Amazon Listing 文案 AI 生成（标题+Bullet+描述全套）

1. 解决的问题

某母婴品牌每月新品 8-12 个 SKU，人工撰写一套完整 Listing（标题+5条Bullet+描述+后台ST）需要 2-3 小时/SKU，月均耗时 20-30 小时

2. 核心算法逻辑

核心思想：给定商品属性（品类/材质/功能/目标用户），自动生成符合 Amazon 格式要求的完整 Listing 文案，同时通过归因梯度反向指出「改哪个词能提升转化」。

3. 业务应用场景

某母婴品牌每月新品 8-12 个 SKU，人工撰写一套完整 Listing（标题+5条Bullet+描述+后台ST）需要 2-3 小时/SKU，月均耗时 20-30 小时。

AI 生成流程： 1. 输入商品属性：`{品类: "电动吸奶器", 材质: "医疗级硅胶+BPA-Free ABS", 功能: ["双边吸", "6档吸力", "USB充电", "静音<35dB"], 目标用户: "0-18月哺乳期妈妈", 市场: "US"}` 2. 生成英文 Listing 草稿（3秒内） 3. 合规检查：自动过滤 "clinically proven" / "FDA cleared" 等违规声明 4. 质量评分：IPL 框架打分，低于 70 分的字段自动标注改进点 5. 人工审核修改（15分钟 vs 原来 2-3 小时）

结果：月均撰写时间从 25 小时降至 5 小时，节省人力成本约 1.5 万/月，年化 18 万。 同时 AI 生成的关键词覆盖率比人工高 40%，上架后自然流量同比提升 22%。

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

• ROI：18-192 万元/年（基础文案生成节省 18 万人力；CVR 提升 8-22% 带来增量 GMV）
• 难度：⭐⭐☆☆☆（现成 API，调用即可，工程成本低）
• 优先级：⭐⭐⭐⭐⭐（每个卖家每周刚需，投入产出比最高）
• 适用场景：新品上架（批量生成）、老品优化（竞品差评驱动迭代）、多市场扩张（本地化版本生成）

7. 代码模板

代码块数量：4 · 路径：未检测到

from openai import OpenAI
import re, json

client = OpenAI()

SYSTEM_PROMPT = """你是亚马逊 Listing 文案专家。
规则：
1. 标题：核心词前置，≤200字符，不含标点堆砌
2. Bullet（5条）：每条以大写动词开头，强调功能/材质/认证/使用场景/保障
3. 描述：≤2000字符，HTML标签用<br>换行，含品牌故事
4. 禁止词：clinically proven / FDA cleared / cure / treat / guarantee / #1
5. 输出 JSON 格式"""

def generate_listing(product_attrs: dict, market: str = "US") -> dict:
    prompt = f"""
商品属性：{json.dumps(product_attrs, ensure_ascii=False)}
目标市场：{market}

请生成完整的 Amazon Listing 文案，JSON格式：
{{
  "title": "...",
  "bullets": ["...", "...", "...", "...", "..."],
  "description": "...",
  "backend_keywords": ["...", "..."]
}}
"""
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": SYSTEM_PROMPT},
            {"role": "user", "content": prompt}
        ],
        temperature=0.3,
        response_format={"type": "json_object"}
    )
    listing = json.loads(response.choices[0].message.content)
    
    # 合规检查
    BANNED_WORDS = ["clinically proven", "fda cleared", "cure", "treat disease",
                    "guaranteed", "#1 selling", "best seller"]
    all_text = " ".join([listing["title"]] + listing["bullets"] + [listing["description"]]).lower()
    violations = [w for w in BANNED_WORDS if w in all_text]
    if violations:
        listing["compliance_warnings"] = violations
    
    return listing

# 质量评分（简化版 IPL 框架）
def score_listing(listing: dict) -> dict:
    scores = {}
    # 标题质量：长度 + 关键词位置
    title = listing["title"]
    scores["title_length"] = min(len(title) / 200, 1.0)
    scores["title_keyword_front"] = 1.0 if len(title.split()[0]) > 3 else 0.5
    # Bullet 质量：是否大写开头 + 长度合理
    bullets = listing["bullets"]
    scores["bullet_format"] = sum(1 for b in bullets if b[0].isupper()) / len(bullets)
    scores["bullet_length"] = sum(1 for b in bullets if 50 <= len(b) <= 200) / len(bullets)
    
    overall = sum(scores.values()) / len(scores)

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。