Amazon Keyword Research

Name: Amazon Keyword Research
Author: liangdabiao

liangdabiao/amazon-skills-liang

5 installs
41 repo stars
Updated April 19, 2026
liangdabiao/amazon-skills-liang

Helps with ai & agent building tasks.

About

amazon-keyword-research is a Claude Code skill for ai & agent building. It helps solo builders move faster with AI-assisted development.

amazon-keyword-research
AI & Agent Building
AI-coding skill

Amazon Keyword Research by the numbers

5 all-time installs (skills.sh)
Ranked #13,065 of 16,546 AI & Agent Building skills by installs in the Skillselion catalog
Data as of Aug 4, 2026 (Skillselion catalog sync)

npx skills add https://github.com/liangdabiao/amazon-skills-liang --skill amazon-keyword-research

Add your badge

Show developers this skill is listed on Skillselion. Paste this into your README.

[![Listed on Skillselion](https://skillselion.com/badge/skills/liangdabiao/amazon-skills-liang/amazon-keyword-research.svg)](https://skillselion.com/skills/liangdabiao/amazon-skills-liang/amazon-keyword-research)

Installs	5
repo stars	★ 41
Last updated	April 19, 2026
Repository	liangdabiao/amazon-skills-liang ↗

What it does

Helps with ai & agent building tasks.

Files

SKILL.mdMarkdownGitHub ↗

亚马逊关键词研究 🔍

亚马逊卖家免费关键词研究工具。无需API密钥 — 开箱即用。

功能

长尾关键词挖掘：从亚马逊自动完成引擎提取100-200个真实搜索词
竞争格局分析：产品数量、价格范围、平均评分、评论分布、顶级品牌
季节性趋势检测：12个月谷歌趋势数据，识别旺季和需求变化
市场机会评分：1-10分，结合竞争密度、价格空间和需求信号
多市场支持：美国、英国、德国、法国、意大利、西班牙、日本、加拿大、澳大利亚、印度、墨西哥、巴西
关键词比较：多个关键词的并排分析

使用示例

用户可以自然提问。例如：

研究亚马逊美国的关键词"portable blender"

为"yoga mat"查找亚马逊长尾关键词

我想卖阻力带。亚马逊关键词格局如何？

比较亚马逊美国的"laptop stand"和"monitor stand" — 哪个机会更大？

分析亚马逊德国的"Küchenmesser"

研究亚马逊美国、英国和德国的"water bottle"

工作流程

第一步：收集自动完成数据

运行捆绑脚本收集亚马逊自动完成建议：

<skill>/scripts/research.sh "<关键词>" [市场]

参数：

关键词（必填）：要研究的种子关键词
市场（可选）：us（默认）、uk、de、fr、it、es、jp、ca、au、in、mx、br

脚本功能：

使用种子关键词查询亚马逊自动完成API
使用前缀扩展："best [关键词]"、"cheap [关键词]"、"top [关键词]"
使用a-z后缀扩展："[关键词] a"、"[关键词] b"、... "[关键词] z"
返回去重、排序的真实搜索建议列表 — 每行一个

为什么重要： 亚马逊自动完成反映了真实购物者实际输入的内容。这些不是猜测 — 它们是来自亚马逊搜索引擎的直接需求信号。前缀和字母扩展捕获了基本自动完成遗漏的长尾词，这些词通常竞争较低且意图较高。

示例：

<skill>/scripts/research.sh "portable blender" us
# 返回100-200个长尾关键词

对于多市场研究，请每个市场运行一次脚本。

第二步：分析竞争

使用 web_search 收集竞争对手情报：

1. 搜索 "<关键词>" site:amazon.com — 记下约结果数量以了解竞争密度 2. 搜索 "<关键词>" amazon best sellers price review — 提取价格模式、评分平均值、主导品牌 3. 总结：总竞争对手数量、价格范围（最低/平均/最高）、平均星级、可见度最高的Top 5品牌

为什么重要： 没有竞争背景的原始关键词量毫无意义。一个有10,000次搜索但被3个拥有10,000+评论的老牌品牌主导的关键词，与具有相同搜索量但卖家分散的关键词相比，是完全不同的机会。价格范围揭示了利润潜力 — 如果所有产品都在10美元以下，FBA费用后将非常微薄。

