Community연구 & 데이터 분석github.com

Amazon

사용자가 Amazon에서 판매하거나 판매 계획이 있을 때, 상품 순위, 리스팅 작성법, 경쟁사 가격, Buy Box 보유자, 수요 규모 등을 질문하면 답변합니다. 모델이 갖지 못한 날짜와 출처가 있는 정보(2026년 7월 시행된 75자 제목 제한 및 항목 하이라이트, Rufus가 Alexa for Shopping으로 변경된 점, 순위에 오르지 않는 상품 추천, Buy Box 적격성 장벽 철폐, 변형 간 리뷰 분리, 2026년 수수료, Amazon의 ChatGPT 차단)와 Amazon 검색량 및 결과 데이터를 과장하지 않고 읽는 방법을 제공합니다. 또한 사용자가 Amazon SEO, A9 또는 A10, Amazon 키워드 리서치, 백엔드 검색어, 리스팅 감사, 제품 제목, 글머리표 또는 메인 이미지 규칙, ASIN 분석, 경쟁사 리스팅, 가격 인하 리셀러, Vine, 리뷰 확보, Sponsored Products, ACoS, Brand Analytics, Amazon 런칭, 또는 30-60-90일 Amazon 계획을 언급할 때도 사용합니다. Google Shopping 및 피드는 google-shopping, 다른 광고 플랫폼은 paid-ads, 리뷰 마이닝은 voice-of-customer, 시장 규모 측정은 market-research로 연결합니다.

Amazon란 무엇인가요?

이 스킬은 Amazon에서 제품이 어떻게 발견, 선택, 구매되는지에 대한 2026년 10월 기준의 증거 기반 최신 정보를 제공하며, Amazon의 공개 검색 결과와 리스팅 데이터를 실제보다 과장하지 않고 읽는 방법을 설명합니다. 기존 AI 모델이 주로 2023~2024년 데이터에 기반하여 부정확한 정보(예: 75자 제한 없는 제목, A10 알고리즘)를 제공하는 문제를 해결합니다. 이 스킬은 Claude Code, Cursor, Codex 등 Markdown 기반 스킬을 지원하는 모든 AI 에이전트 플랫폼에서 사용할 수 있으며, 필드 노트, 수수료, 검색 순위, 키워드 리서치 등 12개의 상세 참조 문서를 포함합니다. 또한 `amazon_search_products`, `amazon_get_product`, `amazon_get_sellers`, `amazon_get_keywords` 등 MARqentic 서버 도구를 통해 실시간 Amazon 데이터를 직접 조회하는 방법을 안내하며, 데이터 함정(예: 순위에 유기적/광고 모두 포함, 리뷰 텍스트 미제공)을 명확히 지적합니다. 사용 전에는 `.agents/product-marketing.md` 파일에서 제품 컨텍스트를 확인하고, 사용자의 실제 판매 데이터는 Seller Central에 있으므로 추정하지 말고 내보내기를 요청해야 합니다.

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

Installed? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

Amazon은(는) 무엇을 하나요?

2026년 10월 기준 증거로 본 Amazon에서 제품이 발견, 선택, 구매되는 방식과, Amazon의 공개 결과 및 리스팅이 실제로 보여주는 것 이상을 주장하지 않고 읽는 방법. 모델이 가지고 있는 Amazon에 대한 그림은 대부분 2023년과 2024년의 것이며, 일부는 틀렸습니다: 제목은 75자로 제한되고, Amazon의 도우미(현재 Alexa for Shopping)는 검색창에 위치하여 종종 순위에 오르지 않는 제품을 추천하며, Buy Box는 더 이상 먼저 판매자를 선별하지 않고, 리뷰는 다른 변형 간에 풀링되지 않습니다. "A10"은 판매자 민담일 뿐 Amazon 사양이 아닙니다. 여기에 기록된 내용을 기억보다 우선시하고, 조치를 취하기 전에 6개월보다 오래된 정책이나 수수료는 Seller Central에서 다시 확인하세요.

