{"id":"74e2e30c-6b7e-46e5-808a-ebb640c99e3b","entityType":"agent","slug":"clawhub-geekbi-geekbi-shein-research-skill","name":"极鲸云 Shein 数据分析与市场调研","canonicalUrl":"https://www.xpersona.co/agent/clawhub-geekbi-geekbi-shein-research-skill","canonicalPath":"/agent/clawhub-geekbi-geekbi-shein-research-skill","generatedAt":"2026-10-10T10:59:07.315Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-10T05:30:10.468Z","emptyReason":null},"description":"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","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.7K downloads reported by the source. Last updated 10/10/2026.","installCommand":"clawhub skill install s174eqt3xz844hgj4g79d0an318c07m7:geekbi-shein-research-skill","sourceUrl":"https://clawhub.ai/geekbi/geekbi-shein-research-skill","homepage":"https://clawhub.ai/geekbi/skills/geekbi-shein-research-skill","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/geekbi/geekbi-shein-research-skill","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/geekbi/skills/geekbi-shein-research-skill","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":64,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"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"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-10T05:30:10.468Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T05:30:10.468Z","emptyReason":null},"stars":null,"forks":null,"downloads":1653,"packageName":null,"latestVersion":"0.1.0","tractionLabel":"1.7K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T05:30:10.468Z","emptyReason":null},"lastUpdatedAt":"2026-10-10T05:30:10.468Z","lastCrawledAt":"2026-10-10T05:30:10.468Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-11T05:30:10.468Z","lastVerifiedAt":null,"highlights":[{"version":"0.1.0","createdAt":"2026-08-13T06:54:18.912Z","changelog":"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，助力完整业务分析。","fileCount":39,"zipByteSize":52844}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s174eqt3xz844hgj4g79d0an318c07m7:geekbi-shein-research-skill","setupComplexity":"low","setupSteps":["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":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-shein-research-skill/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-shein-research-skill/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-shein-research-skill/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-shein-research-skill/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-shein-research-skill/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-shein-research-skill/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T10:59:07.315Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-shein-research-skill/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-shein-research-skill/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-shein-research-skill/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-shein-research-skill/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-10T05:30:10.468Z","emptyReason":null},"readme":"Skill: 极鲸云 Shein 数据分析与市场调研\n\nOwner: geekbi\n\nSummary: 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\n\nTags: latest:0.1.0\n\nVersion history:\n\nv0.1.0 | 2026-08-13T06:54:18.912Z | auto\n\nInitial release of geekbi-shein-research-skill.\n\n- 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。