许多卖家在实践中往往陷入一个误区：过度关注产品本身的参数及各种推广手段，却忽视了屏幕背后那个真正的客户。产品是载体，客户的需求和意图才是交易发生的根本原因。那如何快速读懂客户呢？
第一， 懂产品不等于懂客户
很多做垂直类目的亚马逊卖家可以说是产品专家，他们能对自己产品的每一个技术参数了如指掌。所以可以看到Listing充斥着“150 PSI最大压力”、“双缸金属结构”、“20000mAh电池”等硬核数据。
这听起来很专业，但可能完全错过了目标客户。
试想这样一个场景：一位女性消费者正在为她的父亲挑选圣诞礼物。她对机械一窍不通，她搜索的关键词可能是“gifts for dad（给爸爸的礼物）”或“car gadgets for men（男士汽车小玩意）”。她不在乎是不是双缸，她在乎的是：这东西看起来是否体面？老人操作是否简单（一键傻瓜式）？放在车里是否占地方？
很多工厂卖家做不过贸易型卖家，很多时候贸易型卖家更懂客户，而工厂卖家更懂产品。实际选品推广，卖家需要知道客户是谁，在什么场景下使用，为了解决什么焦虑，以及他们购买背后的情感动机。
第二，利用AI得到精准画像的设想
卖家需要知道客户是谁，在什么场景下使用，为了解决什么焦虑，以及他们购买背后的情感动机。
确实很重要，但是人工分析这些数据不仅耗时巨大，而且容易受主观偏见影响。现在AI这么厉害，我们能不能利用AI，让AI充当我们的资深数据分析师？
我们希望AI能帮我们完成以下工作：
剥离干扰，找出用户最核心的关注点是什么？是便携，还是好看？。
洞察用户是如何构思搜索指令的，是先搜场景，还是先搜品牌，还是直接搜索产品核心词。
还原出背后鲜活的购买用户形象。
指出目前现有的Listing与用户真实需求之间的差距。
基于痛点和场景，指导图片和视频的拍摄重点。
第三， 构建AI分析师的提示词
为了实现上述设想，构建了AI分析师的提示词。以下是完整的提示词：
【角色设定】
你现在是一位资深的亚马逊运营专家与数据分析师，精通通过NLP技术挖掘用户意图。你的核心能力是将杂乱的市场数据转化为具体的Listing优化和广告策略。
【任务背景与目标】
我将提供一个亚马逊产品的三组关键数据，它们分别代表不同的视角：
数据源1（现有Listing文案）： 我们目前向用户展示的产品信息（现状）。
数据源2（产品流量词表格）： 用户真实的主动搜索需求（核心金矿）。
数据源3（买家评论收集）： 用户购买后的体验反馈与痛点（验证）。
你的任务是综合分析这三方数据，提炼核心关键词，洞察用户搜索模式和人群画像，并对比现状找出优化空间，最后建立一套可落地的运营标签体系。
【输入数据源】
---数据开始---
【数据源 1：产品现有Listing文案（标题与五点描述）】
【数据源 2：产品流量词表格（近期出单或高点击的搜索词）】
【数据源 3：买家评论收集表格（包含好评与差评）】
---数据结束---
【执行步骤与要求】
请严格按照以下五个步骤进行结构化输出：
第一步：核心需求定量分析（聚焦数据源2）
目的： 提炼最纯粹的用户搜索需求，不受现有文案干扰。
分析对象： 仅针对【数据源2：流量词】。
动作： 进行文本清洗、词形还原（Lemmatization）。统计出现频率最高的实义词根（Root Words）和高频短语（N-grams，包含2词和3词组合）。
【输出要求】：
输出TOP 30高频词根表格（包含频次排名和属性分类）。
输出TOP 20高频核心短语表格。
第二步：搜索组合规律与意图洞察（聚焦数据源2）
目的： 理解用户是如何构思搜索指令的，指导广告匹配策略。
分析对象： 仅针对【数据源2：流量词】。
动作： 识别核心大词前后连接了哪些类型的修饰词。总结出典型的搜索模式（例如：是先搜场景还是先搜功能？）。
【输出要求】：
总结5种典型的搜索组合模式，每种模式给出3个例句，并简述其代表的用户意图。
第三步：基于需求与反馈的人群画像推测（结合数据源2 & 3）
目的： 让数据立体化，理解数据背后的人。
分析对象： 结合【数据源2】的搜索意图和【数据源3】的评论反馈（特别是痛点和使用场景描述）。
动作： 推测3个典型的目标购买人群。
【输出要求】：
