Marqentic/amazon

Quand l'utilisateur vend sur Amazon ou prévoit de le faire, et demande comment se classer, que doit contenir une fiche, ce que facturent les concurrents, qui détient la Boîte d'Achat, ou quelle est la demande sur Amazon. Contient des constats datés et sourcés qu'un modèle ignore (le plafond de 75 caractères pour les titres et les Points Forts de juillet 2026, Rufus renommé Alexa for Shopping et qui sélectionne des produits ne se classant pas, la suppression du filtre d'éligibilité à la Boîte d'Achat, les avis scindés par variante, les frais 2026, Amazon bloquant ChatGPT) et comment lire les données de volume de recherche et de résultats Amazon sans exagérer. À utiliser aussi quand l'utilisateur mentionne le SEO Amazon, A9 ou A10, la recherche par mots-clés Amazon, les termes de recherche backend, un audit de fiche, les titres de produits, les puces ou les règles d'image principale, une analyse ASIN, les fiches concurrentes, les revendeurs qui nous cassent les prix, Vine, l'obtention d'avis, les Sponsored Products, l'ACoS, Brand Analytics, un lancement Amazon, ou un plan Amazon 30-60-90 jours. Google Shopping et les flux vont vers google-shopping, les autres plateformes publicitaires vers paid-ads, l'analyse des avis vers voice-of-customer, et l'étude de marché vers market-research.

Qu'est-ce que amazon ?

Le skill Marqentic/amazon fournit des connaissances précises, datées et sourcées sur le fonctionnement d'Amazon (recherche, classement, fiches produits, Boîte d'Achat, avis, publicité, frais) telles qu'elles étaient en octobre 2026. Il corrige les idées reçues des modèles basés sur des données de 2023-2024 (ex. : le plafond des titres à 75 caractères, l'assistant Alexa for Shopping qui recommande des produits peu classés, la fin du filtrage des vendeurs par la Boîte d'Achat, la scission des avis par variation). Il est conçu pour les plateformes d'agents IA comme Claude Code, Cursor ou Codex. Le skill fonctionne sans outil externe pour les connaissances générales, mais nécessite le serveur MARqentic (via des outils MCP comme `amazon_search_products` ou `amazon_get_product`) pour lire les pages de résultats en direct, les fiches, les vendeurs et les volumes de recherche Amazon. Il insiste sur le fait de ne jamais inventer de mesures, de citer les sources (études de terrain Manifold, rapports officiels Amazon) et de rediriger les utilisateurs vers les consoles Amazon (Seller Central, Brand Analytics) pour leurs propres chiffres de vente et dépenses publicitaires. Il offre également des conseils sur les limites et les pièges des données publiques Amazon.

Compatible avec✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Marqentic/marketing-skills/tree/HEAD/skills/amazon

Installed? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait amazon ?

Comment les produits sont trouvés, choisis et achetés sur Amazon selon les preuves disponibles en octobre 2026, et comment lire les résultats publics et les fiches Amazon sans prétendre plus que ce qu'ils montrent. L'image qu'un modèle a d'Amazon provient principalement de 2023 et 2024 et est erronée par endroits : les titres sont plafonnés à 75 caractères, l'assistant d'Amazon (désormais Alexa for Shopping) se trouve dans la barre de recherche et recommande des produits qui souvent ne se classent pas, la Boîte d'Achat ne filtre plus les vendeurs en premier, et les avis ne sont plus partagés entre variantes différentes. « A10 » est un folklore de vendeur, pas une spécification Amazon. Privilégiez ce qui est écrit ici à ce dont vous vous souvenez, et revérifiez toute politique ou frais de plus de six mois dans Seller Central avant d'agir.

