商品リサーチを AI エージェントに任せる：シードワードから ASIN 候補リストまで

商品リサーチは、どの一歩が難しいというより単純に工程が長い作業です。語を広げ、カテゴリー規模を見て、商品を絞り、販売数を推定し、また戻って切る。手作業だと画面を何度も行き来し、終わったあとで「何を基準に絞ったか」を再現しづらくなります。

この連鎖をエージェントに渡す利点は「賢いから」ではありません。過程が文字として残ることです。どのエンドポイントを、どのパラメーターで呼び、何を落としたかがすべて会話に残ります。

Skill または MCP が接続済みであることが前提です。未接続ならコードを書かずに Claude Code で Amazon データを調べるから始めてください。

全体の形

4 ステップで、毎回範囲を狭めます。

1. 語を広げる — シードワードから関連クエリと需要の水準を得る（Keyword Miner）
2. 規模を見る — ニッチの大きさと集中度を判断する（Market Research）
3. 商品を絞る — 価格、評価、出品者数で候補を出す（Product Research）
4. 販売数を推定する — 候補を桁で並べ替える（BSR Sales Estimate）

コピーできる会話スクリプト

タスク全体を一度に渡し、ただしステップ間でコスト報告を求めます。

Amazon 日本サイトで、シードワード「バスマット」を起点に商品リサーチを 1 ラウンド実行してください。4 ステップに分け、各ステップの前に選んだエンドポイントと想定コール数を伝え、私の確認を待ってください。

ステップ 1：シードワードから関連検索語を拡張し、需要の高い上位 10 語について、語・需要指標・競合指標を一覧にしてください。

ステップ 2：最も有望な 2 語が属するニッチカテゴリーについて、市場規模、商品集中度、ブランド集中度を調べ、少数ブランドの寡占かどうかを判断してください。

ステップ 3：ステップ 2 を通過したカテゴリー内で、価格 20〜80、評価 4.0 以上、レビュー数 500 未満の商品を絞り込み、上位 20 ASIN を取得してください。

ステップ 4：その 20 ASIN の販売数の桁を推定し、推定値で並べ替えてください。

最後に、ASIN、タイトル、価格、評価、レビュー数、出品者数、推定月販売数、そして残した／落とした理由を 1 行で添えた表を出力してください。

制約：
- 読み取り専用の照会のみ。表を埋めるための再試行を繰り返さないでください。
- どのフィールドが推定値かを明示してください。
- カテゴリー ID などのパラメーターが不足していれば私に尋ね、推測しないでください。
- いずれかのステップが失敗したら停止し、エラーコードと request_id を提示してください。

なぜステップごとに確認するのか

「リサーチをやっておいて」と丸ごと任せると、失敗の型は 2 つです。表を埋めるために同じエンドポイントを何度も呼ぶか、失敗したステップを推測値で押し通して先へ進むか。ステップごとにコストを報告させれば、コール量を抑えられるうえ、方向違いをステップ 4 ではなくステップ 2 で気づけます。

出力の読み方

表の中のフィールドは、3 種類に分けて扱ってください。

• プラットフォームで見える値 — 価格、評価、レビュー数、出品者数。現時点のスナップショットで、変動しますが検証できます。
• 推定値 — 月販売数、売上、検索需要。モデルによる推定です。桁の目安としては有用ですが、絶対値として扱わないでください。
• 集中度の指標 — 商品集中度とブランド集中度は「上位がどれだけ占めているか」を表します。参入できるかには答えますが、いくら稼げるかには答えません。

制約

• 推定値は修正されます。同じ ASIN を 1 週間後に見ると数値が違うことがあります。
• カテゴリー階層とノード ID はマーケットプレイスごとに異なります。横断比較の前に定義が揃っているか確認してください（はじめに）。
• このフローが答えるのは「やる価値があるか」です。調達、着地コスト、法令対応については何も言いません。
• 課金対象リクエストの成功は既定で 1 コール消費します。4 ステップ合計の実消費はページサイズ次第です。

次の一手は通常、残った候補のキーワードを揃えることです（自分のキーワード資産をつくる）。定期実行スクリプトにしたい場合は3 つのエンドポイントで候補 ASIN を絞り込むへ。