归档

从 NotionNext 到 Astro，全程 AI 协作完成迁移。部署从五分钟变成几秒，总共花了 20 块。

测了一天 gpt-5.5，逻辑和任务肯定更强了，废话少了，活干得多了，token 也跑得更快了

前两年入坑开始啃的前端三剑客，python，学了几十个小时后，一个循环也写不对。

1. 拿到每个网站的状态，然后把自己的内容填上去 2. 整个过程实现自动化

我觉得现在最大的一个可以去优化的地方，就是把自己的所有工作，无论是之前觉得多复杂、多麻烦的东西，全部去做成自动化。

用 harness engineering 的方法去做生成式任务，因为它在开始时就具备可量化的特性。

昨天飞书出了一个 CLI 的开源项目，可以通过 API 去控制飞书里的很多东西。我测试了两次，发现它的权限开放程度确实很大：

终于是把 Openclaw 接入到了 Discord，然后再通过 ERP 的数据接入了起来，把所有环节都打通了。

我的工作沟通工具是飞书，而火山的Arkclaw有托管服务，所以想试一下。

最近在产品做图的时候，有一个产品有多种颜色变体，之前产品的少的时候，都是在AI的官网直接替换。

我有一个横屏和竖屏，竖屏常年就放命令行去用 AI 写代码。 不在办公室的话，就用另外一台手机去控制竖屏，把分辨率调成 720p，正好可以显示得很清楚。

在后台数据中，我看到 99% 以上的流量全是系统推荐流量，这篇文章的爆发更多是由于时机和系统算法的推动。15号放假开始推流，24号初八开工流量又涨了一次。

之前在去年 8 月份的时候，我用 Claude Code 做过类似的上下文 Agent。

openclaw 多个AI员工已经玩了两个星期了，用一个本地的mini主机做ubuntu系统隔离风险。玩归玩，还没发现有什么好的应用，能做的，都用codex做过，只是openclaw的长期记忆好很多。

最近亚马逊把 AMC 的功能下放了。我也试着搞了一些“创新人群包”去测，但结果并不理想。

AI编程的真正问题，不是代码写得好不好。像Opus这种模型，代码能力很强、深度推理、工具调用，这些都不是问题。

每个产品下面几十组广告，再乘以多店铺数量，直接上千组广告扑脸而来。那一刻真手足无措。

今天差不多把大致的功能都做好了。就是和预期的一样，是有一个运营的看板和一个ai的报告。

上次提到要做一个广告看板，让运营能快速知道哪些地方需要调整。核心是围绕产品的动态生命周期，结合店铺全量数据，不只看广告指标，还要融入流量、库存、利润等维度，综合判断后出一份基础报告，再让AI给出行动建议。

挑战快画上句号了。回头看这100天,真的是一段魔幻的旅程。

挑战快画上句号了。其实最后这几天，反而格局看得很清楚了。最炸裂的那段高光时间，真的是12月份那几个星期。那段时间我确实进入了心流状态，每天效率高到离谱。

把之前一个老网站迁移到了,迁移到CloudFlare上面,发现挺浪费时间的。 以后如果没有问题的话,就直接部署到CloudFlare上面。 可能刚开始有一点麻烦,但是后期还是会节省时间。

流量来了之后,马上去接了功能，把各种设置都填好，去提交支付审核。这次审核一次通过，网站整体功能比较简单,该踩的坑也踩过了。

今天去看了一下50个获奖的网站，发现是我们组有两个入围了。一个是三等奖，一个是优秀奖。

今天看完shipany最新直播，用JSON去构建PSEO，其实就是用动态路由。 现在就是把门槛降低了,初学者的话可以通过JSON去做。

今天是把豆总的直播给看完了。在shipany two开始的时候，我就开始用beta版本去重构了老网站，所以很多东西我会感受得很清楚。

这个月是把所有的都流程重新跑了一遍，先去找需求。再去做网站，最后去推广产品。 其中找需求是整整花了两个星期的时间，有意识的把每一个步骤去做成工作流，方便下一次继续快速循环。

今天去修改一些小的bug,优化一些组件,改一些各种页面。 明天调一下积分规则就可以上线了。 今天事情比较多,所以没有优化特别多的东西。 但也是因为是第一个AI生图的网站。

买域名，开R2,链接neon，设置Resend。 推github，绑定vercel，框框一堆操作。 除去开发时间，这些乱七八糟的设置也需要个大半天的时间。 买域名就意味着要上线了，先把设置全做完，最后测试支付。

