很多卖家都懂要通过数据来帮助自己选品和运营，但究竟怎么通过数据来分析且得到自己想要的结果？这是N多卖家存在的困惑，以下五大点为你答疑解惑。

一、四大选品核心数据

没有自己的独立判断，单纯以市场拿货，或者通过身边人推荐进行选品，会让你失去市场的竞争优势，在被动中耗费自己的时间和资金。

其实，通过亚马逊前台的数据可让你知道你可以卖什么，包含以下数据：

1.Best Seller Top 100：品类销量前100名，页面里同一类型的产品重复的次数是多少?是否有你进驻的机会

2.Best Seller：你选的产品与它的市场需求相差多大

3.亚马逊搜索结果商品数：在亚马逊搜索该关键词，查看搜索结果商品，显示商品越多相应的竞争力也越大。例如在亚马逊首页输入iphone,显示如图：

上图红色框框代表输入“iPhone”这个关键词时，搜索页面达56页，显示商品多，竞争力大。

4.同类产品的BSR排名：来估算你推广这款产品的每日单量可以有多少

二、怎么用数据确定价格和SKU

如果你的产品没有自己的独特卖点，就输在了起跑线上。“差异化”是产品开发的必要一步，与对手拉开距离，利用走的不同方向吸引买家。SKU差异化的数据包括：

1.产品价格，是否能体现比竞争对手更高的“性价比”?

2.产品的主图，你的产品与竞争对手的产品同时出现在搜索结果中，能否脱颖而出?

3.竞争对手的产品差评，你的产品是否能把竞争对手的差评变为自己的优势和卖点?

三、如何用数据来分析竞争对手

不打无准备的仗，先看看竞争对手的优势和劣势在哪，知己知彼，百战百殆!对于竞争对手的数据分析，需要关注：

1.被亚马逊列为Top Brand(最受欢迎品牌)是哪些?

2.关键词广告中是谁?

3.在关键词搜索前几页中，哪个竞争对手出现的产品数量最多?

四、产品优化和Search Term数据分析

作为卖家，你需要清楚知道：

1.不要忽视亚马逊的自然流量(推送流量)。真正最大流量的Search Term，亚马逊已经给你了，为什么不用?

2.产品应该发布到哪个类别?类别中竞争对手有多少?

3.产品关键词。你现在最需要了解的是，一个关键词搜索结果中前面几页的产品文案中，其他产品页面中重复最多的关键词是什么?知道了这些关键词，你的的优化当然会做的更好!

五、产品发布后需关注的数据

产品发布后的数据监测更加重要，需关注这以下数据：

1.投入的广告出现在哪个位置：直接关系到转化率;

2.Best Seller或者Amazon's Choice标记：决定了点击和转化;

3.产品在搜索结果前几页的出现数量：决定了成单几率。

4.你和你的竞争对手的品牌是否被Amazon收录为Top Brand。

除了利用亚马逊本身给予的数据，也可选择使用亚马逊第三方工具--紫鸟数据魔方，二者的数据相结合，有助于你精确的选品和高效的运营。

摘要：如今亚马逊的竞争越来越大，并不是每个卖家都能如愿成为大卖家，选对合适亚马逊数据分析工具，才能让你的大卖家之路更为通畅。

在运营亚马逊的过程中，一款好用的工具是卖家们必不可少的。现在市面上的亚马逊数据分析工具那么多，价格与实力各有不同，卖家如何选到最适合自己的运营工具呢？可以从以下几个方面进行判断：

数据来源是否精准？

在亚马逊运营中，数据为王。卖家获得的信息越多，信息的覆盖面越大，在竞争中也就有明显的优势，所以，亚马逊数据分析工具首先要为亚马逊卖家海量数据。

其次数据要精准，面对海量的数据，卖家要从中筛选出自己需要的数据要花费大量的时间和精力，好的亚马逊数据营销工具能够在数据筛选和分析中为卖家节省大量时间，让卖家可以尽快做出决策。

再次，亚马逊是不断变化发展的平台，数据分析工具也应该紧随平台的变化做出相应的改变，方便卖家做出正确的决策。

功能设置是否完善？

现在亚马逊上竞争越来越大，精细化运营已经成为大势所趋。所以一款好的亚马逊数据分析工具，应该在运营的各个方面为卖家提供数据支撑。卖家想要运营好亚马逊有这样一系列工作：

选品-关键词- listing优化-广告投放-库存管理-评价管理

好的亚马逊数据营销工具需要针对这些不同的工作帮助卖家优化运营。例如选品，做亚马逊的卖家们都知道，三分运营七分选品，如何选出合适的产品，需要卖家对细分市场、竞争对手、爆品进行大量的调查和分析。目前亿数通就能通过监测亚马逊的行业细分市场产品、关键词、爆品，并将这些关键词和产品的reviews、价格、库存等各项数据进行可视化对比，为卖家选品提供可靠依据。

