What makes 极鲸云 Shein 数据分析与市场调研 notable?

1.7K downloads. Trust evidence available

How should 极鲸云 Shein 数据分析与市场调研 be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

极鲸云 Shein 数据分析与市场调研

整合商品、图搜同款、店铺、类目、关键词和评论数据完成 SHEIN 选品调研 Skill: 极鲸云 Shein 数据分析与市场调研 Owner: geekbi Summary: 整合商品、图搜同款、店铺、类目、关键词和评论数据完成 SHEIN 选品调研 Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-13T06:54:18.912Z | auto Initial release of geekbi-shein-research-skill. - 支持通过极鲸云分析 SHEIN 商品、图片同款、店铺、类目、关键词及评论，帮助跨境电商进行选品和市场调研。 - 提供清晰能力路由，根据用户意图自动选择主能力，无需手动指定技术流程。 - 严格按真实数据输出，显式说明数据缺失、异常值、估算值及分页范围。 - 统一输出规范：所有对象名称强制绑定官方链接，展示中文业务名称，隐藏技术细节，除非用户特殊要求。 - 内置组合调研链路与多能力对比、输出标准，助力完整业务分

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.7k

Updated

Oct 10, 2026

Version

0.1.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.7K downloads reported by the source. Last updated 10/10/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 10, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 10, 2026
Adoption signal: 1.7K downloadsadoption · observed Oct 10, 2026
Latest release: 0.1.0release · observed Aug 13, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s174eqt3xz844hgj4g79d0an318c07m7:geekbi-shein-research-skill

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-shein-research-skill/snapshot"

Documentation

CLAWHUB

17,494 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: geekbi-shein-research-skill
description: 通过极鲸云查询和分析 SHEIN 商品、图搜同款、店铺、类目、关键词与评论数据，完成跨境电商选品、市场调研、竞品分析、需求趋势、价格带、竞争强度、用户痛点和机会判断。用户提到 SHEIN 选品、找品、上传图片找同款、拍照搜款、以图搜货、视觉竞品、爆款、新品、蓝海市场、商品表现、全托管、半托管、店铺研究、竞品店铺、类目规模、品类机会、关键词趋势、搜索需求、市场容量、商品评论、差评原因、使用场景、用户反馈或需要组合多类 SHEIN 数据形成经营决策时使用。根据用户意图路由一个或多个内部能力，只依据极鲸云真实返回的数据形成结论。
---

# 极鲸云SHEIN数据分析与市场调研

## 总体原则

- 将本 Skill 作为唯一入口。商品、图搜同款、店铺、类目、关键词和评论搜索是内部能力，不要求用户分别安装或指定技术名称。
- 只使用极鲸云真实返回的数据；明确区分接口事实、可复算指标与分析判断，不编造缺失数据。
- 默认使用简体中文和绝对日期；保留站点、币种、时间范围、筛选条件、分页范围、样本量与数据更新时间。
- 对缺失值、异常值、估算值和未完成分页显式说明。数值为 `0` 时先判断是否可能未统计，不直接解释为真实为零。
- 面向用户只展示中文业务名称，不展示英文参数、请求命令或原始 JSON。只有用户明确要求开发对接、故障排查或原始响应时，才展示必要技术信息。
- 内部完成文档加载、路由、参数生成和脚本调用；进度只描述正在解决的业务问题。
- 图搜同款与商品搜索使用相同的商品字段；`similarNum` 对外统一称为“同款数（跟卖数）”。
- 商品、店铺、关键词与类目对象返回非空 `linkUrl` 时，主要名称必须使用该地址做 Markdown 链接，表格、榜单、候选清单和正文均不得省略。
- 服务端要求暂停查询时，遵循 [查询暂停与恢复流程](references/查询暂停与恢复流程.md)：展示一级 `msg`，有 `jumpUrl` 时展示可点击链接；条件满足后原样重跑请求。

