Amazon Listing Growth System

AI Agent驱动的
爆款链接生成系统

把爆款链接生成能力变成公司资产。

ASIN
增长
方法论

自我介绍

从 AI 视觉，
到 DTC 增长操盘

Ezra

AI × 工业 × 跨境增长 技术背景
业务一线既做过 AI 视觉落地，也在 DTC 营销、众筹、销售和亚马逊渠道里长期操盘。

教育

武汉理工本科，新加坡南洋理工硕士

硕士研究方向：通过 AI 实现行人检测。

2018

创业，将 AI 视觉落地工业质检场景

从算法能力走向真实生产线，解决工业场景中的检测、识别与质量判断问题。

2020+

深耕 DTC 营销与销售，亿级操盘手

浙江欧凯车业DTC 负责人

RingConn销售总监，负责产品众筹和全渠道销售

广东新宝电器负责 DTC 和欧洲亚马逊

目录 / Agenda

这场分享只回答一个问题：
爆款链接到底怎么被复制？

01

为什么链接是放量基础？

同时服务亚马逊流量和用户转化。

02

传统写链接为什么难？

调研重、协同难、优化常常缺依据。

03

爆款链接的五个基础原理

市场、用户、定位、内容、信任。

04

AI Agent 如何重建决策链？

从资料输入到资产输出和持续迭代。

05

老板到底该看什么？

不是单点文案，而是一套增长系统。

01

Chapter 01

为什么做好亚马逊链接，
是放量前提？

增长资产

一条好链接，
同时完成两件事

服务亚马逊

符合平台
才能获取流量

服务用户

满足消费者
才能完成转化

02

Chapter 02

爆款链接，
难在哪里？

调研工作

工作量繁琐，
而且涉及面很广

01

市场调研

市场阶段、价格带、需求强度、竞争密度。

02

竞品调研

头部卖点、主图表达、评价结构、差评漏洞。

03

用户调研

购买动机、真实痛点、顾虑、比较标准。

04

流量调研

关键词、搜索意图、广告入口、自然流量机会。

策划与协同

形成策划案之前，
跨组织协同已经很复杂

策划案形成前

多部门共同判断

调研、卖点、产品事实、商业取舍要先对齐，才能形成策划案。

运营市场产品老板

给到设计

资料转译

策划案变成图片需求、视觉重点、信息层级和素材清单。

后期检查

设计产出

设计完成后，还要检查信息是否准确、表达是否跑偏。

最终上线

上线验证

通过最终检查后上线，再用销售结果验证。

SOP 与人才

普通 SOP 能保底，
但很难稳定做出爆款

一般 SOP

保证下限
减少出错
保住底线

爆款能力

依赖高手
经验判断
但会流动

如果方法只在厉害的人脑子里，人一走，爆款能力也跟着走；公司沉淀下来的往往只是流程，不是判断。

03

Chapter 03

爆款链接背后，
有五个基础判断

市场、用户、定位、内容、信任，不是概念，而是链接各模块的分工依据。

方法入口

做爆款链接，
先回到五个基础原理

市场有没有机会

用户为什么会买

定位靠什么赢

内容怎么表达

信任凭什么相信

市场判断

不是只看有没有机会，
还要看市场处在哪个阶段

引入 / 教育期成长期成熟期衰退期

理论依据：Product Life Cycle，产品销售会经历 introduction、growth、maturity、decline 等阶段。

教育期

竞争少，用户还不知道“有什么”。信息重点：品类是什么、能解决什么问题、为什么需要。

成长期

竞品开始出现，用户开始比较“为什么是你”。信息重点：差异、效率、场景、明显优势。

成熟期

供给充分，用户已经懂品类。信息重点：细分人群、细分场景、证据、信任和性价比。

衰退期

需求下降或替代品出现。信息重点：降低风险、处理存量需求、明确替换理由。

用户判断

买家为什么买？
怕什么？比较什么？
在哪一秒离开？

需求满足程度

产品有没有把需求做到位：能不能制冰、够不够快、稳不稳定。

用户满意度

做到后用户有多开心；没做到时，会不会直接差评或离开。

基本需求必须证明可靠：不漏水、无异味、稳定出冰。做到是应该，做不到就差评。

期望需求要放大对比：6 分钟出冰、24 小时冰量、低噪音，越强越影响购买。

魅力需求用来制造惊喜：自清洁、透明视窗、冰满提醒、便携提手。

反向需求少讲甚至不讲：复杂 App、过多模式、灯效，可能让只想简单使用的人反感。

定位判断

从市场、用户和竞争出发，
找到自己的差异化定位

市场这个细分市场还缺哪类答案？

用户哪类买家最容易被说服？

竞争竞品没有讲透、证明透的是什么？

内容判断

市场阶段不同，
每个模块的信息表达也不同

教育期：先让用户知道“有什么”

