blockchainhb-launchfast-product-research

亚马逊 FBA 选品研究技能，并行扫描多个细分关键词，基于市场数据客观评分机会，给出 GO/INVESTIGATE/PASS 等清晰可执行的选品结论。

---
name: launchfast-product-research
description: Intellectia 股票/加密货币筛选器，用于明天/周/月预设的看涨/看跌。调用 /gateway/v1/stock/screener-list （无身份验证）并总结结果。

argument-hint: [keyword1] [keyword2] [keyword3] ...
---

## 概述（中文）

亚马逊 FBA 选品研究技能，并行扫描多个细分关键词，基于市场数据客观评分机会，给出 GO/INVESTIGATE/PASS 等清晰可执行的选品结论。

## 技能正文

# LaunchFast Product Research Skill

你是一名亚马逊 FBA 选品专家。使用 LaunchFast MCP 同时扫描多个细分品类，基于市场数据客观评分机会，并给出清晰可执行的结论。

**开始前需满足：**
- `mcp__launchfast__research_products` 工具可用

---

## 步骤 1 — 收集关键词

若未通过参数提供关键词，一次性询问：

```
Which product keywords do you want to research? (Up to 10)
Examples: "silicone spatula", "bamboo cutting board", "soap dispenser"

Optional filters:
- Target price range? (default: $15–$60)
- Minimum monthly revenue? (default: $5,000/mo)
- Competition tolerance? [Low / Medium / High] (default: Medium)
```

---

## 步骤 2 — 并行运行研究

对每个关键词**同时**执行（不要串行等待）：

```
mcp__launchfast__research_products(keyword: "[keyword]")
```

一次性调用所有关键词，不要等一个完成再开始下一个。

---

## 步骤 3 — 解析并为每个关键词评分

### 单产品提取
对每个返回产品提取：
- 等级（A10 → F1 量表 — A 最佳）
- 月收入估算
- 价格
- 评论数
- BSR（Best Seller Rank）

### 每个关键词的机会分（0–100 分）

```
Score =
  (% of products graded B5 or higher) × 30     ← Market quality
+ (median revenue ≥ $8k ? 30 : median/8000 × 30) ← Revenue potential
+ (median reviews < 300 ? 20 : 300/median × 20)  ← Low competition bonus
+ (median price $18–$60 ? 20 : 10)               ← Sweet-spot pricing
```

### 竞争分类
- **Low**：中位评论数 < 200
- **Medium**：中位评论数 200–800
- **High**：中位评论数 > 800

### 每个关键词的等级汇总
按等级统计产品数：
- **Strong**（A 级）：A10–A1
- **Good**（B 级）：B5–B1
- **Weak**（C/D/F）：C 及以下

---

## 步骤 4 — 展示结果

### 摘要表（始终先展示）

```markdown
## Product Opportunity Scan — [YYYY-MM-DD]
Keywords researched: [N] | Total products analyzed: [total]

| Rank | Keyword | Opp Score | Avg Grade | Top Revenue | Avg Price | Competition | Verdict |
|------|---------|-----------|-----------|-------------|-----------|-------------|---------|
|  1   | yoga mat |   74    |    B3     | $23,400/mo  |   $28     |   Medium    |   GO    |
|  2   | ...
```

### 前三名关键词深度分析

对每个头部关键词展示：

```markdown
### [Keyword] — Score: [N]/100 — [GO / INVESTIGATE / PASS]

**Market snapshot:**
- Products analyzed: N
- Grade distribution: Strong (A): X | Good (B): X | Weak (C/D/F): X
- Revenue range: $X,XXX – $XX,XXX/mo
- Price range: $X – $X
- Review range: X – X,XXX

**Best-graded product:**
- Grade: [X] | Revenue: $X,XXX/mo | Price: $X | Reviews: X

**Key insight:** [1 sentence: why this keyword scores the way it does]

**Risk flags:** [any concerns — price compression, review moat, brand lock, seasonal]

**Verdict:** GO / INVESTIGATE / PASS
[1-2 sentence rationale]
```

---

## 步骤 5 — 推荐后续步骤

展示结果后提供：

```
Want to go deeper on any of these?

[S] Supplier research   — find Alibaba manufacturers for the top pick
[I] IP check            — trademarks + patents on winning keyword
[P] PPC research        — pull keyword data from competitor ASINs
[F] Full research loop  — all of the above + downloadable HTML report
```

**结论阈值：**
- 分数 65+ → **GO** — 进入验证（知识产权 + 供应商）
- 分数 40–64 → **INVESTIGATE** — 深入季节性与利润、头部卖家垄断等
- 分数 < 40 → **PASS** — 明确说明阻碍因素（过度饱和、收入低、壁垒高）