所在分类:  Amazon 所属圈子: Amazon销售和运营 Amazon

品牌分析新的工具[ 4月21日更新]-Search Catalog Performance/ Serach Analytics,这个数据主要是根据“购物者的搜索行为”得出的,所以并不代表其它渠道的数据,比如你的流量是从站外来的,所以会出现工具出现的销量和后台对应时间周期不一致的情况

发帖11次 被置顶7次 被推荐4次 质量分1星 回帖互动5664次 历史交流热度18.46% 历史交流深度0%
官方定义:根据购物者的搜索行为,提供对目录绩效的可见性。对于选定的时间段,它会显示您商品在购物之旅的所有阶段的各项指标(例如,搜索展示量、点击量、添加到购物车的次数和购买量)。
 
这里说明以下,这个数据主要是根据“购物者的搜索行为”得出的,所以并不代表其它渠道的数据,比如你的流量是从站外来的,所以会出现工具出现的销量和后台对应时间周期不一致的情况。
 
筛选维度:可以按 周/月/季度三个维度筛选
https://assert.wearesellers.com/questions/20220223/5686176d74d1b6af85a8c4a2f8b67616.png
 
接下来看下工具的表头,可以自定义,最多有27列。
https://assert.wearesellers.com/questions/20220223/cc5a484cf3b13a04d3b75760b294a09e.png
 
 
https://assert.wearesellers.com/questions/20220223/d8af358984fa1f52ac23d70bd1236a9a.png
 
指标术语表
https://assert.wearesellers.com/questions/20220223/97509deed3d7c4b8387ec3160ebfb0b4.png
 
https://assert.wearesellers.com/questions/20220223/c5f9d58c05dd1a38abc27fb6195ba3b2.png
https://assert.wearesellers.com/questions/20220223/283038345215c849e6be41ca6fc7cf81.jpg
https://assert.wearesellers.com/questions/20220223/d6d5d7f28c7d47da42a1d2e87a803942.jpg
https://assert.wearesellers.com/questions/20220223/b24d6b90eb34f5e8bc2b2a12e455a3b5.jpg
根据这个工具,我初步总结了以下几点:
1.首先这个数据主要是针对我们品牌下的链接数据分析,亚马逊提供了“展示量”,“配送速度”,“购物车”等之前没有公布过的数据,而且亚马逊难得的针对每一项定义解释的比较详细!有几个小点需要注意的.
 
a. 这个数据来源于”购物者的搜索行为” 其它渠道数据不会统计在内。
b.针对不同的关键词记为多次展示: 用关键词A搜,后面又用关键词B搜,算两次展示。
c. 加购的数据仅限于针对“搜索”维度的: 如顾客通过站外等一些链接进入我们商品详情,然后加购是不计算在内;
d.购买量不排除退货和取消订单: 购买之后再取消这个订单,还是算进去购买量的。
e. 它包含自然搜索商品和推广商品,但不包含“编辑推荐”、“评分最高”、“评分较高”等小部件中展示的 ASIN
f. 归因时间段为 24 小时: 如果买家进行了查询,并且已经将商品加入购物车,但在第二天才购买商品,那么此次购买便不在该指标的归因范围内。但是展示和点击量应该是算进去里面的
 
2.  测试主图的CTR。之前我们测试哪张主图更好,一般可以用广告的看CTR情况,但是广告有个问题不同的广告类型,词等都会影响CTR 的判断。现在这个数据相当让我多一个维度判断判断我们主图,以及链接整体的点击率情况(涵盖所有一切顾客搜索端可以看到的,如标题,价格,配送时间等等)
 
注:A+里面的那个AB测试也可以测试主图的效果
 
3.关于配送速度. 我们可以对比数据,在“展示”模块到“点击”到“加购”到“购买”这一个流程中,顾客的流失比例。比如在“展示”模块到“点击”,当日达顾客从1w到500,但是两日达顾客从1w到50,一定程度上反馈了,我们这个类目对物流配送时间有一定要求的。(特别是在一些节假日的时候)
 
4.关于销量。正如上诉所说的,这个销量仅针对“搜索维度”。如果我们对比后台数据这个月我们销量是1000个,但是这个工具显示的只有400个,那么就反馈了其它维度的流量也是我们销量的重要来源,可以想办法怎么提升其它部分的流量。

5.加入购物车.我们可以看下点击之后有多少加购的,也就是顾客看到你的产品是否觉得还不错,然后加入购物车的.那这个可以作为我们分析顾客流失率的一个参考. 还有我们购物车比例很差,然后SD广告是可以定位到购物车,那么就可以结合SD广告看下能不能提升这部分占比. (如果你还知道,加购之后的顾客一般都会下单的)

6. 购物车到购买. 顾客加购之后,是不是多会购买呢?我们这个阶段流失顾客的概率是多少呢? 

补充以下,如果高客单价产品一般的顾客的流失率比较大,因为价格高顾客需要多方面对比.

7.如果有条件的话,大家可以把主要的数据, 展示量,点击量,加购,购买等等用表格记录起来,通过不通的时间周期,看下我们的数据走势. 数据好了我们做了什么动作,数据差了我们做了什么动作. (比如第五点说的我们做了SD广告,发现购物车比例大幅增加了,然后也没做什么操作,那么说明SD对购物车的数据还是有很大的影响的)
 
........
 
