[Codex Skill] 只花1秒：丢1个ASIN，自动筛出同赛道竞品库- 大数跨境

首页

[Codex Skill] 只花1秒：丢1个ASIN，自动筛出同赛道竞品库

从宇宙大爆炸到PPC

2026-10-16

阿波罗新上线公众号：分享实战案例拆解

正文

609 条原始命中，去重后 272 个 ASIN —— 我拿一个制冰机的链接，把亚马逊上跟它抢流量的对手全扒了一遍。

结果是这样的：这 272 个候选里，够得上“直接竞品”的只有 58 个，占 21.3%。

剩下的 214 个呢？配件 46 个、替代方案 78 个、八竿子打不着的 12 个，还有 11 个是我自己品牌的其他型号。

这就是我想跟你聊的一件事：搭竞品库最难的一环在筛选，不在采集。爬一屏回来太容易了，难的是爬回来之后，没人告诉你这三百个里哪几个才值得盯。

这篇文章把我搭的这套流程完整拆给你：从一个 ASIN 出发，把爬取、去重、判定这三件事串成一条流水线。文末附送这套 Skills。

一、竞品分析是单点动作，竞品库是基础设施

先说个容易被混掉的区别。

竞品分析解决的是“这个对手最近为什么涨”，看三五个就够了。
竞品库解决的是“我这条链接在整个赛道里，到底在和谁抢”，需要一份长期维护的名单。
前者靠眼睛，后者靠流水线。用做前者的方式做后者，你会累死，而且做不全。

我见过太多人的“竞品库”是这么攒的：打开搜索框，搜个大词，把前两页眼熟的抄进表格；过两周想起来再补一次。

这份表格有三个先天缺陷。

它永远不全，因为搜索页只给你二十来个位置，你抄完第一页，第二页的对手已经在吃流量了。

它没有去重，同一个对手会在五个关键词里各出现一次，你表格里就记了五遍，看起来“对手很多”，实际是五个人穿了五件衣服。

第三条最坑，叫“它没有判断”。抄完一屏，你没法一眼看出哪个是对位的，哪个只是类目碰巧一样。

我用实测数据告诉你为什么这一条最贵。

我抓的这个 ASIN 是做台面制冰机的，类目挂在 Appliances > Refrigerators, Freezers & Ice Makers > Ice Makers。

如果我偷懒，直接用“类目等于 Ice Makers”当筛子，会发生什么？

筛出来的名单里会混进 3,100 到 9,450 美金的商用制冰机，Hoshizaki、Manitowoc 这些牌子。它们和我的台面机在同一个类目节点下，但它们面向的是餐厅后厨，不是家庭厨房。你把它们写进竞品库，再花时间去研究它们的定价策略，这时间全是浪费的。

反过来也有：跟你抢同一批搜索词的对手，可能根本不在你这个类目节点里。它们的类目可能挂得跟你不一样，但搜 nugget ice maker 的时候，它们就排在你旁边。

所以类目是个假筛子。它太粗，会把商业机混进来；它又太死，会漏掉类目不同但流量重叠的人。

那什么才是真筛子？

答案是：你得逐个看它跟你的关系。不看类目，看它能不能抢走同一批搜索流量。

这句话听着像废话，但它直接决定了工具该怎么搭。因为“逐个看”就是几百次判断，人工做不完，这才是整件事的技术难点。

二、别用大模型一个个问“这个是我竞品吗”

这是我一开始走进的岔路，也是这整套工具里最重要的一个认知翻转。

我一开始真拿大模型试过。把自家 Listing 和候选商品丢进去，问“这两个是不是同赛道竞品”。跑了几十条我就停了，原因有三个。

慢。每个候选都要等它完整生成一段话，272 个候选排队等，黄花菜都凉了。
贵。每条都是一次完整推理，token 哗哗地烧。
会飘。最要命的是这个，同一个候选，换个问法、换次脾气，它可能给你两个答案。

而竞品库是要长期维护的东西。今天的标准和下周的标准不一致，这份名单就废了。

问题的本质是：我把一个判断题，交给了一个作文机器。

生成式模型的核心能力是“把话说清楚”。它一个字一个字往外蹦，天生擅长写长文。但竞品判定需要的是稳定性：同一个输入，永远给同一个结论。

这就引出了我最后用的东西：Jev。

Jev 是 TypeSafe 做的一个决策模型，官方叫 System One。它和生成式大模型是两条完全不同的技术路线：

	生成式大模型	Jev（决策模型）
输出	逐字生成的自由文本	只返回「打几分 + 每个分数的概率」
会不会瞎编	会	结构上编不了，只能在给定选项里选
同一输入两次	可能两个答案	必然同一个结论
速度	慢	一个请求 70 到 500 毫秒

实测下来，272 个候选，Jev 打完分只用了 10.9 秒，平均每个 40 毫秒。这个速度差来自技术路线的不同。

三、四步流水线：从一个 ASIN 到一个竞品库

铺垫说完了，下面是具体怎么搭。整套东西我拆成四步，每一步只干一件事。

第一步：找核心词，从一个种子词拆成四五个入口

你只有一个 ASIN，得先知道从哪些口子进去才能遇到对手。

先看你自己的 Listing 标题和类目，提炼出一个种子词，比如 ice maker。再把它拆成四到五个覆盖不同形态的核心词。我这次用的是 countertop ice maker、nugget ice maker、portable ice maker、bullet ice maker、ice maker machine。

