 到第 10 依次抄录（本案为 8,783 / 2,792 / 2,792 / 1,302 / 2,792 / 236 / 新品 / 784 / 31 / 1,105），直观展现新链接冲进首页前五或前十所需跨越的评论鸿沟。
26. 列 Z benchmarkAsinProfile（标杆竞品 ASIN 核心档案）：
    • 字段含义： 自然排名第 1 位或拿到特殊徽章（Overall Pick / Best Seller）的头号劲敌完整快照。
    • 数据来源： Pangolinfo Scraper API（SERP + PDP 实时抓取）。
    • 单位与格式： 文本摘要（含 ASIN、品牌、售价、星级、评论数、月销标签、BSR 排名）。
    • 取值口径： 必须使用实时在售的有效 ASIN。例如原计划观察的旧样本 B0B178VDQQ 经实时探测已下架返回 [ASIN_UNAVAILABLE]，模板立即按规则切换至当天自然位第 1 名的 B09FPTDBRZ（品牌 LUKITO，售价 $8.99，4.4 星，8,783 评价，月销 6K+，持有 Overall Pick 徽章，BSR Pet Supplies #1,328 / Dog Feeding & Watering #24）。
27. 列 AA vocNegativeTop4（VOC 四大核心差评主题计数）：
    • 字段含义： 标杆竞品详情页中负面情绪最集中的前四个物理或功能属性及其提及频次。
    • 数据来源： 实时 PDP 返回的 aiReviewsSummary（亚马逊官方 AI 评论主题统计）或 Reviews API。
    • 单位与格式： 主题名 总提及/正面/负面 列表。
    • 取值口径： 优先读取 PDP 自带的官方主题统计，按负面计数从高到低排列前四项（本案 B09FPTDBRZ 为：Durability 耐用性 193/44/149；Grip 抓地力 269/115/154；Ease of cleaning 易清洁 299/166/133；Suction 吸盘 257/154/103）。
28. 列 AB finalVerdict（立项最终裁定）：
    • 字段含义： 综合量化得分与五条 Kill Switch 触发情况后做出的唯一立项指令。
    • 数据来源： 第 4 节打分卡与第 5 节一票否决规则计算输出。
    • 单位与格式： 枚举值（GO / CAUTION / CAUTION 偏 STOP / STOP）+ 一句话死因或放行理由。
    • 取值口径： 严禁模棱两可（本案裁定为 CAUTION 偏 STOP：搜索基数虽大，但触发品牌点击高度垄断、95%广告占比、T90零成功上新及前五千评壁垒，非蓝海）。

推论： 当上述 28 个字段在同一行内对齐时，任何选品会议都不再需要听取汇报人的主观故事。只需扫视列 K（广告占比 95%）、列 M（前五品牌点击 76.4%）、列 T（T90 成功上新 0）与列 Y（前五自然位评论均破千），30 秒内即可识破“高搜索量、高同比增速”表象下的红海绞肉机本质。

3. 五步工作流总览：60 分钟时间轴

定义： 60 分钟五步选品工作流是将上述 28 列 Google Sheets 模板从空白状态填充至最终裁定状态的标准化时间分配协议。它通过将 WorkBuddy 客户端与远程 MCP 服务结合，把数据采集、交叉验证与打分裁定切割为五个固定时长的时间盒（Timebox）。

论证： 为什么要在桌面客户端 WorkBuddy 中通过 MCP 协议执行这五个步骤，而不是写爬虫或手工查网页？手工查网页无法直接拿到 top5BrandsClickShare 和 returnRateT360 等深层利基指标，且人工数 60 条 SERP 的自然位与广告位极易出错；而自建爬虫则需要处理反爬验证、页面结构改版与代理池维护。Amazon Data MCP 提供了 21 个 live tools，直接封装了底层的 Amazon Niche Data API、Scraper API 与 Reviews API。用户只需完成 3 分钟的基础配置，即可在一个对话框内串联起全流程。

在进入五步时间轴前，只需在 WorkBuddy 中完成如下 3 分钟轻量级接入（详细的客户端图文安装与调试步骤请参阅 WorkBuddy 连接指南，此处不展开安装手册）：