大多数工具上本质上只是告诉我们一个现象,最关键的是我们知道了这些“现象”,怎么为指导我们的工作,怎么为我们工作服务,我认为这才是工具该有的意义。

 工具传送门(直接在后台搜关键词搜不到):https://sellercentral.amazon.com/brand-analytics/dashboard/brand-catalog-performance
 
-------------------------------------------分割线--------------------------------------------------
 
更新:
1.目前这个数据应该是只支持美国,欧洲可以通过改站点后缀打开,但是显示的数据还是美国的
2.销量是包含广告数据的
3.目前测试无法通过搜 “search analytics" 这些关键词打开,但可以通过连接打开
4.这个工具需要品牌备案
 -------------------------------------------分割线--------------------------------------------------

3月1日更新:
 
对于大家反馈比较多销量相差比较大的情况,里面的销量和真实订单不一致可能有两个因素:一。业务报告包含了“非搜索”维度的销量 二。顾客超过24小时下单,这时候销量是不会统计到这个数据里面的。

针对第二点,可以看下别的维度验证下。“大多数加购的买家没有在24小时内下单,而是犹豫了几天后再下单”,这个其实和广告的归因的逻辑有点像。比如你看SP广告,归因期是7天,你可以对比广告的数据,比如说2月20号你看到的广告订单有10个,但是今天看广告订单有15个了,一定程度说明你的产品顾客考虑周期比较久的(然后也间接验证了,真实销量和工具里面的销量的差距,有一部分是源于“大多数加购的买家没有在24小时内下单,而是犹豫了几天后再下单”)
 
 -------------------------------------------分割线--------------------------------------------------
 
4月22日更新:
1)现象:展示量和“配送速度”对应的展示量对不上
A: 1.搜素目录分析展示的只是 “当日达”/“次日达”/“隔日达”的数据,但是标准配送和加急配送的数据是没有提供的。换个维度来说,假设产品只有一小部分两日前送达,那么说明这个产品顾客得到产品的时间都是较长的(大于两天)---如果是时效性要求比较高的产品,影响就更大了。

如下图的第一个数据,对应大于两天配送的时间的展示数量是 152140-32-11543-45960=94650,说明大部分的顾客要买这个产品,对应的等待时间是超过两天。
 
https://assert.wearesellers.com/questions/20220422/d65119ced9b9f2571454cb0ff29f056b.jpg https://assert.wearesellers.com/questions/20220422/8918e3d2b15f9a763e40c9b90b7a5c25.jpg
 
2)配送时效影响的程度?
A: 如下图,可以分别求出三种配送速度对应的点击率是0.40%,0.48%,0.38%,相差不是很大。
https://assert.wearesellers.com/questions/20220422/f37b63df0b6d0313c1ee5f9ae27edf88.jpg

1.同理,这个方法适用于分析加购率,转化率。通过一连串分析,如果说这个比值都不大,那么可以间接说明这个产品对配送时效的要求不是很大。
2.这个分析需要注意的是,配送速度是影响顾客购买产品的一个因素而已,会存在一些人根本不在乎配送时间的长短,但是如果数据基数足够大的话,我们是有理由相信配送速度是可以影响顾客购买的行为的。
 
3)已删除(参见文末备注)

4)配送速度的应用...
最近我有一个大件的新品,卡仓库到ONT8, 邮编是92551。我输入了几个常规的邮编发现竞品的配送时效都比我快1-2天,但是我输入92551以及它附近的邮编的时候我比大多数竞品的配送速度要快1-2天。

因为ONT8是标准仓,所以这个类目老品大多数都不在这个仓库的。所以我的配送时效比它们快是因为我把货物发到ONT8这个仓库了。

接下来我们可以结合我们的订单报告,通过数据筛选可以找出我们好卖的地址的邮编。比如说我们知道20019我们顾客群体最多,那么我们把仓库卡在这个位置,是不是配送时效就快很多,在配送速度这块就比竞品有优势了.
 
**************************

备注:第三点关于转化率和高级研究的转化率的分析,经过知友的提醒,高级研究里面的是搜索占比千分比,分析维度有偏颇,所以已经删除这一点。

高级研究的搜索占比更多可以分析一个细分市场里面的垄断程度,占比越低,Asin的垄断性越大。
已邀请:
终于知道我产品的点击率了,虽然只是购物者的搜索行为而且也没有精确到关键词,但是知足了!!

目前决定这么用--
纵向对比: 尽量在周末或者周初修改Listing.  因为现在提供的维度有周月季度,在周期的末尾或者初始改动能尽量按他的周期来形成对比。  现在表格没有下载按钮,但是试过了可以直接整齐的复制到excel表,建议大家按自己需要的时间段比如每周的数据复制记录下来,在做动作后进行环比。
横向对比:搜索-点击-加购-购买的漏斗,它给了不同各步骤的价格中位数,配送速度,评分。   配合纵向的时间,可以把这些参数进行进行横向对比,如上个月改产品搜索的价格中位数是30,而点击的价格中位数是25,那得出我们在卖25左右的时候更可能被点击。

要回复问题请先登录注册

x 点击咨询