今天把所有需要看的网站都看完了，收集的最近几个月的，有上升趋势的网站大概有3000个。 然后从里面去筛选近几年注册的大概有1000个。 先简单的去看流量结构，再去找合适的网站进行反查。 收集了有100个关键词，有类似重复的需求的话，没有添加。

今天把外联给发完了，因为是第1次这么集中时间，所以我把目前有的几个表格都看了一遍，然后去做了一个整理，方便第2次下一次推广新网站的时候，可以快速的去找到一些可以提交的成功率更高的一些网站

今天，我用Shipany的模板重构了一个游戏网站。之前那个老网站，终于填坑成功了！现在，我可以不再去追了，主要精力转向挖掘一些长尾词。

昨天晚上收到邮件说被拒绝了，有很多不符合规范的地方。然后今天我让ai去按照它的说明及官方的文档去做调整。

这个月的主要任务，是优化一个老网站。因为这个词本来就有流量，所以我想再多做些优化，让它更稳定。

今天的还是主要是优化模板。这个确实要花时间，做一个模板之后可以做更多的网站，这个是几乎一劳永逸的事情，打基础的，确实得花，找词的时候。明天又到了新的一周，找词的时候。

今天集中时间把万字的文档网站模板文档给看完了，之前是有很多小细节没有注意到，后期后面去优化网站的时候更有底气了。

最近亚马逊后台新增了一项功能：允许卖家提交自己官网的客服联系方式，但必须附带一个 Privacy Policy（隐私政策）链接。 我本来可以随便填个地址了事，可为了给未来业务留条“后路”，还是先认真搭了个独立站，顺便vibe了个模板。

给一个细分图片处理网站加了adsense代码，因为本身工具是免费的，竞品也是免费的，所以加广告代码就可以了。

这是一篇部署Plausible的教程，和如何现有的工具网站项目迁移到VPS。我买的是2核8G，两年套餐140美元，网上找个优惠码搞定。

最近大模型迭代很快，档次提升明显。比如谷歌直接在官网放出新模型，效果惊艳——也就是大家热议的“nano banana”。半年前，我就开始用Gemini测试生图了，只不过是用python直出。

所以我一直想寻找新的项目方向。我觉得AI出海和跨境电商其实是有关联的，所以也没有把自己限制在某一个领域。这个项目本身是有一定门槛的，因为它需要一定的编程能力。虽然我是个文科生，但也积累了不少使用AI编程工具的经验，所以我觉得自己是具备扩展能力的。

9月5日，Claude在自己的官网上更新了地区限制的公告，其中明确对中国使用了adversarial nation这个词汇，就是敌对的意思。

我在用一些监控关键词自然排名、广告排名的软件时候，一般是以天为单位的，会分几个时间段去抓取。但是感觉还不够，有一定的滞后性。

最近用了Claude Max之后，很多朋友问我怎么开通的，购买、账号等问题。我也明白大家可能只是想体验一下，并不是真要花200美金开个无限量。

一开始我只是想用上下文工程做一套agent意思一下，其中有一个广告的agent。后来，我把广告agent单独拿出来，重新做了个广告结构的生成，感觉还能扩展。

最近对上下文context有了更多的理解。一是上个月和大壮老师的深入交流，明白了其实很多项目用提示词就可以做，包括思维链COT，agent等。

Claude Code差不多用了一周的时间，先重构优化了一些老项目。

这两天终于有时间了，直接开通Claude Code Max，200美金Opus无限量，直接上手AI编程的天花板，但是实际上我交了250美金。。

最近火起来的AWS的Kiro，核心是上下文三件套。模拟人的思考模式，一步步把问题给拆解到最小的颗粒度，AI负责规划和工具调用。

前几天Gemini CLI出来的时候，我就第一时间玩了玩，主要还是免费，随便折腾。果然免费的东西不好用，经常出现断连，而且权限确认的太麻烦了，纯纯的vibe coding。

收到粉丝的反馈说，关键词工具网站出现报错，点击、转化集中度的列名出现了报错。

前几天提取了一个关键的思路，AI图片或视频方案的扩展，最关键的在于提示词。而分析的结果作为私域数据，可以存档、反复查看学习。因为视频分析的本身就是对竞品的拆解，把人力分析给解放出来。

