1、 Talend Open Studio

是第一家针对的数据集成工具市场的ETL(数据的提取Extract、传输Transform、载入Load)开源软件供应商。Talend的下载量已超过200万人次，其开源软件提供了数据整合功能。其用户包括美国国际集团（AIG）、康卡斯特、电子港湾、通用电气、三星、Ticketmaster和韦里逊等企业组织。

2、DYSON

探码科技自主研发的DYSON智能分析系统，可以完整的实现大数据的采集、分析、处理。DYSON智能分析系统专业针对互联网数据抓取、处理、分析，挖掘。可以灵活迅速地抓取网页上散乱分布的信息，并通过强大的处理功能，准确挖掘出所需数据，是目前使用人数最多的网页采集工具.

3、YARN

一种新的Hadoop资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度，解决了旧MapReduce框架的性能瓶颈。它的基本思想是把资源管理和作业调度/监控的功能分割到单独的守护进程。

4、Mesos

由加州大学伯克利分校的AMPLab首先开发的一款开源群集管理软件，支持Hadoop、ElasticSearch、Spark、Storm 和Kafka等架构。对数据中心而言它就像一个单一的资源池，从物理或虚拟机器中抽离了CPU，内存，存储以及其它计算资源， 很容易建立和有效运行具备容错性和弹性的分布式系统。

5、Datale

由探码科技研发的一款基于Hadoop的大数据平台开发套件，RAI大数据应用平台架构。

6、 Ambari

作为Hadoop生态系统的一部分，提供了基于Web的直观界面，可用于配置、管理和监控Hadoop集群。目前已支持大多数Hadoop组件，包括HDFS、MapReduce、Hive、Pig、 Hbase、Zookeper、Sqoop和Hcatalog等。

7、ZooKeeper

一个分布式的应用程序协调服务，是Hadoop和Hbase的重要组件。它是一个为分布式应用提供一致性服务的工具，让Hadoop集群里面的节点可以彼此协调。ZooKeeper现在已经成为了 Apache的顶级项目，为分布式系统提供了高效可靠且易于使用的协同服务。

8、Thrift

在2007年facebook提交Apache基金会将Thrift作为一个开源项目，对于当时的facebook来说创造thrift是为了解决facebook系统中各系统间大数据量的传输通信以及系统之间语言环境不同需要跨平台的特性。

9、Chukwa

监测大型分布式系统的一个开源数据采集系统。建立在HDFS/MapReduce框架之上并继承了Hadoop的可伸缩性和可靠性，可以收集来自大型分布式系统的数据，用于监控。它还包括灵活而强大的显示工具用于监控、分析结果。

10、Lustre

一个大规模的、安全可靠的、具备高可用性的集群文件系统，它是由SUN公司开发和维护的。该项目主要的目的就是开发下一代的集群文件系统，目前可以支持超过10000个节点，数以PB的数据存储量。

11、HDFS

Hadoop Distributed File System，简称HDFS，是一个分布式文件系统。HDFS是一个高度容错性的系统，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。

12、GlusterFS

一个集群的文件系统，支持PB级的数据量。GlusterFS 通过RDMA和TCP/IP方式将分布到不同服务器上的存储空间汇集成一个大的网络化并行文件系统。

13、Alluxio

前身是Tachyon，是以内存为中心的分布式文件系统，拥有高性能和容错能力，能够为集群框架（如Spark、MapReduce）提供可靠的内存级速度的文件共享服务。

14、Ceph

新一代开源分布式文件系统，主要目标是设计成基于POSIX的没有单点故障的分布式文件系统，提高数据的容错性并实现无缝的复制。

15、PVFS

一个高性能、开源的并行文件系统，主要用于并行计算环境中的应用。PVFS特别为超大数量的客户端和服务器端所设计，它的模块化设计结构可轻松的添加新的硬件和算法支持。

16、QFS

Quantcast File System (QFS) 是一个高性能、容错好、分布式的文件系统，用于开发支持 MapReduce处理或者需要顺序读写大文件的应用。

17、 Logstash

一个应用程序日志、事件的传输、处理、管理和搜索的平台。可以用它来统一对应用程序日志进行收集管理，提供了Web接口用于查询和统计。

18、Scribe

Scribe是Facebook开源的日志收集系统，它能够从各种日志源上收集日志，存储到一个中央存储系统（可以是NFS，分布式文件系统等）上，以便于进行集中统计分析处理。

19、Flume

Cloudera提供的一个高可用的、高可靠的、分布式的海量日志采集、聚合和传输的系统。Flume支持在日志系统中定制各类数据发送方，用于收集数据。同时，Flume支持对数据进行简单处理，并写入各种数据接受方（可定制）。

20、RabbitMQ

一个受欢迎的消息代理系统，通常用于应用程序之间或者程序的不同组件之间通过消息来进行集成。RabbitMQ提供可靠的应用消息发送、易于使用、支持所有主流操作系统、支持大量开发者平台。

21、ActiveMQ

Apache出品，号称“最流行的，最强大”的开源消息集成模式服务器。ActiveMQ特点是速度快，支持多种跨语言的客户端和协议，其企业集成模式和许多先进的功能易于使用，是一个完全支持JMS1.1和J2EE 1.4规范的JMS Provider实现。

22、Kafka

一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模网站中的所有动作流数据，目前已成为大数据系统在异步和分布式消息之间的最佳选择。

23、Spark

一个高速、通用大数据计算处理引擎。拥有Hadoop MapReduce所具有的优点，但不同的是Job的中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。它可以与Hadoop和Apache Mesos一起使用，也可以独立使用。

24、Kinesis

可以构建用于处理或分析流数据的自定义应用程序，来满足特定需求。Amazon Kinesis Streams 每小时可从数十万种来源中连续捕获和存储数TB数据，如网站点击流、财务交易、社交媒体源、IT日志和定位追踪事件。

25、 Hadoop

一个开源框架，适合运行在通用硬件，支持用简单程序模型分布式处理跨集群大数据集，支持从单一服务器到上千服务器的水平scale up。Apache的Hadoop项目已几乎与大数据划上了等号，它不断壮大起来，已成为一个完整的生态系统，拥有众多开源工具面向高度扩展的分布式计算。高效、可靠、可伸缩，能够为你的数据存储项目提供所需的YARN、HDFS和基础架构，并且运行主要的大数据服务和应用程序。

26、Spark Streaming

实现微批处理，目标是很方便的建立可扩展、容错的流应用，支持Java、Scala和Python，和Spark无缝集成。Spark Streaming可以读取数据HDFS，Flume，Kafka，Twitter和ZeroMQ，也可以读取自定义数据。

27、Trident

是对Storm的更高一层的抽象，除了提供一套简单易用的流数据处理API之外，它以batch(一组tuples)为单位进行处理，这样一来，可以使得一些处理更简单和高效。

