翻译助手怎么做多语言翻译？保留变量格式并处理文化习语
「翻译助手」是「龙虾部署大师」技能市场中的多语言翻译技能：作用是在保留原始格式、变量和技术元素的前提下完成翻译，并按目标地区处理语气、复数、性别、日期、单位和文化表达，输出结构稳定、术语一致、符合目标语习惯的译文，适合产品本地化、技术资料翻译和跨语言内容改写。 技能效果 把一段含变量和 Markdown 链接的产品文案译成法语时，它原样保留了变量与链接格式，只翻译可读文本。 机器翻译一过，格式乱了、术语也飘了 把界面文案或技术文档丢进通用翻译，常见两类麻烦。一是格式被破坏：`{name}`、`%s` 这类变量占位符被一起翻译，Markdown 链接和代码块结构错位，HTML 标签被改写，译文一上线就报错或排版崩坏。二是表达不地道、术语不统一：直译腔重，不符合当地用户习惯；同一个术语在长文档或多个文件里前后翻得不一样，读起来割裂。翻译的真正难点，是同时守住格式稳定和译文自然这两头。 原文 Hi {name} [文档](url) ＜b＞术语 A＜/b＞ 通用翻译：占位符被译 链接错位 · 术语前后不一 本技能：变量 / 标签原样保留 术语一致 · 表达地道 这个技能能帮你译出什么 它把翻译当成一项有规则的工程，而不是逐句替换。格式上，它会保留代码块、Markdown、HTML 标签和变量占位符，区分出品牌名、技术术语、URL、邮箱、接口和文件扩展名这些不可译元素，只翻该翻的部分。语言上，它按目标语言处理复数、性别、正式程度和 RTL 文字方向，并结合文化语境调整习语、单位、日期、货币和数字格式。流程上，它强调先读完整上下文、建立术语一致性，再动笔，确保同一术语在整篇或多文件中前后统一。 读全文上下文 建术语一致性 › 隔离不可译元素 变量 · 标签 · 接口 › 本地化输出 习语 · 单位 · 日期 用前须知 该技能无需 API Key、Python 或 Node 依赖。使用前最好提供源语言、目标语言、受众、语气要求和术语表；涉及 JSON 等结构化文件时，要明确哪些键或字段可以翻译、哪些必须保留，译文才能既准确又不破坏结构。 怎么用它 用法是把要翻译的内容、目标语言和保留要求用自然语言交给它，它会守住格式再做本地化。例如可以这样对它说： 可以这样对它说 "把这段产品文案译成法语，变量和 Markdown 链接格式都别动。" "这份客服邮件翻成日语，语气礼貌但别太生硬，像真人客服回复，少点套话。" "JSON 里的键名保留英文，只翻译每个文案值，数组结构别乱改。" 它适合这些场景：产品界面文案含 `{name}`、`%s` 等变量占位符需要翻译；Markdown 文档要保持标题、链接、强调和代码块结构不变；营销或帮助中心内容要从直译改为当地用户习惯表达；同一术语在长文档或多文件中必须保持一致。 大家常问 直译和意译到底怎么区分，什么时候该用直译、什么时候该用意译？ 直译保留原文的词汇、结构和修辞意象，追求形式一致；意译放弃字面形式、只保留核心意义，按目标语习惯重新组织。判断分四个维度：字面意义与实际意义是否一致、两种语言结构差异大小、是否带文化负载、文本功能偏信息还是偏表达。法律科技偏直译，文学广告偏意译，实际往往交替使用。 为什么同一个术语在长文档或多文件里经常前后翻得不一样，要怎么守住术语一致性？ 这叫术语漂移，根源是语境会让译者临场换词、人的工作记忆有限、源语和目标语词汇又非一一对应。守一致性靠流程而非记忆：动笔前建术语底盘列出源语到目标语的映射和约束，按"行业标准 > 项目约定 > 上下文自然度 > 字面直译"定优先级，分段翻译逐段回溯检查，终审再做一轮术语专项扫查。 文化负载词为什么特别难翻译，处理时主要在权衡哪些东西？ 