Amazon 新品监控
持续发现 Amazon 新品，在市场形成共识前开始验证
按计划扫描 New Releases、目标类目或竞品店铺，识别首次出现的 ASIN，再补充商品、价格与评论证据，把新品线索送进选品流程。
- 无需信用卡
- 支持 13 个 Amazon 站点
- 支持 New Releases、类目与卖家三类入口
发现 2 个连续出现且评论仍较少的新品候选
发送至飞书 →受到 2,000+ 电商与开发团队信赖
为什么持续追踪
看到新品只是起点，验证新品才能减少误判
“首次出现”不等于“值得投入”。有价值的流程还要回答新品来自哪里、是否有需求信号，以及进入市场后表现如何。
从目标入口捕捉首次出现的 ASIN
将类目、卖家商品列表或 New Releases 与上次快照匹配，自动标记首次发现。
用连续快照判断新品是否仍在增长
持续观察价格、评论、评分和 BSR，让短期曝光与稳定增长分开。
把新品线索变成可比较的候选记录
为每个候选补充首次发现时间、商品详情、评论和价格，再交给团队筛选。
先分清指标
“新品”至少有三种定义，先确定你要发现哪一种
新品可以指 New Releases 中的商品、类目或店铺中首次出现的 ASIN，也可以指团队第一次开始追踪的商品。三者不能混为一谈。
需要观察新品进入后的 BSR 与价格？查看排名及价格监控 →类目首次出现
定期比较类目商品列表，识别相对上一快照新增的 ASIN。
回答：类目里出现了谁？卖家／店铺上新
定期比较目标卖家的公开商品列表，观察其新增商品与扩品方向。
回答：竞品正在推出什么？首次追踪时间
团队第一次把 ASIN 加入任务的时间，不一定等于商品真正创建或上架的时间。
回答：我们何时开始观察？监控难点
难点不是找到几个新品，而是证明它们何时出现、是否值得继续观察
发现入口、站点、类目或卖家和采集时间必须保留；“新增”需要通过连续快照计算，而不是凭单次页面猜测。
发现入口决定“新品”的含义
New Releases、类目列表与卖家商品列表覆盖范围不同，应分别配置和标记来源。
首次发现不等于上架日期
页面未必公开精确创建时间。系统应诚实记录 firstSeenAt，而不是推断官方上架日期。
新增识别需要历史基线
第一次运行只能建立基线；从第二次快照起，才能可靠识别相对新增与消失。
新品列表还不等于选品结论
还要补充价格、评分、评论、品牌、变体和 BSR，才能判断竞争与产品质量。
父子 ASIN 与变体会制造重复
同一产品的不同变体可能以多个子 ASIN 出现，去重规则需要符合团队研究口径。
大规模扫描容易产生噪声
品牌、价格带、评分门槛和连续出现次数应先于提醒配置，避免候选池失控。
从发现记录到新品证据
先保存“在哪里发现”，再判断“是否值得跟进”
Pangolinfo 获取当前 New Releases、类目或卖家商品列表；Tracker、飞书、Lark 或数据库负责保留快照、识别新增并补充验证字段。
DISCOVERY RECORD
记录新品从哪个入口被首次发现
保留 ASIN、标题、来源和页面位置；具体字段以真实响应为准。
- asinB0E2••••N7
- titleCompact storage rack
- sourceNew Releases
- price$29.99
REQUEST CONTEXT
固定发现入口与市场上下文
解析器、目标类目或卖家、站点、邮编与采集时间应随结果保存。
- parserNameamzNewReleases
- targetHome & Kitchen
- site / zipcodeamz_us · 10041
- collectedAt10:32 UTC
DERIVED DELTAS
把相对新增与后续表现放在同一条记录里
firstSeenAt、isNew 与连续出现次数来自快照比较；评论和 BSR 等字段来自后续详情补充。
- firstSeenAt2026-09-13
- firstSourceNew Releases
- isNewtrue
- consecutiveRuns3
配置一条新品发现任务
选择发现入口，让系统按计划寻找首次出现的 ASIN
可以从 New Releases、类目或卖家商品列表开始。下面的演示不会提交或保存输入。
从变化到决策
每一个新品线索，都应该经过一套验证规则
不要把所有首次出现的商品都推给团队。根据来源、持续时间与商品证据决定下一步。
NEW ENTRY
跟踪目标卖家，识别其新增商品与扩品方向
周期比较卖家公开商品列表，记录首次出现的 ASIN，再补充品牌、类目和价格信息。
- 识别卖家列表中的新增 ASIN
- 按品牌与类目整理上新
- 将新品交给竞品负责人复核
上次未出现
→本次B0E2••N7
CATEGORY INFLUX
新品数量变化，要放回类目规模中观察
统计固定类目内的新增数量、品牌与价格带，判断是一次性上新还是供给结构变化。