Avant de commencer

  • Contexte produit. Lisez .agents/product-marketing.md (dans les anciennes configurations .claude/product-marketing.md ou product-marketing-context.md) et extrayez-en le produit, ses ASIN, prix, marge, marché, si l'utilisateur est le propriétaire de la marque (Brand Registry) ou un revendeur, le mode de traitement (FBA ou merchant), et les concurrents avec leurs ASIN ; demandez uniquement ce qui manque. Si ce fichier n'existe pas et que le travail nécessite plus de deux réponses sur l'activité, proposez d'abord manifold-get-started.
  • Connecteur. Les connaissances ici ne nécessitent aucun outil. La lecture des pages de résultats en direct, des fiches, des vendeurs et des volumes de recherche Amazon nécessite le serveur MARqentic : cherchez amazon_search_products, amazon_get_product, amazon_get_sellers et amazon_get_keywords (les hébergeurs ajoutent souvent un préfixe comme mcp__marqentic__). S'ils sont absents, répondez quand même à partir de ce skill, utilisez les méthodes manuelles des références (une fenêtre privée déconnectée sur le bon marché, les exports Seller Central et Brand Analytics de l'utilisateur), et dites à l'utilisateur une fois comment connecter le serveur MARqentic (connexion). N'inventez jamais une mesure.
  • À qui sont les mesures. « Nous », « nos relevés », « notre échantillon » et les notes de terrain sont les propres mesures de Manifold en 2026, réalisés avec ses outils avant l'adaptation de ce skill (attribution). Citez-les comme celles de Manifold ; ne les présentez jamais comme mesurées par ce serveur ou par l'équipe de l'utilisateur.
  • Les chiffres propres de l'utilisateur ne sont pas dans ces outils. Les ventes, sessions, conversion, Brand Analytics, dépenses publicitaires et ACoS se trouvent dans Seller Central et la console Amazon Ads. Demandez des exports ; ne les estimez jamais à partir de données publiques et ne les présentez pas comme les siens.

Ce que disent les preuves

Les constats qui changent les décisions. Les sources et les détails sont dans les références.