\n- 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。\n- 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。\n- 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。\n- 内置组合调研链路与多能力对比、输出标准，助力完整业务分析。\n\nArchive index:\n\nArchive v0.1.0: 39 files, 52844 bytes\n\nFiles: .gitignore (32b), agents (0b), agents/openai.yaml (316b), README.md (3419b), references (0b), references/SHEIN关键词搜索.md (1291b), references/SHEIN关键词搜索接口.md (1713b), references/SHEIN关键词榜单预设.md (1152b), references/SHEIN商品搜索.md (2758b), references/SHEIN商品搜索接口.md (4538b), references/SHEIN商品榜单预设.md (2793b), references/SHEIN图搜同款.md (1672b), references/SHEIN图搜同款接口.md (1427b), references/SHEIN店铺搜索.md (1474b), references/SHEIN店铺搜索接口.md (1922b), references/SHEIN店铺榜单预设.md (1212b), references/SHEIN类目搜索.md (1258b), references/SHEIN类目搜索接口.md (1660b), references/SHEIN类目榜单预设.md (1068b), references/SHEIN评论搜索.md (1451b), references/SHEIN评论搜索接口.md (1693b), references/接口总览.md (1773b), references/查询暂停与恢复流程.md (1271b), requirements.txt (23b), scripts (0b), scripts/geekbi_auth.py (23978b), scripts/shein_category_search.py (4126b), scripts/shein_goods_search.py (4765b), scripts/shein_image_search.py (8162b), scripts/shein_keyword_search.py (4094b), scripts/shein_review_search.py (3006b), scripts/shein_search_common.py (5306b), scripts/shein_shop_search.py (4150b), scripts/shein_site_list.py (3486b), skill-card.md (2781b), SKILL.md (9247b), tests (0b), tests/test_scripts.py (6507b), _meta.json (146b)\n\nFile v0.1.0:SKILL.md\n\n---\nname: geekbi-shein-research-skill\ndescription: 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。\n---\n\n# 极鲸云SHEIN数据分析与市场调研\n\n## 总体原则\n\n- 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。\n- 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。\n- 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。\n- 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。\n- 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。\n- 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。\n- 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）”。\n- 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。\n- 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。\n\n## 能力路由\n\n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。\n\n| 用户意图 | 内部能力 | 必读文档 | 可选预设 |\n| --- | --- | --- | --- |\n| 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) |\n| 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) |\n| 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) |\n| 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) |\n| 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) |\n| 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 |\n\n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。\n\n## 执行流程\n\n1. 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。\n2. 按能力路由只读取本次任务需要的文档。\n3. 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。\n4. 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`。\n5. 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。\n6. 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。\n7. 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。\n8. 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。\n\n## 组合调研链路\n\n按问题裁剪，不机械执行全部步骤：\n\n```text\n类目：确定边界、规模和供需\n  → 关键词：验证需求、增长与搜索竞争\n  → 商品：核验价格、销量、同款竞争与上架时间\n  → 评论：核验卖点、痛点、规格风险与改良方向\n  → 店铺：核验集中度、经营模式与头部卖家表现\n```\n\n- 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。