上一篇，我拆了标题、详情页和投放3个自研 Skill。
我把3套电商运营方法装进AI：标题、详情页、投放都能直接调用
写完以后，我反过来想到一个问题：
标题和详情页都属于“商品已经确定以后”的动作。可一个商品值不值得做、应该切哪个词、用户真正介意什么，谁来先判断？
很多电商人用 AI，第一步就是让它写标题、写卖点、写详情页。
但商品方向没判断，关键词没拆清楚，评价里的真实需求也没看，AI 写得越快，可能只是让错误方向跑得更快。
所以这篇我不先聊“怎么写”，而是继续拿3个自己做的 Skill，把前面的决策链补起来：
类目洞察 → 关键词地图 → 评价与问大家分析
说白了，就是先回答三个问题：市场往哪里走？用户怎么搜？用户为什么买、又为什么犹豫？
安装方式不变，但先别急着跑
安装方式和上一篇一样：拿到完整安装包后，保留整个文件夹导入 AI 工具，不要只复制一个 SKILL.md，也不要打乱里面的脚本、规则和示例。
如果你用的是 Codex、WorkBuddy 这类可以读取本地文件的 AI，可以直接说：
帮我安装这个 Skill。保留完整目录，安装好以后先读取使用说明，告诉我最低需要哪些资料、会输出什么、哪些结论必须人工确认。先不要直接生成报告。
我一直强调“先不要直接跑”，是因为这3个 Skill 都依赖真实数据。
没有数据，AI 只能给你方法；有了正确的数据，它才有资格进入判断。
案例一：类目洞察，不是看一个增长率就决定进场
第一个是 xiaobai-category-insight，类目洞察与挖掘助手。
很多人选类目时，最容易被一个漂亮指标带着走：支付金额增长高、需求供给比高、最近某个品类很热。
但单看一个指标，很容易把“大类目里的短期波动”误判成自己的机会。
这个 Skill 的做法，是先读取生意参谋导出的类目数据，再把成交金额、成交单量、需求供给等信号放在一起看，区分高增长高占比、高增长低占比、低增长高占比等不同状态。
它不会只给一句“这个类目能做”，而是继续追问：
○ 这个增长发生在哪个时间段；
○ 是大盘普涨，还是某个细分类目在抬头；
○ 机会来自价格带、属性还是人群变化；
○ 下一步还要下载哪些表格继续下钻。
你可以这样调用：
这是同一时间范围导出的类目成交金额、成交单量和需求供给数据。请先检查字段和时间口径，再做机会分层。不要只按需求供给比排序，告诉我哪些是初步候选、哪些需要继续下钻，以及下一步应该补什么数据。
飞书案例里保留了从数据准备、表格上传到继续下钻的完整过程：
飞书案例：类目洞察与挖掘
复制到浏览器打开：https://rc85m3h5pt.feishu.cn/wiki/Op5dwwbcriPoYJkVqERcYQoNnLf
这里要注意：类目洞察只能帮助你缩小判断范围，不能替代供应链、利润、竞争强度和自身资源评估。数据时间不同，结论也可能变化。
案例二：关键词地图，不是把“蓝海词”从高到低抄一遍
第二个是 xiaobai-keyword-map-analyzer，淘宝天猫关键词词表运营分析助手。
很多关键词工具的问题，是给你一张排名表，然后让你自己猜：哪个词放标题，哪个词拿去推广，哪个词值得做主图，哪个词只是看起来很蓝海。
我做这个 Skill 时，先加了两道刹车：先识别异常词，再隔离品牌词。
比如一个词需求供给比很高，但搜索人气和支付买家都很低，或者词特别长、堆了很多属性，它可能只是“低样本造成的表面蓝海”，不能直接拿去做核心词。
Skill 会保留原始数据，再把词拆成不同用途的池子：一级词、二级词、长尾词、真实蓝海候选、低样本观察词、主图突破词、C店友好词、推广测试词和内容选题词。
飞书案例里用的是一份火锅底料关键词表。报告不是只给总分，而是把数据边界、候选词、风险词和可搜索明细分开呈现。
你可以这样调用：
这是生意参谋导出的火锅底料关键词表。请一次只分析这一张表，先检查缺失字段，识别异常词和品牌词，再建立关键词层级。把标题、主图、推广和内容选题能用的词分池输出，不要把需求供给比高直接等同于蓝海。
飞书案例：关键词分析 Skill
复制到浏览器打开：https://rc85m3h5pt.feishu.cn/wiki/V04EwqWKIiLxvGkvDNIcqrn1nwe
关键词报告是决策辅助，不是流量保证。最后能不能用，还要回到商品真实性、店铺类型、品牌授权和当前竞争环境。
案例三：拆评价，不是做一个“好评词云”
第三个是 xiaobai-pingjia-analyzer，评价与问大家分析助手。
我们以前看评价，经常只做两件事：统计好评率，找几个高频词。
但评价真正有价值的地方，不只是用户说了什么，而是：哪些需求没被满足，哪些顾虑阻碍下单，哪些是全行业必须做到的及格线。
这个 Skill 会先清洗评价样本，按资料完整度判断能下多深的结论，再从人群、场景、需求、情绪和 SKU 等维度做结构化分析。
之后，它会把发现分成四类：
○ 攻击区：竞品被集中吐槽、我们有机会做得更好的地方；
○ 蓝海区：用户反复期待，但现有商品没有充分满足的需求；
○ 共识区：行业及格线，不能拿来吹，但绝对不能缺；
○ 风险区：已经出现过投诉或翻车信号，需要提前自查。
图里是飞书案例中的电竞椅长报告。除了评价结论，它还继续往下给出购买顾虑、场景优先级、问大家 Q&A、差评防御和下游优化方向。
你可以这样调用：
这是竞品评价 Excel、问大家数据和我自己的商品信息。请先清洗重复、无内容和低可信样本，再按四象限找机会。每个结论都保留评价原文证据，样本不足就降级，不要编造比例。最后给我一份可以交给标题、主图、详情页 Skill 的洞察卡。
飞书案例：竞品评价分析与优化
复制到浏览器打开：https://rc85m3h5pt.feishu.cn/wiki/XDdmwGbmdi2BgtkodVZcseYrnib
如果只有少量评论或只有商品链接，它也可以先跑轻量分析，但结论必须标明资料不足。正式判断，仍然更建议上传带评价内容、SKU和时间字段的 Excel。
把三个Skill串起来，才是一条真正的运营链路
单独看，这3个 Skill 都能解决一个问题。
但把它们串起来，价值会更清楚：
1. 类目洞察先缩小市场范围，找到值得继续研究的方向；
2. 关键词地图拆出搜索需求，判断用户到底在搜什么；
3. 评价分析补上购买场景、真实顾虑和未满足需求；
4. 最后再把这些证据交给标题、主图、详情页和投放 Skill。
以前的做法，往往是每到一个环节，就重新问一次 AI。
现在的做法，是让每个 Skill 只负责自己擅长的岗位，再把上一步的结构化结果交给下一步。
这才是“把电商方法装进 AI”的真正意思：不是让 AI 替你拍脑袋，而是让它按同一套顺序、证据和边界反复执行。
如果你想先看案例，可以把上面的3个飞书地址复制到浏览器打开。
如果你想查看完整的自研 Skill 清单、安装教程和后续更新，点击文末“阅读原文”，进入「2026 电商 AI Skill 工具箱」。