## 能力路由

每次选择一个主能力，只有业务结论确实需要交叉验证时才追加能力。

| 用户意图 | 内部能力 | 必读文档 | 可选预设 |
| --- | --- | --- | --- |
| 找商品、选品、爆款、新品、价格带、销量、同款竞争 | 商品搜索 | [SHEIN商品搜索](references/SHEIN商品搜索.md)、[商品搜索接口](references/SHEIN商品搜索接口.md) | [商品榜单预设](references/SHEIN商品榜单预设.md) |
| 上传图片找同款、拍照搜款、分析图片对应市场 | 图搜同款 | [SHEIN图搜同款](references/SHEIN图搜同款.md)、[图搜同款接口](references/SHEIN图搜同款接口.md)、[商品搜索接口](references/SHEIN商品搜索接口.md) | [商品榜单预设](references/SHEIN商品榜单预设.md) |
| 找店铺、头部店铺、新店、经营效率、托管模式 | 店铺搜索 | [SHEIN店铺搜索](references/SHEIN店铺搜索.md)、[店铺搜索接口](references/SHEIN店铺搜索接口.md) | [店铺榜单预设](references/SHEIN店铺榜单预设.md) |
| 查类目 ID、市场容量、热销或蓝海类目、供需结构 | 类目搜索 | [SHEIN类目搜索](references/SHEIN类目搜索.md)、[类目搜索接口](references/SHEIN类目搜索接口.md) | [类目榜单预设](references/SHEIN类目榜单预设.md) |
| 查词、热销词、蓝海词、新词、需求和竞争 | 关键词搜索 | [SHEIN关键词搜索](references/SHEIN关键词搜索.md)、[关键词搜索接口](references/SHEIN关键词搜索接口.md) | [关键词榜单预设](references/SHEIN关键词榜单预设.md) |
| 评论痛点、使用场景、差评归因、产品改良 | 评论搜索 | [SHEIN评论搜索](references/SHEIN评论搜索.md)、[评论搜索接口](references/SHEIN评论搜索接口.md) | 无 |

只在用户表达榜单意图时读取预设；普通搜索不叠加榜单条件。

## 执行流程

1. 明确决策问题、目标站点、市场边界、时间口径和硬性条件；不影响结论时采用合理默认并说明。
2. 按能力路由只读取本次任务需要的文档。
3. 未指定站点时使用 `siteId=1`（站点列表名称“全部”，当前映射 `us`，不是跨国家聚合）；明确美国时使用 `siteId=2`。其他国家或地区运行 `scripts/shein_site_list.py` 实时解析；无唯一匹配时请用户确认，不猜测。评论同样遵守此规则。
4. 从全新参数对象生成最小请求，不继承上一轮或网页残留条件。商品运行 `scripts/shein_goods_search.py`，图搜运行 `scripts/shein_image_search.py`，店铺运行 `scripts/shein_shop_search.py`，类目运行 `scripts/shein_category_search.py`，关键词运行 `scripts/shein_keyword_search.py`，评论运行 `scripts/shein_review_search.py`。
5. 公共请求封装统一处理登录和查询暂停；恢复后原样重跑业务请求。
6. 检查响应、分页、缺失字段、异常值、时间口径与可比性。商品、店铺、类目、关键词只允许分页访问前 10000 条；`total` 是精确命中数，但超过 10000 时必须缩小筛选范围，不能声称已取得完整分布。未完成全量分页时标为样本。图搜要求全部结果或完整市场分析时，以同图、同筛选每页 200 条翻页，直至覆盖服务端本次视觉候选池与筛选条件的全部交集；候选池上限 1000，命中总数等于 1000 时不得称全平台全部同款。
7. 主查询完成后决定是否交叉验证。简单搜索直接回答，不强制扩展成完整报告。
8. 输出结论、数据口径、证据、机会与风险和下一步动作；发送前检查所有非空 `linkUrl` 是否已绑定对象名称。

