预估阅读时间：15 min

 前言


Hello，论坛的朋友大家好，最近在拓展新品类，需要做大量的数据调研，同时需要快速熟悉市场和产品，所以就总结了一些方法论，希望能帮到有相似需求的朋友。如果能对你日常运营工作产生帮助，深感荣幸。
源码也全部准备好了，需要的朋友直接messages，但是需要对Python有基础了解，有问题的在评论区进行讨论，我会针对一些高频问题做更深入探讨。

好了，正题开始，今天分享的核心是：怎么快速熟悉一个市场和产品？
这里讨论的是快速做到80分的水平，开题先表明这一点，因为你需要快速找到潜力市场，所以只能做一些基本面分析。
但是如果是决定在类目长期深耕的，我认为起码做到95+，你需要对产品细分属性、客户细分需求，甚至产品的生产改进工艺都有所了解，这样才能建立起自己的竞争壁垒，市场竞争已经很充分了，所以需要你做到大部分竞争对手都做不到的事情，这样整体的生意盘子才会有比较好的盈利预期。

1.页面信息要素分析
首先想明白一个问题，我们Listing优化主要做的内容是什么？保证流畅的可读性同时做好关键词布局（埋词），一般我们都是在 标题、五点、长描述 中完成。
再思考一个问题：在标题中一般都会包含什么内容？这里贴一个so called 标题模板格式：
品牌+核心关键词+属性词1+属性词2+场景词+适用词+人群+其他,etc
所以非常显而易见，我们对标题做词频分析可以快速了解哪些问题？

1. 品牌频率：市场垄断程度的反映
2. 核心关键词词根：适用核心关键词词根继续拓展搜索结果
3. 属性词：不同的产品有不同的属性，哪些属性提及频率最高？背后代表的是什么需求？
4. 场景词：高频场景是哪些？可以指导图片需求的场景侧重表达
5. 适用性、人群等其他属性：了解更多的补充信息

单单是对标题的词频分析就可以了解这么多信息，同时这也可以对我们的产品标题自检，是否有遗漏一些高频核心词，比较精明的消费者就是找特定的关键词（视觉锤）直接点击产品，如果整体页面对产品的特定功能阐述比较清晰的，购买的可能性就非常高了。

所以这次我以标题的词频分析给大家做实例讲解，以热门品类而且属性非常多的苹果表带给大家进行讲解。

2.数据挖掘工作
现在已经有很多第三方工具了，所以已经可以省下大量的数据挖掘工具，以**精灵为例，直接点到类目主页，下载类目产品数据，下载表格出来就已经包含了标题的数据。

同时**精灵也有批量下载产品卖点的相关功能，也可以针对卖点做词频分析、卖点词频分析，做供给端的分析。

补充Tips: 
1.之前**精灵下载的产品表格里面第二个工作表会有相关词频分析，现在这个表取消了，直接在页面上点击复制词频也可以获取数据
2.有时候类目里面的产品不是我们想要的核心竞品，建议使用关键词检索产品，之后再下载数据。

3.词频分析
其实我们下载下来**精灵的数据已经包含了一个子表【标题词频】了，但是没有解决以下的需求：
1.下载的产品表格中，相关的核心竞品较少，所以词频的参考性就很低
2.筛选核心竞品之后，词频也还是之前的竞品
所以需要针对我们选定的产品列表做词频分析，以降低分析误差
补充：有心思活跃的同学会想到，直接使用关键词检索，相关度就很高了，但是检索结果中还是会包含不相关产品，所以我一般都是手动筛选核心产品列表之后再做分析，尽量把误差做到最低。
Tips: 不想写弄代码的，网上也有一堆词频分析工具，给大家贴一个链接：

http://www.writewords.org.uk/word_count.asp
但是网站的工具也有弊端，有时候只能给你输出前多少项之类的各种限制，所以我还是倾向做比较详尽且接近事实的分析，大家自己权衡选择合适自己的方法。

这里是相关的代码，需要配置对应的开发环境，这里不再赘述，有问题的直接PM我
只需要在对应文件夹的txt文档中复制好对应的标题，直接运行程序，就可以快速输出结果，我没有测试过上限，几万个标题也可以瞬间输出结果。
以下是相关代码：

import re

from collections import Counter



with open('keywords.txt', 'r', encoding='utf-8') as file:

    text = file.read()

    # print(text)



words = text.replace('"', '\'').replace(',', ' ').split()



# 使用Counter类进行词频统计

word_counts = Counter(words)



# 打印单词及其出现次数

top_words = word_counts.most_common(2000)



for top_word in top_words:

    word = top_word[0]

    frequency = str(top_word[1])

    print(word + '  |  ' + frequency)

这里是代码运行结果，直接复制到表格文件进行分析

我们已经拿到对应的词频数据，怎么进行下一步的分析，也很简单，就是针对不同的关键词进行分类，做这部分工作有什么意义？
1.除了上面的属性分析、功能分析之外
2.处理好的数据，我们只需要做一下简单的数据透视，就可以得到非常清晰的广告结构（这部分后面有机会再跟大家分享）

这是我分类完之后的形式（灯带数据示例）：

熟悉产品的时候会有很多单词都是比较陌生的，就需要去搞清楚具体的含义，加深对市场+产品的理解做到这个程度你已经对类目产品的属性和新品广告规划已经有比较清晰的认知了，但是其实还是有更多的应用场景的，这里就不进行展开了。

4.销售分析
上面的数据分析其实已经很全面了，但是其实还是可以利用已经完成的词频分析去做细分市场分析的，通俗的来说就是做产品标记，可以根据产品的核心属性进行分类，不同的属性就是这个市场下面的不同细分需求市场，数据标注也很简单，标注完成之后，再简单做一下透视就可以得出更多有效信息（这部分如果大家疑问比较多再进行展开）
下面是特斯拉相关配件市场数据示例：

分享到这已经接近尾声了，希望对各位有帮助，对数据化运营感兴趣的朋友可以主页沟通。
利用好软件【卖家精灵或者第三方软件】进行数据获取，再结合一点点自己的数据分析能力，就可以有更加深入的见解和认知，不渴望做到咨询公司证券公司的那种研报级别，但是对于中小公司的基本业务方向判断已经有足够明显的帮助了。
做的这么多技术分享，一直强调一个观念：技术一定是服务于业务的，不要做很难有产出的事情，浪费大量的时间。
代码实际使用有问题的，也可以在评论区交流。