1. 登录 Pangolinfo 控制台获取 API 密钥（免费层即刻拥有每月 60 credits）。
2. 在 WorkBuddy 的 MCP Server 配置文件中，填入远程服务地址 https://mcp.pangolinfo.com/mcp 以及带有 Bearer 密钥占位符的鉴权头：

{
  "mcpServers": {
    "pangolinfo-amazon-data": {
      "url": "https://mcp.pangolinfo.com/mcp",
      "headers": {
        "Authorization": "Bearer <YOUR_PANGOLINFO_API_KEY>"
      }
    }
  }
}

配置就绪后，严格按照以下 60 分钟时间轴推进五个步骤（每一步的异常分支处理、多轮 Agent 追问技巧及自动化脚本编排，将在系列第 2 篇《WorkBuddy + MCP 五步选品自动化工作流执行细则》中完整展开，本文仅呈现总览架构）：

3.1 各步骤执行要点简述

• Step 1（00 – 12 分钟）： 核心任务是分清“搜索词”与“官方利基标题”。当我们在 WorkBuddy 中检索狗狗舔食垫时，发现 Niche API 数据库中并无 dog lick mat 这一精确标题，而是归集在 lick mat for dogs 标题之下（快照日期 2026-08-02）。AI Agent 自动提取并填充表格前 21 列（A-U）。
• Step 2（12 – 25 分钟）： 宏观快照存在时间差，必须用当天（2026-11-06）的实时 SERP 验明正身。通过 MCP 调用关键词搜索工具抓取 dog lick mat，系统返回 60 行结果。我们不仅验证了自然位中位价（$9.99）高于历史利基均价（$8.87），更发现了两个致命信号：一是首页前 4 名全部被 Sponsored 广告占据；二是原定观察样本 B0B178VDQQ 已下架失效（[ASIN_UNAVAILABLE]），自然位第一名已被拥有 8,783 条评价的 LUKITO（B09FPTDBRZ）牢牢焊死。
• Step 3（25 – 40 分钟）： 针对存活的头号标杆 B09FPTDBRZ 发起实时详情页抓取。在 2026-11-06 当天的实测中，独立评论端点连续 4 次请求均返回 0 条记录；但得益于 Pangolinfo 实时 PDP 抓取工具对页面结构的深度解析，我们直接从返回的详情页数据中提取到了亚马逊官方聚合的 aiReviewsSummary（AI 评论摘要主题统计），无需消耗高额评论翻页 credits，便完整拿到了耐用性、抓地力、易清洁、吸盘等 8 个维度的精确正负面提及频次。
• Step 4 与 Step 5（40 – 60 分钟）： 将前 40 分钟汇总的硬数据代入打分卡与 Kill Switch 校验矩阵，在 20 分钟内完成定量审判，拒绝任何“我觉得可以通过视觉差异化突围”的无数据空想。

推论： 五步工作流的核心价值在于“用实时数据修正历史快照，用多维穿透替代单点盲从”。如果只停留在 Step 1，看到 174 万年搜索量和 +145.9% 的年增速可能会盲目兴奋；只有严格走完 Step 2 和 Step 3 的 2026-11-06 实时核验，才能看清前排评论高墙与下架洗牌的残酷真相。

4. 打分案例：lick mat for dogs 实测打分

定义： 利基量化打分卡（Niche Validation Scorecard）是将 Google Sheets 底表中的 28 项原始指标映射为 0-100 分加权分值（各维度权重与评分档位均为本模板建议口径），并结合结构性风险给出立项等级（GO / CAUTION / STOP）的评估模型。

论证： 为什么我们要选择 lick mat for dogs 作为全文的核心实测案例？因为在真实的选品工作中，大量候选词都不是一眼就能看穿的劣质词，而是像 lick mat for dogs 这样“部分指标极其诱人、部分指标暗藏杀机”的伪蓝海。它的宏观需求基数庞大（T360 搜索量 1,742,644，同比暴涨 +145.9%），退货率极低（仅 1.52%），且头部竞品存在明显的物理痛点（1-3 星差评占比约 16%，约 1,400 条差评集中在被咬烂和吸盘脱落）。如果缺乏一套严密的扣分与否决体系，新手卖家极易被“大市场 + 低退货 + 有痛点可改”的叙事吸引而贸然开模，最终撞死在 76.4% 的品牌点击垄断和 $8.87 的低客单价泥潭里。

