VOC Listing Optimizer
A systematic framework that converts Amazon product reviews into a complete listing rewrite package, based on a 7-layer Voice-of-Customer (VOC) reverse engineering methodology.
Core Philosophy
> "用户嘴里说过的话,比卖家自创的术语,转化率高 30-50%"
>
> Listing optimization 的本质不是"写得更好",而是把已经成交的买家用过的真实语言搬进 listing。
When to Use This Skill
Trigger this skill when:
- User provides Amazon product reviews (5+ reviews recommended) and asks for analysis or listing optimization
- User pastes review text alongside ASIN / product info / category
- User says things like:
- "帮我分析这些评价"
- "做个 VOC 分析"
- "把这些评价转换成 listing"
- "VOC analysis on these reviews"
- "rewrite my Amazon listing based on customer feedback"
- "我的 listing 转化率低,根据评价改写"
Do NOT trigger if:
- 用户只是问 listing 优化通用建议 (没有具体评价数据)
- 用户在做选品调研 (这是 search-term-mining 的范畴)
- 用户在做广告诊断 (这是 ppc-doctor 的范畴)
Input Requirements
Minimum Required
required:
reviews:
type: text
description: 至少 5 条评价原文,每条含星级/标题/正文
example: |
[5★] "Hidden hard shell": The case is both soft but also hard...
[4★] "Bigger than expected": This is definitely for larger [Product]s...
[5★] "AWESOME": I wish I had purchased this sooner...
optional_but_recommended:
asin: string # e.g., "B0XXXXXXXX"
marketplace: enum [US, UK, DE, JP, FR, IT, ES, CA, MX, IN, AE, SG]
category: string # e.g., "[目标类目] > [Product]s"
brand_name: string
current_price: number
current_listing:
title: string
bullets: array of strings
aplus_content: string # 简要描述
cost_breakdown:
procurement: number
fba: number
freight: number
storage: number
commission_rate: number
competitor_asins: array of strings # 用于对比分析
Behavior When Input Is Incomplete
| 缺失字段 | 应对策略 |
|---|---|
| 评价 < 5 条 | 警告用户:"评价数过少,分析质量受限",但仍执行 |
| 无 ASIN | 跳过站点特定分析,做通用 VOC |
| 无类目信息 | 询问用户类目 (影响佣金/字符规则) |
| 无 current_listing | 跳过 "改前改后对比",直接给优化版 |
| 无 cost_breakdown | 跳过 "盈亏平衡 ACOS" 测算 |
| 评价语言非英文 | 询问目标 listing 语言 (默认英文 US 站) |
Execution Pipeline
按以下 4 个阶段严格顺序执行,不要跳步:
Phase 1: Reviews Preprocessing (评价预处理)
- 提取每条评价: rating / title / body / reviewer_name / is_vine / date (如有)
- 计算总体: 评价数 / 平均评分 / Vine 评价占比 / 时间跨度
- 按评分分组: 5★ / 4★ / 3★ / 1-2★ 分别处理
- 若 1-2 星评价 > 0 条,标记为"必须优先分析" (微吐槽 = 改 listing 的关键弹药)
- 检测语言一致性,如混合语言提醒用户
Phase 2: 7-Layer VOC Mining (7 层挖掘)
按以下顺序串行执行 7 层挖掘,每层加载对应 sub-prompt 文件 (在 references/ 目录):
| 层级 | Sub-prompt 文件 | 核心问题 |
|---|---|---|
| Layer 1 | references/layer1_language.md |
用户用什么词描述产品? |
| Layer 2 | references/layer2_intent.md |
用户为什么买? (购买动机) |
| Layer 3 | references/layer3_context.md |
用户在哪里/什么时候用? |
| Layer 4 | references/layer4_hidden_selling.md |
⭐ 有哪些 listing 没写的隐藏卖点? |
| Layer 5 | references/layer5_comparison.md |
用户在和谁对比? |
| Layer 6 | references/layer6_complaints.md |
微吐槽/不满 (反向引导 Q&A) |
| Layer 7 | references/layer7_emotion.md |
情感金句 (用于 A+ Content) |
关键约束:
- Layer 4 是最高 ROI 层,必须仔细做
- Layer 6 即使评价全是 5★ 也要尝试挖"如果...就更好了"
- 每层至少提取 3 个 finding,如果不足 3 个,标注"样本不足"
Phase 3: Insight Synthesis (洞察合成)
把 7 层结果整合成 4 个高层洞察:
synthesis:
top_insight:
description: 最大的单个发现
impact: estimated CVR lift if applied
hidden_selling_points:
list: top 3 隐藏卖点 (来自 Layer 4)
priority_order: 按 importance_score 排序
user_language_top_10:
list: TOP 10 高价值原话表达 (来自 Layer 1)
new_findings_count: int # 有几个是 listing 没用过的
buyer_persona:
primary: 主要客群画像
secondary: 次要客群
gift_ratio: 礼物购买占比
Phase 4: Listing Package Generation (Listing 改写)