此外，亿数通还能帮助卖家进行listing优化，管理和分析广告投放、差评管理，为卖家提供科学有效的数据支持。

是否真的适合自己？

无论数据分析工具有多好，给别的卖家带来了什么样的效果，但是如果不是卖家目前所需要的，那么这款工具带来的效益也会不如人意。如果卖家需要精准的行业数据分析，但却选择了主要提供广告优化的工具，那么获取的数据肯定不够全面。如果卖家需要对整体的亚马逊运营进行优化，那么就可以选择亿数通之类的能够实现一站式数据营销解决方案的工具。

如今亚马逊的竞争越来越大，并不是每个卖家都能如愿成为大卖家，但借助合适亚马逊数据分析工具，至少能够为卖家打造爆品提供可行方案，让你的大卖家之路更为通畅。

对于很多做亚马逊的卖家来说有一个好的工具必能事半功倍，帮助你快速开发好的产品，而不是说盲目的去测试发货，这样会导致大量的库存和积压，必定对后续的发展造成很多困扰，还有资金也会被套牢，如果你有一个好的亚马逊工具的话必定能够帮你改变这一切，让你的亚马逊之路一路顺畅。

TOP 1. Jungle Scout

中文官网：junglescouts

做为老外大卖家最喜欢的工具之一，毋庸置疑这是一个非常好分析工具，不仅有插件可以帮助卖家不需要打开产品页面就可以马上对于产品列表的数据一目了然，帮助卖家快速分析产品，同时还有web版本的产品追踪功能，可以分析产品销量，知道这个产品大致上的销售数据作为参考依据之一，帮助你决定是否销售此类产品或者跟卖。

对于很多卖家而言，找工具是个很困扰的事情，如果能够选择正确的亚马逊产品开发工具必定能够事半功倍的，后续我们会不断推出其他工具的介绍。

亚马逊数据分析重要吗？非常重要，通过有效的数据分析可以让我们找到自己在店铺运营中的不足，可以让卖家们作出及时的调整，可以说数据分析是在亚马逊开店中非常重要的一部分，而大家在亚马逊运营上的好坏是可以通过数据分析来表现的，那么如何做好数据分析呢？都有哪些数据需要分析，如何分析亚马逊数据呢？接下来亿数通来告诉你！

一、店铺数据

在亚马逊开店的过程中，每天都会产生许多的数据，比如说：

店铺销量，订单数，销售额，报告量、被加入购物车的时间、和昨天对比，和上周对比，和去年同一时间进行对比，通过这样的对比来发现自己产品的销售情况，看看是否有进步。

在看看产品的评价数据，是否需要增强

二、广告数据

亚马逊数据分析中非常重要的环节就是对数据进行分析，而在亚马逊上做好站内引流中，大家第一推荐的就是站内广告，下载站内广告报告，查看报告中的内容，这里面也蕴藏着大量的数据，通过这些数据进行分析，看什么数据呢？

1、花了多少钱，一天给到的广告预算是否会提前花完，如果不够花，这些钱都花在什么地方了

2、看卖出了多少订单，花钱打广告，最终的目标就是销售出去自己的产品，看看通过卖出了多少的产品，都是通过哪些词带来的销量。

3、看看广告投放的ACOS，这是广告投放上非常重要的指标，ACOS越低代表着大家赚到的利润越高。

通过广告数据分析，卖家们要对广告投放进行调整，剔除无转化无点击的关键词，细化点击高转化的关键词，优化好点击低转化的关键词，通过不断的优化来提升自己的广告效果。

三、产品数据

看产品的流量，看产品的销量，将这个数据和昨天的，上周的，上个月的，甚至的去年的数据进行对比，看看看产品处于什么样的周期里，判断是否还有上升的空间和可能。如果通过对比发现流量数据、销量数据下降了，就要看看是否出现了新的跟卖，是否出现了新的差评。

亚马逊数据分析之产品数据，当然是通过产品的曝光情况，销量情况，转化情况来发现自己的产品有哪些问题，是流量不足，还是流量来的不够准确，还是产品页面优化不到位，通过分析来找到问题，解决问题。

亚马逊数据分析是亚马逊运营过程中非常重要的一个环节，如果忽视了数据分析，可能很多时候会让卖家们错过爆单的机会。当然除了对自己店铺里的数据进行分析，还可以及时的查看平台上的数据情况，看看最近有哪些新品成了爆款，等等，来帮助自己进行选品，数据分析很重要，大家一定不要忽视哦。

亚马逊已经进入了全新的数据化精细运营时代，从选品、搜索到下单，每一个行为背后都是缜密的数据报表。谁能够更深一层挖掘数据、更加精准的分析数据，谁就能够信心十足地霸占市场领导者的地位。下面将向大家介绍亚马逊的一项隐秘功能ARA，让你看到任何一个订单背后的秘密！

一、什么是亚马逊ARA

Amazon ARA的全称是Amazon Retail Analytics Premium，翻译成中文的意思是：亚马逊高级零售分析功能。

由于这项功能提供的数据分析能够非常完备，功能极强，所以亚马逊为这项功能的用户设置了较高的门槛，大家看一看便知道了：

* 必须为Amazon Vendor卖家

* 年使用费为3万美金(约合20多万人民币)