下面我们严格使用 2026-08-02 的 Niche API 快照数据与 2026-11-06 的实时 SERP/PDP 数据，对 lick mat for dogs 进行五大维度的逐项实测打分：

4.1 五大维度量化打分总表（满分 100 分，本模板建议口径）

4.2 深度复盘：为什么 lick mat for dogs 不是蓝海？四大杀死原因剖析

在许多初级选品报告中，lick mat for dogs 常因为“年搜索 174 万 + 退货率 1.52% + 硅胶轻小件”而被错误包装成适合新手切入的蓝海。但通过我们模板的双层数据交叉审视，该品类被彻底判死（CAUTION 偏 STOP），核心杀死原因有四条：

杀死原因一：品牌点击垄断高达 76.4%，叠加 T90 增速骤降，市场已成封闭寡头局

对比 searchVolumeGrowthT360（+145.9%）与 searchVolumeGrowthT90（+2.8%）可以清晰看到，狗狗舔食垫的流量红利期发生在两到三个季度之前。如今需求增长已经停滞（季度环比仅 +2.8%），而 Top 5 品牌却锁死了 76.4% 的点击份额（Top 5 单品锁死 58.3%）。在一个不再膨胀的池子里，超过四分之三的买家点击被前五大品牌截留，新品牌进入无异于虎口夺食。

杀死原因二：近 90 天成功上新数为 0，前排千评高墙焊死晋升通道

判断一个品类能否做，不能看老链接卖得多好，而要看“最近进去的新人活下来没有”。Niche API 的 successfulLaunches 数据给出了最冰冷的答案：过去 360 天仅有 6 个新品进入核心池，而最近 90 天（T90）成功上新数为 0。同时，2026-11-06 的实时 SERP 自然位前 10 名评论分布（8,783 / 2,792 / 2,792 / 1,302 / 2,792 / 236 / 新品 / 784 / 31 / 1,105）表明，自然位前 5 名无一例外都是上千条乃至近九千条评价的巨无霸（且前十名中 2,792 重复出现三次），连原观察样本 B0B178VDQQ 都已在残酷竞争中下架（[ASIN_UNAVAILABLE]）。

杀死原因三：95% 广告占比与 $8.87/$9.99 低客单价形成“死亡剪刀差”

利基广告占比高达 95%，且实时搜索 dog lick mat 时前 4 名全是广告位。这意味着新品如果不高价抢占首屏广告位，就根本拿不到曝光；但一旦开启高强度 CPC 竞价，面对自然位第 1 名 LUKITO（B09FPTDBRZ，Overall Pick，月销 6K+）仅 $8.99 的标杆定价和 $9.99 的自然位中位数，只要高密度广告竞价推高单次点击成本、而新品初期转化率受限于零评论基础，单均获客广告费就会迅速逼近甚至击穿商品售价本身。

杀死原因四：痛点改良成本与低价心智锁死之间的结构性悖论

虽然标杆 ASIN B09FPTDBRZ 有约 16% 的 1-3 星差评（约 1,400 条），且痛点极其明确——比如狗狗在几分钟内将其咬碎（Durability 149 条负面）、吸盘吸不住地板（Grip 154 条负面、Suction 103 条负面）、凹槽花生酱残留难洗（Ease of cleaning 133 条负面）——但要解决“耐大型犬撕咬”，就必须采用高硬度加厚食品级硅胶或内嵌硬质骨架。这不仅会大幅推高工厂拿货价，还会导致产品尺寸和重量跨入更高一档的 FBA 配送费区间。而在买家已经被 $8.87 利基均价和 $8.99 Overall Pick 锚定心智的市场里，一款大幅提价的“防咬加强版舔食垫”极难获得自然转化率支撑。