시작하기 전에

  • 제품 컨텍스트. .agents/product-marketing.md (구버전 설정에서는 .claude/product-marketing.md 또는 product-marketing-context.md)를 읽고 제품, ASIN, 가격, 마진, 마켓플레이스, 사용자가 브랜드 소유자(브랜드 레지스트리)인지 리셀러인지, Fulfillment(FBA 또는 자체), 그리고 경쟁사와 그들의 ASIN을 가져오세요; 파일에 없는 내용만 물어보세요. 파일이 존재하지 않고 업무가 비즈니스에 관한 두 가지 이상의 답변을 필요로 한다면, 먼저 manifold-get-started을 제안하세요.
  • 커넥터. 여기 있는 지식은 도구가 필요하지 않습니다. 라이브 결과 페이지, 리스팅, 판매자 및 Amazon 검색량을 읽으려면 MARqentic 서버가 필요합니다: amazon_search_products, amazon_get_product, amazon_get_sellers 및 amazon_get_keywords(호스트는 종종 mcp__marqentic__과 같은 접두사를 추가합니다)를 찾으세요. 이것들이 없어도 이 스킬을 바탕으로 답변하고, 참조 문서의 수동 방법(올바른 마켓플레이스의 로그아웃된 프라이빗 창, 사용자 자신의 Seller Central 및 Brand Analytics 내보내기)을 사용하며, MARqentic 서버 연결 방법을 사용자에게 한 번 알려주세요(연결). 측정값을 절대 임의로 만들지 마세요.
  • 누구의 측정값인가. "우리", "우리의 실행", "우리의 샘플" 및 현장 노트는 이 스킬이 적용되기 전 Manifold가 자체 도구로 2026년에 측정한 것입니다(출처 표시). Manifold의 측정값으로 인용하세요; 이 서버나 사용자 팀이 측정한 것으로 절대 제시하지 마세요.
  • 사용자 자신의 숫자는 이 도구들에 없습니다. 판매량, 세션, 전환율, Brand Analytics, 광고 지출 및 ACoS는 Seller Central 및 Amazon Ads 콘솔에 있습니다. 내보내기를 요청하세요; 공개 데이터에서 추정하여 사용자의 것인 양 제시하지 마세요.

증거가 말하는 것

결정을 바꾸는 발견 사항. 출처와 세부 사항은 참조 문서에 있습니다.