如果你是Vendor账户，同时有财力负担得起这一年20多万的费用，你可以提交Case给Vendor Support，申请开通ARA Premium功能，方法如下：

一旦开通这项功能之后，你便可以在你的Vendor后台，Reports里面看到Amazon Retail Analytics Premium了。

二、如何用ARA深度挖掘数据

如果你觉得以上说的比较笼统，那现在，就带着大家逐条分析一下ARA Premium的强大数据分析功能吧！

ARA强大功能1：产品开发及跟踪分析

* 通过同类别产品标题比较自己产品开发的独特性、关注度、转化率，以判断产品开发是否符合市场需求;

* 用自己产品和任何其他产品按照售前、订单、近期数据进行比较分析，查看自己产品的销售表现;

ARA强大功能2：产品类别数据分析

* 抓取统一类别下的销售前100产品

* 查看同类别下其他Vendors的销售表现

* 分析同一类别中最具独特性的产品标题

* 根据过往热销品抓去最具潜力的同品类新品

* 查看销售上升最快的产品品类

ARA强大功能3：搜索条件(Search Term)深度分析，这包括：

* 任何类别、任何亚马逊市场中搜索量最大的前100个搜索条件(Search Term);

* 提供客户购买时使用最多的关键词

* 提供转化率飙升的最新关键词

* 按照时间、地点分析关键词

* 根据以上条件更深推荐适合你产品的关键词

* 识别同一搜索条件下的竞争对手和产品

ARA强大功能4：销售表现分析

* 按时间和地理位置分析你自己的订单和客户行为

* 分析你自己任何正在做广告促销的产品

* 分析亚马逊市场中任何产品的销售数据

* 查看哪些产品带动了其他产品销售

ARA强大功能5: 消费者行为分析

* 页面访问和转化数据分析

* 按时间分析访问量和转化率

* 按具体地理位置分析客户所在地(精确到邮编)

* 根据地理位置分析广告和促销效果

ARA强大功能6: 竞争分析

* 把自己产品与同类别下的其他产品进行比较

* 把自己产品所在类别与其他类别进行比较

* 把自己的产品按类别、时间、展示量与竞争对手进行比较

ARA强大功能7: 产品评价(Review)分析

* 查看任何产品从上架第一天到现在获得Review的数量、时间、星级;

* 用自己的产品Review与之进行比较;

ARA强大功能8: 关联销售分析

* 按标题分析客户同时关注的其它产品

* 按购物车分析客户同时购买的其它产品

* 按客户搜索路径查看其它带来销量的产品

（来源：雨果网）

最近亚马逊日本站风头正盛，越来越多卖家想要进军霓虹市场，但前面几期介绍的数据分析工具却都不适用于日本站，本期番外篇就为大家带来两款亚马逊日本站的分析工具。

大家有没有留意上期文章结尾彩蛋提到过一款“唯一的优点就是有日本站”的工具

没错，就决定是你了，Amachete

首先，是大家一定会关心的价格，免费是没指望了，Am的策略是插件和web app捆绑销售，按月付费，需要注意你选择的价位是否包含了日本站。

网上有很多欧美卖家吐槽Am的销量预测不准确，这里要为它澄清一下，数据不准确的情况基本上只出现在英国站，日本站的卖家可以放心选用（不知道英国发生了什么，很多数据分析工具都折戟英吉利=-=）。

说了这么多，我们来看它的数据界面

可以看到它所能提供的数据类别是很少的，只有销量、review的相关数据，重要的信息如卖家数它就无法提供

如果你想追踪它的历史记录

会发现：

呃...好吧

数据不多，那么其它功能呢？

可以看到有许多功能还只是测试版，虽然它已经上线不短的时间了

总结而言，Amachete可以为日本站卖家提供基本的数据支持，是的，很基本

另外一款工具AMZShark可以提供为日本站提供一些数据支持，但它的局限也很明显

首先，它的价格贵得离谱，需要花费299美元/每月的价格

而且，它的产品搜索功能只支持美国站，日本站的卖家是指望不上这个漂亮的界面了

适用于日本站的功能是它的销量趋势

还有一个产品竞争力的评分，根据价格、销量和review数量综合得出，满分100，图中的19分就是一个比较低的分数了

最后是它的商机发现功能，通过搜索关键词得出产品的机会指数

总结而言，适用于日本站的数据工具都比较基础，各方面功能也有待完善，但这也恰恰证明日本站还是一片有待开拓的市场，各位卖家朋友不要轻易错过这个机会哟~关注更多内容访问-跨境知道-跨境风向标

亿数通相信大多数卖家都会做亚马逊数据分析。但在分析数据之前， 你得看得懂销售报告， 也就是 BusinessReports

以下是销售曲线图，很立体的告诉你最近的销售情况，甚至的下订单的时间，按右边进入表格方式(Graph view / Table view)。

Total order items（产品总数种类）如：一个订单里有着2个玩具的，其中 一个是汽车的，种类数则为2

Unit ordered（商品总销售个数）也就是1个订单下了有2个产品，那么销售个数为2

Ordered product sales（商品总销售额）这个就不用多说了吧， money

Avg. units/order item（平均品项下的个数）假如卖出100个商品而总共有10个种类，则平均一种卖出10个

Avg. sales/order item（平均品项销售额）一种商品平均可以带来多少销售额

接下来这个页面才是我们分析最关键的数据：(PS:右上角有时间的选择哟)

