关于 amazon-tiktok-signal
amazon-tiktok-signal 用于将与 Amazon ASIN 相关的 TikTok 视频候选整理为结构化信号报告。它支持快速检查、深入分析和最多三个 ASIN 的比较,并区分观测数据、计算结果与粗略判断。
主要功能
- 01分析 Amazon ASIN 相关的 TikTok 视频
- 02支持快速、完整和比较模式
- 03分类相关视频并按 ID 去重
- 04计算热度、动量、扩散和商业信号
- 05说明证据限制和采集中断情况
适用场景
- 01检查 Amazon 商品的 TikTok 信号
- 02比较两个或三个 ASIN 的 TikTok 机会
- 03根据近期视频样本查看粗略趋势
- 04选择用于商品验证的内容角度
MCP 相关
技能通过已连接的 SellerSpace Yunya MCP 调用兼容的 `asin_analysis_video` 工具,并优先使用其产品专用工具发现入口。它也支持直接暴露该工具或兼容的 KOLSprite MCP;每次运行只使用一个连接。
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ dev-kolsprite/ kolsprite-skills --skill amazon-tiktok-signal安装后在 Claude Code 中输入/amazon-tiktok-signal确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
agents/openai.yamlreferences/output-contract.mdstatistics-and-judgment.md详细介绍
Amazon TikTok 信号
将与 ASIN 相关的 TikTok 视频候选内容转化为可直接用于决策的信号报告。当当前 MCP 连接提供兼容的 KOLSprite 工具契约时,自动使用该连接;应用此 Skill 后,无需询问是否调用。
兼容的 MCP 路由
- 如果 SellerSpace Yunya 统一 MCP 可用且已通过身份验证,优先使用它。
- 支持直接业务工具,以及当前和旧版 Yunya 门面入口。
- 在直接模式下,按语义业务名称解析并调用
asin_analysis_video。 - 在 Yunya 门面模式下,如果业务工具未显示在主机顶层,最多进行一次主机级发现尝试,并优先使用产品专用的
yunya_search_kolsprite_tools。调用一次,并提供 ASIN 视频分析意图;使用其返回的确切内部工具名称和完整输入架构,然后通过call_read_tool调用该工具。 - 如果产品专用入口不可用,但可发现旧版通用
yunya__search_tools,则使用它,并指定 providerkolsprite、operationread以及相同的意图。产品专用入口可用时,不要优先使用通用入口。 - 不要猜测门面命名空间、内部工具名称、封装器或参数。运行期间重复使用发现到的名称和架构。
- 在主机顶层未找到
asin_analysis_video,并不能证明内部业务工具不存在。只有直接暴露和可用的当前或旧版门面查询均失败后,才能报告缺少业务依赖。如果无法发现任何一个门面入口,则报告连接器发现失败,不要改用无关的备用服务。 - 只有在独立 KOLSprite MCP 暴露相同的必需语义工具名称、输入架构和响应格式时,才视为兼容。
- 如果两个连接都已启用,整个运行过程只使用一个连接,优先使用 Yunya,绝不要通过两个服务重复付费调用。
- 如果
asin_analysis_video不存在或架构不兼容,则视为缺少依赖,并按下文说明停止。
输入
- 需要一个或多个 Amazon ASIN,以及一个 Amazon 市场,例如
US或GB。 - 除非用户指定其他目标地区,否则将 TikTok
region默认设为 Amazon 市场。 - 如果主机产品信息或用户提供了 Amazon 商品标题、叶级类目、品牌、核心功能和关键属性,请使用这些信息。这些字段有助于相关性分类;不要编造缺失的商品详情事实。
- 将 ASIN 和所有 TikTok ID 保留为字符串。
选择一种模式
- 快速检查: 当用户询问单个 ASIN 是否有 TikTok 热度或信号时,默认使用此模式。请求第 1 页的 20 条记录。报告头部内容热度、证据质量、传播扩散、商业表现和代表性证据。