28、Flink

于今年跻身Apache顶级开源项目，与HDFS完全兼容。Flink提供了基于Java和Scala的API，是一个高效、分布式的通用大数据分析引擎。更主要的是，Flink支持增量迭代计算，使得系统可以快速地处理数据密集型、迭代的任务。

29、Samza

出自于LinkedIn，构建在Kafka之上的分布式流计算框架，是Apache顶级开源项目。可直接利用Kafka和Hadoop YARN提供容错、进程隔离以及安全、资源管理。

30、Storm

Storm是Twitter开源的一个类似于Hadoop的实时数据处理框架。编程模型简单，显著地降低了实时处理的难度，也是当下最人气的流计算框架之一。与其他计算框架相比，Storm最大的优点是毫秒级低延时。

31、Yahoo S4 （Simple Scalable Streaming System）

是一个分布式流计算平台，具备通用、分布式、可扩展的、容错、可插拔等特点。程序员可以很容易地开发处理连续无边界数据流（continuous unbounded streams of data）的应用。它的目标是填补复杂专有系统和面向批处理开源产品之间的空白，并提供高性能计算平台来解决并发处理系统的复杂度。

32、HaLoop

是一个Hadoop MapReduce框架的修改版本，其目标是为了高效支持 迭代，递归数据 分析任务，如PageRank，HITs，K-means，sssp等。

33、Presto

是一个开源的分布式SQL查询引擎，适用于交互式分析查询，可对250PB以上的数据进行快速地交互式分析。Presto的设计和编写是为了解决像Facebook这样规模的商业数据仓库的交互式分析和处理速度的问题。Facebook称Presto的性能比诸如Hive和MapReduce要好上10倍有多。

34、 Drill

于2012年8月份由Apache推出，让用户可以使用基于SQL的查询，查询Hadoop、NoSQL数据库和云存储服务。它能够运行在上千个节点的服务器集群上，且能在几秒内处理PB级或者万亿条的数据记录。它可用于数据挖掘和即席查询，支持一系列广泛的数据库，包括HBase、MongoDB、MapR-DB、HDFS、MapR-FS、亚马逊S3、Azure Blob Storage、谷歌云存储和Swift。

35、Phoenix

是一个Java中间层，可以让开发者在Apache HBase上执行SQL查询。Phoenix完全使用Java编写，并且提供了一个客户端可嵌入的JDBC驱动。Phoenix查询引擎会将SQL查询转换为一个或多个HBase scan，并编排执行以生成标准的JDBC结果集。

36、Pig

是一种编程语言，它简化了Hadoop常见的工作任务。Pig可加载数据、转换数据以及存储最终结果。Pig最大的作用就是为MapReduce框架实现了一套shell脚本 ，类似我们通常熟悉的SQL语句。

37、Hive

是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

38、SparkSQL

前身是Shark，SparkSQL抛弃原有Shark的代码并汲取了一些优点，如内存列存储（In-Memory Columnar Storage）、Hive兼容性等。由于摆脱了对Hive的依赖性，SparkSQL无论在数据兼容、性能优化、组件扩展方面都得到了极大的方便。

39、Stinger

原来叫Tez，是下一代Hive，由Hortonworks主导开发，运行在YARN上的DAG计算框架。某些测试下，Stinger能提升10倍左右的性能，同时会让Hive支持更多的SQL。

40、Tajo

目的是在HDFS之上构建一个可靠的、支持关系型数据的分布式数据仓库系统，它的重点是提供低延迟、可扩展的ad-hoc查询和在线数据聚集，以及为更传统的ETL提供工具。

41、Impala

Cloudera 声称，基于SQL的Impala数据库是“面向Apache Hadoop的领先的开源分析数据库”。它可以作为一款独立产品来下载，又是Cloudera的商业大数据产品的一部分。Cloudera Impala 可以直接为存储在HDFS或HBase中的Hadoop数据提供快速、交互式的SQL查询。

42、 Elasticsearch

是一个基于Lucene的搜索服务器。它提供了一个分布式、支持多用户的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索、稳定、可靠、快速、安装使用方便。

43、Solr

基于Apache Lucene，是一种高度可靠、高度扩展的企业搜索平台。知名用户包括eHarmony、西尔斯、StubHub、Zappos、百思买、AT&T、Instagram、Netflix、彭博社和Travelocity。

44、Shark

即Hive on Spark，本质上是通过Hive的HQL解析，把HQL翻译成Spark上的RDD操作，然后通过Hive的metadata获取数据库里的表信息，实际HDFS上的数据和文件，会由Shark获取并放到Spark上运算。Shark的特点就是快，完全兼容Hive，且可以在shell模式下使用rdd2sql()这样的API，把HQL得到的结果集，继续在scala环境下运算，支持自己编写简单的机器学习或简单分析处理函数，对HQL结果进一步分析计算。

45、Lucene

基于Java的Lucene可以非常迅速地执行全文搜索。据官方网站声称，它在现代硬件上每小时能够检索超过150GB的数据，它拥有强大而高效的搜索算法。

46、Terracotta

声称其BigMemory技术是“世界上首屈一指的内存中数据管理平台”，支持简单、可扩展、实时消息，声称在190个国家拥有210万开发人员，全球1000家企业部署了其软件。

47、 Ignite

是一种高性能、整合式、分布式的内存中平台，可用于对大规模数据集执行实时计算和处理，速度比传统的基于磁盘的技术或闪存技术高出好几个数量级。该平台包括数据网格、计算网格、服务网格、流媒体、Hadoop加速、高级集群、文件系统、消息传递、事件和数据结构等功能。

48、GemFire

Pivotal宣布它将开放其大数据套件关键组件的源代码，其中包括GemFire内存中NoSQL数据库。它已向Apache软件基金会递交了一项提案，以便在“Geode”的名下管理GemFire数据库的核心引擎。

49、 GridGain

由Apache Ignite驱动的GridGrain提供内存中数据结构，用于迅速处理大数据，还提供基于同一技术的Hadoop加速器。

50、MongoDB

是一个基于分布式文件存储的数据库。由C++...

