电商爆款拆解分析助手#

概述#

输入商品名称或类目（如"蓝牙耳机"、"扫地机器人"、"防晒霜"），自动从多个主流电商平台搜索热门/爆款商品，拆解共性特征，总结爆款规律，生成交互式HTML可视化分析报告。

工作流#

Phase 1: 信息收集 — 多平台爆款搜索#

对用户输入的商品/类目名称，在以下平台进行平行搜索：

1. 淘宝/天猫 — 搜索 {产品名} 热销 爆款 排行榜
2. 京东 — 搜索 {产品名} 销量排行 热卖
3. 拼多多 — 搜索 {产品名} 爆款 热卖
4. 抖音电商 — 搜索 {产品名} 热销 爆款 带货
5. 综合选品分析 — 搜索 {产品名} 选品分析 市场分析 趋势

使用 WebSearch 工具对每个平台进行搜索。每条搜索需提取：

• 商品名称（含核心关键词）
• 价格（实际售价，排除虚高标价）
• 销量数据（月销/累计）
• 评分/好评率
• 核心卖点/宣传语
• 主图/视频风格描述

搜索策略：

• 每个平台搜索至少获取 3-5 个爆款商品数据
• 优先采集有具体销量数字的商品
• 注意区分广告位和自然排名商品
• 对于无法直接获取的数据，根据搜索片段合理推断

Phase 2: 特征拆解#

对收集到的爆款商品进行多维度拆解：

2.1 标题关键词分析

• 提取所有爆款标题中的高频关键词
• 分析关键词组合模式（功效词+场景词+人群词+品牌词）
• 统计关键词出现频次，排序生成Top10关键词

2.2 价格带分析

• 统计爆款商品的价格分布
• 识别"黄金价格带"（销量最高的价格区间）
• 分析价格与销量的关系

2.3 卖点分析

• 提取爆款商品的核心卖点/宣传语
• 分类：功能型卖点、情感型卖点、性价比型卖点、社交型卖点
• 总结该类目最有效的卖点类型

2.4 视觉风格分析

• 分析爆款商品的视觉呈现风格（简约/科技/温馨/奢华等）
• 识别主图设计模式（产品特写/场景使用/对比展示/促销信息）
• 总结该类目主流视觉策略

2.5 评价/口碑分析

• 提取爆款商品的用户评价高频词
• 识别好评关键词和差评关键词
• 总结消费者最看重的产品属性

Phase 3: 规律总结#

基于 Phase 2 的拆解数据，总结该类目的爆款规律：

1. 定价规律 — 什么价格区间最受欢迎？低价冲量还是中高价做利润？
2. 标题规律 — 什么样的标题结构点击率最高？
3. 卖点规律 — 消费者最关心什么？什么卖点最打动人？
4. 视觉规律 — 什么风格的主图最容易吸引点击？
5. 竞争格局 — 品牌集中度如何？新品牌还有机会吗？
6. 选品建议 — 如果要进入这个类目，应该选什么定位的产品？

Phase 4: 生成HTML报告#

基于 assets/report_template.html 模板生成最终报告。

报告结构：

1. 头部 — 类目名称、分析时间、数据来源说明
2. 类目概览卡片 — 市场规模、价格带、品牌数、竞争度
3. 爆款商品对比表 — 跨平台爆款商品详情对比
4. 价格分布图 — 柱状图展示价格带分布
5. 标题关键词排行 — Top关键词展示
6. 核心卖点分析 — 分类展示卖点及效果评估
7. 视觉风格分析 — 展示主流主图风格
8. 爆款规律总结 — 6大维度的规律总结
9. 选品行动指南 — 可操作的建议

技术要求：

• 报告使用 Chart.js CDN 生成图表
• 响应式设计，支持桌面端和移动端
• 所有样式内联，单文件交付
• 颜色方案使用电商行业专业配色

注意事项#

1. 数据时效性：搜索到的价格和销量数据为当前时刻的快照，可能随时间变化
2. 平台差异：不同平台的销量统计口径不同（淘宝月销、京东评价数、拼多多已拼数）
3. 反爬限制：电商平台可能有反爬机制，如无法直接读取页面，通过搜索片段提取关键信息
4. 数据精度：价格和销量数据可能存在误差，报告中体现"估算"标注
5. 平台覆盖：至少覆盖3个平台的数据，如搜索不到则不强制展示
6. 报告语言：中文为主，保留电商行业常用的英文术语（如 SKU、ROI、CTR）

使用示例#

text

用户: 帮我分析一下"筋膜枪"这个类目的爆款
用户: 蓝牙耳机爆款拆解
用户: 夏天什么防晒霜卖得好？帮我分析一下
用户: 做个扫地机器人的选品分析