TEMU 一月新品筛选线上测试

已读取：server/rules/scoring-config.json, server/rules/selection-methodology.md, server/rules/llm-analysis-prompt.md

硬规则摘要：
{
  "version": "0.2-draft",
  "purpose": "判断 TEMU 商品是否值得作为 3D 打印农场的测试候选品，而不是单纯判断热度。",
  "score_dimensions": {
    "newness": {
      "max_points": 25,
      "missing_listing_age_policy": "缺少上架时间时，不能进入快速跟进，只能进入待补数据或基础观察。"
    },
    "demand": {
      "max_points": 20,
      "low_rating_risk_below": 4.3
    },
    "printing_fit": {
      "max_points": 20
    },
    "temu_fit": {
      "max_points": 15
    },
    "differentiation": {
      "max_points": 10
    },
    "risk_control": {
      "max_points": 10,
      "shop_rating_risk_below": 4.5
    }
  },
  "bucket_rules": {
    "fast_follow": {
      "required": [
        "listing_age_days",
        "recent_sales"
      ],
      "max_listing_age_days": 90,
      "min_score": 65,
      "description": "新上架、近期卖得动、适合快速核价跟进。"
    },
    "observe": {
      "min_score": 65,
      "description": "有潜力，但需要进一步确认差异化、利润或风险。"
    },
    "cautious_observe": {
      "min_score": 50,
      "description": "暂不优先，除非团队有明确经验或供应链优势。"
    },
    "pending_data": {
      "missing_any": [
        "listing_age_days",
        "total_sales",
        "recent_sales"
      ],
      "description": "缺关键字段，不输出强结论。"
    },
    "not_recommended": {
      "max_score": 49,
      "description": "当前信息下不适合作为优先候选。"
    }
  },
  "llm_candidate_selection": {
    "max_products": 5,
    "include_buckets": [
      "fast_follow",
      "observe",
      "cautious_observe"
    ],
    "include_pending_when": "商品有上架时间或近期销量之一，但规则层无法明确判断时。",
    "exclude_when": "缺标题、缺价格、缺销量且缺上架时间，或命中明显高风险排除项。"
  }
}

方法论摘录：
# TEMU 选品榜单分析方法论 V0.2 草案

## 目标

榜单不是把 TEMU 搜索页按销量重新排序，而是从搜索结果和甩手选品助手数据里筛出“值得人工核价、打样、跟进测试”的候选商品。

推荐结论服务于 3D 打印农场和 TEMU 店铺运营，重点回答：

- 这个商品是不是新上架且已经卖得动？
- 它是否适合 3D 打印生产、改款和快速测试？
- 它是否适合 TEMU 低客单、轻小件、多关键词铺款？
- 它的风险是否可控？
- 下一步应该快速核价、继续观察、补数据，还是直接放弃？

## 总体判断顺序

1. 先看数据完整度。
2. 再看上架时间和近期销量。
3. 再看商品形态是否适合 3D 打印。
4. 再看价格、竞争窗口和差异化空间。
5. 最后输出运营动作建议。

## 数据完整度优先级

关键字段按优先级排序：

1. 上架时间：决定能否快速跟进。
2. 日 / 周 / 月销量：决定是否有近期增速。
3. 总销量：判断需求基础，但不能单独作为强推荐依据。
4. 价格：判断 TEMU 低客单测试和利润空间。
5. 评分 / 评论：判断真实反馈和质量风险。
6. 店铺信息：判断竞争方成熟度和数据可信度。

如果缺少上架时间，不允许输出“快速跟进”。如果缺少近期销量，不允许把“总销量高”直接解释为当前机会。

## 强推荐商品画像

优先进入快速跟进的商品通常满足：

- 上架 90 天内，最好是 7-30 天内。
- 已经有日销、周销或月销验证。
- 售价大致在 CA$3-20，适合低客单测试。
- 商品形态轻小、结构简单、无需电子和复杂装配。
- 适合做改款，例如分格、尺寸、颜色、套装、主题造型、垂直场景。
- 标题和图片能对应明确使用场景，例如桌面、办公、首饰、化妆、模型展示、工具收纳。

## 观察商品画像

进入基础观察的商品可能满足：

- 销量和评分不错，但上架时间偏久。
- 上架时间较新，但销量验证还不够。
- 商品形态适合 3D 打印，但价格、利润或差异化需要确认。
- 数据缺一部分，但已有足够信号值得人工补充。