\n- 用户只查单一对象时只调用对应主能力。\n- 完整选品优先按“类目 → 关键词 → 商品 → 评论 → 店铺”逐步缩小；已有明确关键词、商品或店铺时可从对应环节开始。\n- 只有取得明确商品 ID 且评论能影响决策时才增加评论搜索。\n- 多能力对比必须统一站点、币种、时间窗和筛选边界；口径不同则停止直接排名。\n\n## 共享业务口径\n\n- `siteId` 是极鲸云站点 ID，`siteUID` 是 SHEIN 数据分区标识，两者不能混用。`siteId=1` 名称虽为“全部”，当前与美国站 `2` 都映射 `us`，不得描述为跨站聚合；跨站研究必须逐站查询并统一币种和时间口径。\n- 商品、店铺、类目、关键词共用类目 ID。优先使用类目搜索所得的一、二级类目，不按名称猜 ID。\n- 商品 `sold/sales` 表示最近销量/销售额，未确认固定窗口时不硬写成 90 天；店铺 `mallSold/mallSales`、关键词与类目 `sold/sales` 表示近 3 个月销量/销售额；各能力的 `totalSold/totalSales` 表示累计总量。\n- 日、周、月变化率是小数比例：`0.25` 表示增长 25%，`-0.1` 表示下降 10%。店铺、类目、关键词的周期销量、销售额、商品数、店铺数与粉丝数是日/周/月均值，对应 Rate 才是变化率；当前总量使用 `goodsNum`、`followerNum`、`itemCount`、`mallCount`。商品自身的日/周/月销量和销售额不是这组均值口径。\n- 商品价格、平均价格和销售额使用站点本地币种；供货价使用人民币。跨站点或利润计算前统一币种，并说明汇率与时间。\n- 托管模式只使用 `1=全托管`、`2=半托管`；不传表示不限。\n- `dsr` 是极鲸云预计算蓝海指数，越高通常越偏蓝海；未知计算公式，不自行解释为具体除法。\n- 同款数（跟卖数）越高表示同行销售相同商品越多、核价通过概率通常越低。一般不超过 10 较优，11–20 表示竞争增加，超过 20 时除非有工厂或供应链优势，否则需谨慎。\n\n## 输出要求\n\n### 名称链接硬性规则\n\n1. 先提取主要名称与服务端原样返回的 `linkUrl`，再组织表格或分析。\n2. 商品、店铺、关键词、类目的每次展示都使用 `[名称](<linkUrl>)`；不得单设裸链接列，不用“查看详情”替代名称，不自行拼接链接。\n3. 发送前逐个结果块核对：非空 `linkUrl` 对象数必须等于可点击名称数。\n4. 用户只索要链接时，直接返回可点击名称，不附接口说明。\n\n默认顺序：一句话结论；数据口径；关键发现；机会与风险；按优先级给出验证动作。用户只要列表时保持简洁。\n\nFile v0.1.0:README.md\n\n# 极鲸云 SHEIN 数据分析与市场调研 Skill\n\n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。\n\n## 主要能力\n\n| 能力 | 可以解决的问题 |\n| --- | --- |\n| 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 |\n| 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 |\n| 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 |\n| 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 |\n| 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 |\n| 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 |\n\n## 适用场景\n\n本项目适合以下任务：\n\n- SHEIN 跨境电商选品和候选商品筛选。\n- 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。\n- 热销榜、新品榜、蓝海商品和低竞争商品研究。\n- 商品价格带、销量、销售额、评价和同款数（跟卖数）分析。\n- 全托管、半托管商品与店铺研究。\n- 头部店铺、竞品店铺、新店和店铺经营效率研究。\n- 类目市场容量、供需变化和品类机会判断。\n- 关键词趋势、搜索需求、商品供给和店铺供给分析。\n- 商品评论、差评原因、使用场景和消费者痛点分析。\n- 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。\n\n## 安装 / 更新\n\n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：\n\n```text\n安装这个Skill: https://github.com/geekbi/geekbi-shein-research-skill\n```\n\n## 开始使用\n\n安装后直接用中文描述目标即可，例如：\n\n```text\n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。\n```\n\n```text\n(先上传一张图片)\n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。\n```\n\n```text\n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。\n```\n\n```text\n分析 SHEIN 关键词 summer dress 的需求、竞争和价格带。\n```\n\n```text\n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。\n```\n\n```text\n分析 SHEIN 商品 123456789 的低评分评论，找出主要缺点和改良建议。\n```\n\n```text\n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。\n```\n\nFile v0.1.0:_meta.json\n\n{\n  \"ownerId\": \"kn7aztmefa4fv3mdrqs9vagx7h8c14z2\",\n  \"slug\": \"geekbi-shein-research-skill\",\n  \"version\": \"0.1.0\",\n  \"publishedAt\": 1786604058912\n}\n\nFile v0.1.0:references/SHEIN关键词搜索.md\n\n# SHEIN 关键词搜索方法\n\n## 适用问题\n\n- 查热销词、蓝海词、最近新词、需求增长与搜索竞争。\n- 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。\n- 从市场词出发验证商品机会。\n\n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)。\n\n## 分析框架\n\n- 需求：近 3 个月与累计销量、销售额，不能只看增长率。\n- 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。\n- 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。