Page Views（页面浏览量）：一定时间内产品listing被点击的总浏览次数，但是同一个用户点了十次也算浏览了十次哦。

Sessions（浏览的用户数）：24hours内浏览过产品listing的用户数量，同一个用户无论点几次还是只算一个。

Buy Box Percentage（黄金购物车的百分比）：用户按下购物车购买连接所占页面流量中的占比，价格是最重要的因素，但不是必然因素。 因为，在相同价格的状况之下，账号历史表现决定了 Buybox 的抢占率！ 当然还是有其他的因素，这里暂时先不说。

Unit Session Percentage（销售个数的用户转换率）：每位用户浏览后购买产品所占的几率。

为什么要看这些数据?

1.页面浏览量即PV，你的listing如果没人浏览过，何谈销量。立刻去修改listing的标题和关键词。

2.销售的转化率， 如果客户浏览了你的listing， 但是没有下手，排除其他主观因素。那你就需要调整图片和产品的描述

3.购物车，listing做的再好，不是你抢到的产品的BUY BOX，那也只是徒劳无功的呀。当发现购物车抢占力度并不高时，就要注意是否有人在晚上跟了你的产品呢？

Amazon ppc广告数据分析其实不难，思路清晰了，一切就会变得很简单。

本篇文章主要从以下几个方面向大家介绍如何运用EXCEL分析亚马逊PPC广告数据报告。（本文用到是excel2016版本）

1、PPC数据分析的思路

2、什么是数据透视表？

3、如何用数据透视表处理亚马逊广告数据

4、如何根据数据报告优化广告（这部分下次作详细分享）

一、PPC数据分析的思路

大数据时代，不管是你分析亚马逊ppc广告数据，还是你想分析个人消费数据，其实数据分析的思路万变不离其宗。

总的来说，ppc数据分析分为六步：

1、确定目标

做任何事情，首先目标很重要。

分析ppc广告报告，大家有很多目标：

比如：看看哪些词的曝光量比较高？点击率高的词是哪些？哪些关键词的转化率不错？客户都用什么词来搜索产品？哪些词只烧广告费，并没有带来转化？等等。

这些都是大家想了解的问题，那就带着这些问题有针对性的去分析广告。

2、获取数据

想分析问题，深挖根源，没有数据不行，亚马逊后台6份广告数据报告，为我们提供了广告数据来源。

3、清洗数据

一般来讲，获取数据之后，需要对数据进行清洗，特别是那些通过问卷调查、爬虫软件抓取来的数据，首先会将这些数据的重复项、无效数据、空值等等全部清洗掉。

但是我们从亚马逊后台下载的数据，因为已经是经过亚马逊后台处理，是相对完整的广告数据报告，所以这一步就不需要大家费心了。

4、整理数据

后台下载的广告数据报告，是原始数据，包括了很多的内容，但是这些数据可能并不直观，我们需要针对表格以及数据指标作进一步处理。

整理数据部分就是今天要重点讲解的数据透视表。

5、分析数据

数据做出来了，我们要学会通过数据指标深挖这些数据表现后面的逻辑。

6、优化决策

找到问题的根源，有针对性的对广告进行调整，优化，这是我们分析亚马逊数据最终要达到的效果。

简单说完广告数据分析的思路，那接下来就好好聊聊如何使用数据透视表进行PPC数据分析。

二、什么是数据透视表

首先简单来讲一下概念，数据透视表是Excel中的一个数据分析工具，可以对大量数据进行快速分类汇总等，帮助用户分析、组织数据。

这个工具可以将很多看似复杂的数据简单化，直观化。

三、如何用数据透视表处理广告数据

注：因真实数据不方便透露，本文采用的数据来源是网上下载，并做了相应的后期调整，大家尽量关注数据分析的方法，不必纠结报表中的数据本身。

接下来，我将分步骤详细讲解使用这个分析工具的方法：

1、将原始报告转化为数据透视表界面

在亚马逊后台下载完ads report后，打开文件，你看到的原始数据是这样展示的：

这么多数据，非常冗杂，令人头疼。

2、接下来，我们就要把它转化成数据透视表：

步骤一：左上角点击“插入”→点击“数据透视表”

步骤二：选择透视表数据区域和位置

”选择要分析的数据“：一般系统会自动帮你将这个sheet中的所有原始数据全部选中，所以这个不需要再设置；

”选择放置数据透视表的位置“：为了方便分析数据，一般选”新工作表“。

步骤三：点击“确定"后，我们就会看到这样一个界面，这就是数据透视表工具界面。

下面我简单讲一下数据透视表界面的结构：

上图中的左右红框是相互对应的关系，右边的数据字段的拖曳变动，左边的数据都会作相应的调整。

数据透视表中出现的字段名，都是原始数据表中的标题字段。

3、在数据透视表中添加需要分析的字段数据:

