Agent Skills
返回列表
📊

选品趋势调研

数据分析 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_9e7096aa/selection-research。

技能介绍

解决什么问题

在私域和直播场景中,选品团队面临一个典型矛盾:订单数据只能告诉你“昨天卖得怎么样”,却很难回答“明天该卖什么”。若完全依赖历史订单,选品往往会沿着旧爆款的惯性走,错过正在上升的新趋势。

另一个常见坑是品类覆盖失真。一份名为“选品排期表”的文件,实际可能只是服装专项表,却被当作全品类使用,导致美妆、内衣、家居等真正有体量的品类被默默忽略。此外,外部趋势信息若只来自单一渠道,很容易把偶然热度当成真实需求。

核心能力与工作流

该技能采用三层架构:底层是必抓四通道(小红书、B站、公众号、Exa)的采集能力,直接复用 agent-reach 的通道命令;分析层执行 6 步调研流程;底线层用 14 条硬规则 做发布前自检。

  1. 定题与假设:明确“品类 × 时间窗 × 决策用途”,并按品类加载维度。服装必须拆到“品类 × 面料 × 风格”,美妆必须拆到“品牌 × 成分 × 功能”。
  2. 渠道与样本:设计包含四通道 + 内部订单的采样矩阵,并校验每个数据源的覆盖口径。
  3. 采集执行:按矩阵跑采集,原始数据落入 sources/趋势/,保留来源、时间、链接与原始指标。
  4. 交叉验证与信号分级:同一信号在 ≥2 个独立渠道出现才算确认信号,按 🟢 确认 / 🟡 待验证 / 🔴 冲突进行保守分级。
  5. 结构化沉淀:消化后的简报写入 wiki,文档名强制包含时间窗,如 选品调研-美妆-2026秋冬窗口-20260812.md。
  6. 双模式输出:产出 Markdown 主报告供下游 Agent 消费,同时生成自包含的 HTML 可视化版供人读。

适用边界与注意点

  • 零容忍红线:禁止编造数据、禁止无源入库、禁止极限词与功效承诺、禁止点名贬低竞品。任何一条不通过,报告即作废。
  • 信号不虚标:声量不等于销量。结论处必须区分“声量信号”与“订单信号”,宁可低标不可高标。
  • 通道降级必须声明:四通道中任一缺失,需在报告“待补/留白”段明确缺失原因与替代来源,不得默默跳过。全部外部渠道不可用时,仅做存量复盘并标注“无外部信号”。
  • 生命周期管理:入库文档必带 created、effective_from、expires_at、last_reviewed 四项元数据,过期数据需标记或废弃。

该技能适合需要可溯源、可审计的选品决策场景,不适合无命题的泛泛浏览。

使用场景

  • 私域电商团队做新季选品,需从小红书、B站、公众号、Exa四通道采集外部信号并交叉验证,产出带时间窗的简报
  • 直播运营排期前发现外部声量与历史订单不一致,需按 🟢🟡🔴 分级区分声量信号与订单信号,避免误判需求
  • 品类负责人发现内部选品表可能只覆盖服装专项,需先校验品类口径,再补采美妆、家居等被遗漏品类的趋势
  • 内容团队为直播引流选题,需输出可溯源、双格式(MD+HTML)的趋势简报,供播有道等下游角色直接消费

适合人员

  • 私域电商运营,负责把外部趋势调研结果沉淀为可溯源简报,供选品决策直接使用
  • 直播选品运营,需要将调研结论转成主推、引流、关联、形象四类排品建议与首批备货量
  • 数据分析师或品类分析师,需要维护调研知识库,确保每个数据点有来源、可审计、不过期
  • 电商品类经理或买手,需要在上新前判断趋势赛道、库存风险与合规边界