- 设置候选连续出现阈值
- 对比品牌与价格带
- 识别同质化加剧的区间
本周新增商品明显增加
NEW RELEASES
从 New Releases 发现候选，再用详情数据判断质量
新品榜提供发现入口，但是否值得跟进仍要结合评论基数、价格、属性与后续 BSR。
- 记录进入新品榜的时间
- 补充详情与评论字段
- 观察是否进入更强需求信号
评论数18
当前价格$29.90
评分4.6
BSR#18,420
PRODUCT VALIDATION
首次发现之后，持续观察新品的早期表现
记录价格、评分、评论数和 BSR 的连续变化，区分短期曝光与真实增长。
- 记录首次发现与持续天数
- 观察评论增长和评分稳定性
- 将异常增长推送给研究负责人
两条实施路线
选择适合团队的 Amazon 新品监控方式
业务团队可用 Tracker 配置新品发现与验证；开发团队可用 API 构建自有新品数据库和提醒系统。
AMZ Data Tracker
使用 AMZ Data Tracker，选择 New Releases、类目或卖家入口，将新增 ASIN 与详情字段接入飞书、Lark 或周期性选品流程。
- 可视化配置新品来源
- 自动识别相对新增 ASIN
- 按需补充详情与评论
- 无需维护访问和解析代码
选品团队 · 品牌运营 · 市场分析
Amazon Scraper API
使用 Amazon Scraper API，通过 amzNewReleases、amzProductOfCategory 或 amzProductOfSeller 获取当前列表，由你的系统管理快照、差异计算、详情补充与通知。
- 结构化 JSON 输出
- 同步与异步调用方式
- 支持 13 个 Amazon 站点
- 适合 SaaS、ERP 与内部系统
开发团队 · 数据产品 · 自动化平台
需要 AI 帮助筛选新品候选？采集与验证字段准备好后，可通过 Amazon Data MCP 或 Amazon Scraper Skill 将新品记录与商品证据带入 Agent 工作流。
工作流参考
让新品线索自动进入飞书或 Lark Base
AMZ Data Tracker 负责周期采集来源列表并补充商品字段；团队工作空间负责保存首次发现时间、筛选候选、分配负责人和运行 AI 分析。
- 无需每天检查类目与竞品店铺
- 为每个新品保留来源与首次发现时间
- 按团队规则过滤并分配新品候选
该案例用于说明新品数据进入飞书／Lark 的工作流，不将演示数据表述为客户业绩。
Amazon“新品”应该如何定义？
新品可以指 New Releases 中的商品，也可以指目标类目或卖家列表中相对上次快照新增的 ASIN。页面中的 firstSeenAt 表示系统首次发现时间，不应默认等同于 Amazon 官方创建日期。需要观察新品后续 BSR 与价格，请查看排名及价格监控。
可以从哪些入口发现新品？
文档明确支持 amzNewReleases、amzProductOfCategory 与 amzProductOfSeller，可分别从 New Releases、类目和卖家商品列表建立当前快照，再通过周期比较识别相对新增。
API 会直接返回“新品”标签吗？
单次采集返回当前页面或列表事实。相对新增、首次发现时间和连续出现次数需要跨快照计算，可在 Tracker、飞书／Lark 或自己的数据库中完成。
新品监控应该多久运行一次？
频率取决于入口变化速度和决策时效。竞品店铺与重点类目可从每日或每 6–12 小时开始；较稳定的类目可按周。先建立基线，再平衡遗漏风险、噪声与成本。
支持哪些 Amazon 站点？
文档列出美国、德国、英国、日本、法国、意大利、西班牙、加拿大、澳大利亚、墨西哥、沙特、阿联酋和巴西共 13 个站点。实际类目、卖家页面与 New Releases 可用性仍以目标站点为准。
发现新品后可以自动补充哪些信息？
可以继续采集商品详情与评论，补充标题、图片、价格、品牌、属性、评分、评论数、BSR 等字段。具体可用字段和成本以实时响应及产品配置为准。
Tracker 和 Scraper API 如何选择？
希望无需开发、配置周期任务并进入飞书或 Lark，选择 AMZ Data Tracker；需要构建新品数据库、SaaS、ERP 或自有告警系统，选择 Amazon Scraper API。
可以免费测试一个真实新品来源吗？
可以。进入 Tracker 控制台选择 New Releases、类目或卖家目标，使用真实页面验证首次快照和详情字段，再决定频率、规则与套餐。
从一个真实新品来源开始
不再手动巡查类目与店铺，让新品线索主动进入候选池
先创建一个新品 Tracker，验证来源、字段和首次发现逻辑；需要构建自有数据库或产品时，再使用 Scraper API。