租房是个尚待解决的巨大痛点。传统中介效率低下，近年来行业尝试了C2C去中介和互联网改造中介的多种模式，但都以失败告终：前者的问题是C端房源太过分散且信息不透明，只能作为一种补充手段；后者是因为在实际运营中，房源、客源和撮合效率都没有比在小区里外渗透的线下中介更有优势。

尽管出现了嗨住、蘑菇租房、巴乐兔等从小B切入市场的租房平台，但不问租房创始人李泽凡认为，租房平台中迟迟没有出现携程这样提供一站式解决方案的公司，且线下中介仍在市场中占领主导地位，这个现象证明平台模式并没有真正成为一个完整的解决方案：

从使用习惯来看，用户在筛选条件之后，要连续刷好几页房源，这是对平台推荐机制的不信任；而房子作为非标产品，很多信息都包含在详情页的描述里，推荐的准确度也不够高；更重要的是，用户往往不清楚自己的需求，精准的匹配更难以实现。

因此，不问租房想要把租客作为第一服务对象，结合AI进行房源的智能推荐。把租客需求当作核心，是基于团队的一个判断：租赁市场的天平正在向消费者端倾斜，供不应求的情况将在2020年前后消失，租客的话语权会越来越强。

作为一个数据生意，核心在于通过数据模型高效完成供需匹配。精准的算法推荐依赖大量数据，在房源端，数量规模已经很可观，但具体的标签仍需细化。目前不问租房与四川大学合作，将对装修程度和户型等特殊构造的信息做深度识别和分析；而在需求端，这是目前整个房产领域缺失的一块信息，且行为低频、需求模糊，并不适合冷启动。

对团队来说，用户的信息获取是智能推荐的第一步。不问租房推出了REVE找房机器人，会与用户进行1V1的对话交流，根据区域、交通、居室、人数、预算、入住时间等显性需求推荐1-3套房源，用户不断提出反馈，REVE再把隐形的需求泛化和清晰化，进一步推荐合适的房源，如果用户满意则帮助预约。

联合创始人孙思远表示，交互式信息检索与房地产垂直行业知识图谱的结合，大幅提升了REVA的房源推荐精准度。不问租房试运营期间，REVA在一个月内服务了近千名真实租客，且预约转化率比一般平台高出10倍。

不问租房的初期目标人群是大学毕业生，由于客单较低，中介并不重视，豆瓣找房小组等形式的存在就是需求溢出的表现。这类人群找房时间集中，需求相对统一，在数据采集时效率更高；同时他们对租房的认知模糊，更需要个性化的深度服务，也更容易接受新模式。

在房源方面，主要来自职业二房东和长租公寓公寓等B端机构，早期也会与中介合作，为其免费引流。不问租房采用机器人客服确认房源状态，以保证房源的准确性。平台两周更新一次，目前在上海拥有4万5千套实时在租房源。

不问租房定位为AI中介，在盈利模式上是向租客收取佣金。不过团队认为，未来中介的佣金模式会被市场淘汰，而AI所带来的高人效比与和机构化房东的深度合作将成为破题的关键。不问租房会向房东端推出房租定价服务，基于实际用户需求和历史交易提供数据支持。孙思远表示，历史交易价格只能反映供给，结合需求的定价会更加科学。

不问租房团队有多次AI创业的经历。创始人李泽凡曾就读于UC Berkeley，2008年开始接触地产并负责公寓募资业务，10年创办电商网站shui.mu，大学期间投资了14家早期公司后辍学创业；联合创始人孙思远是交大密西根EECS系本科、UC Berkeley运筹学硕博士，曾任Simply Hired高级数据科学家、亚马逊研究员，负责过千万MAU级别的个性化推荐算法设计。两人在UC Berkeley上学期间结识，在2012年底一起创立了AI驱动的个人CRM系统Etch.ai，运营3年后被收购。

团队目前共有5人，base上海。运营负责人张旭东曾任太平洋房屋副总裁；公司的导师还包括LinkedIn联合创始人、携程联合创始人、同策房产集团副总裁等。此前，不问租房曾获得LinkedIn创始人、Thiel Fellowship创始人的种子轮融资，下个月将开启天使轮融资。

在亚马逊做生意，流量直接决定了你的销量。流量分为站内流量和站外流量，其中站内流量是最主要的流量来源，尤其是对中小卖家来说。

有一位5年亚马逊运营经验的业内人士，曾经带领团队半年做到月销售30万美金，一年内月销售额突破百万美金。给大家总结了如何使亚马逊站内流量最大化的方法。

站内流量主要包括以下这五个方面：自然搜索流量、分类排名流量、关联流量、PPC流量和节日活动流量。

今天我们将主要讲讲关于分类排名流量、PPC流量与关联流量的那些事儿。

分类排名流量

我们知道，不同类目的流量是不一样的。一款产品可以同时放在不同的类目。然而有的产品在这一类目能做到Best Seller,在另一类目很有可能就做不到。因此要提高流量，我们需要不断优化产品的类目。

总的来说，我们需要尽量选择竞争少、流量大的类目。

那么怎样才能找到最适合的类目呢？这里介绍两种方法。

方法一：利用变体去测试类目流量

有的产品有不同的变体，我们可以把其中一个颜色放在一个小类，另外一个颜色放在另外一个小类，这样我们就能对比哪个类目的流量比较多。后期我们再挑选其中一个流量多的类目，把两个Listing合并。这样一来不仅能获得最大的流量，还能共享Review.

方法二：同一Listing更改类目

方法很简单：把一个Listing在一个类别里先放一周，再换到别的类别里面去。通过对比，就能知道哪个类目的流量较大。

PPC流量

亚马逊卖家在做运营推广时，基本上都绕不开PPC广告。PPC广告引进流量多而精准，转化率相对较高。

做PPC前要做哪些准备？

1、标题

标题是否达到要求？（品牌+卖点+主要参数+ 功能+产品自然属性+产品核心词+颜色）

是否是正确的小语种翻译？

是否能够吸引别人点进去？

2、图片

帖子的头图是否能够吸引别人点进去？

站在客户的角度去看PPC，为什么我要点进去？

3、价格

价格和首页相比，是否有优势？

4、Review

CPC 帖子必须要有review，而且至少是4 星级以上。就像亚马逊做lightning deal 一样，4 星是一个基本要求。

CPC关键词的选择，要“Automatic”（自动选词）和“Manual”（手动选词）结合使用。

Automatic是广泛点，稍有涉及到的都会点到。做好Automatic后，至少第二天去下载关键词报表，去看哪些是点击高的关键词，再逐个添加到Manual中去。

Manual关键词选择热度高、匹配性高、简短的关键词来做。

对于新手，早期不建议“Manual”。如果新手不擅长关键词搜索与分析，那么会造成预算超出。建议先用“Automatic”用上半个月或两周，然后根据报表中“热搜词”与“转化率高”的词，再将这些词重点做“Manual”，省去关键词搜索与分析的功夫。

如何从报表中看出“热搜词”与“转化率高”的词？

推荐大家用Excel数据透析表，将数字变成可视化的图表，可容易看出。这个非常重要，热搜词与转化率高的词一目了然，做相应的采集与分析也非常的容易。如果不会做数据透视表可以找度娘搜一下教程。

