Полная документация ниже — автоматически из репозитория eleven16k/ozon-keyword-research (ветка main). Оригинальные материалы проекта распространяются на условиях его лицензии.

Ozon 搜索词调研与商品卡优化工具

通用任意品类的 Ozon 关键词调研 + Listing 优化工具
搜索词数据 → 关键词分类 → 长尾挖掘 → 标题优化 → 商品卡诊断 → Excel + Word 报告

把 Ozon 卖家后台的搜索词数据，一键转化为 Excel 调研报告 + 针对单个商品的 Word 优化报告。适用任意品类（服装、电子、家居、美妆、食品……），开箱即用，无需为不同品类配置词库。

适用于任何支持读取文件、运行脚本的 AI 编程助手（如 Codex、Claude Code、Cursor 等），也可直接命令行使用。

📦 安装

1. 下载本项目

git clone https://github.com/eleven16k/ozon-keyword-research.git

2. 安装依赖

pip3 install openpyxl python-docx

3. 接入你的 AI 助手（可选）

本工具包含一份 SKILL.md 流程文档。如果你的 AI 助手支持自定义指令/skills（如 Codex 的 ~/.codex/skills/），把整个文件夹复制到对应目录即可，助手会在你提到相关需求时自动遵循流程：

# 以 Codex 为例
cp -R ozon-keyword-research ~/.codex/skills/

不支持 skills 的助手也没关系——你可以直接把 SKILL.md 的内容作为对话上下文发给助手，或按下方说明命令行使用。

🗣️ 怎么使用

方式一：搭配 AI 助手对话使用（推荐）

把 SKILL.md 提供给你的 AI 助手作为上下文，然后直接对话。助手会自动判断要做什么。

场景一：调研某个品类的关键词

我在做 Ozon 睡衣（пижама）品类，从后台复制了搜索词数据，帮我做关键词调研：

[把 seller.ozon.ru/analytics/what-to-sell 的表格数据粘贴在这里]

助手会自动：解析数据 → 翻译分类 → 生成 8 个工作表的 Excel 报告。

数据从哪来？ 登录 seller.ozon.ru → 左侧菜单「分析」→「卖什么」→「所有搜索查询」，搜索你的核心品类词（如 пижама），选中表格内容复制粘贴即可。通常 100-200 条足够。

场景二：优化某个商品的标题

帮我优化这个商品卡：https://www.ozon.ru/product/pizhama-5145878312/

当前标题是「Пижама」，材质 Политекс，夏季，俄罗斯码 60/62，带长裤款。

这是该品类的搜索词数据：

[粘贴后台搜索词数据]

助手会自动生成 Word 优化报告，告诉你当前标题错失了多少流量、给出可直接复制的新标题方案。

信息越完整，报告越准。 最好包含：当前标题、商品链接、属性（材质/季节/尺寸/款式）、描述。

场景三：已有调研报告，只想优化标题

我之前已经做过睡衣关键词调研（Excel 在 xxx.xlsx），现在想优化 SKU 5145878312 的标题，商品卡信息如下：[粘贴商品卡]

助手会复用已有数据，直接生成 Word 优化报告。

💡 对话方式使用时，你不需要手动准备 JSON 文件——助手会根据你提供的信息自动生成。

方式二：直接命令行使用

工具一：搜索词调研 → Excel

# 第1步：从原始数据提取词根
python3 scripts/generate_keyword_report.py \
  --input raw_data.txt --extract-roots roots.json

# 第2步：根据 roots.json，为每个词根填写翻译和分类，保存为 taxonomy.json
#   格式见下方

# 第3步：生成 Excel 报告
python3 scripts/generate_keyword_report.py \
  --input raw_data.txt \
  --taxonomy taxonomy.json \
  --output report.xlsx \
  --category-filter "больших размеров" \
  --current-title "Пижама"

工具二：商品卡 → Word 优化报告

python3 scripts/generate_listing_report.py \
  --product product.json \
  --search-data raw_data.txt \
  --taxonomy taxonomy.json \
  --output listing_report.docx

复用已生成的 Excel（省去重复解析）：

python3 scripts/generate_listing_report.py \
  --product product.json \
  --excel report.xlsx \
  --taxonomy taxonomy.json \
  --output listing_report.docx

输入文件格式

taxonomy.json（词根翻译 + 分类）

{
  "translations": {
    "пижама": "睡衣",
    "женская": "女式",
    "больших": "大码"
  },
  "categories": {
    "пижама": "产品词",
    "женская": "受众词",
    "больших": "尺寸词"
  }
}

分类标准见 references/classification_guide.md（共 10 类：产品/受众/尺寸/款式/材质/功能/颜色/品牌/配件/规格）。

product.json（商品卡信息）

{
  "sku": "5145878312",
  "title": "Пижама",
  "url": "https://www.ozon.ru/product/pizhama-5145878312/",
  "attributes": {
    "Материал": "Политекс",
    "Сезон": "Лето",
    "Российский размер": "60, 62",
    "Модель": "с брюками"
  },
  "description": "Женский свободный пижамный комплект больших размеров..."
}

raw_data.txt（后台搜索词数据）

从 seller.ozon.ru/analytics/what-to-sell 复制的原始表格，直接粘贴保存为文本文件即可。脚本会自动解析俄语千位空格、百分比等格式。

📊 输出内容

Excel 调研报告（8 个工作表）

Word 优化报告（6 章节）

💡 实战案例

商品：大码女式睡衣（SKU 5145878312）

优化前：标题仅 Пижама（1 个词）→ 错失约 9.8 万月搜索热度

优化后：Пижама женская больших размеров с брюками летняя

覆盖 98,362+ 热度，精准匹配商品属性（大码 + 长裤 + 夏季 + 女式）。

📁 项目结构

ozon-keyword-research/
├── SKILL.md                              # 流程文档（AI 助手读取）
├── scripts/
│   ├── generate_keyword_report.py        # 搜索词调研 → Excel（8 sheet）
│   └── generate_listing_report.py        # 商品卡 → Word 优化报告
├── references/
│   └── classification_guide.md           # 词根分类方法论（10 大类别）
└── agents/
    └── openai.yaml                       # UI 元数据

🧠 设计理念

传统做法是为每个品类维护硬编码词典，每新增品类都要人工维护。本工具的设计哲学：脚本只做机械工作（解析/统计/格式化），AI 做语义工作（翻译/分类/文案）。因此睡衣、耳机、煎锅……任何品类都无需改代码，只需 AI 根据实际数据动态生成分类。

📄 许可证

MIT License