为什么非要拆这么多个？因为一个大词只能覆盖一种表述习惯。搜 nugget ice maker 的人和搜 bullet ice maker 的人，需求不一样，遇到的对手也不一样。只用一个词，你的竞品库天然缺一半。

我实测这五个词的命中量非常均匀，每个词的 5 页都是 109 到 110 条，说明它们各自都代表了一个真实的流量入口，没有凑数。

第二步：爬 BSR 榜加搜索页，两条腿走路

这一步是把候选捞全。

第一条腿是 BSR 榜：从你自己的详情页里找到最细一层的类目节点，然后爬这个类目的榜单。第二条腿是关键词搜索页：每个核心词爬前 5 页搜索结果。

为什么要两条腿？BSR 榜代表“卖得好的”，搜索页代表“搜得到但未必卖得好”。只爬搜索页，你会漏掉那些不投广告但自然排名很稳的老对手；只爬 BSR 榜，你会漏掉正在冲量的新玩家。

我这次跑出来的原始数据：

来源	量
BSR 榜前 2 页	60 条
5 个核心词 × 各 5 页	549 张卡片
原始命中合计	609 条

第三步：按 ASIN 去重，这一步砍掉一半以上

这是最被低估的一步。

609 条原始命中里，有大量重复。同一个对手会在 countertop ice maker 第 1 页出现，又在 portable ice maker 第 3 页出现。去重之后剩 272 个唯一 ASIN，重复率 55.3%。

换句话说，如果你手动抄表格，你有一半以上的行是同一个人的不同影子。

去重的时候别只做减法，顺手记三个东西，它们后面非常有用。

出现频次。这个 ASIN 被几个关键词、几页命中过。被越多入口命中的，越是真对手。实测 272 个里，只有 82 个被 3 次以上命中。
最好位次。它在所有搜索页里排得最靠前的那一次。
来源标记。它来自 BSR、搜索，还是两边都有。实测有 52 个是“只在 BSR 榜、搜索页完全没出现”的，这批往往是被忽略的隐形对手。

第四步：让 Jev 逐个判，打分、归类、给理由

到这一步，你手上是一份 272 行的 ASIN 名单。现在让机器读它。

我给 Jev 提了三组问题。

第一组打几分，一到十，看它和我抢同一批搜索流量的程度。
第二组归哪一类，六选一。
第三组是一个断言，“这个商品是我的直接竞争对手”，让它给出概率。

这里有个设计上的讲究，值得单独说：备注不是模型编的。

普通大模型会给你一句很漂亮的话当理由，但你没法验证。我的做法是让 Jev 只负责打分和归类，理由由代码按证据拼装：类目是否一致、标题命中了哪几个核心词、品牌是否相同、价格差多少。

所以最后每条备注长这样：

B0C4YHDX3Q ｜ 9.8 分｜直接竞品

类目「Ice Makers」与目标一致；标题命中核心词「countertop ice maker」；品牌不同（Silonn vs EUHOMY）→ 抢同一批搜索流量，是最该盯的对位竞品

每一句你都能自己回去核。

四、跑完长什么样（这是真实结果，不是示意）

272 个候选，Jev 打完分，分布是这样的：

档位	个数	占比
高相关（7 分及以上）	105	38.6%
中相关（5 到 7 分）	29	10.7%
低相关（5 分以下）	138	50.7%

六类归类的结果更说明问题：

分类	个数	占比
替代方案	78	28.7%
同类不同款	67	24.6%
直接竞品	58	21.3%
配件耗材	46	16.9%
无关	12	4.4%
同品牌家族	11	4.0%

把配件、替代、无关加起来，是 136 个，正好占一半。

这就是我开头那件事的完整证据：你要是手动扒一屏回来，这份名单里一半的东西根本不是你的竞品。

三种最典型的“假竞品”值得点名。

第一种是配件耗材，比如“制冰机水泵替换件”、“冰格硅胶垫”。它们会出现在同一个搜索结果里，但它们不卖机器，跟你不在一个生意上。
第二种是替代方案，比如“冰箱用制冰盒”、“威士忌冰石”。它们满足“要冰块”这个需求，但不跟你抢制冰机的搜索词。
第三种最容易被忽略：同品牌家族。这次筛出来 11 个，全是我自己品牌的其他型号。它们确实在跟我抢流量，但那是内部抢位，处理和外部竞争完全不是一回事。

