NanoSkill
提交你的 Skill

亚马逊店面设计师

作者nexscope-ai339GitHub 星标GitHub

利用AI驱动的页面布局、品牌故事讲述和可购物图片,设计高转化率的亚马逊店面。提升流量和转化率——几秒钟内免费开始。

亚马逊安全扫描通过
结果预览

完整 Demo

查看由该代理技能生成的可持续护肤品牌的亚马逊店面设计,包括主页布局、精选系列、促销横幅和品牌故事。

开始使用

完成第一个任务

  1. a simple demonstration of the first step in using Amazon Storefront Designer agent skill
    01

    步骤1:安装

    将技能添加到您的代理中。

  2. a simple demonstration of the second step in using Amazon Storefront Designer agent skill
    02

    步骤2:分享您的店铺详情

    提供有关您品牌的详细信息,包括品牌阶段、亚马逊市场重点、产品类别、价格定位等。

  3. a simple demonstration of the third step in using Amazon Storefront Designer agent skill
    03

    步骤3:查看结果

    获得定制的亚马逊店面设计和布局。

安装指令

$ npx skills add https://github.com/nexscope-ai/Amazon-Skills/blob/main/amazon-storefront-design

关于

借助AI驱动的指导,轻松设计高转化率的亚马逊店面。无论您是推出新品牌还是改造现有店铺,此技能都能帮助您构建引人入胜的页面布局、打造引人注目的品牌故事,并嵌入可将浏览者转变为购买者的可购物图片。无需设计专业知识即可获得量身定制的、基于数据的推荐。

该技能超越模板,将流量驱动策略和转化优化直接集成到您的店面设计中。从移动响应式布局到SEO友好的产品页面,您将收到符合亚马逊最佳实践和当前市场趋势的可操作步骤。

该工具非常适合亚马逊卖家、品牌所有者和营销团队,通过提出关键问题并提供结构化输出来简化设计流程。使用它快速调整您的店铺以适应国际市场,创建交互式产品展示,或无需猜测即可测试新布局——所有这些都在几分钟内完成。

核心功能

它的强大之处

  • AI驱动的店铺搭建器

    生成完整的亚马逊店铺首页,并根据您的产品目录和品牌身份量身定制优化页面布局。

  • 品牌故事整合

    打造引人入胜的品牌故事,与购物者产生共鸣,从而提高信任度和转化率。

  • 可购物图片

    创建互动式产品图片,让客户能够直接从视觉内容中探索和购买。

  • 流量与转化优化

    通过数据驱动的策略和布局微调,为您的店铺首页吸引更多访客并将其转化为买家。

  • 多市场支持

    通过一个工具为亚马逊美国、英国、德国、加拿大、日本、澳大利亚以及所有全球市场设计店铺首页。

使用场景

什么时候适合使用

  • 启动全新亚马逊店铺首页

    从零开始,使用根据您的产品线和目标受众量身定制的AI生成布局和内容。

  • 重新设计表现不佳的店铺

    审核您当前的店铺首页,并应用以转化为重点的更改,以提高销售额和参与度。

  • 创建可购物图片画廊

    将静态产品图片转变为互动式购物体验,推动直接购买。

  • 拓展至国际商城

    快速调整您的店铺首页设计,以适应亚马逊全球站点,确保本地相关性和合规性。

SKILL.md

亚马逊店面设计

亚马逊店铺构建器——页面布局、品牌故事、可购物图片、流量驱动、转化优化

**支持的平台:**亚马逊(美国、英国、德国、加拿大、日本、澳大利亚及所有市场)。

Nexscope构建——您的AI助手,助您做出更明智的电子商务决策。

安装

npx skills add nexscope/amazon-storefront-design

用法

帮助我进行我的电子商务业务的亚马逊店面设计。

功能

  • 亚马逊店铺构建器
  • 页面布局
  • 品牌故事
  • 可购物图片
  • 流量驱动
  • 转化优化

此技能如何运作

**步骤1:**从用户消息中收集信息——产品、平台、当前情况和目标。

**步骤2:**用多项选择格式提出一个后续问题,包含所有剩余问题。允许简写答案(例如,“1b 2c 3a”)。

**步骤3:**使用下面的框架和方法进行研究和分析。

**步骤4:**提供结构化、可操作的输出,包括具体建议,而非笼统的建议。

输出格式

  • 以发现摘要开始
  • 在可能的情况下包含具体的数据点和基准
  • 提供优先级的行动项
  • 当基于不完整数据时,用⚠️标记估计值
  • 以具体的下一步结束

常见问题