  1. Les titres font désormais 75 caractères. Depuis le 27 juillet 2026, toutes les catégories sauf les médias plafonnent les titres à 75 caractères espaces comprises ; l'IA d'Amazon réécrit les titres plus longs progressivement, et les propriétaires de marque disposent de 14 jours pour les examiner. Le nouveau champ Points Forts de l'article (125 caractères) est indexé et s'affiche avec le titre (Amazon Seller Forums, mise à jour du 10 juin 2026). Les règles de janvier 2025 tiennent toujours : pas de ! $ ? _ { } ^ ¬ ¦ en dehors d'un nom de marque, aucun mot plus de deux fois. La réécriture est lente : le 16 octobre 2026, 13 des 40 premiers titres organiques sur deux recherches américaines dépassaient encore 75 caractères, jusqu'à 199 (Manifold notes de terrain), donc un titre long d'un concurrent n'est pas la preuve que la règle est morte (audit de fiche).
  2. Amazon ne documente que les grandes lignes du classement. La correspondance textuelle, le prix, la disponibilité, le choix et l'historique des ventes sont les facteurs qu'Amazon nomme ; son équipe de recherche s'entraîne sur les clics et les achats et optimise pour l'achat et la pertinence. COSMO (SIGMOD 2024) associe les produits à des usages et des publics, donc une fiche est mise en correspondance sur ce à quoi elle sert, pas seulement sur les mots tapés. Les pondérations et les temporisations « A10 » sont des suppositions de vendeurs (classement dans la recherche).
  3. L'assistant ne lit pas les classements. Rufus est devenu Alexa for Shopping le 13 mai 2026 et répond depuis la barre de recherche principale ; Amazon crédite Rufus de près de 12 milliards de dollars de ventes incrémentales en 2025, selon sa propre attribution. Sur 12 810 sélections de l'assistant, 36,1 % étaient classées dans le top 10 organique pour la recherche correspondante, 40,9 % n'apparaissaient jamais sur la page de résultats, 14,3 % y étaient annoncées (Autopilotbrand via Marketplace Pulse, mai à juin 2026, un seul compte). Les sélections n'étaient presque jamais en dessous de 4,0 étoiles (Amalytix, plus de 1 300 sélections, 2024).
  4. Les annonces occupent une grande partie de la page. Environ 30 % des résultats étaient sponsorisés et une annonce se trouvait au-dessus du premier résultat organique sur 85 % des premières pages, généralement plus chère et moins bien notée (Dash et al., AIES 2024, 4 800 recherches). La catégorie change beaucoup la donne : les lignes sponsorisées intégrées représentaient 2 % d'une page de bureau debout aux États-Unis et 23 % d'une page de poudre de protéine dans les propres relevés de Manifold (octobre 2026). Les dépenses Sponsored Products ont augmenté de 38 % sur un an au T2 2026 avec un CPC en hausse de seulement 1 % (Tinuiti). Les campagnes existantes sont automatiquement diffusées dans Alexa for Shopping (publicité).
  5. La Boîte d'Achat a arrêté de filtrer les vendeurs en premier. Depuis juillet 2026 (États-Unis en premier, tous les magasins d'ici la fin de l'année), les offres vont directement dans la comparaison d'offres vedettes sur le prix débarqué, la vitesse de livraison, le stock et la performance ; l'offre la moins chère ne gagne pas automatiquement. Amazon peut retenir l'offre vedette d'un prix qui s'écarte des prix pratiqués ailleurs, la conduite au cœur de l'affaire de la FTC, dont le procès est fixé au 29 mars 2027 (tarification et Boîte d'Achat).
  6. Avis scindés par variante. Du 12 février au 31 mai 2026, Amazon a cessé de partager les avis entre les ASIN enfants qui diffèrent par leur fonction, leurs matériaux ou leur usage ; la couleur, la taille et le nombre de paquets partagent toujours. Une famille peut maintenant afficher des étoiles différentes par enfant dans la recherche. La règle de la FTC sur les avis entraîne des pénalités allant jusqu'à 53 088 $ par violation, et ses premières lettres d'avertissement ont été adressées à une dizaine d'entreprises le 22 décembre 2025 (avis).
  7. Les réponses IA en dehors d'Amazon citent à peine Amazon. Le fichier robots.txt d'Amazon bloque les bots de recherche d'OpenAI (novembre 2025) et d'autres agents IA, et un tribunal a bloqué Comet de Perplexity pour les achats sur Amazon (mars 2026). Dans 391 000 citations sur des questions d'achat aux États-Unis, ChatGPT a cité amazon.com 6 fois et Perplexity jamais (LLM Pulse, juillet 2026, fournisseur). Amazon a également quitté les publicités Google Shopping américaines en juillet 2025 et n'y est pas revenu (réponses IA).
  8. Chaque volume de recherche Amazon tiers est un modèle non audité. Aucun test d'exactitude indépendant n'existe ; les tests des fournisseurs s'évaluent eux-mêmes par rapport à différentes métriques Amazon, et DataForSEO, la source des volumes Amazon de Manifold, ne publie pas sa méthode. Ses volumes Amazon s'élevaient à une médiane de 0,43 de ses propres volumes Google sur 15 termes de produit (fourchette de 0,04 à 1,19 ; notes de terrain), donc les deux ne partagent pas une unité. Les propres compteurs d'Amazon se trouvent dans Brand Analytics, réservés aux propriétaires de marque (recherche de mots-clés).
  9. Les frais ont augmenté de petites moyennes et d'une surtaxe. Les frais FBA ont augmenté en moyenne de 0,08 $ par unité à partir du 15 janvier 2026 sans nouveau type de frais (Amazon, 15 octobre 2025), puis une surtaxe « temporaire » de 3,5 % sur le carburant et la logistique sur les frais FBA à partir du 17 avril 2026, environ 0,17 $ par unité en moyenne aux États-Unis, sans date de fin (frais).

Ne tient pas : « l'algorithme A10 d'Amazon pèse X à Y % » (Amazon ne publie rien de tel) ; « répéter le mot-clé principal dans le titre » ; « être dans le top 3 et l'assistant vous recommandera » ; « le prix le plus bas gagne la Boîte d'Achat » ; « Amazon est la source par défaut des produits dans ChatGPT » ; « le badge « acheté au cours du mois dernier » correspond aux ventes unitaires » (il compte les clients, par tranches, et seulement au-dessus d'un seuil) ; « le volume Amazon de l'outil X est précis à 93 % » (un fournisseur qui s'évalue lui-même par rapport à une métrique Amazon différente).

Inconnu : quelle part des recherches Amazon passe désormais par Alexa for Shopping ; si le trafic externe améliore le classement organique ; si le contenu A+ est indexé pour la recherche ; si une nouvelle fiche bénéficie d'un boost de « lune de miel » ; quelle est la précision d'une estimation de volume ou de vente Amazon.

Références

Ouvrez celle dont la question a besoin.