推论： lick mat for dogs 是一个典型的“杀死条件教学标杆”。它证明了单靠 VOC 差评挖掘并不足以支撑立项——当垄断度、广告密度、上新存活率与价格天花板同时亮起红灯时，哪怕产品痛点再清晰，唯一理性的商业决策也是在 60 分钟结束时果断写下 CAUTION 偏 STOP，保住开模与备货资金，转向下一个候选词。

5. 五条 Kill Switch 速查表

定义： Kill Switch（一票否决熔断机制）是独立于百分制加权总分之外的刚性风控防线。在传统的加权打分中，某个维度的满分表现可能会掩盖另一个维度的致命缺陷；而 Kill Switch 的作用是：只要候选利基触发任意 2 条（或核心存活指标单条击穿极值，各红线阈值均为本模板建议口径），无论总分高低，立即终止立项。

论证： 为什么必须设立硬性的阈值红线？因为人类在选品时天生存在“证实偏差（Confirmation Bias）”——一旦看中某个产品的外观或某个差评改进点，就会下意识地为糟糕的竞争数据找借口。将五条 Kill Switch 固化在 Google Sheets 模板的显眼位置，能够用冰冷的布尔逻辑（触发 / 未触发）剥夺主观找借口的空间。关于这五条红线的统计学推导、不同客单价区间的动态阈值校准以及边缘案例的豁免条件，将在系列第 3 篇《亚马逊利基验证量化打分卡与五条 Kill Switch 方法论》中深度论证，此处直接给出实战速查表与本案对照：

5.1 五条 Kill Switch 阈值（本模板建议口径）与本案（lick mat for dogs）实测对照表

推论： 在五条 Kill Switch 核查中，lick mat for dogs 仅在 KS-05（退货率 1.52%）上拿到绿灯，而在 KS-01（品牌垄断 76.4%）、KS-02（T90 零成功上新）、KS-03（均评 2,227.1 且前五全破千）以及 KS-04（95% 广告占比 + $8.87 低均价）四条红线上全部触发高危熔断！五条红线触发四条，直接印证了第 4 节 CAUTION 偏 STOP 裁定的客观性与必然性。

6. 提示词链与 VOC、利润试算怎么用这套模板

定义： 提示词链（Prompt Chain）是将 Google Sheets 模板的数据获取、VOC 痛点归因与 FBA 利润试算串联起来的标准化 AI 指令序列。它规定了如何向挂载了 MCP 工具的 WorkBuddy 发送精确的参数请求，以及如何将返回的真实数据转化为产品改造方案与财务损益表。

论证： 很多卖家虽然接入了数据接口，但在提问时仍然使用“帮我分析一下狗狗舔食垫能不能做”这种宽泛的口语化指令，导致大模型输出一堆正确的废话。要让 AI Agent 产出可直接填入第 2 节标准表头的精准结果，提示词必须明确指定三件事：调取的工具范围、目标词或 ASIN 的精确字符串、以及强制对齐的表头字段名。完整的四阶段提示词工程包、多竞品评论交叉矩阵与动态利润计算器表，将在系列第 4 篇《亚马逊选品 AI 提示词链、VOC 痛点矩阵与 FBA 利润试算包》中全量放出，本节仅演示核心调用逻辑与本案 VOC、费用栈的实操用法。

6.1 WorkBuddy 中文提示词与真实返回数据映射演示（不伪造对话转录）

在配置好远程地址 https://mcp.pangolinfo.com/mcp 的 WorkBuddy 环境中，我们通过以下结构化中文提示词驱动 21 个 live tools 中的利基、SERP 与 PDP 工具（以下仅呈现标准提示词指令与对应的真实返回数据汇总，不虚构对话寒暄）：