而该盯的那批对手，特征非常清晰。比如被 9 次命中、最靠前一次排第 1 的那个，被 6 次命中的那个，它们同时出现在多个核心词的多个页面里。

这就是“被命中的次数”为什么比“排名”更能说明问题。

五、踩过的坑：反爬和解析

流水线跑通之前，我在这两块上花的时间比写逻辑还多。挑四个最值得说的。

坑一，一个 2KB 的空页面，看起来像选择器写错了。

第一次跑搜索页，解析出来 0 个商品。我以为是页面结构变了，去翻 DOM，翻半天没找到原因。

真相是亚马逊返回了一个 2KB 的空壳页，里面没有商品，只有一行 meta refresh，5 秒后自动跳回原来的 URL。这是个软验证中继页。

它不会触发“机器人拦截”的报警，因为文案对不上。它也通不过解析，因为里面确实没内容。结果是静默失败，你以为是自己代码写错了，实际上是被拦了。

修法是判定“正文小于 60KB 且含 bm-verify”，等 8 秒，用同一个连接重试。

坑二，每次新建连接，就是在告诉对方“我是脚本”。

这个坑对应的是“打开太快、关页面太快”。我一开始用一次性的 HTTP 请求，每次都是新连接、新会话、没有 cookie 延续。对亚马逊来说，这几乎就是脚本特征。

改成持久连接加 cookie 容器，并且开局先访问一次首页热身。效果是改完之后 141 次请求，0 次软验证。改之前，一个小样就吃了一次。

坑三，代理出口在哪，价格就显示哪个国家的货币。

我用代理访问，价格显示成 S$190.28，因为出口节点在新加坡。修法是加一个 cookie 强制美元，i18n-prefs=USD。

顺手提醒一句：如果你也在做跨境数据抓取，币种不对这种事不会报错，只会让你的数字全错。

坑四是最阴的一个，美元金额是按“分”渲染的。

强制美元之后，页面上的价格变成了这样：

页面显示	真实价格
$3999	$39.99
$5143	$51.43
$49999	$499.99

如果不处理，你会得出“一个台面制冰机卖 5143 美金”这种结论，而且全程不会有任何报错。

我是在核对自家产品价格时才发现的：这台机器的实际售价是 51.43 美元，而工具吐给我的是 5143。

这类错误最危险的地方在于它不吵不闹。

六、这套东西的边界

说了这么多好处，得说清它不干什么，不然你用起来会失望。

它只读公开页面，不登录、不操盘、不改你账号的任何设置。

它给的是判断依据，不是最终决策。高分候选我还是建议你人工扫一眼。机器判得准，但它不知道你的供应链、你的利润结构。

分数是“同赛道相关度”，不是“威胁程度”。一个 9 分的对手可能是个刚上架的小白，一个 7 分的可能是压着你打的老牌。分数只回答“它跟你在不在同一个赛道”。

它需要你有四到五个想清楚的核心词。这一步我建议人工来，因为拆词的角度直接决定了你这份名单的覆盖面。

另外提醒一句关于节奏的。整套抓取我刻意放慢了，每次请求之间随机等 5 到 8 秒，不并发。141 次请求跑了大概 25 到 30 分钟。

这个时间是故意花出去的。慢一点，稳；跑得快被封了，你得重来。

总结

第一，竞品库的难点在“爬回来之后没人告你哪几个是同赛道”，不在“爬不到”。

第二，类目是假筛子。同一个类目里既有 9,450 美金的商用机，也会有不在你类目里、但抢你搜索词的人。

第三，判断这件事别交给作文机器，交给只做判断题的决策模型。它给同一个输入永远同一个答案，还快 40 到 200 倍。

第四，去重属于核心环节，别把它当保洁工作。实测 609 条原始命中里，55.3% 是重复的。

一句话收口：这个工具不帮你“找竞品”，它帮你把一屏噪声压成一张能用的表。

它值不值，就看那 50% 的噪声原来要花你多少时间去筛。

附送 Skills

这套东西我打成了一个 Skills 包，你照着就能搭一套自己的。

包里有什么：

文件	干什么
crawl_amazon.py	抓取层：限速、反爬熔断、断点续跑、页面留证
build_competitor_lib.py	步骤一到三：从 ASIN 到去重后的候选池
score_competitors.py	步骤四：Jev 逐个打分 + 六类归类 + 证据化备注
export_table.py	导出三个 sheet 的 Excel（概览 / 全量候选 / 直接竞品）
run_pipeline.py	一条命令跑完全部

你需要准备两样东西。

一个是你自己的 ASIN，加四到五个核心关键词。拆词的角度我建议你自己定，这是整件事里唯一需要动脑的地方。

另一个是 Jev 的 API key，也就是 TypeSafe 的 System One 决策模型。

四条你必须知道的坑，包里都已经处理好，但你得知道为什么：

bm-verify 软验证页，2KB 的空壳页加 5 秒后自动跳转，看起来像选择器写错了。每次新建连接就是触发反爬，必须用持久连接加首页预热。代理出口决定币种，非美国出口会回本地货币。美元价格是按“分”为单位渲染的，$3999 实际是 $39.99。

里面含全部脚本、两个参考文档（Jev API 口径和反爬实测记录）和一份使用说明。

拿到之后，把 key 配好，一条命令就能跑出你自己的竞品库。

在阿波罗特训营，Lingfei会结合真实账户，带大家拆解广告结构、预算分配和优化决策。不只是告诉你广告怎么调，更重要的是让你知道，为什么要这么调。