在此篇中，可了解我的产品主要在哪些地区受欢迎?
我应该在什么时间段最大化广告投放?
如何辅助站外投放？
出单高峰期什么时候？
如何利用订单明细辅助选品？
（结合ABA工具、商机探测器等，把知识串联起来，效果更佳）
数据来源
亚马逊后台：数据报告-付款-日期范围报告-交易报告
用户地区分布分析
下载报告，selling fees筛选为小于0，筛选要了解的sku，选order state和quantity做透视表。就能知道这个产品主要市场在哪个州。由这个图我们可以得知88.5%的订单由32个州贡献。
可以依据各地区的市场比例来划分店铺的各类市场，划分为头部市场、长尾市场、低单市场。新增一-列“市场比例”并计算值，如: CA州占据比例为CA州订单数/总订单数，并将数值设置为百分数表示。然后划分市场。可划分为头部市场、长尾市场、低单市场
划分标准：“长尾市场” 的市场总份额一定要比第一“头部市场”的区域份额大，‘”低单市场”的市场总份额一定要比最后一个“头部市场”的区域份额小。
这里我们选择市场份额大于等于2%的市场为头部市场，市场份额大于等于0.4%小于2%的市场为长尾市场，市场份额小于0.4%的市场为低单市场。选中市场分类和市场比例，插入树状图。做好市场划分后，就可以对头部市场、长尾市场、低单市场做差异化运营和选品。（此处的划分标准因人而异，仅供参考）
用户价格分布分析
下载报告，selling fees筛选为小于0，筛选要了解的sku，选order state和item-price做透视表。
将order state拖入列，item-price值，这里值字段设置为平均值。
复制数据透视表数据到新的工作表，取列名为“州” 和“客单价”，客单价保留2位小数，并按客单价升序排序。可以看出不同的周对于客单价的不同。
划分低中高价格敏感度区间，客单价偏高的地区有更多的用户会购买客单价较高的商品，划分为低价格区间;客单价中等的地区有更多的用户会购买客单价适中的商品，划分为敏感度区间;客单价偏低的地区有更多的用户会购买客单价较低的商品，划分为高价格敏感度区间。
针对不同价格敏感度区间的地区，可以针对性的做一些运营和广告策略
价格时间分布分析
因为date/time的数据不方便看（Dec 1, 2021 12:11:37 AM PST），所以需要提取。旁边新增一列hour，然后用分列把小时数提取出来，记得区分上下午
选中hour至item-price列，插入数据透视表
选中数据区域，插入图表，选择所有图表，组合图，平均客单价选择折线图，选中次坐标轴
可以看到，不同时间段订单量和客单价是不一样的，对于订单量，订单量高峰时，代表流量处于高峰，这段时间可以使广告曝光效率最大化；同时，对于客单价，与价格地区分布一样，可以依次划分低中高价格敏感度区间。
那么在不同的时间段我们可以调整广告预算和竞价浮动，比如在低敏感度区间，是冲动性消费时间，那么我们可以加大这个时间段的广告预算。（美国东西区的时区跨度大，不同消费时间是略有不同的）
用户购买习惯分析
选中hour至order state列，插入数据透视表;并将ship-state拖入列，hour拖入行，quantity拖入值 (计数项)。
结合时间和地区两个维度，我们可以分析用户每日购物峰值在哪里，不同地区用户购物高峰期是否不同。
应用
1、针对化选品
1)从“消费者”的角度进行选品，即店铺的消费者来自哪些区域?这些区域的消费者有哪些特点?
假设某个店铺的“头部市场”区域为沿海地区，那么我们就可以结合我们的产品特点分析其核心竞争力：产品设计是否符合沿海地区用户的审美?是否产品价格偏高，而沿海地区用户价格敏感度低，内陆地区价格敏感度高导致内陆地区拒绝买我们的产品?成功分析出产品的卖点后，下次就可以直接针对“头部市场”的用户进行选品，不需要将精力放在低单市场上。
例如:我们曾经做过女生袜子
受众: girls 7-12
但是收到了差评，原因是因为对于有一些州是比较闷热的。那我们下次可以针对头部市场进行改良。
2)观察高客单价地区与“头部市场+长尾市场”是否有重叠，如果高客单价地区与“头部市
场+长尾市场”无重叠，那么可以针对高客单价地区做单独的选品，结合当地用户的需求做
客单价更高利润也更高的产品。
2、广告优化
1)针对用户地区分布数据，影响最大的主要是我们的选品要符合当地市场。
2)针对用户价格分布数据，我们需要匹配中低价格敏感区间和头部市场做主要的营销策略布局。
3)针对价格时间分布和用户购买习惯数据，我们需要根据相应的价格敏感时间，调整我们的广告竞价，预算，以及相应时间段的促销活动。
这个就不用多说了。
以上
