用WorkBuddy跑通「亚马逊新品关键词库搭建」最佳实践（附教程资料包）

Hello，大家好，我是Bulus lan

我前段时间发布了一个亚马逊关键词搭建Skill，收获到很多朋友的好评呀，非常感谢大家。

正好最近我把这个Skill上架到了WorkBuddy官方技能市场，今天拿一个新品给大家演示：如何用AI从0到1搭建亚马逊新品关键词库

每一步都有实操教程，也整理了提示词，地址是

https://my.feishu.cn/wiki/OqygwNoipiCMkTkhhGtcM7bOnWq?create_from=create_doc_to_wiki&from=wiki

先赞后看，人生灿烂！

在 WorkBuddy 里怎么跑起来？

今天的演示，除了Workbuddy和我的关键词Skill，我们还需要准备好用于获取市场和关键词数据的MCP。

第一步：安装数据MCP（以Sif为例）

提到亚马逊关键词，那必然绕不开我的好朋友「Sif」，现在Sif的MCP也入驻到WorkBuddy中，一键就能完成安装和调用。

更多介绍在文章末尾！

这里点击连接后，去Sif官方拿到MCP的API KEY，输入后保存就OK了。

当然，我的 Skill 不跟 Sif 或某个 Agent 强绑定，换其他数据 MCP，或者直接手动上传关键词表也是能跑出结果的。

第二步：用Sif MCP反查竞品和关键词

这次我的测试案例是：美国站的狗用胸背带（dog harness）

但我对这个品类不了解，需要先找到竞品，看看这个市场是怎么玩的。这时候可以用Sif MCP针对品类关键词进行反查。

新建对话框，点击左下角的+号，确认Sif MCP已经打开，然后输入提示词

请使用 Sif MCP 调研美国站 dog harness 这个品类的头部竞品，为后续新品关键词建库寻找反查对象。

本次只做竞品调研，不要调用任何关键词 Skill，也不要开始搭建关键词库。

请优先调用 Sif MCP 中用于“词根头部竞品”或同等用途的真实数据工具。禁止根据记忆编造 ASIN。

执行要求：

1. 以 dog harness 为核心词，查询当前头部商品；

2. 输出候选商品的 ASIN、标题、产品形态、价格、主要尺寸或适用犬型；

3. 排除明显跨品类、形态不同或定位严重错位的商品；

4. 不要机械选择搜索结果前三名；

5. 从候选中推荐 3～5 个适合作为关键词反查对象的商品；

6. 推荐组合要尽量覆盖小犬、中犬和大犬，避免三个商品都集中在同一尺寸段；

7. 每个推荐商品写明它代表的细分需求和推荐理由；

8. 缺失字段标记为【缺失】，不要估算或补写。

请按下面的表格输出：

| ASIN | 产品定位/尺寸段 | 价格 | 代表的细分需求 | 推荐理由 | 待人工确认项 |

表格之后再输出：

- 推荐的三个反查 ASIN 组合；

- 这个组合覆盖了哪些需求；

- 是否还缺少某个尺寸段或产品形态。

输出候选名单后立即停止，等待我人工确认。

SIF 根据 dog harness 这个词根返回了一批头部产品。

我没有让 Agent 机械地拿搜索结果前三名作为结论，而是先看产品形态和尺寸段，再从里面选了三个代表款：

B07GVCFQV6：中犬款

B01M8JT6FT：大犬款

B0FH8C8YNJ：小犬款

这样选，是为了尽量覆盖 dog harness 里不同体型需求下的流量，而不是只盯着同一种尺寸的三个相似链接。

竞品选错了，后面拉回来的词再多也没意义。

比如只选小犬款，词池里可能会被 puppy、small dog、5-15lbs 这类需求占满。

如果拿了一个产品形态完全不同的链接，又会把另一套购买意图混进来。

所以这里的判断，我不会完全交给 Agent。