最近一直在搞视频方案、视频生成的项目，我觉得价值巨大。因为做一个视频的成本很高，但视频本身的效果很好，对转化率有一定的提升。

因为用户大多都是国内的，而且我还有一个腾讯云的云服务器还能用几个月，就决定换到腾讯云。 首先在腾讯云重装系统，用docker版本，在代码中添加了docker-compose的文件。

前段时间做了一个程序，用AI分析竞品图片，提取关键特征，到做出做图方案。当时有想法说，看能不能直接生图参考图。但是那个项目的代码已经超过cursor可以高效处理的量了，就暂时没有往下走。

上次在做竞品分析的时候，想到了把一个代码文件给模块化。平常我都是只有一个文件，最高记录就是AI图片方案的代码，有2000多行。。

去年的时候，我用coze发布了一个bot关于定价分析。大致的是从卖家精灵下载keepa数据，然后通过一个excel的识别插件，再把识别到的结果给大模型，再结合一些提示词，就出来一些简单的分析。

刚开始写公众号的时候，大多数文章是市场分析系列的，用到的软件是Tableau。Tableau适合探索数据，交互性强一点。

最近很多朋友询问coze或者Marscode不能清洗词库的问题。Coze失效的原因是他本身就是轻量级的应用，如果源词库比较大的话，coze本身会出现报错。

今天要讨论的是如何通过AI结合数据分析，快速给我们一个大致的产品概览和广告建议。 我们本身对产品有一定的熟悉度，需要算法和AI做的是，用数据分析找出其中的潜在规律。让AI把分析结果通俗的说出来，作为数据分析和运营沟通的桥梁。

这几天，在研究亚马逊广告和AI coding结合。先通过算法，处理表格，再让AI根据提取出来的数据，做出优化建议。

今天不说技术，聊聊时事。最近“掀桌子”这个梗挺火的。刚开年，先是deepseek掀桌子，直接把自家模型全开源了。因为deepseek的大模型足够优秀，这也让全球AI巨头不得不跟着走一波，掀起AI模型的开源潮。

最近Manus的出圈，又一次带动了Agent，进而让MCP爆发了。

昨天我发布了AI图片方案的文章，有朋友留言说，怎么还是要美工设计是吧。

经过几天的调试，亚马逊AI作图方案已经完成，可以告一段落了。图片分析的效果和文案效果都还行，个人感觉达到了70分左右。在这个基础上，人工再修改，就会节省不少时间。

今天的想法是既然现在视觉大模型已经比较成熟了，那我是不是可以先让AI识别足够多的竞品的图片，然后从内容，构图，色彩等方面分析图片。

这两天Manus火了，虽然没有真正测试，但是可以通过MetaGPT的开源项目OpenManus体验下逻辑过程。

在挑竞品ASIN的时候，就需要人工筛选。这是一项和枯燥，而且容易出错的，并很主观的事情。一是要找足够数量的竞品ASIN，二是判断什么样的产品和我们类似。很多时候，总是在纠结，这个产品到底是不是竞品。

角色：作为一位拥有8年跨境电商选品经验、精通[亚马逊/eBay/Shopify]平台的产品分析专家。背景：我是一家专注于[类别]的中小型跨境卖家，月销售额约[金额]，主要面向[目标市场]

选择大于努力，选词大于推广。 不以词库为基础的Ai listing都是耍流氓。 大模型的上限决定了文案和广告策略效果。

这两天Claude Sonnet 3.7 thinking，又一次把AI编程的天花板捅破了。全网都在晒一句话生成一个项目系列。

最近发布的 Grok3 每天可以使用免费额度，用来生成一些深度的调查报告，效果还是挺好的。Grok3 不仅能够自行搜索互联网上的相关内容，还能将这些信息重新组织成结构化和易于理解的格式。

我在做新品的文案和广告词库，突发奇想，就把清洗好的词库丢给了Deepseek R1做规划。

最近deepseek深度求索简直火遍了整个春节，让这个年有了点Ai味。记得半年前，deepseek第一次抗起Ai界拼多多大旗的时候，我就充了两块钱表示支持，到现在都没用完。

到了12月份，旺季已经过去了大半，准备开发一些新品。供应商的出货尺寸并不能很好的满足国际物流和FBA的标准。需要根据一个产品的包装尺寸，去测算一个外箱能装多少产品，达到运费最优。