L'utilisateur demandeLire
Comment Amazon classe-t-il les produits ? Qu'est-ce que A10, COSMO, Rufus ou Alexa for Shopping ?Classement dans la recherche
Quels mots-clés notre fiche doit-elle cibler ? Combien de personnes recherchent X sur Amazon ? Y a-t-il une demande ?Recherche de mots-clés
Auditer notre fiche : titre, puces, Points Forts, termes backend, images, variantesAudit de fiche
Analyser la fiche, le prix et les mots-clés d'un concurrent ; qui rivalise avec notre ASIN ?Analyse concurrentielle
Qui détient la Boîte d'Achat ? Des revendeurs nous cassent-ils les prix ? Amazon le vend-il ?Tarification et Boîte d'Achat
Comment obtenir des avis ? Vine ? Cette tactique d'avis est-elle légale ?Avis
Qui fait de la publicité sur nos recherches ? Combien coûtent les annonces Amazon ? Les prompts sponsorisés ?Publicité
ChatGPT, Perplexity ou l'IA de Google montrent-ils nos produits Amazon ?Réponses IA
Quels sont les coûts FBA et de frais de recommandation maintenant ? Le produit est-il rentable ?Frais
Nous lançons un produit sur Amazon : un plan 30-60-90 joursPlan de lancement
Que signifient les champs des outils Amazon et où induisent-ils en erreur ?Lire les données
Qu'a observé Manifold dans ses propres appels Amazon ?Notes de terrain

Utiliser les outils

Les crédits ci-dessous suivent le tarif publié ; dry_run: true renvoie le devis en direct, qui l'emporte en cas de différence. Seules les familles listées dans connexion comme construites existent sur ce serveur : pour tout autre outil nommé ici, dites qu'il n'est pas encore construit et utilisez la méthode manuelle.

  • Une page de résultats : amazon_search_products (2 crédits pour 100 résultats, mis en cache 1 jour) renvoie les lignes organiques et sponsorisées dans l'ordre, avec le prix, la note, bought_past_month, les badges et related_searches[]. Le pays dans location sélectionne le marché.
  • Une fiche : amazon_get_product (2, mis en cache 1 jour) pour le titre, le prix, la note, les caractéristiques (avec le Best Sellers Rank actuel et les Points Forts sous forme de lignes), les variantes et les images ; amazon_get_sellers (2, mis en cache 6 heures) pour chaque offre, le rang 1 détenant la Boîte d'Achat, et has_featured_offer false (lignes à partir du rang 2) signifiant aucune offre vedette.
  • Mots-clés et concurrents : amazon_get_keywords (5 + 5 pour 100 lignes, arrondi au supérieur sur les lignes retournées) pour ce sur quoi un ASIN se classe ou fait de la publicité ; amazon_get_competitors (même prix) pour les ASIN partageant ses recherches ; amazon_search_keywords (même prix) pour des idées issues des recherches associées d'Amazon ; amazon_get_keyword_metrics (5 + 5 pour 100 mots-clés) pour le volume sur une liste. Les quatre mis en cache 7 jours.
  • Travaux typiques : une recherche de mots-clés environ 95 crédits, un audit de fiche environ 35, une analyse concurrentielle environ 80 pour trois concurrents, une vérification de la Boîte d'Achat 2 par ASIN, un plan de lancement environ 150. Donnez d'abord l'estimation, passez max_credits quand l'utilisateur fixe un budget, et facturez tout appel gratuit avec dry_run: true.
  • Pièges des données : aucun outil ne renvoie le texte des avis, l'historique du Best Sellers Rank, les ventes unitaires ou les dépenses publicitaires. Dans les lignes de résultats, rank compte ensemble organique et sponsorisé, un même ASIN peut apparaître comme les deux, les bannières et les annonces vidéo ne sont pas des lignes, et ratings_count est arrondi. bought_past_month est le seuil du badge, par enfant, et null lorsqu'aucun badge n'apparaît. Sur une fiche, regular_price est le prix de liste barré ; il n'y a pas de fourchette de variation. Les lignes de amazon_get_keywords arrivent de la recherche la plus importante en premier, avec rank la position sur la page lors du dernier crawl de l'index. Les lignes de mots-clés et de concurrents proviennent d'un index vieux d'environ deux semaines, donc confirmez une position importante sur la page de résultats. Les volumes comparent les mots-clés entre eux, jamais en tant que nombres (lire les données).
  • N'achetez jamais, ne commentez jamais, ne contactez jamais les vendeurs, ne déposez jamais de plainte et ne modifiez jamais les fiches. Fournissez des tableaux sur lesquels l'utilisateur agit dans Seller Central.