标准中文提示词指令模板：

请调用 Pangolinfo Amazon Data MCP 工具，依次执行以下三项数据拉取，并将结果严格按标准选品表头字段汇总：
1. 在 Niche Data 工具中查询狗狗舔食垫对应利基（注意核对精确标题为 "lick mat for dogs"），提取快照日期、searchVolumeT90、T90增速、searchVolumeT360、T360增速、产品数、价格带、均价、广告占比、top5ProductsClickShare、top5BrandsClickShare、品牌数、卖家数、平均BSR、平均评论数、平均评分、T360上新数、successfulLaunches（含T90）、returnRateT360。
2. 调用 Scraper API 实时抓取美国站关键词 "dog lick mat" 首页 SERP，统计总行数、organic 与 sponsored 行数、前4名是否为广告、自然位价格带与中位数、自然位前10名评论数序列，并定位自然位第1名 ASIN（若原关注样本 B0B178VDQQ 返回 [ASIN_UNAVAILABLE]，请直接切换为实时自然第1名 B09FPTDBRZ）。
3. 抓取标杆 ASIN B09FPTDBRZ 的实时 PDP 数据，提取售价、星级、评论总数、月销标签、BSR 排名，以及详情页 aiReviewsSummary 中的全部主题提及数、正面数与负面数。

MCP 工具真实返回核心数据汇总：

• Niche API 返回（lick mat for dogs，快照 2026-08-02）： T90 搜索量 463,314（增速 +2.8%），T360 搜索量 1,742,644（增速 +145.9%）；价格带 $4.40 - $21.20，均价 $8.87；产品数 20，广告占比 95%；Top 5 产品点击 58.3%，Top 5 品牌点击 76.4%；品牌 13 个，卖家 37 个；平均 BSR 33.87，平均评论数 2,227.1，平均评分 4.455；T360 上新 6，T90 成功上新 0；T360 退货率 1.52%。
• SERP 实时返回（dog lick mat，实时日期 2026-11-06）： 共返回 60 行（48 organic + 12 sponsored），首页前 4 名全部为广告位；自然位第 1 名为 LUKITO 品牌 B09FPTDBRZ（售价 $8.99，4.4 星，8,783 评价，月销 6K+，带 Overall Pick 徽章）；自然位价格带 $3.99 - $28.49，中位数 $9.99；自然位前 10 名评论数依次为：8,783 / 2,792 / 2,792 / 1,302 / 2,792 / 236 / 新品 / 784 / 31 / 1,105。

6.2 VOC 痛点怎么填进模板：基于实时 PDP aiReviewsSummary 的四大差评主题拆解

在执行 VOC 客户之声分析时，必须坚持实事求是的工程准则：在 2026-11-06 当天针对 B09FPTDBRZ 的实测中，独立评论端点连续 4 次调用均返回 0 条明细，因此我们绝不声称拉取了逐条评论列表原文，而是直接采用实时 PDP 抓取结果中稳定返回的亚马逊官方 aiReviewsSummary（AI 评论摘要主题统计）。若在其他品类中需要翻页拉取数千条历史差评文本做深度 NLP 聚类，则可进一步调用 Reviews API（按 5 credits/页计费）。

针对标杆竞品 B09FPTDBRZ（总评 8,783 条，4.4 星，其中 1-3 星差评占比约 16%，折合约 1,400 条差评；BSR 排名 Pet Supplies #1,328 / Dog Feeding & Watering #24），其 aiReviewsSummary 完整返回了 8 个核心维度的提及频次（格式：总提及 / 正面 / 负面）：

• 正向表现稳固的 4 个维度： Quality（质量）600 / 530 / 70；Pet preference（宠物喜好）446 / 437 / 9；Engagement（占用时间/消耗精力）362 / 353 / 9；Functionality（功能性）201 / 174 / 27。这说明舔食垫在“吸引狗狗注意力、延长进食时间”这一基础功能上已获买家普遍认可。
• 必须重点填入模板列 AA 的四大核心差评主题（产品改良切入点）：

将这四项硬数据填入模板后，选品团队一眼就能看懂产品经理的改良方向（例如：将边缘包边硬化防啃咬、改用大直径中央真空吸盘、将直角深槽改为圆弧宽槽以便洗碗机冲刷），同时也能够立刻结合售价算清这笔改造账是否划算。

6.3 利润试算与费用栈提醒

在模板中评估低客单价品类（如本案利基均价 $8.87、标杆售价 $8.99、自然位中位数 $9.99）时，必须严防亚马逊隐性费用栈对毛利的侵蚀——正如行业调研报告引用的 NovaData 案例所示，一款售价 $11.00 的标准件商品在逐层扣除平台销售佣金、FBA 履约配送费、仓储及退货损耗等刚性费用栈后，卖家实际到手的净额往往仅剩 $4.20（尚未扣除产品采购 BOM 成本、头程海运费与 95% 广告占比下的高昂 CPC 买量支出）。