赚钱=认知水平+学习能力+信息圈层+变现能力 1. 认知：人赚不到认知以外的钱 2. 学习：不断迭代基础认知 3. 信息：学习能力和外部信息差，不断的提升认知水平 4. 变现：变现是结果 核心是认知，通过内因（学习）+外因（圈子），提升认知的上限，最终导向变现。

到目前为止，关键词库三件套已经形成闭环了。首先找到热卖竞品ASIN，通过卖家精灵导出扩展词，用python清洗表格，用AI给关键词分类，最后在数跨境BI中，生成可视化效果。

在前几篇文章中，我详细介绍了如何通过Python, AI, Tableau搭建关键词库和流量诊断的分析流程。但收到很多朋友的反馈说环境配置比较复杂，好不容易把代码跑通，又要下载Tableau，替换数据还出现很多兼容问题。

最近在b站看一些教程的时候，我会有一些简单的入门问题。如果问Claude的话，先要点出网页，只能在浏览器中进行，并且有额度的限制。而我只是问一些简单的问题，有点大材小用的感觉。

上次说到，反查销量前20名的竞品ASIN的关键词，通过数据清洗，透视表等一系列操作，做成关键词库。可以作为listing文案的基础，广告主打词，否定词，甚至可以选品，这些都是针对新品的。

整体流程，从获取关键词表格开始，用python清洗表格，K-means进行关键词聚类，然后用大模型给聚类打标，导出表格。最后用Tableau进一步选词，用各种数据指标量化关键词。这一套流程下来，做出的词库，可以给大模型写listing，也可以做打广告，基本上把站内SEO的词库给搞定了。

对于需要做亚马逊视频广告的朋友，需要上传视频到亚马逊后台。众所周知，把视频上传到产品主图的速度还可以接受，但是上传到广告素材经常会报错。什么网络错误，格式错误，尺寸错误，简直是糟心。

最近我在做一些多店铺的运营，需要做多品牌备案，就随手把品牌域名注册下来了，只是为了防止后面被别人抢注。但是亚马逊上面很多恶意投诉是可以用图片投诉的，如果有个上线的品牌网站的话，相对来说好申诉一些。

上次说到，我会做一个通用版的listing Ai机器人，去适合大多数的场景，不需要上传关键词列表，不用做词库。如果之前的机器人叫作精品版的话，这个新的机器人可以叫作铺货版。由于我已经把扣子转移到专业版了，我可以调用llama3-70B第一梯队的大模型，同时配合豆包pro，实现比基础版更好的效果。

今天我们来分析下德国亚马逊的储能电源。我对这种产品的感觉就是货值大，周期长，海外仓不好存放，都是大卖在做。销售型的卖家主要卖货，只有少数几个创新品牌在做研发。但是德国在近年大力推动新能源，无形中为便携式的储能电源增加了助力。

最近很多朋友联系我说，国内版Ai listing的模型不太行，导致listing会效果不好。而国外版又收费，不买会员的话，几乎没法用。而正好扣子开通了基础版到专业版的迁移，我就马上开始操作。

我在日常浏览中，在电子类目发现了一个之前没注意到的产品，唱片机。这应该是一个小众的复古产品，感觉有点意思。因为之前确实没怎么了解过唱片机，所以我准备先做一个市场分析。之前做过领夹麦的市场分析，这次我可以直接套用tableau的模板，只需要把数据下载出来就行了。

最近有很多新手朋友来问我一些基础的入门问题，确实有点回复不过来了，我就想着做一个coze Ai机器人来帮我回复一些简单的问题。

前两天做了一个亚马逊listing Agent，今天我进行了一下升级。升级的主要内容就是大模型和切换到coze海外版本。还记得上次的槽点吗，主要是大模型分类的问题，我只取了清洗后的关键词表的前50行，是为了减少大模型的幻觉，因为国内扣子支持的大模型有限。这次我把所有的流程切换到了海外版的coze，并不是重复造轮子，而是为了用上Claude。

Coze国内版早在两个月前就发布了图像流的功能，是一些基础的文生图，风格转换，局部重绘等功能，而海外版还没有上架。其实可以利用这些小的功能去实现一些简单的图片处理，做一个MVP，再去考虑是否有必要上ComfyUI。

最近一周没有更新内容，是因为想在之前第一版的亚马逊listing机器人上面再做升级，结果一发不可收拾。还记得我之前做的基础版的写listing的bot吗？现在来看，真的是太简陋了，虽然引用了知识库，知道给大模型喂语料，但是连基础工作流都没有，跟不用说自定义插件了。所以实现的效果也比较随机，不太能够稳定的运用到生产环境。