难是因为这类词在源语文化里绑定了独特的价值、制度或生活经验，目标语文化中根本没有对应物，字面译完语用意义大量流失。处理时要在四对张力中取舍：忠实与可读、归化与异化、形式对等与语用对等、文化保留与情感共鸣。没有标准答案，译者只能根据读者、用途和文本类型做有依据的取舍。 机器翻译输出的质量到底怎么评估，靠 BLEU、COMET 这类自动指标够吗？ 不够。BLEU 只测词汇 n-gram 重叠，对同义改写和语序变化不敏感；COMET 用神经模型拟合人工评分，相关性更高但仍会漏判事实性错误（数字、否定词、剂量翻错也可能得高分），且在低资源语言和专业领域偏差大。实际做法是自动指标做粗筛、规则检查覆盖术语和数字、关键节点保留人工审查，三者互补不能互相替代。 想用上这个技能？ 「翻译助手」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
库存需求怎么预测？算安全库存和再订货点定补货基线
「库存需求预测」是「龙虾部署大师」技能市场中的补货测算技能：它根据历史销售、季节性、供应商交期和安全库存要求计算补货基线，输出平均日需求、安全库存、再订货点、ABC 分级、新品估算和过量/缺货成本判断，让采购计划更贴近真实需求，减少断货、积压与资金占压。 技能效果 对三个季节性SKU做补货测算时，它按十二个月销量算出各自的安全库存和再订货点，还点出季节品安全库存为何远高于稳定品。 补货靠拍脑袋，要么断货要么压仓 多 SKU、跨平台经营时，补货很难凭感觉做准：核心 SKU 时而断货、时而积压；节假日和促销季的备货量不知道该放大多少；供应商交期忽长忽短，没纳入计划就容易算空；新品没有历史销量，第一批备多少全靠猜。结果不是断货丢单，就是库存压住现金。 这个技能能帮你算什么 它把补货从拍脑袋变成有依据的测算。它先清洗销售历史，剔除退款、促销和异常峰值的干扰；再算出平均日需求、安全库存和每个 SKU 的再订货点；并用季节指数和 ABC 分类制定不同的复盘频率；对没有历史的新品，用相似产品的代理数据和缺货/持有成本来估算第一批备货。它兼顾异常促销、退货、实际交期和服务水平，让数字更接近真实需求。 历史销量+交期剔除异常/促销 需求测算日需求+季节指数 补货基线安全库存 / 再订货点ABC 分级 / 新品估算 它还用 ABC 分级区别对待——把有限的关注度投到最该盯的那批 SKU 上： A 类 · 少数高贡献，盯最紧、勤复盘 B 类 · 中等，常规复盘 C 类 · 长尾，低频管理 用前须知 该技能无需 API Key 或特定运行时，依赖你提供的销售历史、库存、交期和成本数据。若结合 Shopify、WooCommerce 或 BigCommerce，仅需对应后台权限即可取数。 怎么用它 用法是把要测算的 SKU 和已知条件用自然语言交给它即可。例如可以这样对它说： 可以这样对它说 "根据过去十二个月销量，算这几个 SKU 的补货点和安全库存量。" "Q4 旺季前重新预测库存，供应商提前期也算进去，重点款别断货。" "这个新品没历史销量，用相似款估第一批备货量，上市先保守点。" 它适合这些场景：核心 SKU 经常断货或积压、要重新校准补货阈值；节假日、返校季或促销周期前预测季节性备货量；供应商交期波动大、要把真实到货周期纳入采购计划；新品缺历史销量、要用相似产品和小批量测试估算库存。 大家常问 安全库存和再订货点是什么关系，两者有什么区别？ 安全库存是为应对需求和供货波动而多备的缓冲存量，是一个"数量"；再订货点是触发补货的库存阈值，是一个"信号灯"。关系是 ROP＝前置期需求＋安全库存，即安全库存是再订货点的组成部分。一个负责兜底、一个决定何时下单，互不替代。 为什么算补货量时一定要把供应商交期算进去，不算会怎样？ 交期是下单到到库的时间，不算进去等于假设"下单就到货"。