最近看到一个案例：有人靠一套 ChatGPT-5.6 亚马逊运营指令，14天做了937单。
ChatGPT · 当前优惠
什么值得用 · 产品详情当前没有已核验的有效优惠，可以先订阅后续更新。
正在加载入行工作台
把选品、Listing、产品图、红人、客服和广告任务，改造成有真实输入、证据边界、合规复核和验收标准的 GPT-5.6 工作流。
很多亚马逊 Prompt 只写了角色和任务，却没有提供真实数据、证据边界、平台规则和验收标准，模型只能用看似专业的内容填空。
读完能拿走：拿走一套四层指令公式、一个运营输入包、五个任务工作台和一份合规红线检查器，先完成一个真实 ASIN 的可复核运营任务。
这里固定展示文章提到的 Prompt、Skill、工具、模板或外部链接。
最近看到一个案例：有人靠一套 ChatGPT-5.6 亚马逊运营指令，14天做了937单。
当前没有已核验的有效优惠，可以先订阅后续更新。
这里展示当前核验结果，活动条件以原始说明为准。
当前没有已核验的有效优惠
选一个你现在真实要推进的场景，把文中最有用的一步整理成任务、清单或作品记录，放进自己的成长资产里。
这套指令覆盖选品、Listing、红人、客服和广告。想把它交给团队用，先给每个任务补齐四样东西：任务、数据、边界、验收。
“帮我找 20 个高流量关键词。”
“分析美国站 Top 100 产品。”
“找 20 个一万到十万粉的 KOL。”
“把 ACOS 超过 30% 的关键词全部优化掉。”
这些指令看起来很专业，但如果你没有把搜索词报告、ASIN 样本、产品参数、广告报表和当前规则交给模型，它就没有分析对象。
这时，回答越完整，风险反而越大：模型可能把常识写成市场数据，把推测写成竞品结论，把不确定的规则写成固定标准。
所以，真正值得保存的不是 40 句散装指令，而是一套能反复运行的工作台。
这篇文章适合你已经有产品、类目或店铺数据，希望用 GPT-5.6 加快研究、整理、写作和复核。它不适合替代选品软件、广告后台、品牌备案、知识产权判断或平台申诉决定。
一条能进入真实运营流程的指令，至少要有四层：
只有“你是资深亚马逊运营”属于角色扮演，不属于完整工作流。
先为一个具体任务准备资料，不要一上来就让模型包办整家店铺。
最低输入建议包括：
如果一项资料没有提供，就把它写成“未知”，不要让模型自动补齐。
你是亚马逊运营分析助手。你负责整理、比较、提出假设和生成待审稿，
不替代 Seller Central、选品软件、广告后台、法务或运营负责人的最终决定。
【本次任务】
任务类型：[选品 / Listing / 产品图 / 红人 / 客服 / 广告]
目标站点与类目：
希望改善的业务问题：
最终交付物：
【允许使用的资料】
资料名称、日期、站点、口径：
[粘贴或附上真实资料]
【事实规则】
1. 只能把输入资料中的数字写成事实。
2. 由资料计算出的结果标记为“推导”，并写出计算口径。
3. 没有资料支持的判断标记为“假设”。
4. 实时市场、关键词量、竞品销量、KOL 粉丝数、平台政策等信息无法核验时，
直接写“待补数据”，不要生成看似真实的数字。
5. 产品功能、认证、材质、效果和比较性主张必须与产品事实表一致。
6. 涉及价格、广告、退款、评论、知识产权、申诉和对外联系的动作，
只生成建议，必须标记“人工批准后执行”。
【输出顺序】
A. 输入完整度检查
B. 已确认事实 / 推导 / 假设 / 未知
C. 关键发现
D. 按优先级排序的动作清单
E. 每个动作的负责人、所需资料、验收指标和风险
F. 待补数据清单
G. 人工复核清单
先检查资料，不要直接给结论。
完成标准不是模型写了很多，而是运营人员能看清：哪些能直接做，哪些要补数据，哪些必须复核。
选品最容易出现的错误，是把筛选条件写得很精确，却不给模型真实数据。
比如“月搜索量增长率不低于 15%、Top 100 平均评分不高于 4.2、新卖家占比低于 20%”，这些阈值可以成为你的筛选策略，但它们不会自动变成模型已经掌握的事实。
更稳的做法是：
可复制任务：
请分析我提供的候选类目表。先检查字段、时间范围和缺失值。
只使用表内数据筛选，不补造搜索量、销量、评分、新卖家占比或市场份额。
对每个候选输出：
1. 输入事实；