构建3个人群画像，包含：人群代号、可能的触发场景（Why they search）、核心关注点与痛点（What they care/hate）、典型搜索词示例。
第四步：现状与需求的差距分析（Gap Analysis，关键步骤）
目的： 利用【数据源1】进行对比，找出Listing的优化空间。
分析对象： 将第一步和第二步得出的“用户高频需求词/短语”，与【数据源1：现有Listing文案】进行比对。
动作： 检查我们现有的标题和五点描述，是否充分覆盖了用户的高频搜索词和核心关注点。
【输出要求】：
覆盖良好的点（Good Coverage）： 列出3-5个现有文案中已经完美匹配了高频流量词的例子。
缺失或弱化的机会点（Missing Opportunities）： 列出5个在流量词中频次很高，但在现有文案中没有出现，或者强调不够的关键词或卖点。（这是最重要的输出，直接指导埋词）。
第五步：多维运营标签体系构建（综合汇总）
目的： 将以上所有分析转化为可执行的标签库。
分析对象： 汇总前四步的所有洞察。
【输出要求】：
建立一套多维标签体系，包含：核心流量词标签、精准属性词标签、应用场景/人群标签、重点避雷/需解决的痛点标签（基于评论差评分析）。
第六步：制定推广与精细化运营落地指南
请依据你之前完成的【步骤一到步骤五的完整分析报告】（重点参考“第三步：人群画像”、“第四步：Gap Analysis”和“第五步：运营标签体系”），为亚马逊运营团队撰写一份详细的《推广与精细化运营落地指南》。
输出要求： 请将指南分为以下三个核心模块，并给出具体、可执行的操作建议。每一条建议都必须明确标注是基于之前分析报告中的哪个证据点
模块一：Listing文案的极致优化方案
标题策略： 基于【标签体系】，说明如何组合核心大词与精准属性词，并指出哪些关键转化词必须前置。
五点描述策略（Bullet Points）：
如何利用【Gap Analysis】中发现的“机会点”来埋入被忽视的流量词？请给出具体思路。
如何利用【Gap Analysis】中发现的“痛点”来进行正面回应？请结合差评分析给出具体的描述维度（如数据化表达速度、散热技术说明）。
A+页面/品牌故事策略： 基于【人群画像】，分别为“焦虑车主”和“送礼人群”提出针对性的场景渲染建议，说明应展示什么样的画面和传递什么情绪。
模块二：PPC广告的结构化布局方案 基于【第二步：搜索组合模式】和【第五步：标签体系】，设计一套清晰的PPC广告系列结构。请规划至少4个不同的广告系列（如核心大词、精准属性词、场景/人群词、竞品防御词），并为每个系列说明：
目标关键词示例（引用标签库）。
匹配方式建议。
系列的战略目的（如抢流量、冲ROI、拓蓝海等）。
模块三：图片与视频素材的制作方向指南 基于【第三步：人群画像】和【第四步：痛点分析】，给视觉设计团队提出明确的素材制作需求：
主图视频重点： 指出必须展示哪个核心功能点来解决所有人群的共同焦虑，并说明原因。
场景图规划： 分别针对不同的人群画像规划至少3张具体的场景图画面内容，并说明每张图旨在强调什么卖点或解决什么痛点。
第四，如何使用
下面用这个充气泵这个产品作为案例进行分析
下载三个数据源表格
1.数据源 1：产品现有Listing文案
利用卖家精灵插件直接在榜单中点击下载产品卖点，就可以得到一份数据。
2.数据源 2：产品流量词表格
把ASIN投放到卖家精灵的拓展流量词中，进行拓展后下载数据
这里可以拓展到1w多个词，但是最多导出3000条
3.数据源3 买家评论收集
将ASIN复制到Shulex的评论分析功能中
这个功能除了展示消费者画像，使用场景，星级影响度，产品体验，购买动机，未被满足的需求等等详细信息之外，还有一个功能是评论原声。
点击评论原声，看到这里有近4w条评论，点击下载获得评论表格。
清理数据源
将你的三个表格里的内容尽量整理成纯文本格式。
标题五点的表格仅仅保留标题和五点那两列。
流量词表格最好是一行一个词。
评论表格只需复制评论内容那一列即可。
利用AI执行指令得到结果
打开大模型，GPT或Gemini这里都可以，上传数据源和指令，执行
输出结果如下
第五，总结
这指令的价值在于，它强制我们跳出对自己产品的自嗨，以客观数据为镜，审视真正的市场需求。
指令需要不断迭代，大家可以自行迭代，思路可以参考。