- 完整信号: 当用户要求完整/深入分析、总体热度、近期月份对比,或询问信号上升或下降的原因时使用。每页请求 20 条记录,最多请求第 1–5 页;若结果已全部获取或发生重大错误,则提前停止。将收集到的热门播放量视频视为具有代表性的头部样本,并允许对最近 30 天与此前 30 天进行粗略的总体判断。
- ASIN 对比: 当用户提供 2–3 个 ASIN,或明确询问哪个产品的 TikTok 机会更强时使用。对每个 ASIN 使用相同的市场、地区、模式、每页条数、相关性规则和计算规则。除非用户明确要求完整对比,否则默认进行快速检查。
单次运行不要自动分析超过三个 ASIN。每个 ASIN 都需要独立的分页调用链;如果某条链失败,则报告部分对比结果。
检索并规范化 MCP 证据
-
使用
asin、market、region、page_num和page_size: 20调用asin_analysis_video。 -
解析 MCP 结果中的文本 JSON。支持较旧的数组响应和分页形式:
list = Array.isArray(data) ? data : data?.list ?? [] -
保留
pageNum、pageSize、total、请求的页码、返回的行、去重后的行以及停止原因。 -
按
id对视频去重。检测到稳定 ID 页面可疑地重复时,应停止,而不是声称覆盖了更多内容。 -
将每个视频分类为
same_product_family、highly_similar、related_scene或noise。在计算或判断结果前,请阅读 statistics-and-judgment.md。 -
在所有热度、势头、传播和商业计算中,以相同权重纳入
same_product_family和highly_similar。将related_scene和noise排除在这些计算之外,但保留其数量以披露证据质量。
统一工具契约提供大约最近六个月内发布的视频,按播放量降序排列,并以每页 20 条记录分页。请将其视为预期的集成行为,而非永久的协议事实:如果当前 MCP 元数据或返回的记录与之矛盾,应披露观察到的边界并缩小判断范围。
判断并说明
- 区分 MCP 观察结果、客户端计算、粗略的商业判断和建议采取的行动。
- 完整信号分析可以在收集到的代表性样本支持时表述为“整体近30天热度较上一个30天上升/持平或混合/下降(粗略)”。判断趋势方向时,应综合有效视频活跃度、创作者覆盖面和经发布时长调整的播放速度。始终展示这些基础数值;不要暗示存在精确的预测分数。
- 使用发布时间队列和经发布时长调整的播放速度进行近月比较。不要单独比较原始总播放量,因为较早发布的视频有更多时间累积播放量。
- 将
salesVolumeLst30d视为当前滚动 30 天的数值。不要将其描述为视频发布月份产生的历史销量。 - 不要将 MCP 的
total描述为有效的同款/相似视频数量。它是服务端的候选总数。 - 不要声称 TikTok 导致了 Amazon 销售,不要声称 TikTok 上的产品就是该 Amazon ASIN 对应的确切产品,也不要声称该 Skill 可以预测未来销量。
- 在交付完整信号分析或 ASIN 对比前,请阅读 output-contract.md。快速检查可以使用其中的精简模板,无需加载对比详情。
证据与停止规则
- 有效的同产品系列/高度相似视频少于三个时,表示信号不足以可靠判断。展示最有力的证据和排除项,但不要强行评定热度等级。
- 如果最新 30 天与之前 30 天的对比中,有效队列视频总数少于三个,则无法进行对比。队列样本较少或仅有单侧样本时,只能给出明确标注的粗略观察,不能给出正式趋势等级。
- 遇到身份验证、权限不足、有效点数不足、速率限制、架构错误或重复的服务端错误时,应停止受影响的调用链。不要更改凭据,也不要隐瞒采集过程被中断的情况。
- 如果当前统一 MCP 工具列表中没有
asin_analysis_video,应报告所需工具不可用并停止,不要改用video_search或臆造 ASIN 映射。 - 不要超出所选模式额外获取非必要页面。如果将快速对比扩展为完整对比会显著增加费用或延迟,应先征求同意。
- 点数使用量以实际执行的 MCP 调用为准。不要硬编码点数价格,也不要在 MCP 或宿主未提供扣点信息时报告扣点。失败、无结果或证据不足并不能证明账户已被扣费。
最后给出一个下一步决策
先说明热度和势头判断,再提供证据。最后给出一个与信号类型相关的行动,例如优先验证某个 ASIN、测试多位创作者、复现已验证的内容角度,或因现有证据较弱而暂停。在回答 ASIN 决策后,可将更广泛的 TikTok 商品、视频、字幕或创作者研究作为可选的后续事项。