Impression(展示)，如果关键词的Impression高，证明是热搜，不一定销售高，但可重点关注。

建议严格控制关键词数量，做到少而精。很多广告组的关键词设了好几页，相关的不相关的全部混在一起，这个不叫做PPC，这个叫钓鱼，或者难听点叫偷懒。

在核心词使用到极致的前提下，每组选择相关性最强的不超过10个的PPC 的关键词，然后将这10个关键词提升价格，做到最大曝光。

关联流量

关联流量一般有五种形式：

Promotions：促销，买这送那，买这个另一个打折

Frequently bought together：捆绑销售

Customers who viewed this items also viewed：看了又看

Customers who brought this items also bought：买了又买

Compare to similar items：相似产品对比

『促销』

当我们在做新品促销时，可以将新的Listing和我们自己的老的Listing进行绑定，在老Listing页面做促销，给新品带来流量。

『Frequently bought together』

Frequently bought together和“买了又买”是一样的原理。一般互补的产品会出现在这里。有时绑定的会是我们自己的产品， 有时是和别的卖家的产品绑定在一起。

怎么绑上我们自己的产品？

当我们对这两个产品做了促销，有客户经常对这两个产品一起进行购买时，产品就会在这里展示。因此我们可以通过促销设置来达到关联销售的目的。

『看了又看』

这里不仅会出现竞品，也会出现互补产品。如果经常有卖家同时看这两个Listing,那么当有别的卖家浏览了其中一个产品，另一个产品就会在看了又看这里出现。

『买了又买』

原理和做法和FBT(Frequently bought together)是一样的。最好的做法是拿我们自己的产品去做促销，买了又买，看了又看，让我们自己内部的流量最大化，销售最大化。

『Compare to similar items』

这个功能对小卖家来说是个坑，如果你的Listing表现不够好的话，很容易被竞争对手抢走你的订单。

我们可以看上面这张图片，这里这个位置出来的都是这个产品的变体。因此假如有变体的话，我们自己的产品更容易出现在这个位置。

想自己的产品出现在这个位置，第一是要Listing的表现好，第二个是要有变体。把自己一个产品的流量导到另外一个产品，肯定比导到别人家的产品好。

但也有一种可能是这里出来的都是不同卖家的产品。这就需要我们把Listing做得有足够竞争力，价格也有竞争力。

因此这个对比位置是一把双刃剑，既有可能把我们的流量导到别人家的产品，也有可能把别人家的流量导到我们这里来。对我们的要求会很高。

（文章来源：百佬汇跨境电商联盟）

经营亚马逊，选品可以说是至关重要的环节。六年的亚马逊运营经验使我们深谙选品的重要性和困难性，我们也一直持续不断在探索更好的选品方法。数据化选品是我们最新总结出来的以市场为主导的科学选品法。其工序细致复杂，属于高阶极致的选品方法。作为咕噜泡泡吧内容分享的组织者，我们也是拿出了十分的诚意，第一期就与咕噜翻译的VIP客户分享我们的选品方法。

数据化选品方法分为以下5个步骤：

关键词获取&搜索量产品竞争性确定产品开发时间调研产品市场调研产品属性调研一、关键词获取&搜索量

这一步我们将获取海量的关键词，再结合关键词搜索量从关键词库里挑选搜索热度高的关键词。这里介绍两个能达到这样的目的的工具。

（1）当完全没有头绪的时候，可以借助卖家精灵中的“关键词飙升榜”获得过去特定月份的特定类目下的飙升关键词的相关数据-当月搜索量和购买量。

（2）当我们确定了开发特定类目下的产品，可以利用amzsout这个网站搜索词根，且需变换不同的词根进去多次搜索，获得这类产品的相关词根下的长尾词及其搜索量。如为美国站开发骑行类的产品，我们可以搜索cyling，mtb等与自行车相关的词根，获得与自行车相关的关键词及其搜索量。

二、产品竞争性确定

获得了关键词及搜索量后，我们还需要确定这个关键词的竞争性。一个关键词不是搜索量越高越好，同时还要看同类产品有多少。这里我们借助一个公式去确定产品的竞争性。

竞争指数=搜索量/结果量

竞争指数越高，一定程度上代表这个产品的机会越大，可以考虑开发。

所以第二步，我们需要做的是在前台搜索我们在第一步获得的关键词，获得这个关键词展现的结果数。

当关键词太多，一个个去前台搜，工作会重复且繁琐，可以借助一些数据爬虫软件，如八爪鱼和火车头等工具帮你完成这些机械重复的工作。

三、产品开发时间调研

通过前两个步骤，我们已经筛选了一些搜索量比较高，而且竞争指数比较高的关键词，这个时候还需要确定此时此刻是否是开发产品的好时机。一般我们认为我们需要在产品搜索量上升至最高的前两三个月就需要开发上架这个产品。一来预留了可能需要发海陆运的时间，二来预留了打造产品的时间。

这个步骤我们借助keywordtool pro这个网站。

在keywordtool pro网页上搜索关键词，选择相应的国家，就可以得知这个关键词在这个亚马逊站点上过去一年的搜索变化及其搜索量。

同样的，卖家精灵也能实现这个功能。

四、产品市场调研

通过前3个步骤，我们已经确定了产品是有竞争力的，且是开发的好时机，那到了这步就要更深入地了解以下几个问题：这个产品销量是否可观；这个产品排名与销量怎么对应。

这里我们借助的是amzscout的浏览器插件。这个插件可以获得产品的销量、review数，星评、QA数、排名、上架日期，重量体积等信息，对我们了解以下4个方面有非常大的帮助：

（1）产品是否是新产品/老产品

（2）产品市场销量是否够大

（3）产品销量是否有集中于个别卖家上

（4）产品排名与销量对应关系，如何制定库存安排。

使用方法：在浏览器添加了插件后，在amazon网站上搜索关键词，在搜索结果页面上，点击插件图标触动插件后，即可获取此关键词下当页的产品的销量、review数，星评等数据。插件采集了当页的产品的数据后，可供用户选择继续往下收集下5页/下20页的产品的数据。使用此工具可以让我们短时间获取大量的同行产品的销量（还有很多其他）数据。

结果如图：

我们认为，选择产品的方向应该是

（1）选择属于上升期的产品，上市时间不能是太久前的；

（2）市场销量高，销量不会明显地集中在排名前的卖家；

（3）首页的同行产品的review数少于50个的卖家应该不少于5个。

同样还有junglescout，unicorn smasher等插件，可实现类似的功能。

五、产品属性调研

通过前4个步骤，我们已经确定了这个产品是有竞争力的，是开发的好时机，而且市场销量也是可观的，是有机会分得一杯羹的，是不是就结束了呢？

不是的。

我们还需要市场去指导我们去开发具体什么样的产品。目前开发这两类产品是可取的：（1）开发热销款式 （2）开发差异化产品。

（1）开发热销款式

一般一个产品的款式非常的多样，盲目地全部开发上架不得于资金分配和备货。所以我们尽量挑热销的款式开发。这就需要我们把刚才在第4个步骤中获得的产品数据在excel里进行逐一的属性记录，再通过数据透视，得到款式与产品销量的对应数据，从而锁定热销款式。