## 不建议商品画像

默认不优先推荐：

- 上架时间很久，且近期销量弱。
- 只有总销量高，没有近期增速。
- 价格过低，容易没有利润空间。
- 价格过高，首测门槛高。
- 商品需要电子、布料、金属、玻璃、硅胶、食品接触材料。
- 商品涉及 IP、品牌兼容、儿童安全、承重安全等风险。
- 商品是数字文件、STL 文件、非实物商品。
- 商品形态过大、装配复杂、强度要求高、后处理成本高。

## LLM 二次分析重点

LLM 不负责替代硬规则，而是负责解释和补充：

- 为什么这个商品适合或不适合当前店铺做。
- 是否存在规则无法识别的风险。
- 能否提出具体改款方向。
- 是否值得人工核价。
- 需要人工确认哪些问题。

LLM 必须尊重以下硬约束：

- 没有上架时间，不输出“快速跟进”。
- 没有近期销量，不输出“新上架且卖得好”的结论。
- 命中明显高风险项时，推荐指数必须保守。
- 不得把高总销量等同于可做。
- 不得编造未提供的数据。

## 输出给运营的动作建议

每个商品最终应该落到一个动作：

| 动作 | 含义 |
| --- | --- |
| 快速核价 | 优先看供货价、打印耗时、克重、包装和利润 |
| 小批量测试 | 数据较强且风险可控，可进入打样和小批量 |
| 继续观察 | 有潜力但缺利润、风险或竞争判断 |
| 补数据 | 缺上架时间、销量、价格等关键字段 |
| 暂不跟进 | 当前不适合作为优先候选 |

## 人工反馈沉淀

HTML 中先保留两个反馈字段：

- 是否有用
- 备注

后续线上系统可以把这些反馈沉淀回方法论：

- 有用但分数低：补充适配词或提高相关品类权重。
- 无用但分数高：补充风险词、降低同质化品类权重。
- 备注中高频出现的判断，整理进本文件或 `scoring-config.json`。

# 项目记忆

这个文件用于长期记录项目目标、当前原则、业务经验、工具实验和决策变化。后续每次获得新的经验或验证结果，都优先沉淀到这里或相关文档中，避免信息散落在聊天记录里。

## 长期目标

帮助 3D 打印农场更快、更稳定地发现适合 TEMU 出海销售的商品机会，并逐步提升选品、上架、生产、库存和利润效率。

最终希望形成：

```text
稳定数据源
  -> 可复用筛选条件
  -> 标准候选池
  -> 飞书反馈闭环
  -> 经验规则沉淀
  -> AI 辅助判断
  -> 更高选品命中率和利润
```

## 当前阶段判断

当前最重要的不是先做复杂 AI，而是先验证数据源。

阶段重点：

- 找到能稳定获取商品数据的工具/API。
- 把他们真实使用的搜索条件收集清楚。
- 把不同来源的数据清洗成统一字段。
- 先手动导入飞书，让他们判断结果是否有用。
- 在他们认可数据质量后，再逐步自动化和加入 AI 规则。

## 当前工作原则

- 先拿到数据，再谈智能判断。
- 先手动跑通，再自动化。
- 先字段统一，再接飞书。
- 先让业务人员觉得结果有用，再优化模型和规则。
- AI 早期只做辅助标注，不替代人工决策。
- 每次工具/API 测试都要记录：输入条件、返回字段、数据质量、成本、限制、是否值得继续。
- 他们的经验和你的判断都要沉淀进仓库，后续作为 AI 规则和流程设计依据。
- 后续读取 3MF 文件时，统一按 `docs/3mf-analysis-workflow.md` 的方法解析：先拆包读取元数据、对象、plate 和预览图，再按 transform 计算各部件尺寸；多 plate 项目不能直接合并坐标当作商品尺寸。

## 当前 V0.1 范围

V0.1 目标是搭建“每日商品数据获取与筛选”的手动流程：

```text
表单收集搜索条件
  -> 工具/API 手动拉取
  -> 清洗成标准字段
  -> 生成飞书导入表
  -> 人工查看和反馈
  -> 复盘哪些条件有用
```