库存看着高于安全库存就不补，可货会在新货到达前卖完，形成断货空白期，导致销售损失、被迫加急运输、平台排名下滑。正确做法是按"日均销量×交期天数＋安全库存"设触发点，交期越长越不稳，安全库存要设得越高。 做销量预测前，为什么要先把促销爆单和退货这些数据剔除掉？ 预测要找的是商品自然状态下的稳定需求，促销爆单和退货都是噪声。促销销量可达日常的数倍，留着会让模型把一次性脉冲当成周期规律、严重高估基线；退货是反向流量且有滞后，会破坏序列的自相关结构。应先剔除得净需求做基线预测，再单独叠加促销增量模型。 全新的产品没有历史销量，备货量是怎么估出来的？ 没有历史数据就用替代数据反推：取同价格带竞品的日均销中位数、核心词搜索量×预估转化率、广告预算推算，三者取较小值再乘新品折损系数（约 0.5），得预估日销。首批量＝预估日销×试销周期＋安全库存，再用可用资金做上限约束。原则是宁可少备分批补，断货可补、滞销难救。 想用上这个技能？ 「库存需求预测」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用 AI 审查合同
「合同审查助手」是「龙虾部署大师」技能市场中的合同审查技能：作用是在签约前帮你把一份现成合同的条款风险逐项查出来——它基于合同审核方法论，支持买卖、租赁、借款、担保、建设工程、服务、股权转让、合伙、劳动等 18 类合同，先确认你代表哪一方、交易地位和审核深度，再按风险等级输出审核意见书与批注说明。 技能效果 拿一份全款预付的采购合同请它把关，它逐条点出付款、交期、违约的坑，标出哪些条款对买方极不利，并提示该留哪些证据。 签约前看合同，最怕漏掉哪些风险 最怕的不是看不懂条款，而是不知道该重点盯哪几条。合同审查的难点在于：风险点分散，付款、违约、责任限制、知识产权归属、押金退还往往散落在不同章节，逐字读一遍也未必能识别哪条对自己不利；立场不同、风险也不同，同一条款对买方和卖方、出租方和承租方的意义并不一样，通用清单套不上去；轻重难分，一份合同里几十处可改之处，哪些是必须改的致命风险、哪些只是无关痛痒的措辞，缺乏统一口径就容易抓小放大。 同一份合同，风险按四级分清 致命 · 责任无上限、押金不退 重要 · 违约金过高、验收模糊 一般 · 通知方式、争议管辖 轻微 · 措辞、错别字 这个技能能帮你查清什么 它把合同审查变成一套有方法、可配置的流程。开始前，它会先确认四件事：你代表哪一方、在交易中的地位、有无过往交易背景、以及希望按快速、标准还是深度模式审查、重点关注什么。随后它针对你的合同类型，从对应的审核要点、核心风险和检查清单出发逐条比对，并以致命、重要、一般、轻微四级风险给出评估。交付物包括法律审核意见书、风险汇总、逐条条款审核意见，以及一份带批注说明的合同审查稿，让你清楚知道哪条该改、为什么改。 确认代表方 立场 / 审核深度 按类型比对 18 类审核要点 四级风险分级 致命 / 重要 / 一般 意见书 + 批注稿 用前须知 该技能需要 Python 依赖 pandas、python-docx、jieba，可选 hanlp 用于 NLP 增强，审查数据由 CSV 模板驱动；无需 API Key。需要明确的是，它输出的审核意见用于在正式咨询前梳理风险、准备材料，不构成正式法律意见；涉及重大交易或高风险条款，仍应由执业律师确认。 怎么用它 用法是把合同交给它，并说清你的立场、关注点和审核深度，它会按对应方法论比对并分级。例如可以这样对它说： 可以这样对它说 "这份采购合同先看付款和违约条款有没有坑，我是买方、金额较大，要留证据。" "我是乙方，深度审查这份技术开发合同的风险，尤其是知识产权归属，证据要留好。" "先查一下租赁合同的审核要点，重点看押金、提前解约和维修责任，把责任边界讲清。" 