（2）开发差异化产品

在条件允许的情况下，比如你是制造商，有自己的工厂，或者你有非常强大的供应链，供应商配合度非常地高，那开发差异化产品是更好的选择。开发差异化产品就需要我们清楚可以在哪或者需要在哪制造差异化。这时，我们就需要分析目前热销产品的痛点和客户的关注点。我们需要把这些产品的review和QA都摘录下来，再逐一分析，就可以了解目前产品的痛点，选择客户最关注的痛点进行差异化生产。

同样的，review和QA的摘录是重复机械的工作，所以可以借助上文推荐的数据爬虫软件来减少工作量。

通过以上5个步骤，我们的产品就明明白地在眼前了，未来的补货计划、排名打造计划和资金分配安排也在这过程中顺便做好了。由于这一期是选品，所以这里就不涉及开发供应商的步骤了。不过需要提醒大家的是，在开发供应商的时候，一定要跟供应商确认清楚产品是否有可能会侵权！

亚马逊现存工具软件的列举与探讨是一个专题系列，至今已经是第三篇。这一篇为大家介绍下来自研究亚马逊的鼻祖级别论坛——索诺论坛出品的SurTime。

前两篇的三款软件的介绍反馈还是不错的，收藏转发量蛮高，当然也有吐槽的，我们也注意到了，赞许也好吐槽也罢都是用户体验的一种反馈。

我们做这一个专题就是希望后亚马逊时代的你能够精准把握到底你适合哪一款软件，当你需要的时候正好有所选择与取舍！

关于SurTime

取名的本义就是save your time，我们认为软件的意义在于帮助卖家节省工作时间，提升工作效率，把非核心的工作，把可以程序化实现的工作都用软件来实现，从而达到节省时间+人工的目的，对于卖家来说这也是一个比较大的利益空间，多出来的时间用于开发产品，用于挖掘产品线，做好售后服务等。

索诺与SurTime有毛线关系？

索诺作为最早的国内亚马逊论坛，接触过无数的卖家，无论对亚马逊的了解程度，对亚马逊系统的认知，特点以及对卖家的问题+痛点都非常了解。

“我们希望做出来一种涵盖所有功能需求的软件合集；我们希望做到的是作为一个卖家，无论是什么样的卖家，surtime的系列软件都有一款适合你。”索诺创始人。而surtime工具箱只是整个规划中第一个面试的辅助工具，后续还会陆续上其他功能的软件。

团队组成：技术+用户需求搜集

思态提供的软件的开发技术团队。

索诺提供的是亚马逊功能需求收集以及对应的亚马逊技术支持。

共同组建一个全新的客服团队，负责软件的售后，以及付费用户的亚马逊运营问题。你要知道目前市场上能够做到这个几乎没有。很多都是只注重前者，而忽略后者。 但是二者兼顾，才是真正的用户体验。好的服务本质也应该是这样的。

软件功能

使用方面

目前涵盖数十种功能，也从原先的试用三天调整为免费试用，但是免费试用限制了部分功能的权限；付费用户拥有“全功能使用权限+不限制数量”。

软件是亚马逊的“MWS服务+API服务”，这个软件的所有数据都是亚马逊提供的。也就是说一般卖家是无法获取到的数据，也不是随便猜测估算出来的数据，都是实时反馈的，数据精准了，结果才精准，才具有实际的参考价值。

功能方面

其中介绍一下几个对卖家吸引力比较大的功能：

1、整店数据采集+商品信息分析(重点)

当你想分析你的竞争对手整个店铺的产品和数据的时候，这个功能可以最快实现。不需要你在一页页翻对方的店铺产品，一个个去分析。

这个直接报表展示目标店铺的全部产品数据，如果结合亚马逊的跟卖表格也可以用于快速跟卖。也可以优化自己的销售策略。知己知彼百战不殆！

2、实时获取购物车详情(次重点)

快速了解“购物车+购物车价格归属”，对于那些一个个翻产品页面再去改价格抢购物车的耗时行为，这个是法宝。 一目了然，目的性很强。

据创始人讲：“而且后期我们会依据这个开发出报警器，被跟卖了，购物车被抢了就报警，发现那些无节操跟卖更方便”。

3、关键词分析聚合(可做重点)

把亚马逊上客户搜索的关键词全部抓取出来(都是亚马逊提供的关键词,都是客户实际搜索用过的词)。这些词既然是实际搜索的，那么转换率是比较高的。用这些词，客户可以选择部分出来。软件自动聚合成全新的关键词，填写在产品的search Term里，聚合的规则也是根据亚马逊规则来的。又省时间、又高效、又保证转换率， 对排名的提升是有很大帮助的。

4、营销推广链接(次重点)

当客户想做站外推广的时候，可能需要找一些产品的链接出来到别的网站、论坛、博客上去发布，或者插入在软件里去引流。

那么当产品页面有多个卖家的时候，就存在一个问题：你引流过来的流量，同时被多个卖家分享了。如果引流的客户付款购买了，当自己没有占据购物车的时候订单很可能在别人那。相当于你给别的卖家做了嫁衣。这个链接是直接把这个产品只有你一个卖家购物车的链接提取出来(人工也可以实现,就是需要点进去店铺,找到这个产品再点进去的那个链接) 。这样引流的订单就只属于你自己了，不会为别人做嫁衣。卖家只需要输入ASIN就可以直接提取这样的链接出来。

5、描述可视化编辑

目前市面上没有的，算是特色。但是很基础辅助的一个功能，算不上亮点，算是特色吧！

同时是支持变体操作的。

6、图片检测,存储

每个付费用户提供5000个图片相册空间，可以用于上产品使用。空间不足，可以把上传好的删除，可以继续释放图片空间。

7、图片检测功能(容易被卖家忽略的次重点)

最近亚马逊审查动作比较大，对于违规图片的处理，也是其中一方面。而且也有很多卖家收到了图片整改的邮件通知。

客户可以在这里检测自己哪些产品图片不合格，不是纯白底，哪里有问题。一目了然。然后再提取出来去处理，这样就可以很好的解决图片不合格的问题，这个是正规白帽亚马逊操作必须做的事，也是亚马逊倡导的操作。

最后，小编给大家要到了免费试用的加入方式：

免费试用：加Q群146550886

官网：http://surtime/

为了更好的体现服务，软件每个功能都录了操作视频http://college.surtime/

客服电话:0551-62933783

企业客服QQ:8000888168

日前小编看到论坛上Eileen发的一个帖子，产品开发人员吐槽运营人员，为工作操碎了心，亚马逊做得很是心累：

我在公司做产品开发，一般只提供产品链接以及同类卖家的链接和供应商提供的链接给运营，图片开始是把供应商提供的原图给设计，让他们修改后给运营去处理。运营本来是一个菜鸟，他竟对老板说我一周才能给他一款产品！

