亚马逊清洗数据的分析方法
首先，因为关键词搜索结果下偶尔会有不属于该关键词的产品，运营者需要使用COUNTO函数计算该产品在过去14天内，出现在该关键词搜索页面下的次数，然后排除出现次数4次及以下的链接。这样既不会因为保留数据过多导致后期数据分析产生误判，又可以尽可能保留更多的潜力新品。
其次，根据运营经验，在服装类目大类目排名10万以内，可以保证链接每天出单.排名10万的数值就属于潜力新款的范围。同时，如果产品大类目排名已经在5000名以内，日销量约为100单以上，一般很难击败竞品。使用MINO函数，分析过去14天内链接排名最佳的情况，通过数字筛选保留排名在5000~100000的链接即可。
对该列数据进行数字筛选，选择“介于”选项，在弹出的对话框中将筛选条件设置为大于或等于5000，小于或等于100000。对于其他类目的产品而言，可以根据实际情况对该数值进行调整。
与此同时，即使该类目的生命周期处于上升期，各产品的排名也会存在上下浮动。其中，潜力产品的排名在几天内或许会有所下滑，但在14天内排名一般会不断上升。与此同时，链接前期的往往波动更为明显。服装类目产品上架出1单后，排名即可上升至30万名左右，如果销量持续增长，将会带动排名以极快的幅度上升。使用 MIN函数，计算第1个周期排名最低值减去第2个周期的排名最低值，可得知2个周期内链接排名上升了多少位。向下填充其他单元格，最终可获得表格。
根据此表格可以看出，链接排名存在幅度各异的波动。根据运营经验，爆款的排名趋势往往呈指数上升，而普通款式的排名变化则更为平缓。因此在新品上架前期，爆款的排名变动往往比普通款式更为剧烈。同时，由于链接前期销量不稳定，排名很有可能在几百万至几万波动，因此运营者可以对排名差进行筛选，以便找到排名波动幅度更高的产品。
对该列数据进行数字筛选，选择“大于”选项，将筛选条件设置为大于或等于50000。依此类推，针对其他类目的产品，需要根据实际情况对该数值进行调整。
最后，由于生命周期的影响，很多老链接在下一个销售季节到来时排名将会再次上升。而这些链接在拥有历史累计评论的情况下，很难作为突破口打造爆款。此时可以将上架时间按降序排列，以便找到最近上架的链接。
经过这样4个步骤，就可以从10 000余条链接中，筛选出100个左右的潜力链接运营者也可以进行二次整理，通过商品详情页面的具体对比，找到更符合运营条件的产品进行开发。除了抓取次数、历史最高排名、上升排名这3类数据外，还可以综合对比产品的评价以及生产难度，从而最终确定选品。
需要注意的是，由于该方法属于站内选品，因此对于玩具等特殊类目，还需要特别检查产品本身是否存在侵权风险，否则将会在后期面临被投诉关店的风险。
