Professional Documents
Culture Documents
新品预测手工流程
新品预测手工流程
行业分析
上架数据出现缺失时
输入搜索关键词 根据竞争力 运营选定类目 运营选定类目
销量占比≥4% 或者类目
(除新品类目名称外, 卖家数据+发货方数据 运营选定参考类目(最多3个)
T op30
还会输入其他词汇) 判断卖家类型
的SKU不能被直接忽视
输入时间段 根据竞争力上架数据
(最长为过去三年) 根据竞争力
取过去1年BSR上榜SKU的
销量估计数据+单价数据
卖家是否为 历史上架数据
取过去【24】个月数据
亚马逊 SKU销量占比4% 或者
Google T op30不能忽视
竞争力系统中的上
T rends 架时间需进行数据 按类目(含参考类目)
是
根据竞争力销量估计数据 清洗/校验,准确 计算过去12个月的总销
标记为 计算上一步涉及的所有SKU 度较低。-Nicky 量,总金额,平均单价
Amaz on 在当前年度的销量占比 以及年度环比,生成表格
否 Vendor
Search 生成折线图 分析市场容量波动
T erms
两张图集成在同一个图里
把各个平台的关键词热 发货是否为 共享时间轴(x轴) 按选定类目,按月
度波动绘制成折线图 亚马逊 计算各月总销量(柱状图)
计算各月平均价格(折线图)
分析季节波动
是 人工分析
人工分析 否 (主要关注市场机会
(波动情况作为参考值 具体逻辑待定)
具体逻辑待定) 标记为FBA
按选定类目
计算BSRT op100销量
分析头部效应是否显著
标记为FBM 输出分析报告
输出分析报告
根据竞争力数据以 市场容量大中小的标准,取决于新品类目
及卖家类型计算 在父类目中的市占率
人工分析
价格定位高中低的标准,对比父类目均价
具体逻辑待定
SKU数量及占比
输出分析报告
销量及占比
金额及占比
卖家类型数据出现缺失时
销量占比≥4% 或者类目T op30 计算结果可视化
的SKU不能被直接忽视
人工分析
(重点关注新品与类目、
与竞品差异较大的情况)
输出分析报告
细分分析
确认对标竞品
根据对标竞品程序 从历史爬虫记录里查找
自动评论爬取 统计页面上的文描元素 从历史爬虫记录里查找
BuyBox记录
个数,具体规则待定 营销记录
推测历史断货情况
按ASIN分别进行
词频统计+倒序排列 涉及历史爬虫的部分都有数据质量风险
图片质量,文本质量,视频质量
还是需要人工判断 断货信息可以手工从Keppa查询
人工分析
按对标竞品
生成竞品对比一览表
展示收集到所有数据
新品市场机会分析
制定销售目标
销量 排名 市占率
输出最终预测 北极星指标 用于调整市场波动
推算备货数量
参考竞品,运营设定成长路径
其他市场因素 根据历史记录预测
新品期的每个月要实现的
运营人工干预因素 季节波动
排名+目标销量的%
输出新品预测报告
新品预测结束