Outil d'analyse concurrentielle Amazon basé sur le service MCP de SellerSprite et Claude Skills, offrant des rapports de pénétration exhaustive des listings, analyses de catégories, de mots-clés, d'avis négatifs, et études de marché.
Ce skill permet aux agents IA (comme Claude Code ou Cursor) d'effectuer des analyses approfondies des produits Amazon en utilisant l'API MCP de SellerSprite. Il génère des rapports de pénétration complets des listings (Listing Dimension Penetration Analysis), analyse les catégories entières, effectue des recherches de mots-clés, et identifie les tendances des avis négatifs pour aider les vendeurs Amazon à optimiser leurs stratégies de sélection de produits et de concurrence. Basé sur l'architecture MCP (Model Context Protocol), il s'intègre nativement avec des environnements de développement comme Claude Code et OpenClaw, permettant des requêtes en langage naturel pour obtenir des insights exploitables directement depuis la console. Le skill est particulièrement utile pour les vendeurs Amazon souhaitant automatiser leurs études de marché et leur veille concurrentielle sans quitter leur environnement de développement.
npx skills add Ethan-paseya/amazon-sellersprite-research-MCP-skillInstalled? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Amazon SellerSprite Research MCP Skill – Outil d'analyse concurrentielle Amazon basé sur le service MCP de SellerSprite et les Skills Claude. Il permet de générer des rapports de pénétration exhaustive des listings, d'analyser toutes les catégories, les mots-clés, les avis négatifs, et les études de marché. Compatible avec OpenClaw, Claude Code Agent, et tout agent utilisant le Model Context Protocol.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.