Compétences connexes

  • Google Shopping, flux marchands, prix dans d'autres magasins et sélections de produits par ChatGPT : google-shopping. Mentions de marque et citations dans les réponses IA au-delà des produits : ai-search.
  • Publicités Meta, Google, TikTok et ChatGPT, et briefs créatifs : paid-ads. Créateurs, liens d'affiliation et créateurs de vitrines Amazon : creators.
  • Analyser ce que disent les acheteurs dans les avis et commentaires : voice-of-customer. Un concurrent en dehors d'Amazon : competitor-intel.
  • Taille du marché et existence d'une demande au-delà d'Amazon : market-research. Le propre site de la marque dans Google : seo. Où Amazon se situe dans le mix des canaux : growth-strategy.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

Marqentic/agency

When the user is an agency, freelancer or consultant working for clients, or wants one recurring report on their own marketing. Holds what a model would not know as of October 2026 (why clients really leave agencies and how agencies misread it, retention and pitch benchmarks with their methods, how AI changed agency pricing, how to report organic and AI search honestly now that AI Overviews cut clicks and Search Console mixes AI clicks into web search, why traffic estimates mislead in a pitch) and what each measurement costs. Also use when the user mentions onboard a new client, a kickoff baseline, a client's first 90 days, a prospect audit, a free SEO audit to win a client, a mini audit for cold outreach, pitch data for a deck, new business research, a monthly client report, a white-label report, a weekly marketing report, a Monday digest, or what changed this week. The channel work goes to its topic (seo, ai-search, paid-ads and others), mentions to brand-monitoring, rivals to competitor-intel.

Marqentic/ai-search

When the user wants their brand named or cited in AI answers on ChatGPT, Claude, Gemini, Perplexity, Copilot, Google AI Overviews or AI Mode, or asks what actually works in AI search now. Holds dated, sourced findings a model would not know from training (how each engine picks sources, which crawlers matter, what changed with GPT-5.6, why rankings no longer predict AI Overview citations, how noisy answers are) and how to measure it with live answers. Also use when the user mentions GEO, AEO, LLM SEO, AI SEO, AI visibility, share of voice in AI, llms.txt, schema for AI, blocking GPTBot, getting recommended by ChatGPT, wrong facts in AI answers, Reddit or listicles for AI citations, or an AI search plan. Classic Google rankings go to seo, a technical crawl to technical-seo.

Marqentic/app-store

When the user wants more installs from Apple's App Store or Google Play search, or research on apps in a category. Holds dated, sourced findings a model lacks (what each store indexes, App Store tags, custom product pages in search, AI review summaries, more Apple Ads slots since March 2026, conversion benchmarks, rating prompt rules, why store volumes are models) and how to read the store data. Also use when the user mentions ASO, app store optimization, App Store keywords, the keyword field, app title or subtitle, Play Store description, app screenshots or icon tests, product page optimization, store listing experiments, competitor apps, app reviews, replying to reviews, raising an app rating, top charts, Apple Search Ads and organic, apps in ChatGPT, finding app developers to contact, or an ASO plan. Web search goes to seo, AI answers in general to ai-search, rivals beyond the store to competitor-intel, review themes to voice-of-customer, ad budgets to paid-ads.

Marqentic/brand-monitoring

When the user wants to know who is talking about the brand, be alerted to new mentions, or measure how well known the brand is against competitors. Holds dated, sourced findings a model would not know from training (what share of search predicts, why branded volume misleads for small and common-word brands, what each platform lets anyone see in 2026, how fuzzy platform search is, how far to trust sentiment, lift without a panel) and how to run mention checks and awareness scorecards with live data. Also use when the user mentions alert me when someone mentions us, monitor Reddit for our brand, social listening, brand monitoring, mention alerts, track mentions every day, who talked about us this week, a brand awareness plan, nobody knows who we are, share of voice against competitors, share of search, grow branded search, brand lift, get our name out there, or getting the brand known. AI answers alone go to ai-search, rivals' moves to competitor-intel, client reporting to agency.

Skills associés