它适合这些场景：签约前要快速识别合同里的重大风险和关键修改点；企业法务按标准模式审查日常买卖、服务或劳动合同；律师处理复杂交易、需要深度逐条审查并形成意见书；以及学习合同审查时，想先查看某类合同的风险点和检查清单。 大家常问 合同审查重点关注哪些条款类型？ 实务里最容易藏雷的有九类：违约责任（违约金比例与免责范围是否对等）、管辖与争议解决（法院/仲裁条款是否规范、有没有"或裁或审"的无效约定）、付款与对价（付款节点是否与验收挂钩、有无隐藏续费）、知识产权归属、保密与数据保护、终止与解除（单方解除权与终止后义务）、不可抗力、转让与分包、以及格式条款与免责条款。AI 审查时会先做条款分类，再按这些类别套硬性规则和模式规则识别风险。 合同里不平等条款常见的几种表述是什么？ 六种最高频的不平等表述：免责绝对化（"任何情况下不承担任何责任"）、单方变更权（"甲方有权随时修改本协议，不另行通知"）、缩短权利主张期限（"7 日内未提异议视为放弃"）、单方确定管辖（"争议由甲方所在地法院管辖"）、权利义务不对等（同一行为对双方后果不同，或"最终解释权归甲方"）、以及"包括但不限于""一切"这类兜底扩大解释。识别要点是看双方义务是否对称、表述边界是否量化。 法律审查与商务审查的区别是什么？ 法律审查回答"这份合同有没有法律漏洞"，重点是主体资格、条款合法性、违约责任、争议解决，属防御性视角，输出像"违约金过高可能被认定无效"。商务审查回答"这笔交易划不划算"，重点是价格、付款周期、交付标准、保密范围，属进攻性视角，输出像"预付比例过高建议分阶段付款"。两者风险类型不同：前者抓法律漏洞与条款冲突，后者抓利益失衡与履约障碍。 签字盖章前最容易忽略的形式风险是什么？ 最常漏掉的不是"写错"，而是"对不上"。三类典型：引用断链——条款引用了已被修改或删除的另一条款（如"按第 12.3 条执行"但 12.3 条已被删且未重编号）；定义冲突——同一术语在正文与附件中定义不同，或正文用了"产品"但定义部分没有"产品"一词；数字逻辑矛盾——付款总和与单价×数量不符，或分期付款各期百分比加总不等于 100%。AI 通过跨条款关系抽取和算术解析能直接抓到。 想用上这个技能？ 「合同审查助手」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用 AI 提高复购率
「客户留存顾问」是「龙虾部署大师」技能市场中的留存策略技能：它强调主动预警而非被动召回，会按产品品类设定预期复购周期、预警触发条件和已流失阈值，围绕早期预警、高价值客户预警和首单买家培育设计自动化流程，并按 VIP、高价值、普通、新买家分层设置干预方式，结合折扣敏感度和预测流失风险控制激励力度，输出留存策略、触发逻辑、KPI 和折扣管控规则。 技能效果 把各品类的复购间隔和活跃人数丢给它，它算出坚果环比掉了26.7%，按复购间隔分层设了流失预警阈值，把坚果点成最该关注的高风险品类。 客户流失，为什么总在事后才发现 留存做不好，多半是动作发生得太晚。等到客户"已经不买了"才去召回，本质是被动救火，成本高、成功率低。常见的三个问题：复购节奏没有基准，分不清客户是正常间隔还是真要流失；不分层，对所有客户用同一套话术和优惠，资源既浪费又打不准；折扣依赖严重，一遇到下滑就发券，毛利被慢慢吃掉，却没想清哪些客户其实根本不需要优惠也会回来。 正常复购 早期预警 这里就该触达 已流失 被动召回，成本高 主动在预警窗口介入，胜过流失后再追 这个技能帮你把留存做在流失之前 它的思路是"先建预警，再分层干预"。