比如说：

现在我们要分析自动广告报告中customer search term的数据。

注：一般我们主要就是针对keyword 、customer search term两个字段分析具体的数据情况，经常会把这两个字段拖入行区域。

在右边字段列表中，勾选”Campaign Name“，将其拖曳至下面的”筛选“框内，在报表左上方的会看到这个字段，

其它的字段拖曳方法与上面一样，大家在操作的时候，可以左、右对应着看数据变化，这样比较有感觉。

这样，你重点想看哪些数据情况，都可以比较自由的选择拖拉至相应的区域进行分析。

如何快速分类汇总呢？

举例子：

比如说：手动广告中，如果设置了很多广泛匹配、词组匹配的关键词，在分析报告的时候，如何快速的知道：客户是通过搜索哪些词触发了这些关键词广告的展示呢？

其实有两种方式：

一是通过”筛选“功能，这个是直接在原始数据表格中进行筛选，

步骤如下图：

“数据”→“筛选”→“ad group name"下拉列表→选择“Manual Group"→”keyword"下拉列表选择关键词→完成。

此处我设置的compaign name与ad group name是对应的，所以大家在操作过程中按照自己实际的广告结构筛选数据。

但是这种方式比较慢，特别是数据很多的时候，其实不够直观。

第二种方式：利用数据透视表

按照上述创建数据透视表的方法，将"keyword“和”customer search term"字段拖入行标签区域。

可以看到如下图左边的效果，每个“keyword"对应哪些”customer search term"，一目了然。

如何使用排序功能？

比如说：我想让曝光量从高到低排列，找出那些高曝光的关键词。

具体操作方法：

点击鼠标右键（选择impressions列任意一个单元格）→排序→降序。

你会发现impressions的数据都是按照降序排列。

如何查看关联流量的数据情况呢？

举例说明：

比如我想看看自动广告中，ppc广告在关联asin下面的表现情况。

具体可以这样操作：

按照上文介绍的步骤，生成一个数据透视表。

大家可以看到在行标签，也就是customer search term字段，里面不仅有asin，还有其它的具体搜索词，怎么办？

从行标签（customer search term)筛选出所有关联的asin，方法如下：

行标签下拉列表→“标签筛选”→”开头是“→输入”b0“(因为一般asin是以b0开头）

设置之后，表格里就会全部显示关联asin的广告数据。

如何突显自己最关注的数据呢？

这里用到的方法是：设置条件格式，突出显示数据。

比如：在这个表格中，我想突出显示曝光量在5000以上。

可以这样操作：

选中Impressions的所有数据→点击“开始”选项卡→点击“条件格式”→“突出显示单元格规则”→大于→填写5000，选择颜色→完成。

当然，“条件格式”中，还有一些其它的数据展示设置，感兴趣的朋友可以试一试。

以上是运用数据透视表分析ppc数据最常用的方法与具体设置，相比于透视表其它的功能，这些都非常简单，不熟悉的朋友可以多加练习，举一反三。

文章来源于：十点跨境

编者按：这是一篇介绍如何制作图表的文章，作者是Amazon战略规划部的第一位分析师Eugene Wei（后来还担任过Flipboard、Hulu的产品负责人，Oculus的视频负责人），原文标题叫做《Remove the legend to become one》，意思是删掉图例成为传奇，因为在英语里面legend有图例和传奇的意思。简单来说，这篇文章介绍了一段经历，一套经验和一本宝书。是一篇告诉我们如何制作出好看的图表，更重要的是如何通过知识追求真相的非常实用的文章。

第一部分：经历

我的第一份工作是在Amazon开始的，在战略规划部当第一名分析师，接手做Analytics Package的工作。特意大写是因为这既是一项严肃的工具能让我们的业务明晰，也是因为其月复一月的制作工作统治了我整整1年多的生活。

1997年那时候，分析甚至还不是一个真正的词。我知道是因为试过找术语，希望澄清我要做的东西，但却找不到，字典里没有，互联网上也没有。回想起你刚开始成规模地使用互联网之时一般搜索引擎返回的结果数之少你就会意识到自己已经老了。那时候智慧还隐藏在新闻组，Yahoo还要靠手工去组织web目录，而很多的Google搜索返回结果寥寥无几。那时候如果俄罗斯人想要干涉选举的话，他们可能会植入一些故事到rec.artsics里面然后挑拨几个极客，但也就只能这样了。

尽管他找不到那词的定义，但是猜它是什么并不难。分析的某种名词形式。不仅如此，Analytics Package本身已经不言自明。真的。它会附带一页纸的附言，总是有一段简短的序言阐明目的，然后再跳到一段内附信息的文字摘要，形式跟论文摘要差不多，或者一封致股东信。我想贝索斯多年后创立的著名的公司政策，也就是支持写文章禁止PPT的做法，也许在那时候的Analytics Package附言那里找到一些起源。它们的启发是一样的：如果你没法用书面语言解释清楚某个东西的话，你自己是不是已经真正理解了呢？

