技能介绍

解决新品上架前的数据盲区

在亚马逊新品上架前，开发者和运营团队往往面临市场需求不明、评论数据难以快速消化的困境。手动翻阅竞品和同类商品的评论不仅耗时，而且难以量化具体的产品痛点与市场容量。该技能通过自动化命令行工具 scripts/ari.py，将评论采集、VOC（客户之声）分析与竞品对比流程标准化，帮助工程师和运营人员在部署阶段快速获取基于真实数据的验证反馈。

核心工作流与分析能力

技能的核心工作围绕 CLI 命令展开。首次使用需运行 python scripts/ari.py check 确认账户与积点状态。获取 VOC 报告的标准流程是先运行 voc --site <site> 获取总报价，用户确认后再追加 --confirm 执行。生成的报告不仅包含完整正文，还会返回 reportUrl 供在线查看图表。
此外，技能支持深度业务分析：

历史对比：通过 report --id 读取归档报告，若返回 deltaMd，技能会优先解析环比变化，明确指出哪些问题已解决或恶化。
竞品与类目：使用 analyze --type compare 进行竞品对比，或通过 benchmark 获取类目表现基准。绑定竞品后，可利用 radar 观察本品与竞品的走势差异。
差评治理：结合 alerts 预警和 workbench 定位，快速筛选出高赞差评（reviews --stars negative --sort helpful），辅助生成回复策略。

数据边界与安全纪律

在输出分析结果时，技能严格执行解读纪律，明确区分「数据直读」「数据推理」与「策略建议」，避免将主观判断伪装成客观事实。需要特别注意的是，reviewCount 等指标基于 ARI 已采集的评论样本，在小样本或短窗口下可能存在偏差，需结合更多信源交叉验证。
针对计费与稳定性，所有付费操作（如单独采集、深度分析）必须遵循「先报价、后确认」的原则。若付费命令因网络中断失败，严禁直接重试，必须先通过免费的 reports --asin <asin> --limit 1 确认服务端是否已扣点并归档，防止重复计费。