【亚马逊选品篇】使用Sif MCP搭建选品全量词库

视频号和公众号的内容是关联的，视频号是针对本期内容提炼一个话题，三人进行深度拆解，公众号是多维度分析。老铁们可以先看完视频号的内容，再来看公众号的内容。

一、全量词库what/why/how

熟悉我们的朋友应该知道，我们的选品环节里有一个很重要的思维模型，叫做全量思维。用我最喜欢说的一句话来概括：任何选择，想要选得好，先要有得选。很多时候我们做不好选择的原因，并不在于我们不会选，而是在于意识不到自己还有得选。

所谓全量思维，就是针对你要做选择的问题，先尽可能的穷尽所有可能选项，当我们的选项足够多的时候，再设定一个统一的评估标准，就能快速的筛选出适合我们自己的标的。

在选品环节，全量思维可以应用在词库/评论分析/用户分析等各环节，今天我们延续上一篇的话题，怎么确定一个类目的细分需求，这正好是全量思维非常好的一个应用场域。我先简单说一下思路，第二部分再用sif mcp来做实操演示。

1.建立全量词库

适用范围：选品阶段细分需求挖掘/运营广告阶段广告词库或否词库的素材来源。

如果我们做埋词词库，可能选取10个20个高相关的竞品去扩词就够了，但在全量词库环节，目的是尽可能多的挖掘出更多的关键词，然后再从中挖掘机会，那么这个全量词库的圈选扩词范围自然是多多益善。所以首先圈定反查关键词的asin可以扩展到整个类目的所有父体asin。原来我们人工这么去操作非常费时，但现在有了mcp，这个操作也就是动动嘴的事。

一个直观的数据呈现，不同数量asin反查关键词的数量级对比，20个asin和100个asin反差出来的关键词数量级差异在2倍左右（不同类目这个量级差会有些许区别，侧重点在asin数与扩词数的正比关系）：

需要注意的是，这里还只是一个工具平台的扩词数量，且没有穷尽asin，但已足够说明问题。

2.打标分类

对于建立好的词库，最终我们想要拿到的是关于属性的分类打标。以这个结果来反推我要做的清洗和处理环节自然就清楚了：剔除其他品类词/无意义泛词-剔除含有品牌的关键词-标记产品词-属性词分类。

细分市场在关键词上的表现，其实就是“属性词根”，所以最终得到的属性词分类，自然就是我们想要看到的细分市场概况。

二、Sif MCP接口实操案例

第一步 先把"所有竞品"圈出来

方法1 全量词库的第一步不是查词,是圈 ASIN。用 market_get_keyword_competition输入类目主词ankle brace,它按流量份额返回这个词下的竞品池(字段 top_competitors),一次给到 100 个 ASIN。这 100 个,就是后面反查词的种子。

方法2 在bsr榜单获取top100asin或者通过其他工具获取类目下掉所有asin父体，也能作为反查关键词的种子。

（第一次做全量词库，建议先从50～100个asin做起，跑通整个流程沉淀出对应的流程后再放大范围。）

第二步 逐 ASIN 反查关键词

对池子里每个 ASIN 调 market_get_asin_keyword_signals,拿到它全部的流量词。（这个办法比较费额度，如果要省额度，也可以通过sif网页版-拓词&筛查-相似竞品拓词，一次性输入100个asin）

第三步 合并清洗与打标

根据自身对类目产品词的理解，对其他品类词/无意义泛词/品牌关键词/本品类产品词/属性词分类分别进行剔除和打标。如果确实不熟悉类目，我的建议是让ai agent帮我们圈定50～100个词按语义理解先进行一次打标，然后人工审查准确率，在这个过程中结合人工反查关键词或前台搜索，也能加深对类目关键词需求的印象。当准确率没问题的时候，再让他按现有的规则进一步扩量达标，层层递进，不断更新优化分类的边界与约束条件。

但这里的核心逻辑是:先有锚定,才有剔除，执行顺序不是从上往下扫一遍,而是:锚定本品类 → 剔除 → 标记 → 分类

一个比较通用的定义：

1.本品类产品词：指代产品本体、零修饰。比如ankle brace、ankle splint。 判据:命中本体词根组合,且不指定人群/场景/材质/规格/功能强度等。

2.属性词：以产品词为主要名词、带至少一个修饰。比如ankle brace for women、compression ankle brace。 九维:人群/场景/需求/材质/特性/规格/款式/颜色 + 类目专属维度。 细分市场就藏在这一类 —— for soccer 和 for running 是两个细分。

3.品牌关键词 ：含品牌名/缩写/型号,无论是否同时含产品词。比如ace ankle brace。 必须是词边界匹配,不能包含匹配(英文 brace 里就含着 ace)。 没品牌名单时,品牌候选一律走人审 —— 否则判错了你看不出来。

4.其他品类词 ：不含本品类产品词、但指向另一个具体品类。 看头部名词定品类,不看修饰词。ankle compression socks(品类是袜子)、ankle walking boot(品类是靴子)。

5.无意义泛词 ：不指向任何具体品类。braces、support、ankles。 与4的区别:其他品类词能指出一个具体品类,泛词什么品类都可能指。

最终，我们要得到这样一张表格，对所有的关键进行打标，在配合aba排名与趋势分析（可以用到sif的market_get_keyword_demand）进一步对细分需求进行展开分析。

小结，mcp现在已经成为我们团队各个岗位的基础配置，最实际的利益点，就是极大程度的提高了获取数据的效率，过去如果人工做一个全品类多平台的全量词库，可能需要用到3～5天，而现在，只需要半天的时间，就能够处理完整个流程，让我们有更多时间，真正放在重要的事情上。

三、开发和运营读后感（旭荣和君哥）

旭荣： 站在开发角度，全量词库最大的价值，不是让我们找到更多关键词，而是把一个类目的需求边界尽量铺开。过去围绕少量头部竞品开发，看到的往往只是主流方案；通过人群、场景、需求、材质和款式等维度打标，才能发现哪些需求被反复表达，哪些细分市场还缺少合适产品。但关键词只能证明用户在搜索，不能直接证明产品方案成立。后续还要结合评论和真实场景，把关键词进一步转化为支撑强度、材料弹性、穿戴结构等具体要求，再通过样品测试验证。这样全量词库才能真正成为指导产品开发的需求地图。

君哥：

说实话，以前我们做词库，都是盯着头部那几个竞品在打，总觉得把头部研究透就够了。去年我们开始做了全量词库，过去的“词库”其实只是“小部分人的词库”，根本没摸清整个类目的需求全貌。现在有了MCP这套玩法，半天就能把一个类目几百个ASIN的词全量拉出来，再按人群、场景、需求去打标，哪里有机会、哪里是空白，一眼就看清楚了。我们运营接下来做广告词库和否词库，也应该用这套全量思维——不是选几个词去投，而是先把整个类目的词铺开，再决定打哪个、避开哪个，这才是真正的体系化打法。