\n- 价格：平均价格使用站点本地币种；跨站点比较先统一币种。\n- 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。\n- 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。\n- 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。\n\n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。\n\nFile v0.1.0:references/SHEIN关键词搜索接口.md\n\n# SHEIN 关键词搜索接口\n\n## 调用\n\n```bash\npython3 scripts/shein_keyword_search.py \\\n  --param siteId=1 \\\n  --param keyword=dress \\\n  --param catIds=123 \\\n  --param sort=dsr \\\n  --param order=desc\n```\n\n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。\n\n以下指标均支持 Min/Max：\n\n- `dsr`、`sold`、`sales`、`totalSold`、`totalSales`、`avgPrice`。\n- `firstOnSaleTime`，使用 ISO 8601。\n- `itemCount`、`semiManagedItemCount`、`mallCount`、`semiManagedMallCount`。\n- 日/周/月均 `Sold`、`Sales`、`ItemCount`、`MallCount` 及全部对应 Rate。\n\n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。\n\n## 响应字段\n\n成功响应 `data` 包含 `total`、`list`、`site`。关键词项公开：\n\n- `id`、`siteId`、`siteUID`、`linkUrl`。\n- `keyword`、`cnKeyword`、`thumbnail`、`catId`、`catIds`、`catItems`。\n- `dsr`、`sold`、`sales`、`totalSold`、`totalSales`、`avgPrice`、`firstOnSaleTime`。\n- `itemCount`、`semiManagedItemCount`、`mallCount`、`semiManagedMallCount`。\n- 日/周/月均销量、销售额、商品数、店铺数及全部 Rate。\n- `createTime`、`updateTime`。\n\n`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。\n\nFile v0.1.0:references/SHEIN关键词榜单预设.md\n\n# SHEIN 关键词榜单查询预设\n\n每次选择一个主预设，只补充站点、分页和用户明确条件。预设只定义排序，不直接证明关键词值得进入。\n\n## 预设\n\n### 热销词\n\n```text\nsort=totalSold\norder=desc\n```\n\n按累计总销量排序，不自动增加时间或最低销量门槛。\n\n### 蓝海词\n\n```text\nsort=dsr\norder=desc\n```\n\n排名后至少检查总销量、月销量与增长、商品数、店铺数和平均价格。\n\n### 最近新词\n\n```text\nsort=firstOnSaleTime\norder=desc\n```\n\n这是关键词市场内最早商品上架时间，不是关键词创建时间，也不能单独证明新趋势。\n\n## 补充方法\n\n- 近期需求增长：按月销量或月销售额增长率降序，并设置绝对量门槛。\n- 需求增长快于供给：先筛月需求增长为正，再比较需求增长率与商品数、店铺数的对应 Rate；周期商品数、店铺数本身是均值，不是变化量。\n- 类目内找词：使用类目搜索所得 ID，不按名称猜测。\n\n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`。排序方向只用 `asc|desc`。\n\nFile v0.1.0:references/SHEIN商品搜索.md\n\n# SHEIN 商品搜索方法\n\n## 适用问题\n\n- 热销、日销、新品、低同款竞争、新店热销与大卖新品。\n- 指定关键词、类目、价格带、托管模式、评分、评论量或上架时间找商品。\n- 对比候选商品的销量、销售额、增长、价格、供货价与店铺实力。\n\n需要榜单时读取 [商品榜单预设](SHEIN商品榜单预设.md)，调用方式和完整字段见 [商品搜索接口](SHEIN商品搜索接口.md)。\n\n## 查询步骤\n\n1. 固定站点；未指定用默认入口 `1`（名称“全部”，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。\n2. 关键词和类目通常二选一。类目 ID 必须来自用户或类目搜索，不能按名称猜测。\n3. 从全新参数对象加入硬条件，再选择与问题一致的单一排序字段。\n4. 首次通常取 20–50 条；`total` 是精确命中数。需要完整分布时继续分页，最大每页 200、最多访问前 10000 条；命中超过 10000 时缩小筛选范围，不能把已取样本称为全量。\n5. 先检查数据更新时间、缺失值与样本边界，再比较候选。\n\n## 指标解释\n\n- `sold/sales`：最近销量/销售额；`totalSold/totalSales`：累计总量。不得互换。\n- 日、周、月指标用于近期表现；对应变化率是小数比例，`0.2` 表示增长 20%。\n- `minPrice/maxPrice` 使用站点本地币种；供货价字段使用人民币。利润测算前统一币种，并另计平台费、物流、退货和广告成本。\n- `similarNum` 对外称为“同款数（跟卖数）”，表示销售同一款商品的同行数量；数值越高通常代表核价和同质化竞争更强。\n- `goodsScore/reviewNum` 分别反映评分与反馈规模；高销量低评分、低评论量高评分都需谨慎。\n- `mallSold` 是关联店铺近 3 个月销量信号，不等于该商品销量。\n- 托管模式只按 `1=全托管`、`2=半托管` 解释。\n- 上架时间可能为空；筛选时服务端可回退采集创建时间，回答中不要把采集时间写成确定上架日。\n\n## 选品判断\n\n至少同时检查需求、趋势、竞争、价格空间、评价与店铺结构：\n\n- 需求：最近销量、累计销量和销售额是否有足够绝对量。\n- 趋势：日、周、月指标是否一致，增长是否由低基数造成。\n- 竞争：同款数（跟卖数）、商品数量与头部集中是否过高。\n- 经济性：售价与供货价价差是否足以覆盖全部成本。\n- 质量：评分、评论量与评论痛点是否存在系统性风险。\n- 可复制性：头部表现是否只来自单一大店或超长经营历史。\n\n结果只证明命中当前筛选，不自动证明“爆品”或“蓝海”。\n\nFile v0.1.0:references/SHEIN商品搜索接口.md\n\n# SHEIN 商品搜索接口\n\n## 调用\n\n```bash\npython3 scripts/shein_goods_search.py \\\n  --param siteId=1 \\\n  --param keyword=dress \\\n  --param soldMin=100 \\\n  --param sort=daySold \\\n  --param order=desc \\\n  --param page=1 \\\n  --param size=20\n```\n\n每个查询条件单独使用一个 `--param 名称=值`。