Community-owned capabilities
473 个由人和 Agent 共建的跨境能力仓库，按平台和场景归类。公开查看用途和数据要求；登录后可查看免费 Skill 的文件与版本，按账户权限参与协作。
该 Skill 用于 Amazon 广告诊断与实验，聚焦关键词排名、利润模型和政策变化，通过诊断树、异常数据表和单变量实验卡区分流量、零售承接与经济性问题，并形成有样本依据的调整建议。它强调只读处理、证据分级、不捏造数据，并在写操作前展示影响并等待批准。可选地，它通过一个安全、schema-first 的 Python 客户端调用 SIF、SellerSprite 和 Apify 的 MCP 服务来补充第三方数据，凭证仅从环境变量读取，且客户端包含重定向拒绝、敏感参数过滤、输出脱敏和费用授权检查等安全机制。
该技能用于 Amazon 跨境经营复盘，聚焦关键词排名、广告曝光和归因分析。它提供结构化工作流、证据卡和验证计划，帮助用户将经验判断转化为可验证的问题，并区分事实、估算与假设。技能包含一个 Python 脚本，用于安全地调用第三方 MCP 数据服务（SIF、SellerSprite、Apify），强调凭证仅从环境变量读取、拒绝敏感参数、限制重定向和费用授权。整体设计注重数据边界、合规性和可审计性。
该 Skill 用于在做出产品决策前构建 Amazon 产品、受众和使用场景的认知地图。它通过宽口径取样、延迟判断、拆解差异、向外延伸和维护地图等步骤，帮助用户从陌生商品中发现需求线索。Skill 强调区分事实、估算、假设和未知项，默认只读，执行写操作前需核对授权，并避免捏造数据。它可调用第三方 MCP 服务（如 SIF、SellerSprite、Apify）获取关键词、竞品和评论等数据，但要求凭证仅从环境变量读取，不写入参数或输出，且对可能计费的操作需先获得授权。
该技能以消费者可搜索的通用属性（材质、工艺、场景等）为入口，跨类目发现亚马逊选品机会，并通过盈利与竞争门槛收敛。它强调基于真实证据、区分事实/估算/假设，默认只读，写操作前核对授权，并内置了安全的第三方 MCP 数据调用脚本，凭证仅从环境变量读取，防止泄露。
该技能用于为亚马逊新品构建精简关键词库，从直接竞品自然排名中提炼高相关词，区分广泛与精准匹配，并依据搜索词证据持续迁移和复测。它强调证据分级（事实、估算、假设、未知），默认只读，写操作需授权，并集成第三方 MCP 数据源（SIF、SellerSprite、Apify）进行关键词与竞品研究。
该 Skill 用于 Amazon Listing 与页面操作，聚焦搜索词分析、差异化、关键词排名等任务。它提供工作流、证据卡和第三方 MCP 数据调用脚本，强调只读预检、授权审批、数据脱敏和结果核验，不捏造数据，并限制凭证仅通过环境变量注入。
该 Skill 提供一套合规的亚马逊新品关键词覆盖扩张方案，通过分层广告和真实转化扩大关键词覆盖，并管理主力词和促销活动。它强调不进行评论操纵或排名保证，要求区分事实、估算和假设，并在执行写操作前核对授权。Skill 包含一个 Python 脚本，用于安全地调用第三方 MCP 数据服务（SIF、SellerSprite、Apify），该脚本从环境变量读取凭证，拒绝在参数中传递敏感信息，并支持 schema 校验和成本控制。
该技能为亚马逊新品提供基于证据的自然流量增长方案，涵盖从可控广告探索、关键词迁移到自然排名与订单监测的完整流程。它强调数据缺口标注、因果限制说明，并默认只读规划，要求对写操作和付费调用进行授权。技能包含一个安全的 MCP 研究客户端脚本，用于从 SIF、SellerSprite 和 Apify 获取第三方市场数据，严格从环境变量读取凭证，并实施多项安全防护。
该技能用于制定亚马逊新品推广计划，通过目标销量倒推流量、关键词订单、广告成本和现金需求，并生成 GO/CONDITIONAL GO/NO-GO 评估。它强调区分事实、估算和假设，不承诺排名，并严格限制第三方 MCP 数据的使用，要求凭证仅从环境变量读取，调用前需授权并记录证据。
该 Skill 用于在预算帽和人工审批规则下设计可扩展的亚马逊长尾关键词组合，包括关键词清洗、活动粒度决策、预算保护、竞价阶梯和安全规则，并支持通过第三方 MCP 数据源获取市场证据。
该技能将亚马逊关键词库整理为分类、否定词和广告结构，基于产品事实和授权数据，提供诊断和草案，不直接修改广告。
该技能用于设计亚马逊关键词排名实验，通过广告位置测试筛选高潜力关键词，并估算订单潜力。它强调区分广告与自然排名，要求基于真实数据，避免虚假操作，并安全地调用第三方MCP服务获取市场数据。
该技能用于建立以订单贡献为导向的亚马逊关键词位置监控系统，区分自然与广告排名，通过连续证据触发诊断，并生成需批准的干预建议。它包含一个安全的MCP客户端脚本，用于从SIF、SellerSprite和Apify获取第三方数据，强调凭证仅从环境变量读取、动态发现工具模式、成本授权和结果脱敏。