拿到结论后至少要人工确认三个问题：是不是同一种产品、价格和定位是否接近、这些竞品的目标人群能不能覆盖自己的商品。

值得一提的是，Sif 的 MCP 中，封装了官方对于流量、关键词的行业理解，所以他返回的内容，不会只是一串串干巴又晦涩的的数据，还附有系统性的业务解读。

上面这个反查竞品的流程比较轻量级，更建议大家用我之前做的「竞品精准狙击五步法」跑一遍，抓出藏在暗处的核心竞品！

第三步：调用buluslan的「亚马逊关键词作战图」Skill

有了竞品ASIN和品类关键词后，我们就能启动新品关键词库搭建了。

在【技能】页面，搜索【新西楼/buluslan】，就会出现我的跨境电商全链路Skill，然后安装左上角第一个「亚马逊关键词作战图」技能。

同时欢迎大家加入「MBG 跨境AI实战圈」，这里聚集了跨境大卖、AI大神，来一起深度交流，跑通【跨境AI】的从0到1

回到任务对话框，点击左下角+号，点击【技能】，选中「亚马逊关键词作战图」就会加入到对话框了。

接下来我们用Sif MCP 进一步反查三个竞品的关键词，并用关键词SKill跑完新品词库搭建。

可以直接输入以下这段提示词。

请调用buluslan的亚马逊关键词作战图Skill，为美国站 dog harness 做新品关键词建库。

核心关键词：dog harness

已人工确认的竞品 ASIN为：

B07GVCFQV6：中犬款

B01M8JT6FT：大犬款

B0FH8C8YNJ：小犬款

这三个 ASIN 已经在上一阶段通过 Sif MCP 完成竞品调研和人工确认，不需要重新寻找竞品。

请从 Skill 的新品建库流程开始：

1. 先确认本品品牌和关键规格；

2. 使用当前环境可用的SIF MCP数据源逐个反查三个竞品；

3. 合并去重并保留每个关键词的 source_asin；

4. 完成阶段性标品/非标品判断；

5. 完成词根分类、动作建议和广告去向；

6. 输出 xlsx、md、json 关键词作战图三件套。

信息不足时先问我，不要假设本品规格，不要重新执行竞品搜索，也不要绕过 Skill 做普通聊天分析。

Skill 没有拿到 ASIN 就直接开跑，而是先确认了本品品牌、产品规格和明确不承接的需求，非常人性化。

本品品牌是什么？（决定品牌词分类：本品品牌词主攻 vs 竞品品牌词截流）

本品的产品形态是哪种？（dog harness 品类的核心形态维度，直接影响形态词的归类与否定）

本品的尺寸段覆盖范围？（决定尺寸类词的攻防：覆盖到的尺寸词主攻，未覆盖的尺寸词按同品类异规格否定）

本品确认具备哪些功能配置？（有则对应功能词族主攻，无则该词族需降级或否定）

以上问题建议不要跳过，否则自有品牌词、竞品品牌词和规格冲突词很容易分错。

第四步：Skill全自动跑完词库搭建

到这里，我的Skill会自己完成三个 ASIN 的反查、合并、分析和分类

纵观整个过程，我们真正需要参与的只有两步：第一段对话确认竞品，第二段对话调用 Skill，回答一次产品信息。

其他的，都交给Skill中的工作流自动跑完。

最后，Skill交付了4个文件，关键词作战图报告和HTML、完整 Excel 词表和 JSON 源数据。

下一章我们来详细拆解词表和报告。

除了「新品建库」外，我的关键词Skill还能跑「老品诊断」、「竞品拆解」、「词表深加工」这三个场景，感兴趣的朋友可以看这里详细了解Skill的运行逻辑。

关键词作战图报告，怎么看？

第一个交付文件是「关键词作战图可视化报告」，包含：

产品类型判别+核心指标、词根分类与分布统计、PPC四象限分析、广告结构搭建建议、以及最后是词根+精准词表+否定词表的明细

我逐个解读下。