我的面试流程最后一环用了1个小时，面试官是当时招聘的负责人Ryan Sawyer。经历了几乎包括所有资深高管以及贝索斯和Joy Covey等我这辈子预见的最出色的人的重重挑战之后，我以为最后这一道免不了的HR面试关不过是走走形式罢了。但那时候Ryan让我用他能够理解的方式解释一个我能理解的最复杂的东西。权当是给我的工作热热身。

Analytics Package都包含有什么，以至于需要书面解释？图表，一页页的图表，有关Amazon业务方方面面的图表。收入、时评、营销、运营、客服、人员编制、G&A、客户感知、市场渗透率、客户生命周期价值、存货周转率。通常一页纸4张图，横向布局。

Package这个词似乎有点累赘如果Analytics本身是名词的话。但如果你见过其中一个的话，你就会知道它为什么叫做Package。1997年我到Amazon时，Analytics Package大概是30到50页纸的图表。1年后，我转做产品管理时，它已经膨胀到100页了，此外我还在做一份有关客户订单趋势的不行报告。Analytics也许是指可交付的分析或者分析的实践，但Analytics Package在分量上就像电话簿，或者Restoration Hardware五金公司的目录。

那时候公司还没有把精力集中到开发内部仪表盘和分析工具上面，所以Analytics Package是用我们今天标准看来根本不入流的东西做的。我手工把数据录入Excel表，生成图表，调整布局，然后再打印成册。

这整件事最糟糕的部分之一是搞正确页码。Analytics Package背后是整整一个目录的链接电子表格。由于不同的图表来自不同的工作簿，我必须把整个Analytics Package都打印出来，排好序，然后再通过某个晦涩的打印设置菜单手工插入页码。总之，确保分页按照预期就像是拆除炸弹一样。

时至今日，公司都是平板电视挂在墙上，24/7不间断地展示着各种图表。其中大多数都不为人所关注。随时保持透明度的主旨没有错，但对人性的理解不是。我们无视那些随时可见的东西。然而，如果一个月一次把一大摞图表扔到你桌面，再加上概括结果的一封附言，并且如果CEO和你的同事都会在同一天收到同一份报告，同事报告里面该包含有你那部分业务的运营情况的话，你一定会留意的，就像任何人都会注意看一本有关自己公司的书的索引有没有提到自己一样。仪式很重要。

报告会发给全公司的资深经理。一开始资深的定义是根据职级，但就像职场大部分事情的走势一样，谁又被增加到分发表里面变成了一个月度竞争的来源。有人可能怀疑这是我的想法，因为分发表是我来制订的，但其实我关心这个是因为每个月我都得打印和复印纸质版。

现在我已经很少使用复印机了，但那一年我使用的次数比我之前和之后所有日子加起来的使用次数都要多，所以我可以相当自信地说这些机器是人类有史以来制造的最不牢靠的机器之一。

这是一场游戏，其唯一的目标是减少痛苦。一百份一百页的文档。机器复印到一定时候就会坏掉。过了一段时间就会卡纸。墨盒会没墨了。你一次愿意冒险复印多少份？太少你得再次重复设置过程。太多可能会有中间出错的风险，而这又会演变成一系列更为复杂的任务，比如只复印剩下还没复印的然后跟之前已经完成的合并。（如果你在想我为什么要手工插入页码的话，这不仅是为了方便引用特定图表，也是为了在复印机坏掉时找出哪一份资料的哪一页缺失了）

当然你也可以在清理卡纸之后恢复打印，但实际上这从来都没有见效过。以后我知道了，像这种量级的卡纸实际上是复印机永远也无法恢复的。

我变成了精通总部所有复印机情况的大师。我知道哪些复印机能够承担这一繁重的任务，了解每一台的可靠程度。对每一台机器可靠性的波动情况，使用情况以及上一次维修时间都了如指掌。由于我通常每天都加班到很晚，我会把大规模的复印任务留到最后，因为那时候整栋大楼的复印机都可以供我差遣。

有时候我光听复印机内部的复印鼓和引擎声就能觉察要卡纸了。有问题的机器会呼哧呼哧作响，就像烟鬼一样，有时候我会在复印机为我服务时把手放在机器上，就像医者把手放在病人身上一样。我会自称为复印机私语者，不过当我处理它们时总是会连声咒骂，从来没有窃窃过。后来在分析师任期末时，我得到一笔预算去招个临时工帮我完成每个月的打印工作，因为都忍受过那种永远也做不完的劳力之苦，我们至今仍有联系。

我的另一个痛苦来源是另一个工具的极度脆弱性：Excel 97的链接表格。直到今天我仍然是Excel的拥趸，Excel是微软Office套件最棒的工具了，而且如果你从事的是严肃的工作的话，仍然是地球上最顶级的电子表格工具。然而，我永远也无法忘记Excel 97的链接工作簿噩梦，一个理论上似乎很有前景的想法但实际工作起来却完全不是一回事。