产品开发与运营，究竟是谁的效率低？

花一个星期去统计数据信息，然后再做产品，这是很正常的，没想到他不懂竟然还说我没给产品！公司目前只做自发货，但我选产品时还是会手动统计数据，再做选择。一个月内，我给出了17款产品，大概有两三百个SKU，每天大概有1-2款产品给运营（选品会跟供应商谈，价格，货期，品牌，销量等问题）。

但是运营的效率很低，我们有专门的设计及文案，他竟然半个月内只上传4款产品，其中有款产品上架3天，自发货也出了4单，但是这些产品流量正上升的时候，店铺竟然被他玩死了，涉及到产品侵权，店铺被封。

我们又用一个新店铺重新上传产品，新店铺的名字被别人注册为商标，他竟然不知道，产品上全部用这个名字。后来，在领导的干预下他才算是改了。快半个月了，新店铺产品竟然还没有上传3款，之前出货的那款（我们已经发FBA了）竟然在一周后才上传，我暴躁了！

到现在，店铺总共才5个LISITING，我都替他着急，真不知道他天天在干嘛，什么都不会！开发的都是户外产品，现在基本都是旺季，他都能给我一周只上传2款，我天天跟着后面催！心累啊！天天跟他说不要用别人的图片，标题不要出现别人的品牌商标等等，他竟然无视。

产品开发经验分享：

根据产品线了解市场，然后针对单品统计数据，因为现在公司没有软件，我都是手动统计，包括搜索关键词，产品链接，ASIN，统计当天排名（基本统计一周，所以会有排名1，排名2....）产品图片，重量，反馈，最近一个月的反馈，评分，上架日期，售价，是否FBA，当前库存（一般统计一周的销量，所以有销量1、销量2.... 手动统计就是加购物车统计销量）

这些就是我选品的依据，然后还有国内的供应商，链接，成本及利润，这个大概就是一张开发表。基本一天统计50-100，以天为周期，每天统计，就会有数据出来。自发货每天有出单我就会划重点跟踪，FBA40+也会重点跟踪，基本就是这样。最后就会有产品出来，到时就找供应商，谈产品信息及相关问题。

别人家的运营飘过：我们做运营的也有苦衷

我也是运营，菜鸟级别的。其实上listing没那么快，我不知道你提交给她的有什么资料，因为我上传一个产品，也是要挺久的，给我一个产品，我得先去国外网站看这款产品的一些链接，然后跟美工讨论怎么做图，要展示哪些点。然后要想怎么写文案和关键词。文案要简洁对点这不简单，5点里面你要写哪点不写哪点都要斟酌，特别是已经有人在卖的产品你得做出差异。

上完产品之后，还得开广告，看报告，看曝光正不正常，关键词对不对，后续还要做一些优化，直到稳定出单了才算完。不知道你们公司是不是做那种铺货的，上完产品就不去管的，总之我是没办法一下子管那么多条listing。

我们都知道，一个人很难玩转亚马逊，需要靠团队互帮互助。做产品开发和运营都不易，两个人好好沟通，相互配合才能有好的业绩。从以上卖家的经历来看，每一个亚马逊团队都应该有自己的软件工具，靠技术提升能力和效率，再笨的运营和开发人员都能做得出色。当下最热门的亚马逊综合工具就是AQdata。

亚马逊卖家必备良器你有么？

AQdata是一款简单易用、方便管理的亚马逊卖家工具，集数据采集、数据分析、ERP管理系统为一体的一站式解决方案，可以协助卖家进行采集数据、关键词优化、热卖产品调研、SEO优化、订单管理、物流管理、智能调价等，帮助解决亚马逊团队遇到的问题和烦恼，提升销售业绩。

一.数据采集

批量采集店铺或搜索页面的所有产品并进行跟踪，可以学习优秀店铺是如何运营以及运营什么产品，有助于开拓卖家的经营思维。

二.数据分析

1.浏览器插件

当您在浏览亚马逊页面的时候，可以利用浏览器插件快速批量抓取页面上的产品信息，而且可以对产品价格和销量排名进行走势分析，以及利用利润计算工具快速掌握产品的盈利情况。

一键抓取，产品信息轻松获取

2.TOP10000产品排名和比较

亚马逊只能看到各类目Top100的热卖产品，该功能突破亚马逊限制，可寻找到各类目下TOP10000内具有销售潜力的产品，而且可以自定义时间范围搜索。

3.销售数据跟踪

在采购新产品或了解竞争对手情况时，跟踪亚马逊在卖任何产品的实际销售数据。让您了解应该投资与哪些类型的产品，哪些竞争对手做的出色，应该效仿！

产品调研，大数据分析打造爆款

4.关键词设置及排名跟踪

可按照您选择的关键词，获得产品的每日排名，并通过跟踪关键词的搜索量、排名等，帮助您明确当前关键词是否需要优化。

5.SEO页面分析

如果您觉得您已经有了完善的页面，但不明白为什么它不能吸引买家，该功能将指出您可能忽略的事情，协助您进一步优化自己的listing。

三.ERP管理系统

1.订单、物流、商品、仓库管理

提供订单管理、物流管理、商品管理、仓库管理等一站式管理工具，各种特色工具满足您多方面的需求，帮助您实现一站式、多店铺、多账号的智能管理。

一站式管理，多平台账号统一管理

2.智能调价

高自由定制调价规则抢占BuyBox，可设定最小价格保护，保证不让您的价格低于最小价格，同时当您的竞争对手抬高价格的时候也会自动提高您的产品价格，实现利润最大化。

3.跟卖管理

一键点击即可刊登跟卖产品，大大缩减流程，配合智能调价工具，珠联璧合，从此跟卖不再是难题。

前段时间 Facebook 的 「用户数据门」在美国引发轩然大波，不少网友在网上发起了「删除 Facebook 」的运动，可如今互联网应用几乎离不开用户的大数据，最近亚马逊就决定有偿地向用户收集隐私数据。

（图自：Imgur）

据《华尔街日报》报道，为了更好地了解用户的消费习惯和偏好，亚马逊正准备邀请消费者前往其位于纽约的办公室，以超过 20 周的时间为周期监控这些消费者的身材和体型等信息。

可是有多少人愿意平白无故将自己的三围等身体私密的数据就这样交出去？因此亚马逊将为参加这次的数据征集的志愿者提供价值 250 美元的亚马逊礼品卡。

（图自：12 Notes）

据介绍，这些志愿者每个月需要两次前往亚马逊纽约办公室进行数据采集，亚马逊表示此举是为了了解「消费者的身体是如何随着时间迁移而发生变化的」。

（图自：腾讯图片）

如果亚马逊真的想通过这样的数据收集来了解消费者的需求，需要样本肯定不少，不过尚不清楚亚马逊此次征集的志愿者数量。

《华尔街日报》透露，这次的数据收集将由亚马逊最近收购的计算机视觉创业公司 Body Labs 负责，这家公司拥有一个 3D 身体扫描团队。

（图自：RetailDetail）

此外亚马逊本身也在组建类似的身体扫描团队，据悉该团队将专注于创建「人体统计三维模型」，通过深度学习算法等 AI 技术来处理各种人体的图像和视频数据。亚马逊在这个团队的招聘信息中提到，「这项功能给广大客户提供广泛的商业应用」。