第一步按产品品类定义预期复购周期、预警窗口和流失阈值，给"什么时候算异常"立一个基准；第二步围绕三条主线设计自动化流程——早期预警捕捉刚开始疏远的客户、高价值客户预警优先保护贡献大的人、首单买家培育推动二次购买；第三步按 VIP、高价值、普通、新买家分层，结合折扣敏感度和预测流失风险，为每层配不同的触达方式和激励力度；最后给出复购率、流程收入、下单间隔、折扣驱动收入占比等 KPI 和折扣管控规则。 按价值分层 VIP 高价值 普通 新买家 分层后的差异化动作 · VIP / 高价值：个性化关怀，少折扣 · 普通：标准预警 + 适度激励 · 新买家：首单到二单培育路径 它的关键取向是"保护毛利"：折扣不是默认动作，而是按敏感度精准投放，让真正需要优惠的客户拿到，不需要的客户用关怀和内容维系。 用前须知 该技能无需本地依赖或 API Key，只输出策略和流程设计，不直接操作 Klaviyo、Shopify Flow、HubSpot 等平台。要得到贴合实际的方案，需要你提供产品品类和真实业务数据（复购周期、客户分层、销量等）。 怎么用它 用法是把你的留存现状和目标用自然语言交给它。例如可以这样对它说： 可以这样对它说 "复购率最近掉得厉害，按品类重算流失预警阈值，先别上优惠券，重点客户标出来。" "首单买家二次购买很少，设计一套不乱打折的培育流程，邮件和短信分开排。" "把高价值客户分层，做预警、挽回和折扣控制逻辑，保护毛利空间，规则写清楚。" 它适合这些场景：大部分客户只买一次、需要设计首单到第二单的培育路径；高价值客户购买频次下降、要在流失前触发个性化关怀；品牌想减少折扣依赖、要判断哪些客户确实需要优惠；以及在 Klaviyo 或 Shopify Flow 搭建留存流程前，先把触发规则定义清楚。 大家常问 流失预警是什么意思？ 指通过分析用户交易行为数据，在客户停止购买但尚未完全流失时识别风险并干预。核心逻辑是流失不是瞬间发生的，而是购买间隔拉长、互动衰减等可量化信号的渐进过程，越早介入留存成本越低。 客户分层和客户分类有什么区别？ 分类按属性（行业、性别、渠道等）划分，互斥且静态，回答"客户是谁"；分层按行为数据（频率、金额、活跃度）划分，可动态变化，回答"客户现在值多少精力去留"。前者用于差异化服务，后者用于差异化留存投入。 复购率和回购率的区别是什么？ 复购率是截面视角，看固定时间窗口内购买≥2次的客户占比，衡量活跃客户质量；回购率是队列视角，看上一周期的客户在当前周期是否再次购买，衡量留存持续性。复购率高、回购率低意味着短期热闹但长期留不住。 首单复购是什么意思？ 指客户在完成首次购买后再次下单的行为，简单说就是让新客买第二次。首单只是短期结果，复购才是衡量客户是否真正接受产品的关键指标。客户处于探索期最脆弱，复购率=回头客÷总首单客户。 想用上这个技能？ 「客户留存顾问」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
短视频脚本怎么写？设计黄金3秒开头加正文节奏适配抖音
「短视频脚本」是「龙虾部署大师」技能市场中的脚本生成技能：作用是面向抖音、快手、B站、视频号等平台，根据主题、平台、时长和内容类型，为知识分享、热点评论、产品推广和剧情情感内容生成可直接拍摄的脚本，包含标题、黄金 3 秒开头、正文节奏、结尾互动和封面建议，重点是可拍摄性和节奏控制。 技能效果 写30秒敏感肌护肤脚本时，它给出分秒分镜，开头三秒直接点出误区、抓住痛点。 短视频拍了不少，完播和互动为什么上不去 多数完播不佳的视频，问题出在脚本结构而非拍摄。常见三种：开头平淡，前 3 秒没钩子，观众划走，后面再精彩也没人看到；节奏失控，中段冗长、信息密度忽高忽低，观众中途流失；结尾干瘪，没有引导互动或下一步动作，点赞评论和转化都起不来。同一个主题，按平台调性设计好节奏的脚本，和随手口播的脚本，数据往往差出一个量级。 