第三步：检查季节性

在谷歌趋势上使用 web_fetch：

https://trends.google.com/trends/explore?q=<关键词>&geo=US

如果谷歌趋势返回429错误，回退到 web_search 获取季节性数据：

"<关键词>" seasonal trends demand peak months

识别：趋势方向（上升/下降/稳定）、季节性高峰（哪些月份）、同比变化。

为什么重要： 季节性决定了现金流风险。一个80%销量集中在第四季度的产品意味着你需要提前数月准备好库存资金，其余时间可能面临滞销库存。上升趋势意味着需求增长和新进入者的空间；下降趋势意味着你在争夺不断缩小的市场份额。这种背景将关键词从数字变成商业决策。

第四步：综合报告

将所有数据组合成下面的输出格式。

为什么结构重要： 按意图（商业意图vs信息意图vs利基意图）对关键词分组帮助卖家不仅了解人们搜索什么，还了解为什么搜索。机会评分将多个信号浓缩成一个可操作的数字，但其背后的细分才是真正为决策提供依据 — 所以始终展示推理过程。

输出格式

使用以下结构呈现最终报告：

## 关键词研究报告：[关键词]
**市场：** 亚马逊 [美国/英国/德国/...]
**日期：** [当前日期]

### 1. 长尾关键词（找到[数量]个）

**高商业意图：**
- [包含"buy"、"best"、"vs"、"for"等的关键词]
- ...

**信息性/研究性：**
- [包含"how to"、"what is"、"review"等的关键词]
- ...

**利基/特定：**
- [表明明确购买意图的长而具体的关键词]
- ...

### 2. 竞争格局

| 指标 | 值 |
|--------|-------|
| 估计竞争对手数 | [数量] |
| 价格范围 | $[最低] - $[最高] |
| 平均价格 | $[平均] |
| 平均评分 | [星级] |
| 顶级品牌 | [品牌1、品牌2、品牌3...] |

### 3. 季节性趋势

[描述12个月趋势：高峰、低谷、稳定期]
[注意与关键词相关的即将到来的高峰季节]

### 4. 市场机会评分：[X/10]

**评分细分：**
- 竞争密度：[低/中/高] — [原因]
- 价格空间：[低/中/高] — [原因]
- 需求趋势：[增长/稳定/下降] — [原因]
- 利基潜力：[低/中/高] — [原因]

**建议：** [1-2句可操作的建议]

多关键词比较

当用户要求比较两个或更多关键词时，分别对每个关键词运行完整工作流程（第一步至第四步），然后以并排比较表呈现结果。

示例用户输入：

比较亚马逊美国的"laptop stand"、"monitor stand"和"tablet stand" — 我应该卖哪个？

如何执行： 运行脚本3次：

<skill>/scripts/research.sh "laptop stand" us
<skill>/scripts/research.sh "monitor stand" us
<skill>/scripts/research.sh "tablet stand" us

然后对每个关键词完成第二步和第三步，并输出比较表：

指标	laptop stand	monitor stand	tablet stand
长尾关键词数量	—	—	—
平均价格	—	—	—
顶级品牌主导度	—	—	—
趋势方向	—	—	—
机会评分	—	—	—

以建议结束，说明哪个关键词机会最大及其原因。

局限性

关键词数量基于自动完成返回，可能不完整
竞争数据来自网络搜索，估计值
趋势数据来自谷歌趋势，可能有延迟
建议仅供参考 — 做出商业决策前进行自己的研究

Amazon 关键词研究工具 — 原理详解

概述

本工具通过抓取 Amazon 搜索框的自动补全建议（Autocomplete Suggestions），挖掘真实买家搜索词，并结合网络搜索获取竞争分析和季节性趋势数据，最终输出市场机会评分报告。

核心原理

1. Amazon 自动补全 API

Amazon 搜索框在用户输入时会实时返回搜索建议，这些建议来自真实用户的搜索历史聚合，直接反映了市场需求。

API 端点格式：

https://completion.amazon.com/api/2017/suggestions?mid={市场ID}&alias=aps&prefix={编码后的关键词}