标题品类词 + 核心场景，降低理解成本。

五点解释使用方式、解决问题、适用对象。

图片主图和副图先讲“它是什么、怎么用”。

A+做品类教育、场景教育和基础信任。

成熟期：让用户相信“为什么是你”

标题核心关键词 + 差异化卖点 + 规格证据。

五点按顾虑排序，讲对比、耐用、兼容、售后。

图片对比图、细节证据、使用前后、场景细分。

A+承接品牌、结构解释、证据链和购买安心感。

信任判断

很多卖家忽略的，
是买家下单前的心理状态

C = 4M + 3V + 2(I - F) - 2A

Conversion heuristic：动机、价值、刺激、阻力、焦虑共同影响转化。

Motivation

动机

我为什么现在需要它？

Value

价值

它给我的收益够不够清楚？

Incentive

刺激

有什么理由让我现在下单？

Friction

阻力

哪里让我觉得麻烦或不确定？

Anxious

焦虑

我怕买错、装不上、不耐用。

决策路径

信息架构来自三件事，
不是设计师自由发挥

用户心理变化

从“我看见了”到“我懂了”，再到“我相信了”。内容要顺着心理状态推进。

滑梯理论

上一屏必须把用户推向下一步。每个模块回答一个购买前问题。

信息扫描方式

用户不是逐字阅读，而是先扫标题、首屏、左上和高对比信息。

F-shaped heatmap 示意

参考：Nielsen Norman Group 的 F-shaped reading pattern 研究。

AI 边界

现在有了 AI，
是不是 AI 就能干了？

内容 GPTs

请基于产品资料生成标题、五点和图片文案。

输出看起来完整，但依赖输入上下文和提问质量。

难以持续承接竞品、评论、广告、视觉任务。

QA GPTs

请检查 Listing 是否符合亚马逊规则。

能做局部审校，但很难跨步骤保存完整判断链。

上下文一长，任务就会丢、漏、混。

AI 能干，但有边界

思维链、Zero shot、角色定义、In/Out 结构化可以提高单次结果；但受限于上下文，无法稳定处理大的工作量，也无法解决组织协同和判断沉淀。

04

Chapter 04

所以我们把它，
做成一个 Agent

Agent 的价值不是生成更多内容，而是把大工作量拆成可追溯、可复用、可迭代的决策链。

Agent

我们的系统特点：
不是生成器，而是增长决策链

01

分步处理大任务

把市场、竞品、用户、定位、内容、视觉拆成可控步骤，避免上下文失控。

02

保留中间判断

每一步输出都有依据，后续模块能继承前面的判断。

03

模块协同分工

标题、五点、图片、A+ 不再各做各的，而是服务同一条决策路径。

04

可诊断可复用

输出不是一次性文案，而是可以沉淀、复用和迭代的资产。

系统流程

Agent 的流程，
是一条 10 步增长生产线

Step 1

产品资料建档

产品、类目、规格、品牌限制、素材清单。

Step 2

原始数据接入

解析关键词、竞品、广告、评论和运营输入。

Step 3

关键词机会排序

判断哪些词值得打，哪些只是噪音。

Step 4

关键词分工

标题、五点、后台词、图片和 A+ 各司其职。

Step 5

竞品数据拉取

抓标题、价格、图片、A+、评论和差评。

Step 6

市场与用户洞察

形成市场阶段、用户顾虑和机会窗口。

Step 7

定位与增长策略

确定打谁、打什么场景、靠什么理由赢。

Step 8

Listing 内容架构

生成标题、五点、描述、Search Terms 和 A+。

Step 9

图片 Brief 与出图

每张图都有转化任务、证据点和文案边界。

Step 10

QA 审核与迭代

检查覆盖、事实、合规，再进入诊断复用。

Case 01 / NEWBULIG 制冰机

