OFF-AMAZON DATA ENRICHMENT
把 Amazon 之外的公开网页，变成可用的电商证据
从品牌官网、竞品独立站和零售渠道页，到新闻、论坛与搜索结果：用当前页面内容补足商品数据，把零散信息变成团队能复核、能使用的研究输入。
- 面向公开可访问的页面
- Markdown / HTML 适配下游工作流
- 与 Amazon 标准数据互补
受到 2,000+ 电商与开发团队信赖
AMAZON 不是完整市场
商品页能告诉你“卖什么”，站外页面往往解释“为什么”
独立站的定位、零售渠道的组合、公开讨论中的购买顾虑、搜索结果中的需求语言，通常分散在不同网页中。复制粘贴很慢，只有链接又不够支撑判断。
Amazon 数据完整，市场上下文仍不完整
商品、价格与评论之外，品牌卖点、渠道策略和使用场景常存在于官网、零售页与公开内容中。
Product record → market context每个网站的页面结构都不一样
页面会动态渲染、改版或包含多层内容。团队不应该为每一类公开页面重复维护浏览器、代理与解析逻辑。
URL → current page evidence研究结论离开原始页面就难以复核
没有 URL、时间、页面正文与上下文，团队很难判断一个发现是否仍然成立，更难交接给产品或运营。
Source → decision → recheck先选对数据入口
不是所有电商问题，都该用同一种采集方式
本页解决的是 Amazon 标准 schema 以外的公开网页补充。先看问题来自哪里，再选择标准接口、网页采集，还是 Agent 调用。
商品、搜索、评论与榜单
需要稳定字段、批量调用和生产数据管道时，优先使用 Amazon Scraper API。
品牌站、渠道页与公开内容
需要保留页面文本、上下文与来源证据时，用通用网页采集能力补足研究输入。
一次性问题与多步检索
希望让 AI 自己选择、串联 Amazon 数据工具并带回证据时，使用 Amazon Data MCP。
一份研究，不止一个来源
让 Amazon 数据与站外证据在同一个问题里相遇
不用把网页采集当作孤立任务。每一种页面都只负责补上它最擅长回答的那部分问题。
品牌官网与独立站
补足定位、卖点、材质、套装逻辑、FAQ、服务承诺和新品叙事。
适合：品牌研究 · Listing 事实核验零售渠道与聚合页面
观察同类商品组合、价格带、规格表达、上架节奏与渠道差异。
适合：竞品研究 · 渠道策略公开新闻、论坛与社区
获得真实讨论、行业动态、问题语言与公开舆情线索，再回到来源判断。
适合：需求研究 · 风险预警搜索结果与本地信息
用搜索结果与地图数据发现页面，再决定是否进一步采集目标公开网页。
适合：站外发现 · 地域研究从页面到研究输入
先定义你缺少哪类证据，再决定如何处理页面
点击下方任一来源类型，查看一个跨站电商研究任务如何保存来源、保留文本，并把它和 Amazon 商品数据放回同一张判断桌面。
BRAND PAGE QUESTION
“这个竞品在自己官网上，怎样解释这款产品？”
保留目标页面的标题、主要内容、链接与时间，再抽取与当前研究有关的卖点、规格、套装或服务信息，与 Amazon 商品详情交叉核验。
- 从公开 URL 获取当前页面内容
- 保留 Markdown / HTML 作为可追溯来源
- 把发现写入产品研究或内容审核任务
CHANNEL PAGE QUESTION
“同类商品在另一个渠道里，如何被组合与定价？”
围绕可公开访问的渠道或集合页，保留当前页面、商品卡片表达与来源链接。重点是比较语境，而不是假设所有站点都有同一套字段。
- 记录目标 URL 与页面采集时间
- 比较规格、组合、价格表达和可见卖点
- 把差异交给品类、运营或内容负责人
PUBLIC VOICE QUESTION
“用户和行业正在用什么语言描述这个问题？”
将公开新闻、论坛或社区页面作为研究线索，保存原始页面与时间。先区分事实、观点与待验证假设，再与商品和评论数据共同分析。
- 保留来源 URL、页面正文和采集时间
- 从公开讨论中提取问题、场景和词汇
- 避免把单一观点当作市场结论
让下游系统真正可用
不要只拿回一段页面源码
不同团队对同一页面需要不同输出。保留原始来源与页面上下文，再选择适合数据管道、分析与 Agent 的格式。
HTML
在需要自行定位元素、保留页面结构或做定制解析时使用。
结构与原始上下文Markdown
用于下游文本处理、内容比较和 LLM / Agent 的高可读输入。
面向阅读与研究结构化字段
在对应标准数据接口可用时，直接接入字段映射、表格和业务规则。
面向程序与数据管道来源证据
保留 URL、获取时间和页面内容，让判断可以回到来源复核。
面向协作与再验证一项跨站研究，清晰分工
从“发现一条线索”，到“形成可复核的商品判断”
先用搜索发现相关公开页面，再采集真正需要的来源；把页面证据与 Amazon 商品、评论或关键词数据关联，最后只把经过验证的发现写进下一步。
- 以研究问题而不是网站清单作为起点
- 保存目标 URL、页面文本与观察时间
- 区分页面事实、团队判断与待验证假设
- 把可靠结论交给选品、内容或产品流程
什么是“亚马逊站外数据补充”？
它指的是把 Amazon 标准商品、搜索、评论等数据之外的公开网页信息带入同一个研究问题，例如品牌官网、独立站、零售渠道、新闻或公开社区。目的不是替代 Amazon 数据，而是补足市场、品牌与用户语境。
它和 Amazon Scraper API 的区别是什么？
Amazon Scraper API 面向 Amazon 商品详情、关键词搜索、评论、榜单和卖家等标准页面，适合稳定字段和批量数据管道。本页侧重公开网页的补充证据；当业务问题来自 Amazon 标准页面时，优先使用 Amazon Scraper API。
能否保证每个网站都返回相同的字段？
不能。非标准网页的页面结构、公开内容与访问条件各不相同。建议先选定少量目标 URL 验证页面内容和输出，再为自己的系统定义字段映射与审核规则。
为什么要保留 URL 与采集时间？
公开网页会更新。保留来源、时间和页面内容，团队才能知道一个结论来自哪里、在什么条件下观察到，并在后续运行中复核变化。
AI Agent 可以使用这些网页证据吗？
可以。Markdown 等面向文本的输出适合进入下游研究与 Agent 上下文；对于 Amazon 内的一次性或多步问题，可使用 Amazon Data MCP。最终的字段映射、权限、判断和发布仍由你的团队负责。
从一个真实页面开始
为下一次电商判断，补上真正缺少的证据
注册后先用一个公开 URL 验证内容、格式与下游适配性；需要 Amazon 标准数据、搜索发现或 Agent 调用时，再组合合适的 Pangolinfo 产品入口。