`catIds` 可重复传入；脚本保持多值。默认服务地址为 `https://openapi.geekbi.com`，仅开发测试时传 `--base-url`。\n\n## 站点解析\n\n- 未指定：传 `siteId=1`（名称“全部”，当前映射 `us`，不是跨站聚合）。\n- 明确美国：传 `siteId=2`。\n- 其他国家、地区、站点 UID 或域名：先运行：\n\n```bash\npython3 scripts/shein_site_list.py --country 德国\n```\n\n只在唯一命中后使用返回的 `siteId`；多义时请用户确认。\n\n## 参数\n\n基础条件：\n\n| 参数 | 含义 |\n| --- | --- |\n| `keyword` | 商品名称、商品 ID、SPU、货号或店铺 ID 的混合查询，最长 300 字符 |\n| `blockKeyword` | 排除商品名称中的词，最长 300 字符 |\n| `matchMode` | `1` 严格 AND 匹配；`2` 75% 模糊匹配，默认 2 |\n| `catIds` | 类目 ID，可重复；多个 ID 为 OR |\n| `siteId` | 极鲸云 SHEIN 站点 ID |\n| `hostingMode` | `1` 全托管；`2` 半托管；`0` 或不传为不限 |\n| `page` / `size` | 页码默认 1；每页默认 20、最大 200；`page × size` 不得超过 10000 |\n| `sort` / `order` | 排序字段；方向只允许 `asc` 或 `desc` |\n\n数值范围均使用 `<指标>Min` / `<指标>Max`：\n\n- 销量：`sold`、`totalSold`、`daySold`、`weekSold`、`monthSold`。\n- 销量变化率：`daySoldRate`、`weekSoldRate`、`monthSoldRate`。\n- 销售额：`sales`、`totalSales`、`daySales`、`weekSales`、`monthSales`。\n- 销售额变化率：`daySalesRate`、`weekSalesRate`、`monthSalesRate`。\n- 店铺与竞争：`mallSold`、`similarNum`。\n- 价格与质量：`price`（过滤最低售价）、`supplyPrice`、`goodsScore`、`reviewNum`。\n\n时间范围使用 ISO 8601：`onSaleTimeMin/Max`、`mallOpenTimeMin/Max`。最小值不得大于最大值。变化率传小数，如 `0.2` 表示 20%。\n\n可排序字段：\n\n```text\nsold,totalSold,daySold,weekSold,monthSold,\ndaySoldRate,weekSoldRate,monthSoldRate,totalSoldRate,\nsales,totalSales,daySales,weekSales,monthSales,\ndaySalesRate,weekSalesRate,monthSalesRate,totalSalesRate,\nminPrice,maxPrice,supplyPrice,minSupplyPrice,medianSupplyPrice,maxSupplyPrice,\ngoodsScore,reviewNum,similarNum,similarNumUpdateTime,onSaleTime,\nmallSold,mallOpenTime,createTime,updateTime\n```\n\n接口不接受 `siteUID`、商品状态、图片字段或精确同款数；同款数（跟卖数）仅用 Min/Max。\n\n## 同款数（跟卖数）评估口径\n\n- `similarNum` 对外统一称为“同款数（跟卖数）”，表示销售同一款商品的同行数量。\n- 数值越大，同行越多、同质化竞争越强，通常核价通过概率也越低。\n- 非工厂型卖家优先选择同款数不超过 10 的商品；超过 20 的候选默认降级或剔除，除非存在明确的价格、渠道、产品差异化或运营优势。\n- 将同款数作为重要竞争指标，但同时结合销量及增长、供货价、商品价格、评价、上架时间和卖家自身能力综合判断。\n\n## 响应\n\n成功结构为 `code=0`，`data` 至少包含精确命中数 `total`、`list`、`site`。列表只允许分页访问前 10000 条；`total>10000` 时缩小筛选范围再做完整分布分析。每个商品公开：\n\n- 标识：`id`、`goodsId`、`goodsSn`、`spuId`、`mallId`、`siteId`、`siteUID`、`linkUrl`。\n- 基础：`hostingMode`、`thumbnail`、`goodsName`、`catId`、`catIds`、`catItems`。\n- 竞争：`similarNum`、`similarNumUpdateTime`。\n- 销量：`sold`、`daySold`、`weekSold`、`monthSold`、`totalSold` 及全部对应 Rate。\n- 销售额：`sales`、`daySales`、`weekSales`、`monthSales`、`totalSales` 及全部对应 Rate。\n- 价格：`minPrice`、`maxPrice`、`supplyPrice`、`minSupplyPrice`、`medianSupplyPrice`、`maxSupplyPrice`。\n- 质量与店铺：`goodsScore`、`reviewNum`、`mallOpenTime`、`mallSold`。\n- 时间：`onSaleTime`、`createTime`、`updateTime`。\n\n`site` 包含站点名、域名、语言、货币符号、符号位置、汇率和千分位信息。接口不返回收藏等用户私有字段。\n\n## 退出状态\n\n- `0`：查询成功并输出 JSON。\n- `2`：需要用户完成登录、额度或开通动作，按暂停流程处理。\n- `1`：参数、网络或接口错误，错误 JSON 写入标准错误。\n\nFile v0.1.0:references/SHEIN商品榜单预设.md\n\n# SHEIN 商品榜单查询预设\n\n根据用户榜单或选品意图选择一个主预设，用户明确条件始终优先。预设依据 `geekbi-web-v2` 当前实际请求参数整理；文案与代码不一致时以代码为准。\n\n## 使用规则\n\n- 不叠加多个预设；从全新参数对象生成请求，避免网页或上一轮残留条件污染结果。\n- 默认补 `siteId=1`（名称“全部”，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。再补页码和每页数量。\n- 关键词与类目通常二选一；只有用户明确交叉限定时才组合。\n- 排序方向只用 `asc|desc`。\n- “近 3 个月”按执行时刻减 3 个自然月，转换成带时区 ISO 8601 绝对时间。\n- 预设只定义筛选和排序，不代表命中结果必然是爆品或蓝海。\n\n## 预设\n\n### 热销商品\n\n```text\nsort=sold\norder=desc\n```\n\n按最近销量排序，不把 `sold` 写成累计总销量。