## 组合调研链路

按问题裁剪，不机械执行全部步骤：

```text
类目：确定边界、规模和供需
  → 关键词：验证需求、增长与搜索竞争
  → 商品：核验价格、销量、同款竞争与上架时间
  → 评论：核验卖点、痛点、规格风险与改良方向
  → 店铺：核验集中度、经营模式与头部卖家表现
```

- 用户提供图片时先图搜形成视觉候选池，再用商品指标筛选；不得先主观转写成关键词替代图搜。
- 用户只查单一对象时只调用对应主能力。
- 完整选品优先按“类目 → 关键词 → 商品 → 评论

README.md

# 极鲸云 SHEIN 数据分析与市场调研 Skill

通过极鲸云提供的真实 SHEIN 数据，统一完成商品、图搜同款、店铺、类目、关键词和评论查询，并进一步用于选品分析、竞品研究、需求判断、价格带分析、竞争评估和用户痛点提炼。

## 主要能力

| 能力 | 可以解决的问题 |
| --- | --- |
| SHEIN 商品搜索 | 回答“卖什么、跟不跟”：发现正在起量的商品、稳定热卖款和低竞争机会，判断真实需求、主流售价、同款竞争、全托管或半托管经营模式与入场时机 |
| SHEIN 图搜同款 | 拿供应商图片、实拍图或竞品图快速找到 SHEIN 在售同款，摸清市场销量、售价空间和同行竞争，判断是直接跟进还是做差异化开发 |
| SHEIN 店铺搜索 | 看清竞品店铺“卖什么、卖得怎么样”：识别头部店、新锐店和直接竞争对手，判断主营方向、经营规模、动销效率、托管模式与增长潜力 |
| SHEIN 类目搜索 | 判断一个品类值不值得进入：了解市场容量、增长阶段、供需拥挤度、主流价格带和卖家竞争格局，避开过度饱和赛道 |
| SHEIN 关键词搜索 | 判断海外买家“正在搜什么”：发现需求增长词和供给不足的机会词，为选品方向、商品定位、标题用词和市场切入点提供依据 |
| SHEIN 评论搜索 | 看懂消费者“为什么买、为什么不满意”：提炼真实使用场景、核心卖点、差评隐患和规格问题，为选款、改款、采购验货和详情页优化提供依据 |

## 适用场景

本项目适合以下任务：

- SHEIN 跨境电商选品和候选商品筛选。
- 根据商品图、实拍图或供应商图片查找 SHEIN 同款并评估市场表现。
- 热销榜、新品榜、蓝海商品和低竞争商品研究。
- 商品价格带、销量、销售额、评价和同款数（跟卖数）分析。
- 全托管、半托管商品与店铺研究。
- 头部店铺、竞品店铺、新店和店铺经营效率研究。
- 类目市场容量、供需变化和品类机会判断。
- 关键词趋势、搜索需求、商品供给和店铺供给分析。
- 商品评论、差评原因、使用场景和消费者痛点分析。
- 将类目、关键词、商品、评论和店铺数据组合成完整的市场调研结论。

## 安装 / 更新

请直接将下面这段话发送给支持 Skill 的 AI 助手，即可完成安装或更新到最新版本：

```text
安装这个Skill: https://github.com/geekbi/geekbi-shein-research-skill
```

## 开始使用

安装后直接用中文描述目标即可，例如：

```text
帮我找 SHEIN 德国站最近卖得最好的女装，并分析价格、销量和同款竞争。
```

```text
(先上传一张图片)
用我上传的商品图片查找德国站 SHEIN 同款，按日销量排序，并比较价格、供货价和跟卖竞争。
```

```text
查一下 SHEIN 美国站家居收纳类目最近有哪些增长较快的细分方向。
```

```text
分析 SHEIN 关键词 summer dress 的需求、竞争和价格带。
```

```text
查找 SHEIN 主营女装、最近增长较快的半托管店铺，并比较经营效率。
```

```text
分析 SHEIN 商品 123456789 的低评分评论，找出主要缺点和改良建议。
```

```text
结合 SHEIN 类目、关键词、商品和评论数据，给我做一份 SHEIN 选品调研。
```