推论： 把 VOC 四大差评主题（耐用性、抓地力、易清洁、吸盘）与费用栈模型放在一起审视，就能避免“为了解决痛点而不计成本堆料”的工程师思维陷阱。在系列第 4 篇中，我们将提供一套完整的 FBA 逆向定价倒推算表，帮助团队在立项阶段就算出“若要维持目标净利率（本模板建议口径），改良版产品的目标售价必须定在多少美元”。

7. 立项前核对清单与 FAQ

定义： 立项前核对清单（Pre-Launch Verification Checklist）是在选品报告提交给采购与供应链团队之前，必须逐一打钩确认的 13 项数据完整性与风控合规门禁。

论证： 模板设计得再完善，如果执行人员在填表时跳过了实时 SERP 核验、混淆了快照日期与实时日期，或者忽视了失效 ASIN 的替换规则，最终产出的结论依然是不可信的。通过以下 13 项精简核对表，团队负责人可以在 3 分钟内完成对下属选品表的质量审计：

7.1 立项前 13 项精简核对清单

7.2 常见问题解答（FAQ）

Q1：亚马逊选品中 Category（类目）与 Niche（利基）有什么核心区别？
Category 是按商品物理属性划分的固定树状目录（如 Pet Supplies > Dogs），范围宽泛、含大量非直接竞品；Niche（如 lick mat for dogs）是围绕买家特定搜索意图聚合的真实需求集合。立项须以 Niche 为单位，因为买家搜的是词而非类目树，只有利基指标能反映垄断度与存活率。

Q2：在这套亚马逊选品工作流模板的百分制打分卡中，得多少分才算好项目？
按本模板建议口径，综合得分 ≥ 75 分且未触发任何 Kill Switch 红线，可判定为 GO（推荐立项）；得分 50 – 74 分，判定为 CAUTION（谨慎立项）；得分 < 50 分或触发 ≥ 2 条红线（如本案仅得 31 分且触发 4 条红线），直接判定为 CAUTION 偏 STOP 或 STOP。

Q3：评估细分市场时，BSR（畅销排名）门槛应该怎么看？
不要单独迷信大类目 BSR 的绝对数字，而应将 Niche API 的平均 BSR（如本案 33.87）与实时标杆的节点 BSR（如 B09FPTDBRZ 大类 #1,328、小类 #24）及月销标签（6K+）结合判读。按本模板建议口径，理想市场应是前十名 BSR 跨度平缓、腰部链接也能分到稳定日销的均衡结构。

Q4：目标市场有多少条评论算竞争过大、新手不宜硬闯？
按本模板建议口径，当利基平均评论数超过 1,500 条（本案高达 2,227.1 条），且实时 SERP 自然位前 5 名全部在 1,000 条评论以上（本案前五为 8,783 / 2,792 / 2,792 / 1,302 / 2,792）、前 10 名中少于 3 个 300 评以内的近期突围新品时，即属评论壁垒过高，新链接冷启动成本极高。

Q5：2026 年做亚马逊 FBA 选品，目标毛利率与净利率应该定在多少？
按本模板建议口径，扣除采购、头程、佣金、FBA 配送费及类目平均退货损耗（returnRateT360）后，扣广告前毛利率底线建议 ≥ 45%-50%，扣除站内 CPC 广告费后目标净利率建议 ≥ 18%-25%。售价低于 $12（如本案均价 $8.87）且广告占比达 95% 的品类，极易陷入净利归零甚至倒贴的陷阱。

推论： 选品模板的终极使命不是帮每一款产品找到立项的理由，而是用最小的试错成本（60 分钟时间 + 免费 60 credits 额度内的合理调用），在开模打样之前精准拦截掉像 lick mat for dogs 这样看似热闹、实则垄断锁死的红海泥潭。完成本篇（A1）的表头搭建与判死逻辑训练后，读者可继续沿着系列第 2 至第 4 篇的实操拆解，将自动化 Agent 调取、打分卡阈值校准与 VOC 逆向开品全链路固化为团队的标准资产。