Agent Skills
返回列表
极鲸云 SHEIN 图搜同款&图片搜索分析

极鲸云 SHEIN 图搜同款&图片搜索分析

企业运营 更新于 2026.08.29

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 @org-qev4qs0i/geekbi-shein-image-search-skill。

技能介绍

它解决什么问题

做 SHEIN 同款调研时,常见做法是先把图片"读"成关键词再搜索,偏差由此产生:召回质量取决于描述质量,而不是图片本身。

这个技能把图片作为主检索依据直接发起图搜,并严格区分三类信息:

  • 视觉匹配事实:这张图与哪些商品相似。
  • 商品数据事实:价格、销量、供货价、评分等服务端返回字段。
  • 经营判断:机会、风险、选品建议,属于推断而非事实。

两个指标尤其容易混用。data.total 是本次视觉候选池与筛选条件交集的命中数,不等于"全平台同款总数";每个商品的 similarNum 是销售同一款商品的同行数量,即跟卖数。候选池打满上限,也不能表述为 SHEIN 全部同款。

技能如何工作

核心脚本是 scripts/shein_image_search.py,认证模块复用极鲸云 SHEIN Skills 的统一登录态,已有登录态时不会重新登录。图片输入支持本地路径、file:// 地址、可下载 URL、Data URI、Base64 与标准输入,二进制内容不会写入对话或日志。

关键步骤:

  1. 确认目标是候选列表、筛选、市场比较还是选品判断,并明确站点与托管模式。
  2. 未指定站点走默认入口 1(名称"全部",当前映射 us,不是跨国家聚合);指定美国站用 2;其他国家或地区运行 python3 scripts/shein_site_list.py --country "国家或地区名",只接受唯一精确匹配,不做猜测。
  3. 生成最小必要筛选条件。仅在上下文存在可信类目 ID 时按类目过滤,否则省略类目,或在用户给出商品词时使用简洁关键词。
  4. 运行 python3 scripts/shein_image_search.py --image "图片来源" 与必要参数;服务端要求暂停时走暂停与恢复流程,恢复后用原图原条件重跑。
  5. 完整候选或完整市场分析按同图、同条件、每页 200 条逐页拉取,单次视觉候选池上限 1000 个。
  6. 审核标题、图片与类目,剔除明显误匹配,再分析销量、增长、价格、供货价、跟卖数、评分与上架时间。

未明确排序时只称"视觉相似候选",不宣称按最相似排列。

适用边界与注意点

货币与站点不能混淆。 商品价格和销售额按当前站点币种解释,供货价按人民币解释;计算利润前先统一币种并说明汇率口径。托管模式按 1=全托管、2=半托管 解释,未限定时不擅自选择。

匹配不等于同款。 视觉候选只代表外观相似,不能据此推断规格、材质、功能或供应链相同。跟卖数通常不超过 10 视为优选区间,11 至 20 为中等竞争,超过 20 为高竞争,但仍需结合其他指标综合判断。

多张图不要合并查询。 逐张查询并各自保留数据口径。

展示层保持业务口径。 面向用户使用中文业务名称,不展示图片编码、脚本命令、英文参数或原始 JSON;商品标题统一以 Markdown 链接呈现,链接使用服务端原样返回的 linkUrl,不自行拼接。

使用场景

  • 拿到竞品商品图后,需要在 SHEIN 美国站按同图检索视觉候选并剔除明显误匹配。
  • 类目 ID 不可靠时,要先生成最小必要筛选条件,再用图片入口拉取视觉相似候选样本。
  • 做选品判断时,需要逐页拉到完整候选池,比较销量、价格、供货价、评分和上架时间。
  • 跟进同款竞争时,需要区分 data.total 与每个商品的 similarNum,识别跟卖数高低区间。

适合人员

  • 负责 SHEIN 选品的电商运营:需要凭竞品图片找同款视觉候选,并核对销量、价格与供货价。
  • 负责市场调研的分析师:需要拉取完整候选池,比较增长、评分、上架时间和跟卖数。
  • 跟进供应链风险的采购人员:需要识别跟卖数高或低竞争的商品,并确认匹配边界。
  • 处理 Skill 对接的工程师:需要在脚本返回异常或服务端要求暂停时,按原图原条件恢复查询并核对字段。