脚本结构 = 一条完播率曲线 黄金 3 秒 无钩子：中途流失 有节奏：留到结尾互动 视频时长 → 这个技能能帮你写出什么 它先收集核心参数——主题、目标平台、视频时长和内容类型，再匹配合适的脚本模板，生成一条可以直接开拍的完整脚本。结构上覆盖标题公式、黄金 3 秒开头、痛点或悬念铺垫、正文节奏、反转或干货段落、结尾互动引导，外加封面建议。它会按知识分享、热点评论、产品推广、剧情情感四类内容选用不同模板，并依据抖音、快手、B站、视频号各自的调性调整节奏和表达，让脚本既符合平台习惯，又方便后续复拍迭代。 黄金开头 › 痛点悬念 › 正文节奏 › 反转干货 › 结尾互动 用前须知 该技能无需 API Key、Python 或 Node 依赖，给定主题、平台、时长和内容类型即可生成脚本。若内容涉及具体热点事件的细节，需要你提供素材或另行检索，技能不自带实时热点数据。 怎么用它 用法是把要拍的主题、平台、时长和想要的口吻用自然语言说清楚，它会自动匹配模板并控制节奏。例如可以这样对它说： 可以这样对它说 "抖音要拍三十秒护肤科普，开头三秒抓住敏感肌的痛点和误区，语气别太端着。" "这款新品做短视频带货，写分镜、台词、标题、封面和结尾引导，口吻放松一点。" "想发一条热点评论到视频号，语气克制，但开头和观点要有记忆点。" 它适合这些场景：知识博主要把一个专业主题拆成 1 分钟可拍口播脚本；品牌为新品做短视频推广，既要钩子又要转化；热点事件需要快速形成观点型脚本并引导评论；剧情情感账号要设计反转节奏、开头悬念和结尾互动。 大家常问 短视频前 3 秒钩子到底是什么，为什么没有钩子完播率就上不去？ 钩子本质是给观众的认知系统建一个信息缺口，逼大脑想闭合。前 3 秒没钩子，信息梯度接近零，观众在阈值线下直接滑走，后面再好都触达不到。 短视频分镜脚本和普通文案脚本有什么区别，为什么拍摄时要拆分镜？ 文案脚本只列台词和粗略动作，分镜脚本要写镜号、景别、运镜、时长、转场和情绪。拍摄是非线性集中布光的，没分镜剪辑师拿到一堆碎素材根本拼不回叙事。 短视频脚本里的「信息密度」是什么意思，密度太高或太低分别会怎样？ 指单位时间里画面、台词、字幕、音效叠加传递的信息总量。太高会认知超载，看完一片空白；太低会注意力流失，节奏拖沓像讲课。理想做法是双轨互补、留呼吸点。 短视频结尾的互动引导是什么意思，为什么干瘪结尾会拖累互动率？ 互动引导是结尾的行动召唤，由扣题总结、靠近景别、开放问题加 0.5–1.5 秒留白组成。干瘪结尾断了叙事弧线，观众没行为出口，自然不点赞评论。 想用上这个技能？ 「短视频脚本」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
亚马逊PPC怎么投？三广告结构按ACoS收割优胜词
「亚马逊 PPC 投放管理」是「龙虾部署大师」技能市场中的广告运营技能：它提供新品三广告活动发布蓝图（精准匹配、广泛匹配、自动广告），定义 ACoS、TACoS、CTR、CVR、ROAS 等指标基准，给出提价、降价、暂停和否定关键词的规则，输出广告结构、关键词迁移策略、预算分配和周度优化清单。 技能效果 面对每天300美金的新品预算，它搭出自动加手动五个广告活动的结构表，标清各自日预算、初始竞价和定位，并给出前两周的优化节奏。 PPC 钱花得快，效果却说不清 亚马逊 PPC 最常见的困扰是：广告搭得乱，预算分不清该投哪；ACoS 居高不下，却不知道是哪些词在亏钱；每周的搜索词报告动辄上百行，没时间逐条看，优胜词没收割、无效词没否定。结果就是预算在烧、自然排名却没被带起来。 这个技能能帮你做什么 它把 PPC 从搭建到优化串成一套有章法的流程。