从目前的信息看来，这次技术可能会最先用于亚马逊的在线服装零售业务，比如帮助消费者根据身材地挑选更合身的衣服，以减少退货数量。

亚马逊近年来对服装业务的投入不少，除了推出自己的服装品牌，去年 6 月还推出了一项 Prime Wardrobe 服务，Prime 会员可以在亚马逊免费选购 3-15 件衣服在家试穿，7 天后再决定是否购买。

不过通过身体扫描来准确指导服装网购的技术可能没这么快被应用，美国康奈尔大学的教授 Susan Ashdown 表示，「‘身体扫描’比想象中要复杂，身体的各个部位如肩膀和臀部的角度等都影响着穿衣的体验」。

除了亚马逊这种「身体扫描」，像优衣库、GAP 等服装品牌也尝试推出 AR 试衣间等功能，不过目前能真正取代试衣间的成熟应用还没出现，网购衣服很多时候还得碰碰运气。

如果亚马逊真的能解决这个问题，「败家娘们/爷们儿」的买买买估计就更疯狂了。

近日在澳大利亚昆士兰，波音全资子公司Insitu成功完成了亚马逊数据传输设备AWS Snowball Edge在扫描鹰无人机上的部署测试。

根据亚马逊AWS(Amazon Web Services)官方介绍，Snowball Edge 是一台容量为100TB 的数据传输设备，具有板载存储与计算功能。Snowball Edge 使用标准存储接口连接用户现有的应用程序和基础设施，可以简化数据传输过程并尽可能减少设置与集成工作。

Snowball Edge/图 来源亚马逊AWS

Insitu自主研发的INEXA 云平台、“扫描鹰”无人机、以及AWS通力配合，进行了TB量级遥感数据的收集、处理和转移工作。在这次成功的试验部署中，没有互联网连接，扫描鹰与AWS Snowball Edge相连，预先配置了Insite的专有、高性能的三维重建算法，用来生成一个高密度、精确的、三维远程基础设施模型。在被隔离的试验区，数据在被获取的几小时内成功被预处理，且保证了完整性。之后，工作人员能够立即将数据移动到在AWS区域运行的客户的inexa云帐户，以便进行更深入的分析和数据存储。

“远程现场检查和数据管理面临的最大挑战之一是‘远程’这个词。”Insitu公司首席增长官乔恩·达穆什(Jon Damush)说，“在我们的概念中，远程意味着很少或根本没有互联网连接。这类工作的规模意味着我们需要与一家能够帮助我们找到前进道路的公司合作，AWS就是答案。通过将INEXA 云和AWS Snowball Edge相结合，我们的客户可以加载TB级数据，现场处理数据，预先检查和验证结果，将其发送到inexa云，并通过不断的分析来改进数据。”

据悉，Insite的INEXA 云平台提供安全、集成和可扩展的服务、工具和应用程序接口(API)，可以将数据呈现给不断增长的应用程序。这些应用能处理各种数据类型，包括图像、白天和夜间视频、多和高光谱图像，以及激光探测与测量。数据还可以应用到越来越多的算法中，算法可以提取精确信息，如三维数字表面模型(DSMS)、体积评估、自动目标检测和分类、植被变化检测、机器学习和深度学习。这样就可以迅速作出明智的决定，特别是在采矿、石油和天然气、能源、水和其他重要的大型基础设施管理行业。

近日，电商巨头亚马逊宣布了一项重要举措：要求所有三方卖家从8月31日开始，将其包裹的投递速度提高40%。

那么，亚马逊究竟是如何在保证销量的同时，提高整个平台物流效率的？

（亚马逊要求所有卖家送货提速40%）

其实，亚马逊不仅仅是电商平台，还是一家科技公司，其在业内率先使用了大数据，利用人工智能和云技术进行仓储物流的管理，创新推出了预测性调拨、跨区域配送、跨国境配送等服务，并由此建立了全球跨境云仓。

可以说，大数据应用技术是亚马逊提升物流效率、应对供应链挑战的关键。

引领电商物流的技术优势

小编认为，亚马逊物流运营体系的强大之处在于，它已把仓储中心打造成了全世界最灵活的商品运输网络，通过强大的智能系统和云技术，将全球所有仓库联系在一起，以此做到快速响应，并能确保精细化的运营。

① 智能入库。智能预约系统通过供应商预约送货，能提前获知供应商送货的物品，并相应调配好到货时间、人员支持及存储空间。收货区将按照预约窗口进行有序作业，货物也将根据先进先出的原则，按类别存放到不同区域。

入库收货是亚马逊大数据采集的第一步，为之后的存储管理、库存调拨、拣货、包装、发货等每一步操作提供了数据支持。这些数据可在全国范围内共享，系统将基于这些数据在商品上架、存储区域规划、包装推荐等方面提供指引，提高整个流程的运营效率和质量。

② 智能存储。亚马逊开拓性地采用了“随机存储”的方式，打破了品类之间的界限，按照一定的规则和商品尺寸，将不同品类的商品随机存放到同一个货位上，不仅提高了货物上架的效率，还最大限度地利用存储空间。

此外，在亚马逊运营中心，货架的设计会根据商品品类有所不同，所有存储货位的设计都是基于后台数据系统的收集和分析得来的。比如，系统会基于大数据的信息，将爆款商品存储在距离发货区比较近的地方，从而减少员工的负重行走路程。

③ 智能拣货与订单处理。在亚马逊的运营中心，员工拣货路径通过后台大数据的分析进行优化，系统会为其推荐下一个要拣的货在哪儿，确保员工永远不走回头路，而且其所走的路径是最少的。

（亚马逊使用Kiva机器人提升仓储作业效率）

此外，大数据驱动的仓储订单运营非常高效，在中国亚马逊运营中心最快可以在30分钟之内完成整个订单处理，从订单处理、快速拣选、快速包装、分拣等一切都由大数据驱动。由于亚马逊后台的系统运算和分析能力非常强大，因此能够实现快速分解和处理订单。

④ 预测式调拨。亚马逊智能物流系统的先进性还体现在其可以根据消费者的购买行为，后台系统会记录客户的浏览历史，提前对库存进行优化配置，将顾客感兴趣的商品提前调拨到离消费者最近的运营中心，即“客未下单，货已在途”，这便是亚马逊智能分仓的魅力。

⑤ 精准库存。同时，亚马逊高效物流系统还会通过自动持续校准来提升速度和精确度，通过实现连续动态盘点，让企业客户实时了解库存状态。据了解，亚马逊系统全年365天、每天24小时连续盘点能力可以降低库存丢失风险，确保库存精准、安全。

