评论、商品页、成本、增长与库存

Ecommerce Skills

从买家反馈到经营改进

Nexscope 的跨平台电商技能集合。带入真实评论、商品资料、成本或库存，选择对应流程，让助手形成可回查的分析与行动草案。不同目录的深度和辅助代码差异很大，按具体任务选用更合适。

作者 nexscope-ai

安装与上手查看 GitHub
Ecommerce Skills：从买家反馈到经营改进 项目图片

作者列出的使用环境

  • Claude Code
  • Codex
  • Cursor
  • Windsurf
  • OpenClaw
GitHub Star
1,291
资料核对
分类
营销增长产品与项目内容与知识

先做一件能用原始材料核对的事

第一次建议选一个 SKU 的评论分析，检查主题计数和原话，再决定是否改商品页。经营数据不齐时，先补成本或库存口径；不要让一份看似完整的报告替你填上缺失事实。

选一个任务，开始使用

下面默认安装评论分析这一项。选其他任务时，改用该任务显示的安装命令，再在已加载技能的助手会话中提供文件并发送提示词。

你手上有哪些材料，接下来要决定什么

适合已有一组真实评价。围绕抱怨、赞扬与功能需求归类，保留样本范围；评论主题不能单独证明产品缺陷或真假评价。

  1. 先安装一个要用的技能

    在本地终端运行作者的单项安装命令；-g 为用户级安装。按提示选择正在使用的助手，再确认技能已加载。其他任务使用各自的命令，无需先安装整个集合。命令从仓库获取内容，本文核验的是下方注明的固定提交。

    npx skills add nexscope-ai/eCommerce-Skills --skill product-review-analysis -g
    查看作者安装说明

    首次使用：从一份评论文件走到可复查报告

    为一个 SKU 准备 reviews.csv，至少包含 review_id、日期、评分、规格、评论原文与来源；另在 product-context.md 写明平台、站点和时间范围。安装后确认 product-review-analysis 出现在宿主可用技能中，重新加载会话（如宿主要求）。附上两份文件，发送第一个任务提示词。最后打开 reports/review-analysis.md，抽查原话与编号，复算主题分母，再决定下一步。

    查看作者的单项安装说明

  2. 把这段话发给 AI

    下方是本站根据源码编写的调用示例，文件名是输入约定，需替换为真实材料。预期产物不代表本站已经运行；没有数据的项目应保留为空或待确认。

    使用 product-review-analysis，读取 reviews.csv 和 product-context.md，分析这一个 SKU。先确认平台、期间、规格、有效样本数和重复记录；缺少文件先说明。分别整理购买理由、反复抱怨和功能请求，逐项给出评论数量、分母、代表原话与 review_id；同一评论可以有多个主题，要说明占比可能重叠。有足够样本时再按时间或规格比较。提出三个产品、FAQ 或商品页改进，每项标明依据、待验证解释和检查效果的方法。不要填造真实性百分比、评分因果影响或收入收益；没有竞品资料就省略跨品牌比较。保存 reports/review-analysis.md，最后抽查引用与计数，并说明样本不能代表哪些买家。

  3. 检查你拿到的结果

    • 一份能按 review_id 回查的主题表，分清样本事实、解释与建议。
    • 三个有依据的改进及验证方式；抽查原话、计数和分母，确认没有把模板占位符填成事实。
    查看这项任务的作者说明
进一步了解这个 Skill

这套集合把电商工作拆成独立的 Skill：竞争分析、定价、增长、营销、商品页、广告、监测、供应链与平台专题。这里选出五条材料和产物都比较明确的路径。它们可以衔接：评论解释买家在意什么，商品文案据此调整表达，成本核算约束促销，增长计划安排实验，库存分析检查履约能否跟上。

每个 SKILL.md 是交给助手的方法说明，不同目录并不等价。有的只有分析框架，有的写明数据抓取工具，有的附带 Python 脚本。首页把集合概括为纯 Markdown 并不完整。本页所选评论、文案、增长和仓储流程主要依赖助手；Shopify 利润目录虽有脚本，实际实现仍按 Amazon 计算，不能直接当作 Shopify 财务工具。

深度也有差别。商品文案明确区分新建与优化，要求关键词表和修改前后对照；增长任务通过五类增长因素、机会排序和 90 天计划支持决策。相比之下，shopify-email-flows 的 Beta 文档只给通用建议和实施框架。Available 与 Beta 是作者标签，不代表本站完成了效果测试。

源码采用 MIT 许可，模型与外部服务费用另计。作者介绍 Nexscope 的自动监测和市场数据服务，但安装这些技能不会获得相应能力，也不要求只能使用该服务。你提供的导出文件、已授权的数据工具或公开资料，都可以成为分析输入；实时覆盖、数据质量和经营成效要分别验证。

来源与核验

资料核对

已按固定提交阅读全文及所选实现，核对安装语法、五个任务与示例来源。未安装技能、运行第三方脚本或访问店铺。

作者说明Shopify 计算器实际源码仓储作者测试题MIT 许可安装器环境与选项

需要继续清理数据或制作营销内容

Data Analytics Skills 可补数据质量、口径对账与分析；Marketing Skills 可继续处理已确认的营销假设与文案。

Data Analytics Skills数据分析技能集合：数据质量、指标文档、分析调查、可视化规格与沟通，用你的数据核对。Marketing Skills先把产品定位和客户语言存成共享文件，再用于页面文案、转化诊断、SEO、实验和渠道工作。Rampstack Skills覆盖品牌、内容、产品、SEO、开发与运营的方法库，按框架产出简报、文案、需求或检查计划。CC Thinking Skills把模糊问题变成有输入、步骤、停止条件和检查方式的分析任务，每次只用需要的框架。