\n\n### 日销排行\n\n```text\nsoldMin=10000\nsort=daySold\norder=desc\n```\n\n这是网页当前真实条件；最低最近销量 10000 是榜单门槛，不是日销量门槛。\n\n### 蓝海爆品\n\n```text\nsoldMin=100\nsimilarNumMin=1\nsimilarNumMax=30\nonSaleTimeMin=<执行时刻减3个自然月的ISO时间>\nonSaleTimeMax=<执行时刻的ISO时间>\nsort=daySold\norder=desc\n```\n\n这是网页内置模板的实际宽口径。网页文案中的“销量不超过 1000”并非请求条件，不自动补 `soldMax`。命中后仍应优先保留同款数（跟卖数）不超过 10 的候选，并将超过 20 的候选标为竞争偏高。\n\n### 严格低同款竞争（Skill 补充）\n\n需要更严格的低竞争候选时，使用与蓝海爆品相同条件，但改为：\n\n```text\nsimilarNumMax=10\n```\n\n结果不足且用户接受放宽时可升至 20；这个补充预设不是网页内置模板。\n\n### 热销新品\n\n```text\nonSaleTimeMin=<执行时刻减3个自然月的ISO时间>\nonSaleTimeMax=<执行时刻的ISO时间>\nsort=sold\norder=desc\n```\n\n### 新店热销\n\n```text\nmallOpenTimeMin=<执行时刻减3个自然月的ISO时间>\nmallOpenTimeMax=<执行时刻的ISO时间>\nsort=sold\norder=desc\n```\n\n### 大卖新品\n\n```text\nonSaleTimeMin=<执行时刻减3个自然月的ISO时间>\nonSaleTimeMax=<执行时刻的ISO时间>\nsort=mallSold\norder=desc\n```\n\n网页文案曾写“近 1 个月”，实际请求是近 3 个月；本预设按实际请求。\n\n## 请求前检查\n\n1. 站点是否正确，是否误把名称“全部”的 `1` 写成跨站聚合。\n2. 相对时间是否已变为绝对 ISO 8601。\n3. 是否只使用有效接口参数与 `asc|desc`。\n4. 是否区分网页蓝海宽口径 30 与 Skill 严格低竞争口径 10。\n5. 是否在取得数据后结合销量、趋势、价格、评分和店铺结构验证标签。\n\nFile v0.1.0:references/SHEIN图搜同款.md\n\n# SHEIN 图搜同款方法\n\n## 适用问题\n\n- 用户上传照片、截图、商品图或图片链接，希望找视觉相似商品。\n- 判断某个外观在 SHEIN 的销量、价格带、竞争密度与切入空间。\n- 对视觉候选继续按类目、托管模式、销量、价格、评分或上架时间筛选。\n\n调用契约见 [图搜同款接口](SHEIN图搜同款接口.md)，商品字段与筛选语义见 [商品搜索接口](SHEIN商品搜索接口.md)。\n\n## 工作流\n\n1. 直接提交原图，不先将图片主观改写为关键词。\n2. 图搜形成阈值内视觉候选池，再用商品条件筛选。\n3. 用户只要相似商品时返回代表性结果；用户要完整分析时保持同图、同筛选，仅改变页码，以每页 200 条翻完服务端候选池与筛选条件的全部交集。\n4. 用销量、销售额、价格、上架时间、评分、评论数、同款数（跟卖数）和店铺实力交叉判断。\n5. 需要痛点时取得明确商品 ID 后再查评论。\n\n## 边界\n\n- 视觉相似不保证同工厂、同材质、同规格、同质量或知识产权状态。\n- 服务端单次视觉候选池最多 1000 个；`total=1000` 时可能已触及候选上限，不能称 SHEIN 全平台全部同款。\n- 接口未返回可验证的相似度分数时，不宣称结果按“最相似”排序；只称视觉候选。\n- 用户指定业务排序后，结果代表候选池内的业务指标排序，不再代表图像相似顺序。\n- `similarNum` 对外统一称为“同款数（跟卖数）”，并遵守商品搜索的竞争评估口径。\n- 侵权、商标、版权、外观专利与供应链真实性必须另行核验。\n\nFile v0.1.0:references/SHEIN图搜同款接口.md\n\n# SHEIN 图搜同款接口\n\n## 调用\n\n```bash\npython3 scripts/shein_image_search.py \\\n  --image /absolute/path/product.jpg \\\n  --param siteId=1 \\\n  --param sort=daySold \\\n  --param order=desc \\\n  --param page=1 \\\n  --param size=20\n```\n\n`--image` 支持本地路径、`file:`、`http:`、`https:`、图片 Data URI、`base64:` 内容，或 `-` 从标准输入读取。脚本在本地读取远程图片后上传；单图最大 10 MiB，支持 JPEG、PNG、GIF、WebP、BMP、TIFF、AVIF、HEIC/HEIF，不支持 SVG。\n\n所有 `--param`、排序、分页与响应字段完全复用 [商品搜索接口](SHEIN商品搜索接口.md)。图片是必填输入，不能用关键词代替。\n\n## 分页与排序\n\n- 要完整结果时，以 `size=200` 重复上传同一张图片，保持全部筛选不变并依次请求后续页，直至累计条数覆盖 `total`。这里的完整仅指服务端本次视觉候选池与筛选条件的交集；候选池最多 1000 个，`total=1000` 时不得称 SHEIN 全平台全部同款。\n- 未指定业务排序时只称“视觉相似候选”，除非响应明确返回相似度及顺序，否则不宣称按最相似排列。\n- 指定 `sort` 后，结果是在视觉候选池中按商品业务指标重排。\n- `similarNum` 对外统一称为“同款数（跟卖数）”，并按商品搜索接口的同款竞争口径解释。\n\n成功、暂停与错误退出状态和商品搜索一致。\n\nFile v0.1.0:references/SHEIN店铺搜索.md\n\n# SHEIN 店铺搜索方法\n\n## 适用问题\n\n- 查头部竞品、热销店铺、热销新店、最近开店或高评论店铺。\n- 比较全托管与半托管店铺的规模、增长、商品结构和粉丝变化。\n- 判断类目是否由少数大店控制，或新店是否有可复制增长。\n\n榜单条件见 [店铺榜单预设](SHEIN店铺榜单预设.md)，完整参数见 [店铺搜索接口](SHEIN店铺搜索接口.md)。\n\n## 分析框架\n\n- 规模：店铺近 3 个月销量/销售额、累计销量/销售额、商品数、粉丝数、评论数。\n- 近期表现：日、周、月均销量和销售额及变化率。\n- 经营效率：近 3 个月销量除以商品数可作粗略动销效率，但分母缺失或为零时不计算。\n- 供给结构：周期商品数字段是日/周/月均值，对应 Rate 才是变化率；当前商品总数是 `goodsNum`，三者不能混用。\n- 用户资产：周期粉丝字段是日/周/月均值，对应 Rate 才是变化率；当前粉丝总数是 `followerNum`。\n- 口碑：店铺星级和评论规模需同时看，高评论不等于高评分。\n- 生命周期：开店时间与增长结合判断；累计规模高不代表近期仍增长。\n- 托管模式：只用 `1=全托管`、`2=半托管`，不传表示不限。\n\n“潜力新店”至少需要近期开店、近期销量有量、月度趋势为正、动销不依赖极少商品且口碑无明显风险。