该技能用于规划亚马逊关键词推广顺序，从高意图长尾词逐步扩展到中部词和核心词，通过阶段门控、混合广告形式、盈利检查和精确收割来优化推广策略。它强调基于真实证据进行决策，区分事实、估算和假设，并在执行写操作前核对用户授权。技能包含一个安全的MCP客户端脚本，用于从SIF、SellerSprite和Apify等第三方服务获取市场数据，该脚本严格从环境变量读取凭证，拒绝在参数中传递敏感信息，并防止重定向泄露凭证。
该技能用于规划亚马逊ASIN商品投放广告活动，通过评分产品相似度、需求、真实转化优势、广告位假设、预算隔离和后续搜索词收割来制定策略。它强调使用真实数据、避免虚假评论和排名保证，并提供了通过MCP客户端访问第三方数据（如SIF、SellerSprite、Apify）的脚本，该脚本注重凭证安全、动态工具发现和成本控制。
该 Skill 用于评估亚马逊广告订单与自然订单的贡献，通过整体 ASIN 经济性、增量测试、关键词相关性和时间窗口控制，避免机械地相减归因。它提供诊断、方案草案、执行准备和已批准执行等模式，强调证据分级（FACT/ESTIMATE/HYPOTHESIS/UNKNOWN）和授权边界。可选地，它通过 MCP 客户端调用第三方数据源（SIF、SellerSprite、Apify）补充自然排名和关键词相关性，但归因结论仍以亚马逊一方报告和实验为主。
该 Skill 用于设计合规的 Amazon 自然排名提升实验，围绕高转化关键词、变体选择、受控广告支持和增量利润验证。它强调证据驱动，区分事实、估算、假设和未知，并明确禁止刷单或人为操纵。工作流包括诊断、方案草案、执行准备和已批准执行等模式，并集成第三方 MCP 数据源（SIF、SellerSprite、Apify）以获取自然排名和关键词数据，但要求严格管理凭证和成本授权。
该技能用于将竞品关键词观测和已验证的产品属性映射为精确词、探索词、Listing 词和后台关键词，并给出明确的包含与排除理由。它强调以 Amazon 官方政策和一方数据为准，第三方数据仅作估算，输出诊断或草案，执行前需用户明确授权。技能包含一个 MCP 研究脚本，用于从 SIF、SellerSprite 和 Apify 获取竞品关键词数据，脚本设计注重安全，凭证仅从环境变量读取，拒绝在参数中传递敏感信息，并限制重定向和费用操作。
该技能用于构建可测试的亚马逊关键词相关性与排名假设，基于转化、点击、订单、加购信号、Listing 语义和相关查询行为进行分析，不声称拥有专有排名公式。它提供诊断、方案草案、执行准备和已批准执行等模式，并强调证据门槛、单变量实验和第三方数据标注为估算。技能包含一个 MCP 研究脚本，用于从 SIF、SellerSprite 和 Apify 获取关键词自然位置、需求和相关词的代理观测数据，脚本从环境变量读取凭证，拒绝在参数中传递敏感信息，并要求对可能计费的操作进行成本授权。
该技能用于构建基于证据的亚马逊竞品流量网络，包含机会精准、竞争精准、属性探索、自动发现和防御等分层。它提供诊断、方案草案、执行准备和已批准执行等模式，并强调使用实时数据校准、不复制竞品内容、区分事实与估算。技能包含一个 MCP 研究脚本，用于从 SIF、SellerSprite 和 Apify 获取第三方数据，脚本设计为从环境变量读取凭证、拒绝敏感参数、防止重定向泄露，并要求成本授权。
该Skill用于构建亚马逊竞品流量网络的基础分析，通过诊断、方案草案和执行准备等模式，结合第三方MCP数据（SIF、SellerSprite、Apify）获取竞品关键词和流量代理数据，输出竞品适配评分、精准候选、属性词根网络等结果，并强调证据分级和授权边界。
该技能用于分析亚马逊竞品关键词覆盖情况，通过前台观测和第三方 MCP 数据推断竞品广告词、自然位置和搜索需求，输出证据化诊断与验证计划。强调不声称访问竞品账户，区分事实、估算与假设，并严格限制外部数据调用需授权与成本控制。
Research, diagnose, and draft Amazon Ads ASIN and category product-targeting plans that complement keyword targeting, including audience expansion, competitor and category traffic, cross-sell, upsell, self-defense, negative targeting, placement analysis, and single-variable experiments. Use for 商品投放, ASIN 定向, 品类定向, Product Targeting, 关键词引流遇到瓶颈, 关联流量, 互补品/替代品, 竞品详情页抢流量, 自家 ASIN 防御, Best Sellers/New Releases 候选, 自动与手动广告联动, or the local file named 如何提升关键词引流效率. Default to research and draft; verify
Amazon search ranking optimization and A9 algorithm mastery. Comprehensive SEO strategy,
分类优先采用合集任务映射，其余按名称与简介归纳：6 个平台 · 11 个场景 · 4 个合集标签。