暂不优先做：

- 完全自动化日报。
- 复杂 AI 评分系统。
- 多平台统一爬虫。
- 自建 SaaS。
- 生产排程优化。

## 已知业务背景

- 他们有约 300 台 Bambu Lab 3D 打印机。
- 业务已有盈利。
- 当前主要销售平台是 TEMU。
- 当前以 TEMU 全托管模式为主。
- 当前痛点是缺少稳定、持续、结构化的商品情报来源。
- 当前希望先按条件抓取品类/商品信息，再发送或导入给团队查看。

## 已知选品方向

- 解压/可动玩具。
- 龙类、可动龙、晶体龙。
- 桌面摆件。
- 游戏/显示器装饰。
- 陶艺滚筒、印章、曲奇模具。
- 2026-05-08 TEMU 同行店铺样本新增方向：
  - 桌面收纳 / 展示架 / 支架。
  - 花盆 / 花瓶 / 植物容器。
  - 3D 打印陶艺 / 粘土工具，包括纹理滚轮、滚筒、模具、切割器。
  - 浴室清洁 / 生活小工具。
  - 游戏、运动、收藏等兴趣爱好收纳展示架。
  - 宠物纪念和情绪价值小件。

详细类目分析见 `docs/temu-shop-category-insights-2026-05-08.md`，机器可读关键词配置见 `config/temu-shop-keyword-taxonomy.csv`。

## 已知筛选条件

从 TEMU 选品助手截图和当前讨论整理：

- 关键词。
- 品类。
- 价格区间。
- 销量区间。
- 销售额区间。
- 评分区间。
- 评论数区间。
- 上架时间。
- 开店时间。

## 当前标准结果字段

优先关注这些结果字段：

- 商品标题。
- 商品图片。
- 商品链接

# TEMU 3D 打印选品推荐指数规则 V0.1

## 目标

推荐指数用于判断“这个商品是否值得作为 3D 打印农场的 TEMU 测试候选品”，不是单纯判断热度。

初版评分强调：

- 有真实需求，但不盲目追爆款。
- 优先发现新上架且卖得好的商品，用于快速跟进和核价。
- 适合 3D 打印生产和改款。
- 适合 TEMU 低客单、轻小件、快速测试。
- 风险可控，尤其是侵权、材质、结构复杂度和价格战风险。

## 核心前置判断：新品窗口期

TEMU 跟进型选品里，上架时间是关键字段。推荐指数必须区分两种结果：

- `快速跟进推荐`：必须有上架时间，且上架时间足够新，同时销量或销售额已经验证。
- `基础观察推荐`：没有上架时间时可以进入候选榜单，但不能作为强跟进结论。

上架时间判断：

| 上架时间 | 判断 |
| --- | --- |
| 7 天内 | 强新品窗口，若日销量或周销量好，优先核价 |
| 30 天内 | 新品窗口，重点看销量爬坡速度 |
| 90 天内 | 可跟进窗口，需确认竞争密度和利润空间 |
| 90 天以上 | 默认不作为快速跟进，除非有明显差异化或长尾机会 |
| 未知 | 不输出“快速跟进推荐”，标记为“待补上架时间” |

新上架且卖得好的优先级最高：

- 7-30 天内有稳定日销量。
- 30-90 天内月销量明显高于同类基础水平。
- 总销量不一定要特别大，但日 / 周 / 月销量要证明近期有增速。
- 供货价、售价和核价空间能支撑快速跟进。

## 总分结构

满分 100 分。

| 维度 | 分值 | 判断重点 |
| --- | ---: | --- |
| 新品跟进价值 | 25 | 上架时间、近期销量、是否处在可快速跟进窗口 |
| 需求验证 | 20 | 销量、评分、评论数量是否证明有人买 |
| 3D 打印适配 | 20 | 是否轻小件、塑料件、支架、收纳、展示、模具、工具、摆件 |
| TEMU 测试适配 | 15 | 价格带、低客单、全托管测试可行性 |
| 差异化空间 | 10 | 是否能改款、换造型、组合套装、覆盖长尾场景 |
| 风险控制 | 10 | 是否避开电子、布料、金属、液体、食品接触、IP/品牌风险、复杂结构 |