按以下顺序生成 5 个组件,严格按 templates/ 目录的模板:
- Titles (3 个版本): 用
templates/title_template.md - Bullet Points (5 条): 用
templates/bullets_template.md - Q&A (5 条): 用
templates/qa_template.md - Backend Search Terms (5 行): 用
templates/search_terms_template.md - A+ Content 建议 (3-5 个模块): 用
templates/aplus_template.md
生成约束:
- 用户语言植入率必须 ≥ 30% (从 Layer 1 来)
- 标题字符数 < 200 (Amazon hard limit)
- 不能含 Amazon 禁用词 (见 references/forbidden_words.md)
- 每个 bullet 350-450 字符
- Q&A 至少 1 条来自 Layer 6 微吐槽
Output Format (必读)
按这个结构输出 (Markdown),所有章节都要有:
# VOC Analysis & Listing Rewrite Report
## 📋 Project Info
- ASIN / Marketplace / Brand / Category
- Reviews analyzed: N
- Analysis date
## 🎯 Top 5 Key Insights
按 importance 排序的 5 个发现, 每个包含:
- Insight description
- Supporting evidence (具体评价 quote)
- Recommended action
## 📊 7-Layer VOC Findings
逐层呈现, 每层包含:
- Key findings (表格形式)
- Representative quotes (原文引用)
- Hidden findings 高亮 (Layer 4 重点)
## ✍️ Listing Rewrite Package
### Title (3 Versions)
3 个版本: A 主推路线 / B 礼物心智 / C 差异化
每个版本附:
- 字符数
- 移动端前 80 字符预览
- 关键词命中清单
- 为什么这么写
### Bullet Points (5 Bullets)
每条:
- 完整文本 (350-450 字符)
- 用户语言植入 (高亮标注)
- 关键词命中
- 修改理由
### Q&A (5 Questions)
每条:
- Question
- Answer
- 来源 (来自 Layer 4 / Layer 6 等)
### Backend Search Terms (5 行)
- 5 行 search terms (每行 ≤ 250 字符)
- 排除已在 title/bullets 的重复词
### A+ Content Suggestions
- 3-5 个模块改写建议
- 重点标注"必须新增"的模块
## ✅ Quality Self-Check
自动产出的检查结果:
- 字符数检查
- 禁用词检查
- 用户语言植入率: X%
- 关键词覆盖率
- 风险警告
Critical Rules (绝不违反)
内容合规
-
绝对禁用词 (FDA / Amazon 禁词):
- 医疗: cure, heal, treat, FDA approved, clinically proven
- 绝对化: best, #1, world's best, top-rated
- 时效性: limited time, today only, 24 hours
- 引用文档:references/forbidden_words.md -
不能编造评价:
- 所有引用必须来自输入的评价原文
- 如果某个 Layer 找不到证据, 标注"无足够证据,跳过" -
不能引用竞品名:
- 禁止在生成内容里出现具体竞品品牌名
- 可以说 "unlike soft fabric cases" 但不能说 "unlike XX brand"
输出质量
-
用户语言植入率 ≥ 30%:
- 生成的 bullets 必须包含至少 30% 来自 Layer 1 的真实用户原话
- 不达标必须重写 -
隐藏卖点必须用上:
- Layer 4 找到的 Top 3 隐藏卖点必须有至少 1 个进入标题, 至少 2 个进入 bullets -
Q&A 必须覆盖微吐槽:
- Layer 6 找到的每个微吐槽必须有对应 Q&A
- 这是降低退货率的关键
多站点适配
| 站点 | 标题字符上限 | 货币 | 主要语言 |
|---|---|---|---|
| US | 200 | USD | English |
| UK | 200 | GBP | English |
| DE | 200 | EUR | German |
| JP | 50 chars (warning: 严格) | JPY | Japanese |
| FR/IT/ES | 200 | EUR | 当地语言 |
| 其他 | 200 (默认) | 当地货币 | 询问用户 |
注: 非英文站点需要先做英文 VOC 分析, 再翻译到目标语言, 不直接用机翻。
Examples
参考 examples/[brand]_case_study.md 看完整执行案例:
- 输入: [BRAND] [Product] 的 5 条 Vine 评价
- 输出: 标题/5点/Q&A/Search Terms 完整改写包
- 关键发现: "hidden hard shell" 隐藏卖点
Error Handling
| 错误情况 | 处理 |
|---|---|
| 评价 < 3 条 | 拒绝执行, 提示用户补充 |
| 评价非文本 (图片/链接) | 提示用户复制文本 |
| 评价语言混合 | 询问用户目标 listing 语言 |
| Layer 4 找不到隐藏卖点 | 标注"无显著隐藏卖点", 继续执行 |
| 类目未提供 | 默认按 [目标类目] 15% 佣金, 提示用户确认 |
| 生成的标题超 200 字符 | 自动删减, 优先保留前 80 字符的关键词 |
Skill Activation Examples
Trigger 示例 (会激活 Skill)
✅ "我有 8 个 Vine 评价, 帮我做 VOC 分析"
✅ "这是我产品 B0XXX 的评价, 怎么改 listing"
✅ "Run VOC analysis on these reviews and rewrite listing"
✅ "把买家说的话变成 listing 卖点"
✅ "用户都在说什么, 我的 listing 缺了什么"
Non-trigger 示例 (不会激活)
❌ "Listing 怎么写比较好" (太泛, 无评价数据)
❌ "推荐我一些选品" (是选品任务, 不是 VOC)
❌ "我的广告 ACOS 高怎么办" (是 PPC 任务)
❌ "做一份 Amazon 视频脚本" (是创意任务)
Cross-Platform Adapters
本 Skill 设计为 Claude 原生使用. 如需在其他平台使用:
- ChatGPT: 参考
adapters/chatgpt_custom_gpt.md - Kimi/通义/文心: 参考
adapters/universal_prompt.md - API 调用: 参考
adapters/api_integration.md
Version History
- v1.0 (2026): 初版, 基于真实亚马逊案例验证
END OF SKILL.md