开头Skill先对dog harness的产品做了类型判断：标品

核心依据是，三个竞品ASIN 的月Top5 出单词流量集中度均值达到 54.1%

但它不是只打一个大词就够了。

像竞品 PHOEPET 的集中度只有42.7%，已经接近半标品边界，说明中犬段仍然有大量订单来自属性长尾。

更准确的打法是：核心词不能丢，尺寸、功能和犬种长尾也不能砍。

其次是69个出单词，比关键词搜索量更值得先看，因为这些词已经被竞品验证过的出单词。

另外可以看到，尺寸类的词，月搜索量都能上10万。报告补充的 CVR 数据也给了一个很有意思的信号：

dog harness medium sized dog：5.9%

dog harness for large dogs：6.0%

dog harness no pull：2.2%

裸功能词 no pull 的转化反而低于带尺寸的词。

所以这次真正应该优先打的，不是泛泛的“防爆冲”，而是尺寸加功能的组合词。

广告按 S、M、L、XL 分组，比把所有 no pull 词混在一起更容易看清结果。

接下来的词根类型和分布，不是Skill里面预设好的，而是在任务运行过程中，由Agent根据产品属性“拆词归类“长出来的。

比如dog harness这个品类我们最后归纳出6种属性，分别是尺寸、功能、犬种、犬龄等等。

下次如果换成headphones产品，可能就会分成连接方式、兼容设备、功能、接口这些分类了。

关键词的分类梳理清楚了，后面如果要搭建广告结构应该怎么开？

综合搜索量、ABA排名、竞争强度等上游原始数据，叠加判品和分类，报告划分了4类PPC层级和六组广告结构。

这里的具体明细，在词库Excel表中能够看到。

报告的最后是各类词表的明细。

我们重点看下「否定词表」，一共有64个词被我们拦截，每个词都附带了拦截原因。

有一些是因为我们产品功能不匹配，有一些又因为购买意图有冲突。

所以，前期准备好充分的产品信息和资料，在后续的词库、Listing、主图A+等模块内容制作上，才能事半功倍，不走歪路。

除此之外，Skill还会交付一个EXCEL表格，里面有7个sheet。

这里面不仅有MCP拉取的原始关键词数据，还输出了精准词表、否定词表、PPC策略、广告结构建议。

属于是上面HTML报告详细展开版本内容，方便咱们拿源数据做交叉验证。

不得不说，AI在处理数据方面的能力还是太超模了。

OK，以上报告就是bulus lan的「亚马逊关键词作战图」Skill搭配Sif MCP跑出来的实际效果。

最后我发现整个报告的内容，偏向于上架后的广告词库搭建了，于是我让WorkBuddy适配了一版Listing生成方案。

写在最后

这次实操跑下来，Sif MCP 最直接的价值，是把真实的关键词和市场数据，一次拉进 Agent 的分析流程。

我的关键词 Skill，则负责把这批数据变成主攻、截流、场景、观察和否定五种动作，再落到具体的Listing模块或者广告架构。

Agent + MCP + Skill，串成了跨境电商卖家跑通AI落地的最小闭环。

如果有朋友觉得安装MCP和Skill太过麻烦，我也准备了轻量版的提示词，帮助大家快速上手跑起来。

内容太长，不在正文里放，需要完整提示词的朋友，直接这里领取

地址：https://my.feishu.cn/wiki/OqygwNoipiCMkTkhhGtcM7bOnWq?create_from=create_doc_to_wiki&from=wiki

最后，祝用上我的Skill的朋友，Acos越来越低，ROAS越来越高哈哈哈！

封面来源/图虫创意

（来源：buluslan@新西楼.AI）

以上内容属作者个人观点，不代表雨果跨境立场！本文经原作者授权转载，转载需经原作者授权同意。​