## 推荐等级

| 推荐指数 | 等级 | 含义 |
| ---: | --- | --- |
| 80-100 | 优先测试 | 值得进入人工确认和小批量验证 |
| 65-79 | 可以观察 | 有潜力，但需要进一步确认差异化、利润或风险 |
| 50-64 | 谨慎 | 暂不优先，除非团队有明确经验或供应链优势 |
| 0-49 | 不建议 | 当前信息下不适合作为优先候选 |

## 新品跟进价值

评分上限 25 分。

加分：

- 上架 7 天内，且已有日销量或周销量：强加分。
- 上架 30 天内，且月销量、周销量表现较好：加分。
- 上架 90 天内，且销售额或销量爬坡明显：加分。
- 日 / 周 / 月销量结构能说明近期在增长，而不是老品累计销量。
- 供货价和售价之间有核价空间，适合快速打样和跟进。

扣分：

- 上架时间未知：不能输出“快速跟进推荐”，只能进入“基础观察”。
- 上架超过 90 天但只是总销量高：警惕老爆款和红海竞争。
- 总销量很高但近期销量低：可能已经过窗口期。
- 上架很新但没有任何销量验证：只作为“新品监控”，不直接推荐跟进。

## 需求验证

评分上限 20 分。

加分：

- 销量 1,000 件以上：基础需求成立。
- 销量 10,000 件以上：需求较强。
- 评论数 100 条以上：有一定真实反馈。
- 评论数 1,000 条以上：反馈样本充分。
- 评分 4.5 分以上：用

# 商品抓取字段映射 V0.1

## 目标

不同抓取工具和平台字段名不同，后续统一映射到标准字段，再进入评分和 HTML 输出。

## 标准字段

| 标准字段 | 说明 |
| --- | --- |
| `run_date` | 抓取或生成日期 |
| `platform` | 来源平台，例如 TEMU、Amazon、Etsy |
| `source_file` | 原始文件路径或文件名 |
| `keyword` | 抓取关键词，若原始文件没有则为空 |
| `rank` | 搜索结果排序，若原始文件没有则按表格顺序生成 |
| `title` | 商品标题 |
| `product_url` | 商品链接 |
| `image_url` | 主图链接，多个图片时优先取较高清的第一张可用图 |
| `price` | 当前价格 |
| `original_price` | 原价或划线价 |
| `sold_count` | 已售数量，统一转为数字 |
| `rating` | 评分，满分 5 分 |
| `review_count` | 评论数，统一转为数字 |
| `brand` | 品牌或店铺标签 |
| `listing_age_text` | 上架时间原文，例如 `7天内`、`2月前`、`2年前` |
| `listing_age_days` | 上架时间换算成天数，用于新品窗口判断 |
| `daily_sales` | 日销量 |
| `weekly_sales` | 周销量 |
| `monthly_sales` | 月销量 |
| `total_sales` | 总销量 |
| `daily_revenue` | 日销售额 |
| `weekly_revenue` | 周销售额 |
| `monthly_revenue` | 月销售额 |
| `supplier_price` | 供货价或供货价区间原文 |
| `human_useful` | 人工反馈：是否有用，HTML 初版只展示占位 |
| `human_note` | 人工反馈：备注，HTML 初版只展示占位 |

## Thunderbit / AI Web Scraper TEMU 字段

当前样本文件：

- `/Users/rc/Downloads/Thunderbit_69d9b7_20260513_025255.xlsx`

字段映射：

| 原始字段 | 标准字段 | 处理方式 |
| --- | --- | --- |
| `产品名称` | `title` | 去除首尾空格 |
| `产品URL` | `product_url` | 原样保留 |
| `产品图片` | `image_url` | 若有多行 URL，优先取包含 `w/500` 的链接，否则取第一条 |
| `价格 (CAD)` | `price` | 转为数字 |
| `原价 (CAD)` | `original_price` | 0 或空值视为未知 |
| `已售数量` | `sold_count` | 支持 `已售95万件`、`已售30万件`、`已售1000件` |
| `评分 (满分5星)` | `rating` | 转为数字 |
| `评论数量` | `review_count` | 转为数字 |
| `品牌` | `brand` | 空值显示为未知 |

## Amazon 样本字段

见 `docs/daily-product-intelligence-v0.1.md` 中的 Amazon 样本观察。后续接入 Amazon 文件时，将 `Title`、`Image`、`alinknormal_URL`、`Price`、`arow`、`asizemini`、`aro