Product Opportunity Scoring（新品机会评分卡）

Skill-Product-Opportunity-Scoring · 06-增长模型

causalforecastingpricing供应链与补货数据采集与治理定价与利润风控与合规WF-A 智能补货WF-D 选品扫描WF-E Review监控WF-F 动态定价WF-G Listing内容优化WF-H 复购增长

年化 ROI40-80 万元

实现难度⭐⭐☆☆☆

业务优先级⭐⭐⭐⭐⭐

业务视角

适用角色CEO / 增长负责人 · CMO · 财务负责人

适用平台Amazon · TikTok Shop · DTC 独立站 · 多市场

什么情况下用公司增长放缓，不知道是市场饱和还是产品问题还是获客太贵；老板要 12 个月 GMV 预测，只能靠感觉

成功是什么样的建立增长拆解模型找到瓶颈，预测未来 6-12 个月营收区间，支撑融资/战略会议

业务痛点

增长放缓不知道问题在哪CAC 越来越高已经高于 LTV新市场要不要进没有数据支撑

1. 解决的问题

1. 市场规模（搜索量 + BSR 品类总量，$w$=0.25）

2. 核心算法逻辑

多维度加权评分卡，综合评估新品机会：

3. 业务应用场景

候选新品"智能温控奶瓶"评分：市场大（0.8）× 竞争中等（0.6）× 利润高（0.85）× 趋势强（0.75）× 合规风险中等（0.5）× 复杂度中等（0.6）→ 综合 0.71。高优先级，进入选品短名单。

候选"婴儿电动摇椅"评分 0.38（合规风险极高 + 退货率高）→ 暂缓。

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：系统化选品减少试错成本 50%+；年化 40-80 万元
难度：⭐⭐☆☆☆ | 优先级：⭐⭐⭐⭐⭐（5 星）

7. 代码模板

代码块数量：1 · 路径：未检测到

"""Product Opportunity Scoring"""

def opportunity_score(metrics: dict, weights: dict = None):
    w = weights or {'market_size': 0.25, 'competition': 0.20, 'margin': 0.20,
                     'trend': 0.15, 'compliance': 0.10, 'complexity': 0.10}
    # competition, compliance, complexity are inverse (higher=worse)
    if 'competition' in metrics: metrics['competition'] = 1 - metrics['competition']
    if 'compliance' in metrics: metrics['compliance'] = 1 - metrics['compliance']
    if 'complexity' in metrics: metrics['complexity'] = 1 - metrics['complexity']
    return sum(w.get(k, 0) * v for k, v in metrics.items())

def classify(score):
    return "HIGH" if score > 0.65 else ("CANDIDATE" if score > 0.45 else "LOW")

# test
s = opportunity_score({'market_size':0.8, 'competition':0.4, 'margin':0.85, 'trend':0.75, 'compliance':0.5, 'complexity':0.4})
print(f"Score: {s:.2f} → {classify(s)}")
assert s > 0.65
print("[✓] Product Opportunity Scoring 测试通过")

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。