⑥ 全程可视。做过物流的想必都知道，实现精细化物流管理的精髓是运营管理过程中的可视性。全程可视的难点在于确保产品在任何时间、任何状态下，包括在途中都是可视的。亚马逊物流的精细化管理正是要确保这一点。

如何赢战高峰期物流大战？

探讨电商物流能力的强弱，就不得不说其应对高峰的策略。电商物流的开创者亚马逊是多年美国“黑色星期五”购物节中的主力，不仅在全球物流体系布局上早有建树，而且在物流供应链的准备方面也早已领先一步。

① “超强大脑”的神机妙算。亚马逊智能系统就像一个超强大脑，可以洞察到每小时、每一个品类、甚至每一件商品的单量变化，让单量预测的数据细分到全国各个运营中心、每一条运输线路和每一个配送站点，提前进行合理的人力、车辆、和产能的安排。

同时，系统预测还可以随时更新，并对备货方案进行实时调整。在国内多数电商刚刚开始利用大数据备货的阶段，亚马逊早已实现了供应链采购和库存分配高度自动化、智能化。这在一定程度上讲，供应链前端的备货是保证高峰期后端物流高效、平稳的基础。

② 从仓储到末端配送，每一步都精打细算。在物流的计划和准备方面，亚马逊供应链系统基于历史销售数据进行运算和分析，从管理、系统等方面严谨地分析仓储物流的每一个环节，让单量预测的数据细分到全国各个运营中心、每一条运输线路和每一个配送站点，提前进行合理的人力、车辆和产能的安排。

在亚马逊运营中心内部，系统还会基于大数据的信息，结合近期促销、客户浏览和下单情况对库内存储区域进行及时优化，将热卖商品存储在距离发货区附近的地方，加速从收货到发货的效率，客户下单时可以直接进行包装出库，缩短了库内操作时间，这些对高峰期的运营效率都至关重要。

针对“最后一公里”末端配送的难点，亚马逊基于对高峰期单量的分布情况进行分析，并据此优化了配送路径，更科学合理地安排每个配送员的派单工作。通过智能系统的辅助，提升了快递员的配送效率，使送达时间较之前有所缩短。

③ 精准才是核心生产力。亚马逊智能系统具备全年365天，每天24小时连续自动盘点的能力。这意味着，从上架、拣货、分拣、包装到出库，系统在运营操作的每一步都可以及时发现错误，并能及时纠错，这是国内大多数仓储运营尚无法具备的核心能力。

可以说，亚马逊标准化的运营体系会基于大数据运算提供拣货、包装、分拣指引，即使是刚刚上岗的操作人员只需简单培训即可根据系统指引操作，让员工不用花太多精力就能迅速学习和上手，系统的纠错和学习能力减少了人工犯错的可能，从而大幅度提高了生产力。

争做跨境物流先行者

谁在跨境物流方面具备优势，谁将会获得未来的最大商机。而在搭建跨境物流网络方面，亚马逊早已抢先一步。

2014年，随着亚马逊海外购商店的推出，亚马逊成功打通了中美跨境物流网络，实现了系统和网络的对接。随着业务的扩张和出货量的增加，亚马逊每年都在不断提升仓储能力。近年来，亚马逊一直在致力于提升发货配送速度的同时，降低运输成本。

为了将物流速度提到最快，减少中转环节，保障商品安全，亚马逊跨境物流主要在于六大核心优势：四通八达的境外运营网络、1小时订单处理发货、优先发运不等待、24小时入境清关、国内网络无缝对接、跨境全程可追踪。

① 四通八达的境外运营网络，减少长途运输。目前，亚马逊在美国有超过70个运营中心，并已构建了非常密集的运营中心网络，联结各大机场或港口，避免了远距离的长途运输，缩短运输时间。

此外，对于Prime包裹，在跨境运输前，亚马逊智能分拣系统将其进行更进一步的分拣，从而可以根据Prime包裹的目的地提供最佳的跨境运输线路，将其直接发往国内距离目的地最近的口岸，节省转运时间。

② “海外购”订单发货仅需一小时。亚马逊运营中心采用先进的智能机器人技术和大数据仓储管理，可以加速订单的处理效率，商品的存储和处理能力较之前显著提高50%以上。

此外，该系统还能自动根据Prime会员下单时的预计送达时间优先安排Prime订单的拣货、包装、分拣和出库，确保加速处理，更快速地发货。

（亚马逊智能系统自动推荐包装）

而在货品完成包装后，由Slam一体化操作设备在包裹经过的一瞬间就能完成一系列称重、贴标签、扫描等工作，平时用人力费时费力的分拣在这里只要几秒钟就能完成。

更重要的是，它还能自动纠错，通过高精度的称重能力快速识别并将错误的包裹剔除出来。

③ 优先发运不等待。大量来自亚马逊美国各地仓库，发往中国的商品被专门放在机场的空港仓库集中进行装箱，这样做的好处是，一方面通过集约化配置资源，集中发货，减少等待时间；另一方面可以降低空仓率，最大程度地节省物流成本。

此外，由于货量大，亚马逊在欧美日等主要线路可以实现常态化包机和固定航班，提供稳定的、7×24小时不间断的运力保障。无论是高峰期还是平时，都可以实现任何时段的优先发运，减少等待时间。同时，为了让Prime会员尽早拿到包裹，亚马逊也会安排Prime包裹的优先装载发货，减少等待时间。

④ 国内物流网络无缝对接，快速出货和配送。包裹完成清关后，直接进入亚马逊中国的物流体系，在运营中心只需要30分钟加贴中文面单后就能直接出货。

截至目前，亚马逊已在中国建立了13个运营中心，其中“海外购”直邮的订单主要通过亚马逊天津、上海、广州的运营中心入境，之后通过亚马逊全国300多条干线网络快速运往全国各地，为近3000个城市区县的消费者提供优质的配送服务，其中在1400多个区县提供当日达、次日达配送服务。

对于亚马逊Prime会员的跨境包裹，亚马逊北京、天津、上海和广州四地的运营中心为其设立了单独交接区域和快速处理通道，将其优先发往各地的亚马逊配送站点，送达消费者手中。

⑤ 跨境物流全程可追踪。对消费者而言，跨境物流链条长，流程透明和商品安全是他们最关心的。亚马逊国际物流与国内物流体系可以直接对接，减少中间转手环节，也意味着更低的商品的破损和遗失风险。

而亚马逊智能系统记录着每一辆载满包裹的卡车应该在几点几分到达，几点几分取货离开，如果卡车在某个区域不该停顿的位置停了十分钟，系统会立刻发出警报提示，并了解发生了什么问题。

（根据《中国供应链管理蓝皮书2017》整理，原作者/亚马逊全球物流中国公司物流部经理张雪静，有删减，标题为本号另拟，编辑/蔡璐）