选品指南针提供了数据，简析这些数据背后的含义。通过给出的数据算出来类目标平均搜索点击率和平均转动率 知谈了Click Counts 和Glance Views区别就知谈了这2个转动率的区别。

选品其实便是判断一款是否能作念，是我最近的职责重心。有参考选品指南针（Marketplace Product Guidance的数据,后台匡助页面也翻译成商城商品指南），商机探伤器（Product Opportunity Explorer）以及品牌分析（Brand Analytics）

现对选品指南针里数据作念一个细心分析。（证明：底下截图里选品指南针用的用的英国站点数据。要采用除好意思国站点外的其他站点的数据，因为好意思国数据衰退部安分容。）

01. 选品指南针数据简析

1. Filters（筛选条款）如下图：

刚运行我用这个筛选的时候，用的是家具要津词，发现若何也找不到相应的数据。其实这里用对应的类目要津词也便是Item Type Keyword这个字段，此字段不错在上传家具时采用节点的场所找到，也不错用先在前台输入你的家具要津词，找到对应的类目节点ID，在分类树（Browse Tree_Guide）表格里搜索找到Query列对应的值。

2. Performance（家具进展）如下图：

除了直不雅的看销量趋势，对比本年和昨年的数据，笼罩的少许是通过给出的数据算出来类目标平均搜索点击率和转动率（《对转动率的污蔑》里并未说起此处的转动率）

上图中跟据Search Performance图表中的数据，通过Clicks Count/ Search Volume 不错算出搜索点击率（此点击率和告白要津词点击率clicks/impressions有一定区别）。

此值不错看成要津词告白搜索位置点击率的一个参考。如图中12月份的Clicks Count 3293762 / Search Volume 70982361点击率算出来是4.6%。

点击率对作念告白预算不首要，首要的是转动率。上图中，不错计较出2个转动率。一个是用Units Sold/ Click Counts计较，另外一个是用 Units Sold/ Glance Views计较。

上图中12月份Units Sold：375777， Click Counts：3293762，Glance Views：5758863。算出来的转动率辞别是：11.4%，6.5%。【这里的Units Sold是总订单（搜索订单和其他流量订单），不是搜索订单，算出来的搜索转动率大于信得过的搜索转动率】

Click Counts 和Glance Views区别：我认为Click Counts是搜索点击即搜索流量，Glance Views是总点击和Business Reports里的Page Views同样，包含搜索流量以过甚他流量。【此处评释若有误，接待指正】

这2个转动率的区别可想而知，1个是此节点总共搜索词的平均转动率，1个是总共这个词类目家具的平均转动率。Click Counts和Glance Views比值又有啥含义？是不是类目标搜索流量占比（12月份为Click Counts/ Glance Views= 57.2%）. 【此处评释若有误，接待指正】

疑问：不雅察图中10月份前的Click Counts/ Glance Views这两个比值接近1，从10月份运行，这个比值才变小。是10月份之前王人是搜索流量（不太可能）？如故10月份Amazon转折了数据统计？亦或我对这两个数据相识有误？

3. Search to purchase ratio（搜索购买比）如下图

搜索购买比，这个数据看不懂？《对转动率的污蔑》里有说起。这里再说这个数据的另外一个意念念：它不错估算出搜索转动率。

搜索购买比便是购买ASIN数目/ASIN展示数目。搜索购买比为2.35‰也便是说，购买2.35个ASIN，要展示1000个ASIN。

若是你聚拢品牌分析下的Search Query Performance的数据，你会发现，其实每次搜索展示24个驾驭ASIN（这个是我的教授之谈，你的不雅察可能不同样）。

假定搜索一次展示24个ASIN，那么买2.35个ASIN，要搜索1000/24=41.67次，即购买1个ASIN，要41.67/2.35=17.73次搜索（搜索次数）。估算披缁具搜索转动率（搜索订单数目/点击次数）大于1/17.73即大于5.6%。

为什么是大于？因为通过不雅察Search Query Performance下的search query volume和total click count, 你会发现搜索次数是大于点击次数的，也就说有的搜索可能没点击（为啥没点击？可能搜索着力不是客户想要的）。【此处评释若有误，接待指正】

这个估算的搜索转动率（Search Performance依然说了一种转动率的计较，这是另外一种）的准确度取决于教授之谈（展示24个驾驭ASIN）的准确性。这两个转动率是有区别的。

Conversion Rate per Price Range 这样首要的数据，amazon莫得给出来。Return Ratio 退货率和Reasons for returns退货根由，前者不错用在利润计较中，后者不错匡助纠正家具。

