拆解极目数据MCP选品原理

• 选品基本准则

选品要把个人主观“感觉不错可以做”变成“四道可用数据验证的闸门”，极目数据 MCP 的价值在于，它的底层数据逻辑是搜索词 → 市场→ ASIN 三层可量化的数据链。用它来选品，整个流程就是一条漏斗，一个类目用户搜索词排名Top20会形成一个市场，市场下对应有相应产品。我们可以利用这三道数据链，加上最后一道由竞品反查市场需求，形成完整闭环。

• 选品五步法

第 1 步：开候选关键词池，可以选赛道的2-5个关键词

用这些关键词，大模型会自动调用极目数据MCP按关键词搜市场，文中用到的关键词有：dog toys, dog chew toys, durable dog toys。

第一道粗筛，不符合条件市场去掉

• 市场90天销量 < 5,000 → 直接砍（撑不起一个 SKU）

• 市场360天退货率> 8% → 砍（售后会吃掉利润）

• 产品均价 < $8 且 cpc中位值 > $1.2 → 砍（客单价撑不住广告）

• 周搜索转化率 < 3% → 标记“需求存在但不成交”，留观

第 2 步：判红海，看四个结构指标

笔者用到 dog toys 就是典型的“可切但难做”：Top5 品牌 36%、Top20 71%（不算垄断），但 93% 广告位 + 平均评论 1.79 万 + 180 天只有 4 个成功新品——机会有，但门票很贵。

第 3 步：找差异化切口，看差评而不是看好评

极目数据市场详情MCP接口，会返回相应市场的正负面评价以及摘要，这数据对于选品是有价值，可以真实反馈产品好在哪，缺陷是什么，缺陷是否是致命不可修复？

筛选规则：

• 某个负向主题占比 > 20% → 这是结构性缺陷，值得开模
• 10%–20% → 可以做改款/文案层差异化
• 正向主题占比高但负向也高（比如 dog toys 里耐用正向 15%、负向 32.8%）→ 说明没人做对，这是最肥的位置

第 4 步：回到词层做交叉验证

• 查看市场关键词 — 看 niche 内部词群的 90 天点击/份额，确认流量结构

• 用市场关键词，批量查询关键词指标 — 看核心词的精确搜索量、CPC、cpr、aba排名变化

• 拓长尾，判断需求表达是否分散（分散 = 可以打长尾规避大词）

算例（用 dog toys 真实数据）：

• 需求 5（90 天 44.7 万单）×30% = 1.5

• 增长 3（全年区间震荡，无趋势性增长）×20% = 0.6

• 竞争 2（评论壁垒 1.79 万、广告 93%）×20% = 0.4

• 供给 2–3（耐咬需开模）×20% = 0.4

• 经济性 2（客单 $12、CPC 中位 $1.29）×10% = 0.2 

总分 3.1，有待观察。

改切它下面的 stuffed animal for dog（10 个商品 / 4 个品牌）——同一人群、同一场景、供给缺口明确（详细报告这里就不雷同补充）。这就是“红海结论和细分结论互相解释”。

市场选出来了，下一步就是查看市场产品，可以让大模型继续往下跑，给你推荐相应产品并且出选品决策表。