老板不用看流程，
先看这单生意被系统拆成了什么

NEWBULIG 便携台面子弹制冰机

目标价 $63.89，新品牌主推 SKU，核心任务是把“快、静音、双冰型”变成可转化的亚马逊链接。

19输入文件
业务材料先归档

11,148原始关键词
跨 4 个来源

8对标竞品
价格/评论/标题

1,180有效关键词
筛掉低相关噪音

14最终图片
主图/副图/A+

多轮QA 修复
最终通过

系统把一条链接拆成了市场、定位、内容、视觉和质检闭环五个经营判断。

Case 02 / 市场判断

老板先看市场：
这是不是值得打的一仗？

市场阶段

成熟红海，不缺“会制冰”的机器

8 个竞品里，EUHOMY 和 Frigidaire 评论都过万，功能同质化明显。这个市场不是教育用户，而是在成熟品类里争夺更可信的购买理由。

用户痛点

真正影响转化的不是参数堆叠

冰放篮里化回水箱噪音和红外误报清洗麻烦、担心发霉前几批冰小、等待焦虑

可投入杠杆

系统挑出三件最值得证明的事

6 分钟出冰、保冷篮、40dB 静音进入高优先级；传感器、水箱、透视窗降级，不把页面资源浪费在低转化卖点上。

Case 03 / 定位决策

系统没有照抄卖家定位，
而是改成可证明的差异化

卖家原始定位

快、静音、双冰型、免接水、自清洁

这组话本身没错，但和 8 个竞品表达高度接近。老板如果只看这句，会以为系统只是把常规卖点包装了一遍。

→

系统重定主轴

保冷篮 + 实测静音 + 6 分钟出冰

策略不是“多说几个卖点”，而是把页面资源集中到更容易形成差异的购买理由。

保冷篮
对抗化水痛点

<40dB
降低使用焦虑

6分钟
满足即时需求

Case 04 / 交付资产

最终交付不是一页截图，
而是一组可执行的链接资产

内容资产

标题、五点、搜索词、A+、QA 问答

标题 160/200 字符；五点围绕快速出冰、保冷篮、静音、双冰型、自清洁展开；A+ 拆成 7 个标准模块。

这意味着运营、设计、老板看到的是同一个策略拆出的不同交付物，而不是三套各自理解。

主图

保冷篮

静音证明

A+ 首屏价值

A+ 保冷对比

Case 05 / 老板控制点

最重要的不是一次生成，
而是问题能被修到通过

最终 QA 通过前几轮系统拦下标题结构和关键词执行问题；修复后重新质检，最终版本达到发布标准。

第一轮 / 找出阻断

标题结构和核心 USP 位置被拦截：流量词、购买理由没有放到最该抢的位置。

修复轮 / 回到源头改

不是在最终稿上补丁式改字，而是回到标题、关键词分配和 A+ 图文承接重新对齐。

最终轮 / QA 通过

阻断项清零，标题、五点、搜索词、图片与 A+ 重新形成同一条购买路径。

Demo

真实 Demo：
从一个产品跑出完整链接方案

输入

产品资料
竞品链接
关键词数据
评论与广告

输出

市场判断
用户痛点
定位卖点
Listing + 图片 + A+

案例链接

05

Chapter 05

Demo 之后，
老板该看什么？

不是看某一句文案好不好，而是看这套系统能不能沉淀判断、协同团队、持续复用。

核心价值

系统交付的，
是一套可执行资产包

判断资产

市场阶段、用户需求、竞品弱点、定位逻辑。

内容资产

标题、五点、Search Terms、A+ 结构。

视觉资产

主图方向、副图 brief、图片文案和证明任务。

复用资产

诊断记录、品类规则、下一条链接的 SOP。

老板视角

老板真正要管住的，
是判断机制

01 能不能解释市场机会？

02 能不能串起竞品、用户、卖点、图片和 A+？

03 能不能减少老板、运营、设计之间的反复沟通？

04 能不能沉淀公司的品类经验？

05 能不能持续诊断老链接？

祝各位
大卖

AI Agent驱动的爆款链接生成系统

从 AI 视觉，到 DTC 增长操盘