Listing 诊断
输入 ASIN,30 秒拿到 5 维度 Rufus 健康度评分 + 5 条具体可执行改进建议 单次消耗 1 次配额
这个功能能做什么?
输入任意 Amazon ASIN,系统会用真实浏览器抓取 listing 全部公开内容(标题/Bullet/A+/Q&A/Top 评论),用 LLM 模拟 Rufus AI 推荐算法的偏好,从 5 个维度打 0-100 分,给出总分 + 5 条具体可执行的改进建议(每条都附带改写文本,你可以直接复制)。
总耗时 15-30 秒 · 单次成本 ~0.5 美分 · 数据留 Cloudflare 全球网络
5 维度评分,各代表什么
基于 KDD 2024 GEO-Bench 论文(arXiv:2311.09735)实证有效的优化策略
是否用自然语言而非关键词堆砌;前 80 字符是否突出核心场景词;论文实测关键词堆砌反而 −9 分
是否覆盖 Rufus 5 类典型问句:适合谁、解决什么、与同类差异、如何使用、关键参数。每覆盖 1 个 +20 分
是否包含具体规格数字(40H、IPX7、20Hz-40kHz),论文实测 +33 分;是否对比同类产品有数据支撑
品牌 / 品类 / 型号是否明确无歧义;是否避免 it / they / this 等模糊指代,LLM 才能准确锚定
"Customer Questions & Answers" 区域的内容数量和质量。Rufus 在用户问"这款适合我吗"时大量直接引用 Q&A 内容回答。Q&A 数 0 = 直接 0 分,5+ 条且回答详细 = 80+ 分
📽 真实输出示例(Anker Soundcore Q30)
→ 我也想跑这个 ASIN下面是用 B08HMWZBXC 实际诊断的真实输出(非预填充假数据)
⚠️ 中等,有改进空间
改进建议(按优先级)
- 1.立即补 5-8 个 Q&A,优先覆盖:"Does ANC work on planes?" / "Compatible with iPhone 15?" — Q&A 维度从 0 拉到 60+
- 2.标题前 80 字符加场景词,改为 "Soundcore Q30 Over-Ear ANC Headphones for Travel & Work — 40H Playtime, Hi-Res Audio"
- 3.新增 1 条 Bullet 明确目标人群:"PERFECT FOR FREQUENT FLIERS & REMOTE WORKERS"
- 4.Bullet 1 加 "over-ear" 品类词强化 entity
- 5.Bullet 2 "Hi-Res Sound" 太抽象,加具体频响:"40mm dynamic drivers, 20Hz–40kHz"
💡 按这 5 条改完,理论总分能从 65 提升到 78+
常见问题
评分准吗?是怎么算的?
基于 KDD 2024 GEO-Bench 论文 9 种实证有效的优化策略,LLM 模拟 Rufus 偏好打分。不是绝对客观分,而是相对偏好分 — 同一 ASIN 多次扫描分数稳定,跨 ASIN 横向对比有意义。改写后分数提升 = 你的 listing 在 Rufus 偏好的方向上更合规。
改完 listing 多久能看到 Rufus 推荐变化?
通常 1-4 周。Rufus 不实时重爬,按 Amazon 内部排期重新索引。把 ASIN 加入监控池,每周自动重扫,看分数趋势曲线就清楚了。
支持哪些 Amazon 站点?
US / UK / DE / FR / ES / IT / JP / CA。中文(日本站)和欧洲多语种 listing 都支持,LLM 自动识别语言。
用了会被 Amazon 警告吗?
不会。RufusGEO 不直接读写 Seller Central(无 SP API),不上传你的店铺凭据。我们只读公开 listing 页面,生成改写建议,你自己手动复制粘贴。