2. 可以从数据推导的结论；
3. 仍需外部验证的假设；
4. 供应链、合规、季节性和差异化风险；
5. 下一步最小验证动作；
6. 建议：继续研究 / 暂缓 / 排除。
若样本不足以支持排序，明确说明，不要强行生成 Top 榜。
真正的交付物是一张可追溯的候选决策表，而不是一份“看起来像咨询报告”的长文。
标题、五点和产品描述可以交给 GPT-5.6 起草，但顺序要改一下：
先核对产品事实，再做关键词覆盖，然后写人话，最后过合规。
请基于产品事实表、关键词表、当前 Listing 和竞品样本，生成一版待审稿。
第一步：列出产品事实表与现有 Listing 的冲突，任何冲突先停下，不自动修正事实。
第二步：把关键词分为核心词、属性词、场景词和不建议使用的词，说明判断依据。
第三步：输出标题、5 条 Bullet Points 和产品描述。
第四步：逐条标记每个功能、参数、效果和比较性主张来自哪一项输入。
第五步：检查关键词堆砌、重复表达、不可证明主张、站点语言自然度和当前类目规则风险。
不要把字符数、关键词密度或格式要求当成跨类目永久规则。
如果我没有提供当前规则，请把格式校验标记为“待运营人员复核”。
验收时至少检查：
“做一套高转化产品图”不是可执行任务。设计师和生图模型都需要知道，每一张图承担什么工作。
把每张图写成七个槽位：
【图片编号与任务】
这张图在整套图片中的位置，以及它负责回答的购买问题。
【目标受众】
具体是谁，他们当前最担心什么。
【单一主卖点】
一张图只承担一个主要判断。
【证据素材】
真实产品照片、尺寸、结构、认证、测试、场景或对比依据。
【画面方案】
主体、场景、构图、视角、信息层级和移动端优先顺序。
【图上文案】
主标题、副标题、参数；只写已确认事实。
【验收标准】
缩略图是否看得懂、卖点是否唯一、文字是否可读、产品是否失真、
是否出现未提供的配件或功能、是否符合当前平台规则。
一套常见顺序可以是：主图、核心利益点、结构或参数、使用场景、尺寸适配、对比或证据、包装与售后。
这只是起点，不是所有类目都必须使用同一顺序。最终要根据用户最先需要消除的疑虑重排。
找 KOL 时，模型可以帮你定义筛选标准、整理公开资料和生成个性化初稿，但不能在没有实时来源时编造频道、粉丝数和联系方式。
红人任务的合格交付应该包含：
客服任务则必须绑定订单事实、说明书、常见问题、退款政策和当前平台规则。模型可以生成同理心表达和解决方案选项，不能为了“挽留客户”改变未经授权的退款额度，也不能把补偿和评论操作绑定。
“ACOS 高于 30% 就降价或否词”不是通用策略。你至少还要提供目标 ACOS、毛利、归因窗口、搜索词、匹配类型、花费、销售额、订单量、转化率和当前出价。
请分析我提供的 SP / SB / SD 报表。
1. 先说明报表时间范围、归因口径、币种、缺失字段和异常值。
2. 按活动、广告组、关键词或商品定位拆分问题，不用单一 ACOS 做结论。
3. 区分“数据足够采取动作”和“样本不足继续观察”。
4. 输出：
- 24 小时内的止损候选；
- 7 天单变量测试计划；
- 中长期结构调整假设；
- 每个动作的依据、风险、批准人和复查日期。
5. 不自动修改预算、出价、否定词或投放状态。
广告优化的交付物不是一串动作，而是一组能复盘的实验。
下面几类 Prompt 看起来“有执行力”，但不应该进入可复制运营资产：
可以用这条检查器先扫一遍：
请审查下面的亚马逊运营指令。
逐条检查：
1. 是否要求模型编造实时数据、市场排名、账号信息或平台政策；
2. 是否存在评论操纵、诱导删差评、规避平台规则的意图；
3. 是否包含威胁、报复、恶意下单、侵犯知识产权或越权操作；
4. 是否把未经确认的产品功能、认证、效果或比较性主张写成事实；
5. 是否缺少人工批准、证据来源、数据时间范围或验收标准。
输出：风险等级、具体问题、为什么不能直接执行、合规替代指令、
还需要补充的资料。不要保留原指令中的规避或伤害性做法。
不要一次处理整家店铺。选一个真实 ASIN，完成下面这条小闭环：
做到以下四点，就算完成：
AI 真正能带来的，不是“输入一句话就出单”，而是把散落在表格、后台和人脑里的判断，变成更快、更清楚、更容易复核的工作流。
先让一条指令可验证，再谈 40 条指令有多强。