亚马逊分析报告ARA数据到底有什么用？

关于亚马逊的ARA数据，全称是Amazon Premium Analytics, 之前一直是亚马逊VC账户的功能。

在亚马逊ARA数据体系里面有一个非常非常重要的数据模块：Amazon Search Term. 牽梢哉饷此担珹RA数据体系里面最有价值的就是这个Amazon Search Term数据了，能够给卖家运营选品提供非常重大的意义和参考。

就目前来说，这个新开放的Amazon Brand Analytics (简称ABA) 只有Amazon Search Term这一个数据模块，后面会不会继续增加数据模块就不得而知了。其中，大家需要注意的是这个SC的ABA和VC的ARA还是有很大区别的，唯一的共同点就是ABA和ARA都有Amazon Search Term这个非常重要的数据模块。因为之前亚马逊VC的ARA数据是要收年费的，费用还不菲。但是这次亚马逊给第三方卖家开放的ABA是免费的（后续要钱也不一定），所以总的来说算是一个重大利好了。

在塑造自身品牌越来越受到重视的今天，卖家可以通过品牌分析报告清楚了解亚马逊买家的购买行为以提供买家更好的购物体验, 帮助卖家稳健提升自己的销量、大卖全球!

那么，这份品牌分析报告都有哪些实用的功能，让我们来看看吧!

" 卖家后台点选数据报告, 然后点击品牌分析

" 进入亚马逊关键词搜索的页面, 卖家可以看到全站点的热门关键词, 以及买家在看到关键词搜索结果后点击量最多的前三名商品

" 从中可以按照各个分类搜寻热门关键词排行

" 还可以看到关键词搜索结果下前三名热门商品的点击占比

" 也可以看到关键词搜索结果下前三名热门商品的转化率占比

" 卖家也可以根据不同时间段(每日、每周、月度、季度)查看关键词排名以及点击量最多的前三名商品

" 卖家也可以点击下载关键词搜索报告或是通过电子邮件定期接收报告

" 卖家可以搜索特定关键词，了解相关关键词的搜索频率排名，以及什么商品点击率最高，通过比较竞品来了解如何优化自己的商品

" 卖家也可以输入ASIN或商品, 了解买家使用哪些关键词搜寻这个商品, 卖家可以依据结果来优化Listing或广告的关键词投放

通过分析品牌报告的数据，掌握一手的买家信息!卖家就更能了解买家的需求，从而更及时地调整自己的品牌以及产品策略!

关于ARA数据的基本情况和功能已经大概了解了吧？那么，相信卖家小伙伴们最关心的就是，如何把这些数据应用到日常的选品和运营当中。

讲应用之前，大家先要明确下面几个概念，不然很难理解这个数据其中的精髓所在：

#1就是排名第一的意思，后面2和3就是排第二第三的意思。#1 Clicked ASIN就是说基于这个search term的搜索结果下面，被点击最多的ASIN，#2 Clicked ASIN就是被点击第二多的ASIN。但是呢，具体的点击量是多少，这个数据是无从知晓的。

关于这个概念有点晦涩，我简单举个例子你们就明白了。比如power bank这个词，#1 Clicked ASIN就是一个Anker的充电宝，假设power bank这个词在亚马逊上面所有产生的点击是100。这个时候，如果这个#1 Clicked ASIN的Click Share是30%, 那么就意味着这个anker充电宝从power bank这个词所有的点击里面分到了30个。不过这里需要注意的是，power bank这个词在整体亚马逊里面产生的点击具体数量我们是不知道的，所有都是基于相对数量的考量。

这个概念我也用上述例子来阐述，如果power bank在整个亚马逊里面产生的转化是100，这个时候，如果这个#1 Clicked ASIN的Conversion Share是30%, 那么就意味着这个anker充电宝从power bank这个词所有的转化里面分到了30个。当然power bank在亚马逊里面所有的转化具体数量我们是不知道的，知道的只是比例关系，这个还是需要注意。

这个数据体现的就是关键词基于全站的搜索频率排名，大家需要明白的是这个是一个Rank, 一个排名，并不是具体的数值。也就是说它只是一个相对的数据指标，而不是绝对的数据指标。比如你排第一名，你可以是100分，也可以是50分。所以说，亚马逊只是告诉了你这个关键词搜索量的排名，而并没有告诉你具体的搜索量。你只能做相对的比较性分析考量，而无法去获取绝对数据。

介绍完了上述的数据指标含义，相信各位已经注意到Amazon search term 数据有一个很明显的特点：它是一个基于相对数据的指标，而不是绝对数据。这样难免有遗憾，毕竟绝对数据更具有说服力，但是即使是相对数据，也具有相当大的参考价值。

下面，来介绍几个能够经常用的使用场景，希望能够给大家提供一些借鉴。毕竟基于一份数据不同的卖家都能开发出来很多不同的使用场景。做电商最需要的就是要会玩数据，基于数据才能实现理性选品和理性运营。

