Skill-Listing-Quality-Scoring

1. 解决的问题

核心思想：把 Amazon Listing 的「吸引力」分解为文本质量 + 图像质量两个可量化维度，用神经网络预测每个内容位置（标题/主图/描述/bullet points）对转化成功率的贡献，并反向输出"改哪里能提升最多"的可操作建议。

2. 核心算法逻辑

核心思想：把 Amazon Listing 的「吸引力」分解为文本质量 + 图像质量两个可量化维度，用神经网络预测每个内容位置（标题/主图/描述/bullet points）对转化成功率的贡献，并反向输出"改哪里能提升最多"的可操作建议。

3. 业务应用场景

场景 A：新品上架前的 Listing 质量门控

- 业务问题：baby sterilizer 新品上架前，无法量化判断 Listing 质量是否达到投放标准。广告烧钱但 CVR 低，不知道是广告问题还是 Listing 问题。 - 数据要求： - 标题文本（英文，≤200字符） - 主图 URL（≥1000×1000px） - Bullet points（5条） - 竞品 Top 10 ASIN 的同等字段（用于 exemplar 对比） - 预期产出： - `listing_score`：0-100 分的综合质量分 - 分维度得分（标题/图片/描述各自评分） - Top 3 改进建议（具体到"第2个 bullet point 缺少量化数字

场景 B：存量 SKU 定期 Listing 健康度巡检

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 预估：
• 基准：baby sterilizer 品类 ACoS 25%，日广告预算 $200，当前 CVR 8%
• Listing 质量从 D 级（<55分）优化至 B 级（70+分）：CVR 提升约 4-6pp（参考 MetaSynth A/B：CTR +10.26%；Mercari 图片优化：ATPU +7%）
• CVR 8% → 12%：等效广告效率提升 50%，月节省无效广告支出约 $1,800
• 上架审核人工成本：从 30分钟/SKU → <5分钟/SKU，10 个 SKU 每月节省 ~8小时
• 实施难度：⭐⭐☆☆☆（2/5）— 纯规则+NLP，无需训练，直接可运行

7. 代码模板

代码块数量：5 · 路径：paper2skills-code/advertising/listing_quality_scoring

"""
Skill-Listing-Quality-Scoring
基于 KDD'23 Amazon + EMNLP'24 IPL + IEEE Big Data 2025 MetaSynth
母婴跨境电商 Amazon Listing 质量评分工具
"""

import re
import numpy as np
from dataclasses import dataclass, field
from typing import Optional
import warnings
warnings.filterwarnings("ignore")


# ── 数据结构 ───────────────────────────────────────────────
@dataclass
class ListingInput:
    asin: str
    title: str
    bullet_points: list[str]          # 最多5条
    description: str = ""
    main_image_url: Optional[str] = None
    has_aplus: bool = False
    has_video: bool = False
    price: float = 0.0
    category: str = "baby"
    review_count: int = 0
    rating: float = 0.0


@dataclass
class ListingScore:
    asin: str
    total_score: float                # 0-100
    title_score: float
    bullets_score: float
    description_score: float
    image_score: float
    completeness_score: float
    grade: str                        # A/B/C/D
    top_issues: list[str] = field(default_factory=list)
    recommendations: list[str] = field(default_factory=list)


# ── 标题质量评分 ───────────────────────────────────────────
def score_title(title: str, category: str = "baby") -> tuple[float, list[str]]:
    """
    评分维度（参考 KDD'23 Amazon 框架）：
    - 长度合规性（Amazon 推荐 150-200 字符）
    - 关键词密度（品类核心词覆盖率）
    - 数字/规格信息（量化描述）
    - 可读性（避免堆砌关键词）
    """
    issues = []
    score = 100.0

    # 1. 长度检查
    length = len(title)
    if length < 80:
        score -= 20

8. 论文来源

• 2302.01416
• 2408.11349
• 2510.01523