用 Claude Code 做品类调研，输出一份能直接开会的报告
品类调研慢，通常不是因为不会分析，而是因为资料散在十几个标签页里。把调研写成 Skill 之后，字段固定、算法固定、报告结构固定，每次换个类目重新跑一遍就行。但要认清边界：第三方数据是估算不是平台口径，不足 12 个月的数据不能下季节性结论，最终的进不进这个类目仍然是人的判断。
先讲结论：调研慢不是因为不会分析
做过品类调研的人都知道，真正花时间的不是分析，是收集。
开十几个标签页，翻竞品，抄价格，看评论，翻关键词工具，最后把这些东西手动拼成一张表。真正需要判断力的部分——这个类目值不值得进——可能只占全部时间的两成。
Claude Code 能接手的正是那八成：把散落的资料拉到一起，按你定的字段整理成结构化的表，把明显的信号标出来。
它不能替你做的是最后那个决定。这篇讲怎么把前面八成固定成一个可重复跑的流程，同时讲清楚哪里必须由人接手。
Skill 怎么写还不熟的，先看《跨境卖家的第一个 Claude Code Skill》。
先解决数据从哪来
这是调研 Skill 最关键、也最容易被跳过的一步。Claude Code 本身没有任何平台数据，所有东西都要你先给它。
实际能拿到的数据分三类，性质完全不同，写报告时必须分开标注。
你自己后台能导出的
销量、订单、广告数据、退货理由。这类最准，因为是平台给你的原始数据，但只覆盖你自己已经在卖的东西。
调研新类目时，这类数据的作用是做参照系：你已知类目的转化率和退货率是多少，用来判断新类目的数字是高是低。
公开可查的
竞品的商品页、价格、评论、店铺信息、品牌官网、行业报道。Claude Code 可以直接联网查和抓页面。
这类数据的问题是不全面，也不稳定——你抓到的是某个时点的快照。所以报告里要写清楚抓取时间。
第三方数据服务
销量估算、类目规模、关键词搜索量、竞品营收，这类数据要接第三方服务，多数通过 MCP 或 API 接进来。
这里必须提醒一句：**这类数据是估算，不是平台官方口径。**不同服务商对同一个 ASIN 给出的月销量可能差好几倍。它适合用来做横向比较（A 比 B 卖得好），不适合当成绝对数字写进商业计划。
选服务商时，先拿你自己在卖的几个 SKU 去验一下——它估的和你后台真实数字差多少，这个偏差就是你后面读所有数据时要打的折扣。
竞品矩阵定哪些字段
矩阵的价值在字段选得对，不在收录得多。建议固定这些：
- ASIN 或商品链接
- 标题里的主关键词
- 售价、是否有折扣、变体数量
- 评分、评论数、最近三个月新增评论数
- 上架时间
- 配送方式
- 主图风格、是否有视频、A+ 内容
- 差评里出现最多的两个问题
最后两个字段是多数人会漏、但最有用的。前面那些数字告诉你市场长什么样，这两个告诉你还有什么位置可以站。
「最近三个月新增评论数」比「总评论数」有用得多。总评论数高只说明它卖了很久，新增评论数才反映现在的动销。
价格带和季节性怎么算才不失真
价格带分布
不要只看均价，均价会被少数高价商品拉偏。让它输出的是分布：把在售商品按价格分段，每段有多少个商品、这些商品的评论总量占比多少。
评论量加权之后才看得出真实的成交价格带在哪。有时候一个类目挂了很多 80 美元的商品，但九成的评论集中在 25 到 35 美元这一段——那才是这个类目真正的价格带。
季节性
这一条要给硬约束：不足 12 个月的数据，不下季节性结论。
只看三五个月的数据得出「这个品类在上升」，是调研里最常见的错误。让 Skill 直接写死这条规则：数据不足 12 个月时，输出「数据不足，无法判断季节性」，而不是凑一个趋势出来。
完整的调研 Skill
---
name: category-research
description: 对一个类目做调研，整理竞品矩阵、价格带分布、关键词竞争度和季节性，输出一份结构化的调研报告。当用户要做选品、看某个类目值不值得进、要竞品分析时使用。
argument-hint: [类目或关键词]
allowed-tools: Read Write WebSearch WebFetch Bash(python3 *)
---
## 任务
对 $ARGUMENTS 这个类目做调研，输出一份调研报告。
## 数据来源与标注
数据分三类，报告里每个数字都要标明来源类型：
- 自有数据：`data/` 目录下我们自己的导出文件，最可信
- 公开数据：联网抓取的商品页、评论、报道，标注抓取日期
- 估算数据：第三方服务给的销量、类目规模、搜索量，一律标注「估算」
不要把三类数据混在一张表里不加区分。
## 竞品矩阵
收录该类目下评论数排名前 20 的商品，每个记录：
ASIN、标题主关键词、售价、变体数、评分、评论总数、近三个月新增评论数、上架时间、配送方式、是否有视频和 A+、差评里最高频的两个问题。
## 价格带
按价格分 5 段，每段输出：商品数量、评论总量、评论量占比。
用评论量加权判断真实成交价格带，不要只报均价。
## 季节性
需要至少 12 个月的数据才下结论。数据不足时，直接写「数据不足，无法判断季节性」。
## 输出
在 `reports/` 目录生成 Markdown 报告，结构固定：
1. 一句话结论：这个类目现在的机会在哪、风险在哪
2. 市场概况：规模、价格带、集中度（前 5 名占了多少评论量）
3. 竞品矩阵表
4. 价格带分布表
5. 关键词竞争度
6. 季节性判断，或「数据不足」
7. 空位假设：从差评高频问题里，列出 3 个还没被满足的需求
8. 数据来源清单：每类数据的出处和获取时间
## 禁止动作
- 不要为了凑结论而编造数字，任何一个数字都要能说出来源
- 估算数据不得写成确定值
- 不下「建议进入」或「建议放弃」的最终判断，只列出支持和反对的证据
- 抓取公开页面时遵守站点规则，不做高频请求
最后那条「不下最终判断」是故意的。它可以把证据摆齐，但进不进这个类目牵扯到你的供应链、资金和风险偏好，这些它不知道。
报告里最有价值的是「空位假设」
上面结构里的第 7 项，是整份报告最值得看的部分。
前面六项都在描述市场现状，第 7 项在回答「所以我能做什么」。做法是从竞品差评的高频问题里提炼：如果排名前 20 的商品里有 12 个的差评都在抱怨同一件事，那这件事就是一个还没被解决的需求。
这也是下一篇要专门展开的——从用户抱怨反推产品机会，值得单独讲一篇。
三个必须人来判断的地方
调研报告出来之后，有三件事 Skill 给不了答案：
- 供应链能不能做：差评里说的问题，你的供应商改得动吗，成本加多少
- 资金和周期扛不扛得住：这个类目的动销速度决定压货时间
- 风险你接不接受：专利、认证、平台类目限制，这些要人去核
报告的作用是把这三个问题的前置信息准备好，不是替你回答它们。
抓取的边界
最后说一句合规。
Claude Code 能联网抓页面，但「技术上能抓」和「抓了没风险」是两回事。做法上守住几条：
- 遵守目标站点的规则和访问频率
- 只抓公开可见的内容，不绕登录、不绕验证
- 抓来的数据自用做判断，不二次分发
- 需要大量、持续的数据，走正规的数据服务商，别自己硬抓
调研这件事的价值在判断质量，不在数据量。为了多抓一点数据把账号或 IP 搭进去，不划算。
下一步
下一篇讲这份报告里最难自动化、也最容易出差异化的一段：怎么从用户的抱怨里反推出产品机会。