参数说明：

mid：市场标识符（如美国站 ATVPDKIKX0DER，英国站 A1F83G8C2ARO7P）
alias=aps：搜索所有品类（All Products）
prefix：URL 编码后的搜索词

响应示例：

{
  "suggestions": [
    {"value": "portable blender"},
    {"value": "portable blender for travel"},
    {"value": "portable blender usb rechargeable"}
  ]
}

2. 关键词扩展策略

仅搜索原始关键词只能获得少量建议。research.sh 使用了两种扩展策略来最大化覆盖：

前缀扩展 — 捕获不同购买意图：

""         → "portable blender"           # 通用搜索
"best "    → "best portable blender"       # 寻找最佳产品
"cheap "   → "cheap portable blender"      # 价格敏感型
"top "     → "top portable blender"        # 排行榜导向

字母后缀扩展 — 捕获长尾词：

"portable blender a" → "portable blender amazon"
"portable blender b" → "portable blender battery powered"
"portable blender c" → "portable blender cup"
...
"portable blender z" → "portable blender with straw"

通过 3 个前缀 × 1 个原始 + 26 个字母后缀，共发起 29 次 API 请求，去重后通常能获取 100-200 个独特关键词。

3. 多站点支持

12 个 Amazon 站点通过域名和市场 ID 映射实现：

站点	域名	市场 ID
美国	amazon.com	ATVPDKIKX0DER
英国	amazon.co.uk	A1F83G8C2ARO7P
德国	amazon.de	A1PA6795UKMFR9
日本	amazon.co.jp	A1VC38T7YXB528
...	...	...

不同站点的自动补全数据反映当地消费者的搜索习惯和语言差异。

4. 数据处理流程

种子关键词
    ↓
前缀扩展 + 字母扩展（29次API请求）
    ↓
JSON 解析，提取 suggestions[].value
    ↓
去重 + 排序
    ↓
按购买意图分类：
  ├── 高商业意图（含 buy, best, for, vs 等）
  ├── 信息研究型（含 how to, what is, review 等）
  └── 垂直细分型（长且具体的搜索词）

5. 竞争分析原理

通过搜索引擎获取竞争情报：

搜索 "关键词" site:amazon.com → 估算竞争商品数量
搜索 "关键词" amazon best sellers price review → 提取价格区间、评分、头部品牌

6. 季节性分析

通过 Google Trends 数据识别：

趋势方向（上升/下降/稳定）
季节性峰值月份
同比变化

7. 市场机会评分（1-10分）

综合四个维度加权评分：

竞争密度：竞争对手数量和品牌集中度
价格空间：是否存在足够的利润空间
需求趋势：需求是增长还是萎缩
细分潜力：是否可以通过差异化切入

使用方法

# 基本用法
bash scripts/research.sh "portable blender" us

# 指定站点
bash scripts/research.sh "yoga mat" de
bash scripts/research.sh "blender" jp

技术实现

research.sh：Bash 脚本，依赖 curl 和 python3（用于 URL 编码和 JSON 解析）
JSON 解析通过 Python 内联单行代码实现，无需额外安装
所有数据来自公开接口，无需 API Key

数据来源

本技能的核心数据来源是Amazon自动补全API（completion.amazon.com/api/2017/suggestions），通过 curl 直接调用该公开接口获取搜索建议。API请求格式为 ?mid={市场ID}&alias=aps&prefix={编码后的关键词}，其中 mid 参数标识目标市场（如美国站为 ATVPDKIKX0DER，英国站为 A1F83G8C2ARO7P）。12个Amazon站点各有独立的域名和市场ID映射。单次关键词研究共发起29次API请求——3个前缀（空字符串、best 、cheap ）加26个字母后缀，JSON响应中的 suggestions[].value 字段经Python内联代码解析后提取为关键词列表。

此外，本技能还使用两个辅助数据源：通过Google Trends（trends.google.com）获取关键词的季节性趋势数据（趋势方向、峰值月份、同比变化）；通过通用搜索引擎（web_search）获取竞争情报，搜索 "关键词" site:amazon.com 估算竞争商品数量，搜索 "关键词" amazon best sellers price review 提取价格区间和头部品牌信息。所有数据来自公开接口，无需API Key。

