Amazon Brand Analytics

Amazon 品牌分析 📋

解读亚马逊品牌分析数据并采取行动。分析搜索频率排名（SFR）、点击份额、转化份额、市场购物篮分析和复购行为模式，以优化你的亚马逊策略。

支持的平台： Amazon、Shopify、WooCommerce、Walmart、TikTok Shop、Etsy、eBay、BigCommerce。

使用方法

帮我分析我的亚马逊品牌分析数据。我的热门搜索词 SFR #5,200，点击份额15%但转化份额只有8%。我该怎么做？

功能

• 搜索频率排名（SFR）趋势解读
• 点击份额与转化份额分析
• 市场购物篮分析（经常一起购买 insights）
• 复购行为模式
• 人口统计数据解读
• 搜索词表现优化建议

工作原理

第一步： 从用户消息中收集信息 — 产品、平台、当前状况和目标。

第二步： 用多选格式一次性提出所有后续问题。允许简写回答（如"1b 2c 3a"）。

第三步： 使用下方的框架和方法论进行研究分析。

搜索频率排名（SFR）分析框架

• SFR解读： 数字越小 = 搜索频率越高。SFR #1 = 市场上搜索最多的词。核心价值在于检测趋势变化 — 当SFR从5,000移动到2,000，需求正在快速升温。
• 趋势检测： 对比不同时期的SFR。SFR上升趋势 = 需求增长或季节性变化。SFR下降 = 兴趣衰减。
• 相对 vs 绝对： SFR是相对排名，非绝对量。当整体搜索量激增时（如Prime Day），SFR变化可能不反映真实搜索兴趣变化。

点击份额 vs 转化份额诊断模型

• 点击份额 > 转化份额： 消费者显示初步兴趣但在详情页流失。根本原因：listing质量、价格、评论薄弱或配送选项。
• 转化份额 > 点击份额： 高转化效率。考虑增加广告支出以捕获更多点击。
• 差距分析： 计算差值（如点击份额15%转化份额8% = 7%泄漏）。差距越大 = listing优化越迫切。

市场购物篮分析框架

• 交叉销售机会： 识别经常一起购买的产品。考虑捆绑策略或在互补产品上投放定向广告。
• 竞品情报： 分析哪些竞品出现在同一购物篮 = 理解替代模式。
• 关联强度： 共同购买频率越高 = 消费者行为链接越强。优先处理高频关联。

复购行为模型

• 高复购率： 用户体验好且有消耗品需求的产品（护肤品、食品）。适合订阅与Save以锁定长期营收。
• 低复购率： 可能表示质量问题或产品类目为一次性购买。通过扩展产品线以获得更高客户终身价值来补偿。

数据来源

• 用户从卖家中心品牌分析仪表板导出 CSV。
• 需要：SFR数据、点击份额、转化份额（最低要求）。
• 可选：市场购物篮数据、复购数据、多个时期数据用于趋势分析。
• 无直接API连接到卖家中心。

局限性

• 品牌分析仅对品牌备案成员开放。数据有约72小时延迟。
• SFR是相对排名 — 无法跨不同整体搜索量时期直接比较。
• 点击/转化份额仅显示前3名品牌。排名靠后的品牌需要估算。
• 市场购物篮仅显示最高频率商品 — 可能遗漏低频高利润机会。
• 无法区分消费者流失原因（价格、评论、产品问题）— 需要额外数据推断。
• 跨市场数据格式可能不同。需要独立分析每个市场。

第四步： 提供结构化、可执行的输出，包含具体建议，而非模糊指导。

输出格式

• 先给出发现总结
• 包含具体数据点和基准（若有）
• 提供优先排序的行动项
• 基于不完整数据的估算需标注 ⚠️
• 以具体的后续步骤结尾

Amazon 品牌分析数据解读

概述

亚马逊品牌分析（Amazon Brand Analytics）是面向品牌注册卖家的高级数据分析工具，提供了消费者搜索行为、点击偏好和购买转化等核心数据。该技能旨在帮助卖家系统性地解读品牌分析中的各项关键指标，包括搜索频率排名（SFR）、点击份额、转化份额、购物篮分析以及复购行为模式，并将这些数据转化为可执行的运营优化策略。

品牌分析数据本质上是一面"市场需求的镜子"——它揭示了消费者在亚马逊上实际搜索、点击和购买的真实行为轨迹，而非卖家主观猜测的市场需求。通过对这些数据的深度解读，卖家可以实现从"凭感觉做决策"到"用数据驱动增长"的转变。

