亚马逊选品的一些思考
7261亚马逊选品的一些思考
一.增加新品榜单低价商城排查
2024年亚马逊最大的事件应该就是低价商城了。
低价商城上线几个月对原本商城的冲击是非常大的。
因为低价商城的产品居然是跟主商城的产品共享类目排名的。也就是说未来客户使用某关键词搜索后的结果页面里有很多低价商城产品。
举个例子，看下这个产品的新品榜单 https://www.amazon.com/gp/new-releases/fashion/2475899011/ref=pd_zg_hrsr_fashion
有很多产品是低价商城的产品，怎么判断这些产品是低价商城产品呢？
打开产品链接，如果右边出现这个二维码
Amazon Haul is mobile only. Grab your phone to snag this deal!
就知道了如何判断产品是否低价商城产品的方法，那一个个去判断时效性太低了。
那如何快速查询新品榜单有多少低价商城产品呢？要解决这个问题，需要先了解下低价商城的特点。
亚马逊低价商城对外公布的特点：
限价20美金，大多数类目在7美金以下 仅限手机端登录，买家只能在手机端下单 低价商城没有“店铺”的概念，也没有品牌的概念 买家无法通过店铺和品牌搜索产品 低价商城入口在亚马逊主商城 两个商城独立展示，但绩效的互相绑定的 低价商城主图无需白底图 低价商城无A+，无Description 3美金以下产品，买家可以选择退款不退货 低价商城有类目限制，12岁以下儿童产品，玩具，宠物类目无法上线 低价商城库存需先发送到国内仓库，由亚马逊中国仓库统一配送 低价商城之前是邀请制，现在可以发邮件申请
从这些特征里我们可以看到判断低价商城产品的维度可以用品牌和发货方式去判断。
低价商城产品的品牌是Generic，发货方式不是FBA也不是FBM。
具体操作如下；
打开新品榜单，使用卖家精灵插件下载100的数据
下载的数据里对品牌和发货方式进行筛选
这个方法也可以类比到BS榜单和类目其他的数据。
二．快速统计类目的竞争难易程度
大家在选品之前都会做竞品分析，比如产品价格分布，销量是否被垄断，产品上架时间特别是TOP100中新品的占比。通过类目链接的评论增长趋势留评率确定违规合并评论链接占比，通过价格曲线判断是否存在连续秒杀。通过流量分布，自然流量广告流量占比确定是否有玩关键词上首页。查询竞品的站外痕迹，确定站外对推广的影响程度。预估竞品的广告CPC，判断广告的推广难度。
这个过程中竞争对手的推广曲线用的是非常多的，因为从推广曲线中可以看到很多数据，比如竞争对手的价格策略，评论策略，秒杀策略等等。
价格策略可以看价格曲线，包括buybox价格，价格，prime价格，coupon价格
评论策略可以看评论曲线，包括评分，评分数
秒杀策略可以看临时的价格波动，一天或7天降价后提价很可能是一次秒杀
推广进度可以看排名的波动情况
这是针对单个产品的曲线进行分析，如果想要快速实现批量查询是否有办法呢？
针对这个问题，编写了一些简单的代码和小工具去实现。
先使用卖家精灵批量下载Keepa插件替代的数据
打开小工具进行批量查询
小工具都是html格式，不需要任何其他辅助工具，直接双击打开，批量上传几十个甚至几百个曲线表格即可
举个例子，想要查询秒杀情况，打开工具
点击选择文件，可以批量上传几十个甚至几百个曲线表格，然后自动得出结论
其他工具也是类似的操作方式。工具刚制作2周，可能有bug。有问题随时联系我！
三．数据化选品是否有漏洞错误
最近几年大家都开始重视选品了，所以数据化选品也是大家常用的方式。比如
蓝海选品数据指标：
当前BSR：最小5000 产品总评论数：0-50 产品上架时间：3个月内 BSR持续上升 类目首次上架时间：一年内 市场容量：8000-100000 listing.品牌.卖家垄断系数：0-50%
小件高利润选品数据指标：
市场容量：10W-50W Buybox价格：最小20 体积-升序，找到体积最小 重量-升序，找到重量最小 listing.品牌.卖家垄断系数：0-50%
注意：如上指标都是参考，不是个人选品指标。
2024年年初我就在想这样的思路是否有问题？
是不是市场竞争大的一定没有机会？ 是不是评分低差评多的产品一定没机会？
大家都在说差异化，如果都是这样的选品思路不是很容易做不出差异化吗？
就拿评分低差评多的产品，今年很多产品都是改进了很多差评多的产品，因为这类产品反而更容易做出差异化。大家想一想是不是这个道理，评分低反而代表有需求？
那问题又转变成如何找到评分低的产品。
打开卖家精灵的大数据选品--选产品，并且选择类目
输入参数，进行筛选。设置的参数参考： 月销量大于100，评分数大于30，评分值 3～3.8，上架时间半年之内
举个例子，这个雪铲推杆才上架40多天，月销量100多了，但是评分很低。
把ASIN丢到商机探测器里去分析，差评都集中在“焊缝没有固定”，“不够牢固”，改进这个痛点，这也许会是一个好产品。
申明：不是说数据化选品不好，而是数据化选品很多时候制定的维度会排除很多不错的产品，需要反向进行数据化再分析。如上就是一个案例。
所以今天的主题是迭代
1. 根据政策迭代，低价商城
2. 根据效率迭代，利用工具
3. 根据漏洞迭代，查漏补缺