今天我们来分析一款新品爆款数码相机。听到这个类目，我的第一感觉就是国际大牌多，自营多，竞争大，过气产品。如果你也和我一样的想法，那接下来的结果会让你出乎意料。我们先对best seller前100的产品进行大致的了解，看是否和我们的固有印象一致。

到这个月，我已经写了5篇关于竞品广告分析的文章了。广告不是一个独立的存在，需要综合产品的基本情况来考虑，不同类型产品的广告策略也不相同。所以在所有竞品拆解广告的开始，我会先对产品的基本情况做一个了解，包括上架时间，价格，评论，销量，排名等信息。再根据这些信息去大致推断竞品在使用什么样的运营策略，进而结合广告数据的反查，大致判断出操盘手的运营策略。

前四篇广告分析都是围绕影音类的产品，今天我们继续拆解一款相关的产品-投影仪。这款产品目前在新品榜的第四，前段时间是在榜一。产品也是上个月选出来的，当时数据不是很完整，所以又等了一个月。

自己给自己挖的坑。 事情是这样的，上个月有篇文章获得了很多推荐流量，在文章末尾，我放了一个搜索栏的图片，说在做一个导航网站，但是上线时间随缘。结果很多热心网友就和我说，能不能让导航网站快点上线。作为一个平均每年更新5篇文章的博主，我想着如果不趁热打铁的话，可能永远都做不出来了。。

那今天继续我们的广告拆解系列。上回说到音乐类目新品榜的榜二领夹麦，从市场调查和广告分析两个方面都做了探索，更是从现象到本质的做出了一个市场分析的模板，想回顾的朋友点下面。这次我们来看下榜一大哥K歌麦的表现如何。

两年前我写过一篇关于RSS的文章，介绍了如何通过RSS源获取和管理跨境资讯。当时获取微信公众号的方式有些不稳定，很多链接都已经失效。由于国内众多一手资讯往往首先在微信公众号上发布，我不得不重新订阅了大量公众号，这导致我的Reeder阅读器长时间处于吃灰状态。

因为去年一直在骑公路车，我就买了一个Gopro相机，经常做第一视角的长视频，也做一些vlog短视频，在各平台都获得了流量推荐，顺便也学习了一些基本的摄影技巧。但是由于今年深圳这天气整月都在下雨，实在没办法，只好断更了。但是我一直以来的观点是，技能是可以迁移的。那今天我会尝试用做短视频的方法来拆解亚马逊产品视频。

这是亚马逊广告拆解系列的第三篇，今天分析的是一款40美金的无线领夹麦，产品上架于24年3月31日，推广时间2个月，目前是Wireless Lavalier Microphones & Systems的新品榜一，月销量1K+，评论117个。

今天选到的产品是Musical Instruments类目新品榜的榜一榜二，迷你卡拉OK和领夹麦。这期我们先来研究下榜二，把榜一大哥的神秘感留到下一期。另外，这次的选题是由公众号读者提供。如果大家有感兴趣的产品，也可以联系我。

俗话说，工欲善其事，必先利其器。想尽快开启我们的摸鱼大计，一定先把主要工作做好。今天，我来分享下电商好用的Ai写作工具，让我们的工作事半功倍。

这是亚马逊广告拆解系列的的第二篇，今天分析的产品是一款20美金的望远镜，产品上架于24年2月25号，推广大概3个月的时间，目前稳居Binoculars类目的新品榜第一，月销量2K+，评论数量96个。

这是我们亚马逊广告拆解的第一篇，产品上优先选择近期新品爆款，类目不限，中国卖家，本土卖家也没有限制。今天选到的产品是一个不到20美金的三脚架，属于手机配件类目，主要用于手机自拍，简单的直播。产品的基本情况是上架5个月，评论779，目前月销量10k。

我们都知道，现在亚马逊的推广手法相比之前透明很多。推广无非就是免费付费，站内站外。所谓白帽推新，讲究站内外配合，站内优化是基础，站内广告是助推剂，站外论坛适合长期，站外红人deal适合短期推爆款。站内免费流量已经被大家玩明白了，入口就那么几个。

深度求索（DeepSeek）是一家由知名私募巨头幻方量化支持的 AI 公司，这周刚刚发布全新第二代开源大模型DeepSeek-V2，号称中文开源最强大模型。现在AI界的格局是没有最强的产品都不好意思开发布会。加上价格极其的便宜，也就比GPT-4-Turbo便宜100倍吧。。简直是AI界的拼多多，性价比极高。突然一种很熟悉的感觉油然而生，好像有人在弹幕中打出了救救大模型吧。。