  1. 제목은 이제 75자입니다. 2026년 7월 27일부터 미디어를 제외한 모든 카테고리에서 제목이 공백 포함 75자로 제한됩니다; Amazon의 AI는 긴 제목을 점진적으로 다시 쓰며, 브랜드 소유자는 검토할 수 있는 14일의 기간을 받습니다. 새로운 항목 하이라이트(Item Highlights) 필드(125자)는 검색 가능하며 제목과 함께 표시됩니다(Amazon Seller Forums, 2026년 6월 10일 업데이트). 2025년 1월 규칙은 여전히 유효합니다: 브랜드명 외부에 ! $ ? _ { } ^ ¬ ¦ 사용 금지, 단어를 두 번 이상 반복 금지. 재작성 속도는 느립니다: 2026년 10월 16일, 미국 검색어 두 개에 대한 유기적 상위 40개 제목 중 13개가 여전히 75자를 초과했으며, 최대 199자였습니다(Manifold 현장 노트). 따라서 경쟁사의 긴 제목이 규칙이 사라졌다는 증거는 아닙니다(리스팅 감사).
  2. Amazon은 광범위한 순위 입력 요소만 문서화합니다. 텍스트 일치, 가격, 재고 가용성, 선택 폭 및 판매 이력이 Amazon이 명명한 요소입니다; 검색 팀은 클릭과 구매를 통해 학습하며 구매와 관련성을 최적화합니다. COSMO(SIGMOD 2024)는 제품을 용도와 잠재 고객에 매핑하므로, 리스팅은 입력된 단어뿐만 아니라 제품의 목적에 따라 매칭됩니다. "A10" 가중치와 타이밍은 판매업체의 추측입니다(검색 순위).
  3. 도우미는 순위를 읽지 않습니다. Rufus는 2026년 5월 13일에 Alexa for Shopping이 되었으며 기본 검색창에서 답변합니다; Amazon은 자체 기여도 측정 기준으로 Rufus가 2025년에 거의 120억 달러의 증분 판매를 창출했다고 주장합니다. 12,810개의 도우미 추천 중 36.1%만이 해당 검색어에 대해 유기적 상위 10위 안에 들었고, 40.9%는 결과 페이지에 전혀 나타나지 않았으며, 14.3%는 광고로 게재되었습니다(Autopilotbrand via Marketplace Pulse, 2026년 5월~6월, 단일 계정). 추천은 거의 항상 평점 4.0 이상이었습니다(Amalytix, 1,300개 이상의 추천, 2024년).
  4. 광고가 페이지의 많은 부분을 차지합니다. 결과의 약 30%가 스폰서였으며, 첫 번째 유기적 결과 위에 광고가 첫 페이지의 85%에 게재되었고, 일반적으로 더 비싸고 평점이 낮았습니다(Dash 등, AIES 2024, 4,800개 검색어). 카테고리에 따라 차이가 큽니다: 인라인 스폰서 행은 미국 스탠딩 데스크 페이지의 2%였고, 단백질 파우더 페이지의 23%였습니다(Manifold 자체 조사, 2026년 10월). Sponsored Products 지출은 2026년 2분기에 전년 동기 대비 38% 증가했으며 CPC는 1%만 증가했습니다(Tinuiti). 기존 캠페인은 Alexa for Shopping 내에서 자동으로 서비스됩니다(광고).
  5. Buy Box가 더 이상 먼저 판매자를 선별하지 않습니다. 2026년 7월부터(미국 우선, 모든 스토어는 연말까지) 오퍼는 착륙 가격, 배송 속도, 재고, 성과를 기준으로 주요 오퍼 비교에 바로 진입합니다; 가장 저렴한 오퍼가 자동으로 승리하지 않습니다. Amazon은 다른 곳의 가격과 동떨어진 가격에 대해 주요 오퍼를 보류할 수 있으며, 이는 FTC 사건의 핵심 행위로, 재판은 2027년 3월 29일로 예정되어 있습니다(가격 및 Buy Box).
  6. 리뷰가 변형별로 분할됩니다. 2026년 2월 12일부터 5월 31일까지 Amazon은 기능, 재료 또는 용도가 다른 하위 ASIN 간에 리뷰 공유를 중단했습니다; 색상, 크기 및 포장 개수는 여전히 공유합니다. 이제 하나의 제품군은 검색 결과에서 하위 ASIN별로 별점이 다르게 표시될 수 있습니다. FTC의 리뷰 규칙은 위반 시 최대 $53,088의 벌금을 부과하며, 첫 번째 경고장은 2025년 12월 22일경 약 10개 회사에 발송되었습니다(리뷰).
  7. Amazon 외부의 AI 답변은 Amazon을 거의 인용하지 않습니다. Amazon의 robots.txt는 OpenAI의 검색 봇(2025년 11월) 및 기타 AI 에이전트를 차단하고, 법원은 Perplexity의 Comet이 Amazon에서 쇼핑하는 것을 차단했습니다(2026년 3월). 미국 쇼핑 관련 질문에 대한 391,000개의 인용 중 ChatGPT는 amazon.com을 6번 인용했고 Perplexity는 전혀 인용하지 않았습니다(LLM Pulse, 2026년 7월, 벤더). Amazon은 또한 2025년 7월에 미국 Google Shopping 광고를 중단했으며 아직 복귀하지 않았습니다(AI 답변).
  8. 모든 타사 Amazon 검색량은 감사되지 않은 모델입니다. 독립적인 정확도 테스트는 존재하지 않습니다; 벤더 테스트는 서로 다른 Amazon 메트릭에 대해 자체적으로 등급을 매기며, Manifold의 Amazon 볼륨 소스인 DataForSEO는 방법론을 공개하지 않습니다. 15개 제품 검색어에서 DataForSEO의 Amazon 볼륨은 자체 Google 볼륨의 중앙값 0.43에 불과했습니다(범위 0.04 ~ 1.19; 현장 노트). 따라서 두 볼륨은 단위를 공유하지 않습니다. Amazon 자체 집계는 Brand Analytics에 있으며, 브랜드 소유자만 접근할 수 있습니다(키워드 리서치).
  9. 수수료는 소폭 평균 인상과 할증료로 인상되었습니다. FBA 수수료는 2026년 1월 15일부터 평균 단위당 $0.08 인상되었으며 새로운 수수료 유형은 없었습니다(Amazon, 2025년 10월 15일). 그 후 2026년 4월 17일부터 FBA 수수료에 "일시적인" 3.5% 유류 및 물류 할증료가 추가되어 미국 평균 단위당 약 $0.17이며, 종료일은 정해지지 않았습니다(수수료).