局限性

自动补全词不等于搜索量，仅代表存在搜索行为
无法获取精确的月搜索量数据
竞争分析依赖搜索引擎，精度有限
Amazon 可能限制高频请求，大规模研究需注意请求频率

#!/bin/bash
# Amazon Keyword Research - Data Gathering Script
# Fetches Amazon autocomplete suggestions for a given keyword
# Usage: research.sh <keyword> [marketplace]
# Marketplace: us (default), uk, de, fr, it, es, jp, ca, au, in, mx, br

KEYWORD="${1:?Usage: research.sh <keyword> [marketplace]}"
MARKETPLACE="${2:-us}"

# Map marketplace to Amazon domain and market ID
case "$MARKETPLACE" in
  us) DOMAIN="amazon.com"; MKT="ATVPDKIKX0DER" ;;
  uk) DOMAIN="amazon.co.uk"; MKT="A1F83G8C2ARO7P" ;;
  de) DOMAIN="amazon.de"; MKT="A1PA6795UKMFR9" ;;
  fr) DOMAIN="amazon.fr"; MKT="A13V1IB3VIYZZH" ;;
  it) DOMAIN="amazon.it"; MKT="APJ6JRA9NG5V4" ;;
  es) DOMAIN="amazon.es"; MKT="A1RKKUPIHCS9HS" ;;
  jp) DOMAIN="amazon.co.jp"; MKT="A1VC38T7YXB528" ;;
  ca) DOMAIN="amazon.ca"; MKT="A2EUQ1WTGCTBG2" ;;
  au) DOMAIN="amazon.com.au"; MKT="A39IBJ37TRP1C6" ;;
  in) DOMAIN="amazon.in"; MKT="A21TJRUUN4KGV" ;;
  mx) DOMAIN="amazon.com.mx"; MKT="A1AM78C64UM0Y8" ;;
  br) DOMAIN="amazon.com.br"; MKT="A2Q3Y263D00KWC" ;;
  *) echo "Unknown marketplace: $MARKETPLACE"; exit 1 ;;
esac

echo "=== Amazon Keyword Research ==="
echo "Keyword: $KEYWORD"
echo "Marketplace: $MARKETPLACE ($DOMAIN)"
echo ""

# 1. Fetch Amazon Autocomplete Suggestions
echo "--- Amazon Autocomplete Suggestions ---"
# Amazon's completion API returns search suggestions
ENCODED_KW=$(python3 -c "import urllib.parse; print(urllib.parse.quote('$KEYWORD'))")

# Fetch autocomplete with different prefixes for more suggestions
for prefix in "" "best " "cheap " "top "; do
  SEARCH_TERM="${prefix}${KEYWORD}"
  ENCODED=$(python3 -c "import urllib.parse; print(urllib.parse.quote('${SEARCH_TERM}'))")
  RESULT=$(curl -s "https://completion.${DOMAIN}/api/2017/suggestions?mid=${MKT}&alias=aps&prefix=${ENCODED}" 2>/dev/null)
  if [ -n "$RESULT" ]; then
    echo "$RESULT" | python3 -c "
import sys, json
try:
    data = json.load(sys.stdin)
    suggestions = data.get('suggestions', [])
    for s in suggestions:
        print(s.get('value', ''))
except:
    pass
" 2>/dev/null
  fi
done | sort -u

echo ""
echo "--- Alphabet Expansion ---"
# Expand with a-z suffixes for more long-tail keywords
for letter in a b c d e f g h i j k l m n o p q r s t u v w x y z; do
  SEARCH_TERM="${KEYWORD} ${letter}"
  ENCODED=$(python3 -c "import urllib.parse; print(urllib.parse.quote('${SEARCH_TERM}'))")
  RESULT=$(curl -s "https://completion.${DOMAIN}/api/2017/suggestions?mid=${MKT}&alias=aps&prefix=${ENCODED}" 2>/dev/null)
  if [ -n "$RESULT" ]; then
    echo "$RESULT" | python3 -c "
import sys, json
try:
    data = json.load(sys.stdin)
    suggestions = data.get('suggestions', [])
    for s in suggestions:
        print(s.get('value', ''))
except:
    pass
" 2>/dev/null
  fi
done | sort -u

echo ""
echo "=== Data collection complete ==="