作为一个成熟的跨境电商运营人员，熟练的使用软件不仅能使我们效率提高，业绩翻倍，更能抽出足够的时间摸鱼。不是，关注热点趋势。今天我来分享下我常用的一些浏览器插件。

今天，我来分享一个之前做过的亚马逊广告清库存的案例。这个产品断货后因为库存积压，几乎没有销量，但是已经在亚马逊上卖了三年，单价大概是150美元。

高客单价产品往往意味着更高的利润空间，但同时也伴随着更高的竞争压力和营销成本。在产品转化率已经趋于稳定的前提下，我们接下来要探讨的是如何优化广告策略，精准地锁定目标客户群体，从而在提升转化率的同时有效降低营销成本。

随着现在开源大模型的崛起，在自己的的电脑上跑大模型，实现GPT的功能已经很方便了。工作时间长了，我们总会收集很多资料，虽然经常看的频率不会很频繁，但是又是舍不得删除，万一什么时候用的到。久而久之，我们会完全忘记这么资料的内容。今天我们用本地电脑搭建一个AI环境来解决这个问题。

Coze是由字节跳动开发的AI机器人的制作平台，国内版叫做扣子。Coze本身给我们提供了一些大模型免费使用，国内扣子是字节自研的大模型云雀，可以把机器人发布到微信公众号，飞书等平台。国外Coze支持OpenAI的GPT-4 Turbo，目前可以白嫖，而且可以调用DALL-E画图，谷歌搜索等插件，国外版可以发布到Telegram, Discord等，简直太人性化了。结合我们的跨境电商亚马逊，如果能利用这些无代码的平台制作一些机器人，一定会提高我们的工作效率。今天我以亚马逊最普遍的需求，如何制作一个会写listing的AI Agent为例，演示如何快速上手Coze。

亚马逊ABA数据全称是 Amazon Brand Analytics，目前分为三大版块，客户忠诚分析，搜索分析，消费者行为分析，具体的指标术语不做解释，在后台帮助都有可以找到，前台无法查看。

作为一名亚马逊电商卖家，我们经常需要深入了解产品的流量结构和广告结构，以制定更有效的营销策略。通过反查一些亚马逊的产品ASIN，结合SIF软件的帮助，我有了一些有趣的发现。说在最前面，因为类目不同，产品不同，反查可能出现不同的结果，我的调查样本来自于电子类目下的一个小类目，反查的时间范围是最近30天，以下是我的心得记录。

最近使用Stable Diffusion的Controlnet Brightness模型在文字上应用明暗效果非常受欢迎，效果非常引人注目。

在之前的一篇文章中，我测试了利用知无不言论坛的内容来创建问答机器人。然而，由于论坛的性质决定了问题比较分散，引用的来源也比较杂乱，而且还存在大量用户评论，这导致在专业性方面存在一些差距。

在使用ChatGPT时，我们经常会遇到一些重复的场景，比如每次需要让ChatGPT写listing时，都要重新输入相同的提示词，这样非常麻烦。不过，我们可以通过一些方法提高运营效率，特别是对于常用的prompt。下面是一个简单的方法，让我们来具体操作一下。

最近，我深入思考了一个问题，那就是如何将垂直行业的知识库语料“灌输”到AI中，通过数据训练，然后利用ChatGPT以聊天的形式呈现出来，从而构建自己的AI助手。想象一下，如果我们将跨境电商行业的相关知识“投喂”给GPT，那么我们是否也能打造出一个专门服务于此行业的AI助手呢？

在数字化时代的独特交叉点，我们发现自己深深依赖于视频内容，以至于我们可以断言，视频流量已成为亚马逊等电商平台成功的关键因素之一。为产品制作引人入胜的视频能够提升曝光度，增加购买率，但同样地，这个过程往往需要耗费大量时间，需要花费大量人力成本，甚至还需要面临技术上的挑战。

最近，AI取代运营的话题引起了广泛的关注，我也感到了一丝焦虑。然而，我认为，解决这种焦虑的最好方法就是通过持续学习，提升工作效率，以实现我们的目标。在深入研究了Stable Diffusion（SD）一段时间后，我开始思考如何将SD与跨境工作相结合。

