学习精选 · 电商运营
亚马逊

用 Helium 10 MCP + Claude 做亚马逊关键词研究:从几千行词库到内容规划

Helium 102026-11-18约 3 分钟读完AI 整理查看原文

Helium 10 官方的一篇实操长文,讲如何把 MCP 拉回来的大词库交给 Claude 结构化:先建产品事实卡,再连数据选竞品,最后把关键词按购物任务和产品要求分类,落到 Listing 各字段的写作任务上。文中给出了完整的会话数据和分批处理方法,可照着复现。

今天就能做

  • 今天就把在售产品整理成一张带来源的产品事实卡,作为所有关键词判定的基准
  • 用 Helium 10 MCP 连接 Claude 后,先跑一遍小规模流程:选 3–5 个竞品、扩展词库、给每行编号并保留原始数据
  • 给团队定一套冻结的分类规则(相关/有条件/不适用),改规则时回头重审已标注的行

先立产品事实,再谈关键词

  • 动手收词前先让 Claude 生成一张产品事实卡:ASIN、站点、材质、尺寸、含件数、安装方式、适用环境,每条事实都注明来源
  • 案例中的墙面花饰是 MDF 加金属的组合,所以 metal wall decor 这类词虽相关,文案仍要如实描述完整结构
  • 复数词不代表产品就是多件装,数量以产品记录为准,不能靠搜索词推断
  • 事实卡是后续所有分类的依据,每个词才能被判定为相关、有条件相关或不适用

连接数据与选竞品的实际流程

  • 通过 Claude 的 Customize → Connectors 添加 Helium 10 connector,支持 Claude Web 和 Desktop
  • 先问 Claude 当前会话能用哪些关键词工具:ASIN 反查、种子词扩展、竞品对比、多源词发现等
  • 案例会话的完整链路:报告 195 个竞品候选 → 选定 5 个 → 扩展出 255 个词 → 展示 30 条 → 规划 21 个关键词落位
  • 目标产品直接查询返回空结果时,改从竞品扩展词库,这是用对话推进研究的实际例子

给词库一个可扩展的结构

  • 保留一张不动过的原始表,每行给稳定 ID(如 WD01–WD30),保留原始词、指标值、来源标签和检索设置
  • 另设一个标准化匹配字段,只做去空格和统一大小写,原始措辞不动
  • 这样改分类不动证据,每条输出都能回溯到原始行核对

四步分工与分批处理

  • 确定性准备:数行数、查空值、建匹配键、验数值字段,用代码或表格完成
  • 语义解读:识别产品类型、属性、歧义词和购物任务
  • 证据核对:把每个需求对照事实卡,标出还缺什么信息
  • 大词库先让 Claude 生成批次清单,每批带同一套事实卡、关系定义和输出字段;规则一旦改动,要回头重审已处理的行

从分类到内容任务

  • 一个词可以同时属于多个有用的视角:按搜索量排、按使用场景分、按环境要求分
  • COSMO 式的 15 种关系可作为标注词库的参考词汇
  • 每个 Listing 字段分配不同职责,让被验证过的机会词各有一个明确的落位

值得注意的边界

  • 文中明确说明部分 COSMO 标注是教学示例,不是实际跑完的 Claude 输出,读者复现时需自己验证
  • 上传 CSV 后仍要做行数和覆盖率检查,XLSX 有额外要求且内容上限依然存在
  • 保持各批次判定标准一致,否则合并后同一列里藏着不同标准

原文:How to Use The Helium 10 MCP and Claude for Amazon Keyword Research

来源:Helium 10 · 2026-11-18

查看原文

本文由 AI 阅读原文后整理,未经人工逐字核对,内容以原文为准。平台规则和费用以官方最新公告为准。

登录后可以点赞、查看和发表评论