结构上，它给新品设计精准匹配核心词、广泛匹配发现词、自动广告收割词的三活动蓝图；指标上，它解释 ACoS、TACoS、CTR、CVR、ROAS 和盈亏平衡点该看到什么程度；优化上，它按转化、展示份额和花费表现给出提价、降价、暂停的规则；并从搜索词报告里收割优胜词、维护否定关键词列表。 新品三广告活动结构 精准匹配核心词收量 广泛匹配发现新词 自动广告兜底收割词 其中最省事的，是它把"自动广告 → 挑出值得转精准的词 → 建精准组并加否定词"这条收割链路理清楚，让广告预算逐步流向真正转化的词： 搜索词报告 挑优胜词 建精准组 加否定词 用前须知 该技能无需 API Key 或脚本依赖，但需要你提供卖家中心广告数据、搜索词报告、利润率、目标关键词和预算信息来给出建议；具体的竞价调整与投放动作仍在亚马逊广告平台执行。 怎么用它 用法是把投放目标或当前问题用自然语言交给它。例如可以这样对它说： 可以这样对它说 "新品上线预算三百美金，搭一套自动加手动 PPC 结构并分日预算。" "ACoS 连续两周太高，找该降竞价和加否词的词，按订单判断。" "把自动广告搜索词里值得转精准的词挑出来建组，同时加否定词。" 它适合这些场景：新品上线前搭建首轮 PPC 结构并分配每日预算；广告 ACoS 偏高、需要判断哪些词降价暂停或加否定；想用 PPC 推动指定关键词自然排名、制定蜜月期策略；每周复盘搜索词报告、提取长尾转化词并减少无效花费。 大家常问 亚马逊广告里的 ACoS 和 TACoS 有什么区别，为什么只看 ACoS 会误判广告效果？ ACoS=广告花费÷广告带来的销售额，只衡量广告自身效率，是活动/关键词层面的指标；TACoS=广告花费÷总销售额（含自然流量），是店铺整体层面的指标。只看 ACoS 会误判：ACoS 升高可能是广告在养自然排名（此时 TACoS 反而下降）；ACoS 很低却可能全靠广告、没有自然流量资产，停投即归零。所以两者要相互验证——ACoS 高+TACoS 低是好现象，ACoS 低+TACoS 高是危险信号。 亚马逊的自动广告和手动广告分别适合什么阶段，为什么新品期建议两个一起开？ 自动广告由系统按 Listing 匹配，最适合新品冷启动期采集真实搜索词；手动广告由卖家选词、可控匹配类型与出价，成长期靠手动精准推关键词排名。新品期两个一起开的核心是分工闭环：自动广告"探路"，最快 3—7 天跑出搜索词报告，把高点击高转化的词收割进手动精准"收割"；两套入口互补覆盖已知与未知搜索词；还能加速蜜月期的系统学习。单开一个效果远不如双开。 亚马逊 PPC 里的否定关键词是什么，为什么不加否词广告费会越烧越浪费？ 否定关键词是一张屏蔽名单，告诉亚马逊买家搜到这些词时不展示你的广告，分否定精准和否定词组两种。不加否词，广泛匹配会把不相关搜索（如卖不锈钢保温杯却被"便宜塑料瓶""婴儿水杯"触发）也带进来：无关点击吞预算、低点击率拖垮质量分让 CPC 越来越贵、零转化拉高 ACoS 还减少广告展示份额。做法是开广告 7—14 天后下载搜索词报告，把点击≥10 次零转化或明显不相关的词否定掉，每两周复盘一次。 亚马逊广告的盈亏平衡 ACoS 是怎么算的，为什么高 ACoS 不一定就是亏？ 盈亏平衡 ACoS ≈ 毛利率：售价 30、总成本 18，毛利率 40%，则 ACoS 低于 40% 就盈利、高于就在广告层面亏。但高 ACoS 不一定真亏，因为广告报告没算上被广告吸引、过两天从自然位下单的归因外订单；广告还有冲新品排名、品牌曝光、防御竞品等非直接回报。所以真正要看 TACoS 和全链路利润——把自然订单算进去，真实盈亏平衡 ACoS ≈ 毛利率×(1+自然订单比例)，可能远高于毛利率本身。 想用上这个技能？ 「亚马逊 PPC 投放管理」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
提示