在当今的时代，信息太过于冗杂和分散，工作资讯，生活娱乐，各种渠道、各种消息充斥着手机、平板和电脑。如果想看图文有公众号，小红书，看视频有抖音，B站，快手。但是从多个渠道获取信息不仅不能提高我们的效率，反而增加了我们的信息焦虑，总有一种怎么也看不完的感觉。本来我们是想看一条新闻，但奈何抵挡不住 AI 算法，一条条的刷了起来。

这次我们对近两年在亚马逊热销的投影仪做竞品分析，结合上篇文章的方法论做具体案例的实践。投影仪在前些年主要针对学校和办公市场，近年来得益于技术的发展，成本的降低以及智能家居概念的普及，家用投影仪的产品开始走进大众的视野，国内外各大品牌都纷纷布局线上线下销售渠道。

在我们开发确定一款产品后，下一步要做的就是对竞争对手全面分析，即竞品分析。这项工作可以细致也可以粗旷，既可以是对熟悉产品的调查，也可以是对陌生领域的探索。很多人在做竞品分析时只是在按套路进行填充，框架很清晰，但是并没有通过分析提出解决方案。

最近正值招聘求职季，无论是企业和个人都面临着岗位的更换或者职位升迁。想象这个场景，如果你刚进入一家新的公司，或者新接手几个店铺，那你会从哪些方面快速了解这家店铺产品的销量和利润情况。更进一步的话，如何用数据分析发现销售中的问题，进一步用数据驱动运营决策。

在刷单越来越难的今天，大家都在寻找流量的突破口，而亚马逊正在大张旗鼓的宣传站内广告。同时，亚马逊后台PPC广告的更新一直在进行，这也让很多卖家不断加大对站内PPC广告的投入。

最近，亚马逊的seller central账号更新了一项新功能，brand analytics，即品牌分析。但暂时只有经过品牌备案2.0的账号才可以使用。目前只开放了“亚马逊关键词搜索”这一数据。具体的参数介绍和设置我就不多说了，大家也有所了解，我仅从自己的理解谈一下应用的场景。

去年的时候，我上传了一份关于亚马逊运营的模板到简道云，现在也一直在模板中心展示。同时，由于简道云一直在更新各种小功能，比如说，对接API数据推送，可视化仪表盘等等。但是在模板中心的那份修改上有一定困难，所以结合新的功能，我又完善了一下，就有了这篇文章，希望会对大家有帮助。

运动相机这款产品在主流的电商平台上的竞争很大，所以我想探索一下，是否有机会做一个自建站开辟新的小众市场。谷歌搜索action camera前几页，出来的结果都是一些电商平台，Youtube，测评网站等内容。

运动相机的兴起是源于户外极限运动，目标群体是喜欢运动的用户，如登山、滑雪、潜水、骑行等。首先，从全球的角度了解运动相机。从statista有关出货量的预测数据可以看出，美国的市场占比在逐步缩小，但是也不影响其占据了全球50%的市场份额。其中，亚洲、欧洲的出货量在缓慢上升，并逐步趋于稳定。

这段时间学习了一些国内电商的基本方法论，因为我觉得以后的竞争主要还是在于中国卖家，尤其是已经成熟的国内电商。随着国内互联网的获客成本越来越贵，无论是品牌商、运营商都会寻找流量成本更低的地方，而全球渠道的布局一定是有实力的品质电商下一步的动向。

最近有朋友问我如何解决数据源的问题，并真正选一款产品出来，我觉得并没有一个放之四海而皆准的方法，都需要根据具体情况进行调整。公司规模、实力、投入的不同，策略也不同。如果把以精品路线为主的公司简单的划分为两个类别：大卖和小卖。

上次分析 OXO 品牌的时候，发现他们有一条产品线是做蔬菜切片器的，就顺便看了看相关的产品。首先，分析下这款产品的上级类目 Graters, Peelers & Slicers 。

OXO 创始于1990年，是风靡美国多年的家居及厨具用品品牌。不仅具有坚强的设计实力，还有不断开创的品牌精神。OXO 的厨具产品充满了极具人性化的设计，并不断提出创新且实用的产品改进或设计计划。从小小的金属勺子到果皮刀，无处不体现以服务生活为本的设计理念，让生活更加便利美好。OXO 产品线包括厨房用具、家居清洁用具、办公用品、婴儿餐具等等，并根据产品线设立 Good Grips、SteeL、SoftWork、Tot 四个子品牌。