4：Offer & Selection Metrics （报价和采用筹划）如下图：

12个月：

90天：

上头2涨图是12月和90天的数据图。Number of sellers 卖流派量即卖家账号数目。Amazon莫得给出具体的数字，给出具体的数字也意念念不大。

Number of new brands 新品牌数目，不错反馈出所选段技艺，进场的卖流派量。一个品牌至少一个卖家账号。

Number of ASINs子体listing数目，个东谈主认为这个值包括不在售但笃定页还存在没变狗的ASIN，因为嗅觉这个值过大，变狗的应该不包含。

你不错选着7天，30天，90天看成参考，算一下1个月和3个月内删除的 ASIN数目（上图截图中，7天ASIN数目556.9K，30天是593.1K，90天是652.8K， 差值是36.2K,59.7K也便是减少的ASIN数目增多36.2K/1大于59.7/2省略对比3个月新增的ASIN数目32.4K）是变大如故变小。

若是变大，可能是采用离场的东谈主大于进场的东谈主，利润减少，竞争在加重。大精深节点应该王人是这种ASIN数目减少变大的情况（Amazon在淘汰卖家）,而且一个节点不啻一种家具，是以算这个其实对选新品意念念不大。【以上分析可能分歧，接待相通】

Number of new ASINs 新ASIN数目即所选技艺段新建子listing数目。（7天，30天，90天这个值王人没变化。是以这个新ASIN技艺可能是90天）。【以上分析可能分歧，接待相通】

Offers per ASIN 每个ASIN的卖流派量，参考意念念不大。这个是平均值，停售ASIN莫得卖家，有的ASIN有多个跟卖。平淡数值为1，若为2证明这个类目跟卖严重。

Star Ratings 星级对应的ASIN数目分散。平淡是4星以上占比最大。一般情况下，退货率高的类目，4星占比就变小，但依旧比其他星级多。

想要具体化这个占比情况，不错在浏览器按F12搜检源代码，找到横条像素长度，算一下（上图截图中，4+像素是 276，3 是55.1， 2 是8.1， 1 是4.1 可算出占比辞别为：80.4%， 16.1%， 2.4%， 1.2%）

Advertisement Spend 告白支拨，底下给出了平均逐日支拨0.1和大部分东谈主的消耗金额值0.3。

平均值0.1看似很小，但是12个月有527.2K个ASIN，每个ASIN平均逐日支拨0.1，即平均逐日Amazon的告白收入52720。假定你的主要竞争敌手逐日破耗100，那便是527.2个潜在的竞争敌手（虽然，潜在竞争敌手数目不成这状貌算）。

02. 选品指南针数据和第三方用具数据对比

尽管Amazon给的数据有局限性，比拟第三方用具给出的数据，我更信赖Amazon官方数据（这里不是抒发不要用第三方用具），因为我认为第三方用具数据要么来自Amazon，要么通过我方的数据模子预估的。底下会用选品指南针的数据和第三方用具作念一下对比。

如下2张图，英国站1月份消失节点选品指南针和第三方用具的销售数据：

销量数据如故比较接近（商品总和，死别比较大），毕竟一个是前100的销量，一个是总共这个词类目标销量。

至于第三方给出的头部销量，蚁合度筹划等其他数据，若是你有耐性用前台Amazon给出的月销量（如下图）亦然能算出来的，仅仅比较破耗技艺（是以第三方用具才收费，毕竟技艺便是财富）

如下：1月份类目销量183130个，BSR1的卖家最近30天变体的销量总和5500+，此BSR1销量占比3%+。同期咱们对比一下**精灵的销量占比数据7.78%（如下图）

对于数据准确性，这里浮浅举个例子：比如算销售额这里，**精灵的里的数据，尤其多变体，遴选的单一变体的信息估算的，而Amazon的数据信服王人是各个变体的实在数据统计的，这里如故有不小纰谬。

尽管选品用具数据可能没那么准确，但选品用具对于选品如故有很大的作用，相互也不成相互替代。

03. 终末

在运行此文时，本想事无巨细的写了了，如底下蓝本之前这状貌（后台截图，英文汉文）：下图是Amazon匡助页面给出的商城商品指南的上风,我认为，除了是官方数据准确外，并无其他上风

再比如如下，干预用具的旅途：

干预此用具，不错通事后台首页的“新选品推选”卡片干预，也不错通过导航菜单-增长-选品指南针干预（在这个增长菜单下，还有一个选品用具-商机探伤器。这两款用具的区别，不错认为一个给出的是针对类目标数据，另一个针是家具，品牌及要津词的数据）。

干预后，有3个选项卡，一个是选品指南针（Marketplace Product Guidance）的功能先容页面，一个是大众选品需求（Global demand for your products），还有一个是类目分析（Category Insights）