为什么不干脆做到一个巨大的工作簿里面去呢？不同的部门必须针对不同的图表提交数据，那时候让多个人同时处理同一份Excel表格简直就是一团糟。找出谁的变更卡住了，整个比较的过程，这些都是难以为继的。所以我给不同的部门都建立了Excel工作簿。其中一些数据我会自己收集手工输入，而有的部门有年轻一点的员工，也有时间和资金去输入和维护自己组织的数据。

哪怕是这个过程很多地方也会出错。当我试图竖起护栏保留链接所有工作簿的公式时，从单元格保护到字体加粗到条件格式标明可编辑单元格等等，到了一般用户手里之后就没有一个电子表格可以幸存的。有人会在这里插入一行，那里插入一列或者误删了一个公式。某月，一个用户可能会改了一个工作表的名字，或者按季度增加此前从未出现过的摘要列。突然之间一堆的#ERROR出现在各个地方的单元格上，或者如果你不走运的话，数字还在，但却是错误的而你并没有意识到。

因此每个月有一部分时间都是用来检查每一张电子表格以及修补出问题的链接和指针，重新建立图表已经丢失的表格链接，或者更阴险的隐患，那些表格链接对了但表格区域链接错误的情况。

但哪怕这些都做完了，有时候表格计算也会出问题。这是注定的。电子表格的原理就是这样，唯一的错误只能是用户错误。我的主工作簿的一个单元格会指向另一个工作簿的单元格。它们的值应该是一致的。但是，当我打开两个工作簿时，一个现实1345另一个却显示1298。强制所有单元格重算的按键是F9。我已经反复按了。有时候重算能行。有时候不行。有时候我会试一下Ctrl - Alt - Shift - F9。有时候我只能祈祷。

我工作中唯一哭过一次，那是在一天很晚的时候，我妈刚刚因癌症去世了，我左腿又因为刚做了ACL/MCL疝气手术打了石膏，当我无法理解为什么我的工作簿核不平，有那么一刻我的意志力崩溃了，决定投降了。这不是循环引用，这个我知道只要我穷究下去是可以解决的，或者至少如果是工作簿内的循环引用的话是最终还是可以解决的。不，Excel 97链接工作簿这个固有的脆弱是一个不信神的程序里面的一个随机缺陷，我的感觉仿佛自己就是整个宇宙当中最遭天谴的那个倒霉蛋。

我想要离开办公室，但是我太累了拄着拐杖走不了太远。那个时候周围已经没有一个人。我把计算机和灯都关了，一头趴在在桌子上，直到那一刻缓了过去。然后我重启计算机，打开两个工作簿，然后看着有问题的两个单元格。它们还是不一致。我按了一下F9。这次匹配了。

大多数时候，在深夜我完成了所有Analytics Package的复印，然后用小，然后是中，最后是大的装订夹把材料夹到一起时，我会把大部分的复印册捧在手上，一册册放到每一位接收人的办公桌上。从我的办公桌出发到一个个办公室串门是一次受欢迎的休息，也许可以停下来跟某位还在熬夜的同事聊上几句。我感觉就像是个按照固定路线送报的，而且往往都在同一个时间起床。

尽管Analytics Package留给了我那么多痛苦回忆，但我仍视之为我职业生涯当中对我影响极大的经历之一。在做报告的过程中，我感觉我们企业的整个组织都摆在了我的面前，它的复杂性和内在工作变得一目了然。同样地，我想象程序员把数据表变成3D图表的数据可视化流程，我能够跟踪从客户想买书到一美元是如何在我们企业内部流动的整个过程。我清楚每一位员工的薪水，从分销商到我们仓库，从货架到传送带，然后打包，搬上运输车，我清楚每一笔订单的时间成本。我能够像职业赌徒算牌一样预测出每100订单会有百分之多少的客户向我们投诉，并且其中有百分之多少属于哪一类型的问题。

我知道，如果我们每月能获得一位客户的话，下个月有多少他的家人朋友会通过口口相传成为新客户。我知道如果1998年1月100客户完成了第一笔订单的话，其中会有多少比例的人2月、3月、等等还会再次下单，以及每一笔订单的平均金额是多少。随着我们的发展，以及随着我们影响力的提升，我可以看出跟出版商和分销商谈判更长的应付周转天数对我们现金流的影响，也能看到每次我谈成了更好的列表价折扣之后我们的毛利都会逐步攀升。

生活在高频交易和正态分布的领域，一个大数定律占主导的领域是多么舒服啊！每个月观察人们购书（以及后来的CD和DVD）的一致性和可预测性就像是在显微镜底下识别自然界的一些晶体结构一样。我不羡慕Snapchat或者Twitter或者Pinterest这样的公司，上市或有朝一日可能上市的社交网络，或者那些从事社交网络业务的公司，当他们的网络那么大但仍然那么的不稳定（收入流就更加了）时他们得设法管理好投资者的期望。社交网络的指数性增长当然很有趣，但如果你是Twitter每个季度都要努力向投资者解释为什么你又没有达到目标时就很无趣了，当你要假装知道一个季度后收入情况会怎样，且不说2、3个季度后的情况时，事情就没那么有趣了。