지지되지 않는 주장: "Amazon의 A10 알고리즘은 X 요소에 Y%의 가중치를 둔다"(Amazon은 그런 것을 발표한 적 없음); "제목에 메인 키워드를 반복하라"; "상위 3위 안에 들면 도우미가 추천해 줄 것이다"; "최저가가 Buy Box를 얻는다"; "Amazon이 ChatGPT의 기본 제품 소스이다"; "'지난달 구매' 배지는 판매량이다"(고객 수를 버킷으로 집계하며 특정 임계값 이상에서만 표시됨); "도구 X의 Amazon 볼륨 정확도는 93%이다"(자체적으로 다른 Amazon 메트릭에 대해 등급을 매긴 벤더의 주장).

알려지지 않은 사항: Amazon 검색 중 Alexa for Shopping을 통해 이루어지는 비율; 외부 트래픽이 유기적 순위를 높이는지 여부; A+ 콘텐츠가 검색 색인되는지 여부; 신규 리스팅이 "허니문" 부스트를 받는지 여부; 어떤 Amazon 볼륨 또는 판매 추정치의 정확도.

참조 문서

질문에 필요한 문서를 여세요.

사용자가 묻는 내용읽을 문서
Amazon은 어떻게 제품 순위를 매기나요? A10, COSMO, Rufus 또는 Alexa for Shopping이 무엇인가요?검색 순위
리스팅이 타겟팅해야 할 키워드는 무엇인가요? Amazon에서 X를 검색하는 사람이 얼마나 되나요? 수요가 있나요?키워드 리서치
리스팅 감사: 제목, 글머리표, 항목 하이라이트, 백엔드 검색어, 이미지, 변형리스팅 감사
경쟁사 리스팅, 가격 및 키워드 분석; 우리 ASIN과 경쟁하는 업체는?경쟁사 분석
Buy Box는 누가 가지고 있나요? 리셀러가 가격을 낮추고 있나요? Amazon이 직접 판매하나요?가격 및 Buy Box
리뷰를 어떻게 받을 수 있나요? Vine? 이 리뷰 전략은 합법적인가요?리뷰
우리 검색어에 누가 광고를 게재하나요? Amazon 광고 비용은 얼마인가요? 스폰서 프롬프트?광고
ChatGPT, Perplexity 또는 Google의 AI가 우리 Amazon 제품을 보여주나요?AI 답변
지금 FBA 및 추천 수수료는 얼마인가요? 제품이 수익을 내나요?수수료
Amazon에서 런칭합니다: 30-60-90일 계획런칭 계획
Amazon 도구의 필드는 무엇을 의미하며, 어디에서 오해할 수 있나요?데이터 읽기
Manifold가 자체 Amazon 호출에서 무엇을 보았나요?현장 노트

도구 사용하기

아래 크레딧은 공개된 요금표를 따릅니다; dry_run: true는 실시간 견적을 반환하며, 차이가 있을 경우 이를 우선합니다. 연결 문서에 구축되었다고 나열된 기능군만 이 서버에 존재합니다: 여기에 명명된 다른 도구에 대해서는 아직 구축되지 않았다고 말하고 수동 방법을 사용하세요.