_meta.json

{
  "ownerId": "kn7aztmefa4fv3mdrqs9vagx7h8c14z2",
  "slug": "geekbi-shein-research-skill",
  "version": "0.1.0",
  "publishedAt": 1786604058912
}

references/SHEIN关键词搜索.md

# SHEIN 关键词搜索方法

## 适用问题

- 查热销词、蓝海词、最近新词、需求增长与搜索竞争。
- 分析某一类目内的需求表达、价格带、供给规模和半托管渗透。
- 从市场词出发验证商品机会。

榜单见 [关键词榜单预设](SHEIN关键词榜单预设.md)，接口见 [关键词搜索接口](SHEIN关键词搜索接口.md)。

## 分析框架

- 需求：近 3 个月与累计销量、销售额，不能只看增长率。
- 增长：日、周、月均销量和销售额及变化率；设置绝对量门槛避免小基数噪声。
- 供给：`itemCount`、`mallCount` 是当前总量；周期商品数、店铺数是日/周/月均值，对应 Rate 才是变化率。需求增长快于供给才可能形成机会。
- 价格：平均价格使用站点本地币种；跨站点比较先统一币种。
- 市场年龄：`firstOnSaleTime` 是该词市场内最早商品上架时间，不是关键词创建时间。
- 蓝海：`dsr` 只作综合信号，结合总销量、月增长、商品数和店铺数验证。
- 半托管：可复算商品与店铺渗透率；分母为零或缺失时不计算。

关键词模糊命中可能混入语义相近词。输出前检查原词、中文词、类目与样本是否仍属于同一需求。

references/SHEIN关键词搜索接口.md

# SHEIN 关键词搜索接口

## 调用

```bash
python3 scripts/shein_keyword_search.py \
  --param siteId=1 \
  --param keyword=dress \
  --param catIds=123 \
  --param sort=dsr \
  --param order=desc
```

基础参数：`keyword`、可重复 `catIds`、`siteId`、`page`、`size`、`sort`、`order`。默认入口 1 名称为“全部”但当前映射 `us`，不是跨站聚合；明确美国用 2，其他站点实时解析。

以下指标均支持 Min/Max：

- `dsr`、`sold`、`sales`、`totalSold`、`totalSales`、`avgPrice`。
- `firstOnSaleTime`，使用 ISO 8601。
- `itemCount`、`semiManagedItemCount`、`mallCount`、`semiManagedMallCount`。
- 日/周/月均 `Sold`、`Sales`、`ItemCount`、`MallCount` 及全部对应 Rate。

可排序字段为上述指标、`firstOnSaleTime`、`createTime`、`updateTime`。方向只允许小写 `asc|desc`；每页最大 200，`page × size` 不得超过 10000。`total` 是精确命中数；命中超过 10000 时只能访问前 10000 条，应缩小筛选范围后再做完整分布分析。

## 响应字段

成功响应 `data` 包含 `total`、`list`、`site`。关键词项公开：

- `id`、`siteId`、`siteUID`、`linkUrl`。
- `keyword`、`cnKeyword`、`thumbnail`、`catId`、`catIds`、`catItems`。
- `dsr`、`sold`、`sales`、`totalSold`、`totalSales`、`avgPrice`、`firstOnSaleTime`。
- `itemCount`、`semiManagedItemCount`、`mallCount`、`semiManagedMallCount`。
- 日/周/月均销量、销售额、商品数、店铺数及全部 Rate。
- `createTime`、`updateTime`。

`id` 是详情使用的关键词文档 ID，不等于关键词文本。不返回收藏等私有字段。退出状态：成功 0，需要动作 2，错误 1。

Github ReposUpdated 15h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.