在Amazon，我能够卡出我们下个月甚至更远的未来的收入是多少，误差只有几个百分点的精度。唯一需要做出的决定是我们打算告诉华尔街我们的预测数字是多少。那时候，我们总是低估我们的收入（underpromise），因为我们知道结果会超出预期（overdeliver），唯一的问题是我们应该预测多少收入并且仍然在下一次财报会上给大家带来惊喜，并且这种惊喜是可靠的。

我们对自身业务的了解深度继续超过了我服务过的任何公司。这很大程度上要归功于贝索斯对详细程度的要求。没人能像最高领导人那样对责任设定标准。大部分功劳要算到Joy和我的经理Keith头上，是他们让Analytics Package成为了战略规划部门最核心的任务之一。Keith把我推给了Tufte改变了一切。还有更大的功劳属于所有那些帮助收集业务各方面晦涩难懂的数据的人，那些负责本部门相关职责的同事，其中很多人都针对自身领域建立了自己的模型，并定期对其进行维护和更新，因为他们知道每个月我都会过来敲门给他们出难题。

我相信这一点，因为Joy跟几乎每一条块的运营者一样了解我们业务的每一部分或者甚至更加了解，她是少有的几个既能防守又能主动出击的CFO之一。我见过的几乎每一位CFO做法都是老一套；总是严厉控制开支，采取财务保守主义，对任何大胆的财务事项投以怀疑的眼光。这些Joy做得可以比下一任更好，但在位时她会敦促我们多花点钱，其热...

看了昨天工具评测王道篇的读者一定会有这样的顾虑：当某个竞争优势被所有竞争者拥有时它也就称不上是优势了，这是商业规律决定的。那么有没有用户数量相对较少、实用功能却一点不少的分析工具呢？

这一款就很适合你：ASINspector，它的价格和JS持平（一次性97美元，之后10美元/月），还有些JS不具备的功能。

它的插件界面长这样，该有的数据都有了：

当然丑话要说在前头，AS的销量预测功能有些离谱，它会低估美国地区的销量而高估英国地区

如果大家并不依赖这个功能的话，就可以来看看这款工具可以做哪些优秀如JS都做不到的事吧~

1.谷歌搜索趋势

上图就是04年至今婴儿毯在谷歌上搜索量的变化，简洁而实用

这是JS在网页上有但谷歌插件上没有的功能。与网页相比插件显然方便得多~

2.跨平台比较

可以看到某个listing在eBay、Walmart等平台上的状况，玩多平台操作的卖家一定会喜欢这个功能

3.关键词提取功能

比如我们继续搜索婴儿毯，点击这个钥匙

可以得到相关产品的搜索排行和搜索结果数：

对于想改善自己listing的关键词或是想调查竞争对手的你们应该是再好用不过的功能了吧？

之前提到的Scope在它的网页App上也有关键词功能，也更强大，但AS有价格优势。

4.头脑风暴

就是这个小灯泡！超好玩的功能！

相信你一定有对接下来的选品毫无想法，百无聊赖地坐在电脑前东逛逛西看看的时候。快来敲击这个灯泡，它会生成随机的关键词和匹配的产品数量，你只要不断刷新直到有些吸引眼球的东西自己蹦出来。比如，这个：

这什么鬼东西啊？！电子？盐？到底是啥？

其实它是个电动研磨器，真是孤陋寡闻了...

好了，关于AS的介绍就是这么多了，从定位上讲，它是JungleScout绝佳的替代品和补充品（如果你有钱同时买两个的话）。

如果仍有卖家觉得这些工具提供的数据都太基础了，不够分析的话，接下来这款强大的工具就千万不能错过了——KeywordInspector

它的搜索结果长这副样子：

看到这个表格时，我的内心是崩溃的...

哼！你以为难得住我吗？让我来看看这些都是些什么...

半小时过去了...

哎呀，我们还是不要浪费时间啦，我们还是看个youtube教程算啦~

！！！视频都要一个半小时！这是个什么网站啊！

为了写这篇测评，小编又耐着性子仔细看了下这份表格，整理出几条有用的给大家看一下

一个月内review数每天的自然增长量

一 个月内商品的价格变化

还有比较坑的：

你把销量排名做成柱状图给我，害得我看到那一串高高的柱子白高兴了一场！

KI这个网站可以提供很多类似这样新鲜多样的数据，能够定位到某个产品近期的表现，但数据种类太多，小编在这里不能一一展开索，数据狂人可以自行发掘~

但伴随着海量的数据而来的就是每月40-80美元的费用，和同样不菲的时间成本，因为运算量巨大，当你点击“搜索产品”之后，你可能要等上半个世纪（其实只是三四分钟，但也相当久了）...

总体而言，KI是一款适合完美主义和数据控卖家使用的工具（当然还得有钱=-=），空闲时候看看数据多惬意啊~

最后给大家带来一个彩蛋，这是小编在做前期工作时整理的一份各个数据分析工具总评，给大家留作参考

好了，以上本篇文章的全部内容了，数据分析工具评测系列文章也告一段落，对这种系列文章的形式感兴趣的关注跨境知道