  • 결과 페이지: amazon_search_products (100개 결과당 2크레딧, 1일 캐시)는 유기적 및 스폰서 행을 순서대로 반환하며, 가격, 평점, bought_past_month, 배지 및 related_searches[]를 포함합니다. location의 국가가 마켓플레이스를 선택합니다.
  • 하나의 리스팅: amazon_get_product (2크레딧, 1일 캐시)는 제목, 가격, 평점, 사양(현재 Best Sellers Rank 및 항목 하이라이트를 행으로 포함), 변형 및 이미지를 반환합니다; amazon_get_sellers (2크레딧, 6시간 캐시)는 모든 오퍼를 반환하며, 순위 1이 Buy Box를 보유하고 has_featured_offer가 false(순위 2부터의 행)이면 주요 오퍼가 없음을 의미합니다.
  • 키워드 및 경쟁사: amazon_get_keywords (5 + 반환된 행 100개당 5크레딧, 올림)는 ASIN이 순위를 매기거나 광고하는 키워드를 반환합니다; amazon_get_competitors (동일 가격)는 검색어를 공유하는 ASIN을 반환합니다; amazon_search_keywords (동일)는 Amazon의 관련 검색어로부터 아이디어를 얻습니다; amazon_get_keyword_metrics (5 + 키워드 100개당 5크레딧)는 목록의 볼륨을 반환합니다. 네 가지 모두 7일 캐시됩니다.
  • 일반적인 작업: 키워드 리서치 약 95크레딧, 리스팅 감사 약 35크레딧, 경쟁사 분석(경쟁사 3개) 약 80크레딧, Buy Box 확인 ASIN당 2크레딧, 런칭 계획 약 150크레딧. 먼저 예상치를 말하고, 사용자가 예산을 설정하면 max_credits를 전달하며, dry_run: true로 모든 호출을 무료로 책정하세요.
  • 데이터 함정: 어떤 도구도 리뷰 텍스트, Best Sellers Rank 내역, 단위 판매량 또는 광고 지출을 반환하지 않습니다. 결과 행에서 rank는 유기적 및 스폰서를 함께 계산하며, 하나의 ASIN이 둘 다로 나타날 수 있고, 배너 및 비디오 광고는 행이 아니며, ratings_count는 반올림됩니다. bought_past_month는 배지의 하한선이며 하위 ASIN별로 표시되고, 배지가 없을 때는 null입니다. 리스팅에서 regular_price는 취소선 정가입니다; 변형 범위는 없습니다. amazon_get_keywords 행은 검색량이 가장 큰 순서대로 오며, rank는 인덱스의 마지막 크롤링 시점의 페이지 위치입니다. 키워드 및 경쟁사 행은 약 2주 된 인덱스에서 가져오므로, 중요한 포지션은 결과 페이지에서 확인하세요. 볼륨은 키워드 간 비교용이며, 절대적인 숫자로 사용하지 마세요(데이터 읽기).
  • 절대 구매, 리뷰 작성, 판매자에게 메시지 보내기, 불만 제기 또는 리스팅을 변경하지 마세요. 사용자가 Seller Central에서 조치할 표를 제공하세요.

관련 스킬

  • Google Shopping, 판매자 피드, 다른 스토어의 가격 및 ChatGPT의 제품 선택: google-shopping. AI 답변에서 제품 외 브랜드 언급 및 인용: ai-search.
  • Meta, Google, TikTok 및 ChatGPT 광고, 크리에이티브 브리프: paid-ads. 크리에이터, 제휴 링크 및 Amazon 스토어프론트 크리에이터: creators.
  • 구매자가 리뷰 및 댓글에서 말하는 내용 마이닝: voice-of-customer. Amazon 외부의 경쟁사: competitor-intel.
  • 시장 규모 및 Amazon 외부 수요 존재 여부: market-research. Google에서 브랜드 자체 사이트: seo. 채널 믹스에서 Amazon의 위치: 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.

관련 스킬