这次我们来看下 Kitchen & Dining 中的 Kitchen Utensils & Gadgets 类目。为什么选择这个类目？由上次的二级类目分析得出结果，对比前几个销售额较好的类目，这个类目的自营占比相对比较健康，中小卖家有足够的发挥空间。

Prime Day 会员日的秒杀刚刚过去，各种爆单的消息铺天盖地的席卷而来。有的卖家因为断货而焦虑，有的却因为秒杀被取消而错失良机。今年的秒杀销售额无疑继续创造了新高，不断刷新着去年的记录。这次，我们来分析稳居"Kitchen & Dining"前列的"Instant Pot"压力锅。

上几篇文章分析了 Home & Kitchen 下面几级类目，这次继续深挖。由上次分析，得出 Small Appliances 小家电类目在 Kitchen & Dining 销售额最高，均价在55美金左右。这个品类由于客单价高，体积大，维修难等特点，比较适合有实力的卖家去布局。同时，可以学习大卖的运营模式，结合自己的情况合理分配。

这份数据是6月美亚Kitchen产品类目的内部数据，主要是由各类目的销售额，销量，均价，曝光量等等组成。通过这份数据可以发现一些表现较好的类目，可以为产品开发指明方向。

这次分析家居 Kitchen & Dining 各类目排名前100的数据，此类目可以单独算作一级类目，直接计算BSR，可见其在家居类目的重要性。

家居类目是一个产品繁杂、细分垂直属性较多的类目。这次我抓取并汇总了美亚家居（Home & Kitchen）二级类目销售榜前100的数据进行分析。首先提出问题：哪些类目销售额最高？哪些类目适合进入每个类目中的产品表现如何？如何选择适合的产品？

智联招聘上搜索“亚马逊”三个字，会出来5000多条结果，前程无忧是10000多条，这里选取智联招聘的结果作为分析对象。由于分析对象主要为较为普遍的职位，所以删除了软件工程师、互联网等技术类职位。经过初步整理，数据存量为4297条。

最近，从朋友那里传来一份文件，有关日本站前20000类目关键词的数据。由于亚马逊不太喜欢公开自己的内部数据，所以估计这份数据的来源是用人工智能爬取出来。其实，现在市场上有很多类似这样的数据，无论是AI抓取还是内部资源，其表现形式都仅仅停留在一张表格上面。就是说如果我们要获取相关的结果，还需要做进一步的处理。

正态分布也叫常态分布，是连续随机变量概率分布的一种。自然界、人类社会、心理和教育中大量现象均按正态形式分布，例如能力的高低，学生成绩的好坏等都属于正态分布。它随随机变量的平均数、标准差的大小与单位不同而有不同的分布形态。

假设检验之A/B测试

底层逻辑”是个经常被互联网提到的概念，说的是放之四海而皆准的道理，每个领域共通的临界点。在商业和数学的世界，有两个经常被提起的概念，幂律分布和正态分布。这篇文章的底层逻辑是结合一个符合统计分布的实际场景，然后用数据去证明。如果在一定程度上可以被证明，就可以当作规律。由于我从事亚马逊的相关工作，所以本篇文章是围绕亚马逊展开。

假设检验之单样本检验

假设检验之验证斯特鲁普效应

概率分布练习

黄金时代-电影流行趋势

Kaggle入门-泰坦尼克生存概率预测

机器学习-逻辑回归

机器学习-线性回归

如何用Python分析销售数据

如何用概率思维解释龟兔赛跑

如何用Python实现5分钟分析股票趋势

从0到1学Python

我是一名跨境电商从业者，14年毕业，2年传统外贸经验，1年半电商经验。在做B2B的时候，对数据没有感觉，前年开始做B2C的时候，才慢慢开始接触数据，从与人打交道变成了与数据说话。

以前我从事的行业是传统贸易，以线下接触客户为主。去年开始转行做跨境电商，发现这完全和之前的工作是两码事，虽然都叫外贸，但从认知、效率、工作方法上都有了不一样的认识。有段时间我一直在找能够提高效率的工具和方法。如果从成甲的《好好学习》中提到的知识管理维度来划分，以前我是在第一阶段数据管理，现在逐步进入第二阶段信息管理。“工欲善其事必先利其器”，在这个资源高度共享的时代，善于利用工具快速达到目标也是一种能力。这里对自己有帮助的工具做一个分享，也是对上一阶段的总结。