只按累计销量排名不能推出持续增长。","readmeExcerpt":"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","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"类目：确定边界、规模和供需\n  → 关键词：验证需求、增长与搜索竞争\n  → 商品：核验价格、销量、同款竞争与上架时间\n  → 评论：核验卖点、痛点、规格风险与改良方向\n  → 店铺：核验集中度、经营模式与头部卖家表现"},{"language":"text","snippet":"安装这个Skill: https://github.com/geekbi/geekbi-shein-research-skill"},{"language":"text","snippet":"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。"},{"language":"text","snippet":"(先上传一张图片)\n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。"},{"language":"text","snippet":"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。"},{"language":"text","snippet":"分析 SHEIN 关键词 summer dress 的需求、竞争和价格带。"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: geekbi-shein-research-skill\ndescription: 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。\n---\n\n# 极鲸云SHEIN数据分析与市场调研\n\n## 总体原则\n\n- 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。\n- 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。\n- 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。\n- 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。\n- 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。\n- 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。\n- 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）”。\n- 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。\n- 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。\n\n## 能力路由\n\n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。\n\n| 用户意图 | 内部能力 | 必读文档 | 可选预设 |\n| --- | --- | --- | --- |\n| 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) |\n| 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) |\n| 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) |\n| 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) |\n| 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) |\n| 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 |\n\n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。\n\n## 执行流程\n\n1. 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。\n2. 按能力路由只读取本次任务需要的文档。\n3. 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。\n4. 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`。\n5. 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。\n6. 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。\n7. 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。\n8. 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。\n\n## 组合调研链路\n\n按问题裁剪，不机械执行全部步骤：\n\n```text\n类目：确定边界、规模和供需\n  → 关键词：验证需求、增长与搜索竞争\n  → 商品：核验价格、销量、同款竞争与上架时间\n  → 评论：核验卖点、痛点、规格风险与改良方向\n  → 店铺：核验集中度、经营模式与头部卖家表现\n```\n\n- 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。\n- 用户只查单一对象时只调用对应主能力。\n- 完整选品优先按“类目 → 关键词 → 商品 → 评论"},{"path":"README.md","content":"# 极鲸云 SHEIN 数据分析与市场调研 Skill\n\n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。\n\n## 主要能力\n\n| 能力 | 可以解决的问题 |\n| --- | --- |\n| 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 |\n| 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 |\n| 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 |\n| 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 |\n| 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 |\n| 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 |\n\n## 适用场景\n\n本项目适合以下任务：\n\n- SHEIN 跨境电商选品和候选商品筛选。\n- 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。\n- 热销榜、新品榜、蓝海商品和低竞争商品研究。\n- 商品价格带、销量、销售额、评价和同款数（跟卖数）分析。\n- 全托管、半托管商品与店铺研究。\n- 头部店铺、竞品店铺、新店和店铺经营效率研究。\n- 类目市场容量、供需变化和品类机会判断。\n- 关键词趋势、搜索需求、商品供给和店铺供给分析。