亚马逊 Listing Rufus 审计

问题背景

亚马逊商品页通常按「转化文案」来写，但 Rufus 等购物助手会把 listing 当成可检索、可引用、可流式拼接的数据对象。标题堆形容词、要点过晚才出现规格、Claim 在页面上找不到对应证据时，助手容易答错、漏答或只能泛泛而谈。

本技能把一次评估固定为 AI-ready listing audit：在 ASIN/URL、用户粘贴的标题/五点/A+/属性/评论/Q&A/变体等输入不完整时，仍输出部分审计，并把缺失字段标为 not provided，而不是编造细节。

工作方式

审计通过五条机制看整页：

1. Query planner fit：常见购物意图（找货、对比、兼容、评价、安装使用、送礼、配件/替换、排障）能否路由到对应证据。
2. Retrieval grounding：卖点是否有结构化属性、评论、Q&A、图片或 A+ 模块支撑。
3. Placeholder readiness：标题、图、评分、价格、规格、兼容、ASIN 等能否作为无歧义元数据插入。
4. Streaming priority：标题与首条 bullet 是否前置核心差异点。
5. Freshness and eligibility：库存、变体结构、类目与标识是否适合实时检索。

流程上先 映射 listing 资产，再建 8–15 条意图地图（每条绑定 title/bullet/attribute/image/A+/review/Q&A/变体），随后 100 分制打分（标题 10、bullet 15、属性 15、评论 10、Q&A 10、图片 10、A+ 10、变体与标识 10、库存/上架 5、一致性 5），并诊断 hallucination、retrieval miss、intent gap 等风险，最后给出 P0/P1/P2 行动项。输出还可包含标题/bullet/Q&A/A+ 的改写规则与示例片段；未在 listing 中出现的 claim 会标 needs evidence 并建议补证位置。

适用边界

• 面向 卖家/运营 的实操建议，不是替平台做合规背书；无依据处不会虚构评论或数据。
• 评论相关仅建议 合规、真实体验 的引导话术，不涉及 incentivized 或造假评价。
• 若你只给 ASIN/URL，需配合外部调研或自行补齐页面文本，否则审计会以「已提供字段」为上限。