当我们想要切入一个细分市场的时候，需要经过详细的市场调查和考量。特别是亚马逊这种FBA压货模式，稍有不慎其实都会带来巨大的库存损失。这个时候，就可以借助Amazon Search Term数据，帮助我们能够有更准确的认知。

假设：有一个做厨房温度计的厂家联系我们，希望我们帮他们做代运营，这个工厂实力还是不错的，产品也有优势。基于这个产品，卖家开始调研，这个玩意中国人用的比较少，歪果仁用的比较多，主要是在BBQ的时候，用来测量食物温度的。

这个产品主关键词有两个：food thermometer; meat thermometer 接下来，我们可以先把food thermometer 放进amazon search term 数据模块里面进行搜索，得出结果如下：

由上图可知，food thermometer衍生出来的，在排名前三的词里面，其中各自排名前三的#1 Clicked ASIN，#2 Clicked ASIN，#3 Clicked ASIN 的click share和conversion share 比例均大于70%。这个意味着什么呢？

另外还有一点需要注意的是，大家看看第三个词 food thermometer instant read，这个严格来说应该算一个长尾词。按照传统的关键词长尾理论来说，我们需要绕开竞争激烈的大词，主打竞争小流量获取更容易的长尾词，这样才是新市场逆袭的关键。

但是，看一看这个词相对应的 #1 Clicked ASIN，其中#1 click share 高达73.33%，#1 Conversion Share 也达到70%，一个长尾词food thermometer instant read 的流量和订单基本上都被一个产品所垄断，剩下第二，第三几乎都无法分走一杯羹，这个从侧面上更加佐证了厨房温度计这个产品垄断严重，如果要进入的话必须要准备大量的前期推广预算以及真正有特点过硬的产品才行了。

为了进一步增加结论的准确性，我们换了一个大词来进行搜索，这次用的是meat thermometer, 得出的结果如下：

从上图可得知，遇到了和之前搜索food thermometer时候类似的情况，因为分析的逻辑是一样的，大家可以尝试着自己分析看看。总体来说，这种充分竞争的饱和市场，建议一般的中小卖家就不要轻易尝试了，亏损的可能性巨大。

大家都知道，在新品推广的时候，关键词的自然排名是重中之重。 但是很多卖家经常会遇到这样一种情况，费尽千辛万苦好不容易把关键词顶上了首页，但是发现还是不出单，或者只是零星几个订单，这样的结果非常尴尬。

很多人猜测是不是因为review少或者优化不到位的问题，其实并不一定是。

就拿优化来说，现在亚马逊发展到这个阶段主图标题五点描述这些已经优化到了天花板，也属于卖家的基本素质之一了，可突破的空间并不大了。至于review，很多产品上了首页review很少或者没有review，也能够稳定出单。

所以，核心问题在于关键词的选择上。一个listing的搜索流量有时候是比较分散的，可能会均匀分配在10-15个关键词上面，如果是这种情况的话，你推起来了其中1-2个你所认为的大词主词，其实贡献是非常有限的，这就容易出现所谓大词上首页但是没单的情况，根本原因就是你所理解的这个大词并不是你的listing真正的流量贡献大词。

因此，卖家在新品选词的时候一定要注意，并不是这个词搜索量巨大，那么这个词就一定是产品的最大流量贡献词，两者千万是不能划等号的。 当然，也有一种情况是一个listing的搜索流量集中在1-2个大词上面，这种listing你只要把有限的几个大词推起来，基本上就能实现稳定的出单。所以选词推词要根据具体情况来，有的listing适合主推大词，有的listing更适合去打长尾。

这个时候Amazon Search Term 数据的作用就可以发挥出来了，比如我们看看这个产品：iPhone X的手机壳，这个时候我们可以选择目标ASIN键入进行搜索：

由上图可知，其中iPhone X case 和他的复数 iPhone X cases在rank 排名上面非常的领先，特别是iPhone X case，把后面其他的词远远的甩开了。虽然我们不知道iPhone X case具体的搜索量，但是从排序的巨大差异上来看，基本能确定搜索流量的大头都在iPhone X case，这个产品只要你拼命把iPhone X case这个词推上首页就行了，压根不用管什么长尾词，甚至广告都不用去开，这种产品就是典型的大词主导型。

所以说，这些手机壳也是黑科技刷单泛滥的重灾区，因为大家都卯起劲来打1-2个核心大词，拼杀非常集聚化，导致了竞争尤为激烈！所以说，ABA数据在新品选词打词的时候，能够给我们提供很多借鉴参考。

ABA数据的使用场景远远不止两个，正如上文所说，基于一份数据可以衍生出来千千万万的适用场景，希望这篇文章能够起到抛砖引玉的作用，给予各位卖家小伙伴数据分析的灵感。

（来源：跨境知识搬运工）以上内容属作者个人观点，不代表小潘立场！如有侵权，请联系我们。