Sealeap Amazon Global Growth Planning

Amazon 全球增长与 AI 运营规划

目标

将“用 AI 做全球化”拆成有人负责、可验证、可暂停的运营链：AI 负责发现、整理和起草，人负责商品事实、经济性、合规、品牌和外部写入；站点与节日机会只有通过当前证据闸门才进入执行。

开始前读 [references/source-and-guardrails.md](references/source-and-guardrails.md)。建立 AI 工作流读 [references/ai-operating-model.md](references/ai-operating-model.md)，规划时机读 [references/opportunity-calendar.md](references/opportunity-calendar.md)。

工作流

1. 固定业务结果

选择一个 90–180 天结果：验证新站点、缩短 Listing 周期、提高补货准确性、降低广告浪费、建立新品管线或降低合规风险。不要以“部署 AI”作为结果。

2. 画当前流程

按洞察、选品、供应链、Listing/本地化、上架、广告、库存、客服/复购、风险分段，记录输入、系统、负责人、决策、外部写入和失败成本。

3. 给 AI 分配角色

• ASSIST：总结、翻译、格式化；
• ANALYZE：在有证据的数据上诊断；
• DRAFT：生成可审核方案；
• RECOMMEND：给出候选与证据/风险；
• EXECUTE_AFTER_APPROVAL：仅在逐对象批准后调用受保护操作。

高风险环节不得从 DRAFT 自动跳到 EXECUTE。

4. 选择站点/节日机会

白皮书与海报只生成候选。逐项验证当前日期、当地需求、竞争、product type、合规、库存/交期、本地化、贡献毛利和广告资格。用 [references/opportunity-calendar.md](references/opportunity-calendar.md) 输出 GO / HOLD / REJECT。

5. 构建证据链

每个决策保存来源、时间、站点、主体/账户、商品、原始指标、计算、假设和审批。外部工具不可用时把空缺写成 gap，不让模型补数字。

6. 设计最小工作流

先实现一个可逆闭环：读数据 → 粗筛 → 模型筛选 → 人工审核 → 草案 → 单对象批准 → 写后复读。保留被拒候选和原因，便于审计与迭代。

7. 衡量能力与业务

同时报告：处理时间、人工返工、事实/合规错误、建议采纳率，以及收入、贡献利润、库存、退货、广告效率等业务结果。生产效率不能替代业务效果。

必须交付

• 明确业务结果与当前流程；
• AI 角色/权限矩阵和人工闸门；
• 站点/节日候选及当前证据；
• 一个最小可逆工作流和失败处理；
• 能力指标与业务指标；
• DRAFT / PILOT_READY / HOLD 状态。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: xjli360
• Source: xjli360/sealeap-amazon-skills
• License: MIT
• Homepage: https://sealeap.cn/

Install and usage instructions live in the source repository linked above.