\n- 商品评论、差评原因、使用场景和消费者痛点分析。\n- 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。\n\n## 安装 / 更新\n\n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：\n\n```text\n安装这个Skill: https://github.com/geekbi/geekbi-shein-research-skill\n```\n\n## 开始使用\n\n安装后直接用中文描述目标即可，例如：\n\n```text\n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。\n```\n\n```text\n(先上传一张图片)\n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。\n```\n\n```text\n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。\n```\n\n```text\n分析 SHEIN 关键词 summer dress 的需求、竞争和价格带。\n```\n\n```text\n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。\n```\n\n```text\n分析 SHEIN 商品 123456789 的低评分评论，找出主要缺点和改良建议。\n```\n\n```text\n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。\n```"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn7aztmefa4fv3mdrqs9vagx7h8c14z2\",\n  \"slug\": \"geekbi-shein-research-skill\",\n  \"version\": \"0.1.0\",\n  \"publishedAt\": 1786604058912\n}"},{"path":"references/SHEIN关键词搜索.md","content":"# SHEIN 关键词搜索方法\n\n## 适用问题\n\n- 查热销词、蓝海词、最近新词、需求增长与搜索竞争。\n- 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。\n- 从市场词出发验证商品机会。\n\n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)。\n\n## 分析框架\n\n- 需求：近 3 个月与累计销量、销售额，不能只看增长率。\n- 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。\n- 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。\n- 价格：平均价格使用站点本地币种；跨站点比较先统一币种。\n- 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。\n- 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。\n- 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。\n\n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。"},{"path":"references/SHEIN关键词搜索接口.md","content":"# SHEIN 关键词搜索接口\n\n## 调用\n\n```bash\npython3 scripts/shein_keyword_search.py \\\n  --param siteId=1 \\\n  --param keyword=dress \\\n  --param catIds=123 \\\n  --param sort=dsr \\\n  --param order=desc\n```\n\n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。\n\n以下指标均支持 Min/Max：\n\n- `dsr`、`sold`、`sales`、`totalSold`、`totalSales`、`avgPrice`。\n- `firstOnSaleTime`，使用 ISO 8601。\n- `itemCount`、`semiManagedItemCount`、`mallCount`、`semiManagedMallCount`。\n- 日/周/月均 `Sold`、`Sales`、`ItemCount`、`MallCount` 及全部对应 Rate。\n\n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。\n\n## 响应字段\n\n成功响应 `data` 包含 `total`、`list`、`site`。关键词项公开：\n\n- `id`、`siteId`、`siteUID`、`linkUrl`。\n- `keyword`、`cnKeyword`、`thumbnail`、`catId`、`catIds`、`catItems`。\n- `dsr`、`sold`、`sales`、`totalSold`、`totalSales`、`avgPrice`、`firstOnSaleTime`。\n- `itemCount`、`semiManagedItemCount`、`mallCount`、`semiManagedMallCount`。\n- 日/周/月均销量、销售额、商品数、店铺数及全部 Rate。\n- `createTime`、`updateTime`。\n\n`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。"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"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","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":498,"uniquenessScore":61,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-10T05:30:10.468Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-10T05:30:10.468Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T10:59:07.315Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"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!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"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","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}