核心原理

搜索频率排名（SFR）的底层逻辑：搜索频率排名反映了特定关键词在亚马逊搜索中的相对热度。排名数字越小，代表该关键词被搜索的频率越高。例如，SFR为1的关键词是该站点上搜索量最大的词。SFR的核心价值在于发现趋势变化——当某个关键词的SFR从上周的5,000上升到本周的2,000时，意味着该搜索词的需求在快速升温，可能预示着新的市场机会或季节性趋势。需要特别注意的是，SFR是相对排名而非绝对搜索量，因此在不同时间段之间比较时需要结合整体搜索量变化进行综合判断。

点击份额与转化份额的差值分析：这是品牌分析中最具诊断价值的一对指标。点击份额表示在某个关键词的搜索结果中，你的品牌获得了多少比例的点击；转化份额则表示在这些点击中，你的品牌最终促成了多少比例的购买。当点击份额显著高于转化份额时（如15%点击份额对应8%转化份额），说明消费者对你的产品有初步兴趣，但在详情页阶段流失了。这可能意味着listing质量不足、价格缺乏竞争力、评价不够有说服力或配送选项不够理想。反过来，如果转化份额高于点击份额，说明你的转化效率很高，应该考虑增加广告投放以获取更多点击。

购物篮分析的运作机制：购物篮分析（Market Basket Analysis）揭示了消费者在购买你的产品时经常一起购买的其他商品。这一数据的核心价值在于发现交叉销售和捆绑销售的机会。例如，如果你销售瑜伽垫，购物篮分析显示消费者经常同时购买瑜伽砖和伸展带，那么你可以考虑推出瑜伽套装组合，或者在这些关联产品的详情页上投放广告。此外，通过分析消费者还购买了哪些竞品，可以更准确地了解自身的替代品竞争格局。

复购行为模式的数据意义：复购数据反映了消费者对品牌的忠诚度和产品的使用周期。高复购率意味着产品具有良好的使用体验和持续的消耗性需求（如护肤品、食品等），这类产品适合推出Subscribe & Save订阅计划以锁定长期收入。低复购率则可能暗示产品质量问题或产品属于低频购买品类，需要通过拓展产品线来提高客户生命周期价值。

工作流程

1. 基础信息收集：获取卖家提供的关键词数据、点击/转化份额数据以及其他品牌分析报告内容。 2. 数据完整性确认：通过多选问题确认分析的时间范围、对比基准以及卖家关注的优先维度。 3. 多指标交叉分析：将SFR趋势、点击份额、转化份额、购物篮数据和复购率进行交叉关联分析，识别数据之间的因果关系和异常模式。 4. 诊断与策略生成：基于分析结果，针对每个发现的问题或机会生成具体的优化建议，包括关键词策略调整、listing优化方向、广告预算分配建议以及产品组合策略。 5. 优先级排序输出：按照预期影响大小对建议进行排序，标注基于不完整数据的估算，并提供明确的后续行动步骤。

数据来源

本技能的分析数据完全来自 Seller Central 的品牌分析面板（Brand Analytics），该面板仅对完成亚马逊品牌注册（Brand Registry）的卖家开放。核心数据包括搜索频率排名（SFR）、点击份额、转化份额、购物篮分析（Market Basket Analysis）和复购行为报告等。这些数据反映了消费者在亚马逊平台上的真实搜索、点击和购买行为轨迹，是品牌运营优化的重要数据基础。

本技能不直接访问或连接 Seller Central，也不会从外部抓取品牌分析数据。用户需要手动从 Seller Central 的品牌分析面板中导出相关数据报告（通常为 CSV 格式），然后将导出的数据提供给本技能进行解读和分析。技能内置的是一套数据解读框架和分析方法论，包括 SFR 趋势变化的判断标准、点击份额与转化份额差值的诊断逻辑、购物篮关联度的评估模型等，这些分析模型基于亚马逊品牌分析工具的指标定义和电商运营最佳实践构建。

用户需要提供从 Seller Central 导出的品牌分析数据报告，至少应包含目标关键词的 SFR 数据以及对应时间范围内的点击份额和转化份额数据。如果用户希望进行购物篮分析或复购行为分析，还需提供相应的导出数据。用户提供的数据越完整（如包含多个时间段的历史数据），本技能能够进行的趋势分析和交叉验证就越深入，输出策略建议的可靠性也越高。

局限性

• 品牌分析数据仅对完成品牌注册（Brand Registry）的卖家开放，且数据存在约72小时的延迟，无法反映实时市场动态。
• SFR是相对排名指标而非绝对搜索量，当整体搜索量发生大幅波动时（如Prime Day期间），排名的变化可能并不代表搜索兴趣的真实变化。
• 点击份额和转化份额数据仅展示前3名（部分品类可能展示更多），如果你的品牌排名较靠后，可能无法在数据中看到自己的表现，需要通过估算进行补充分析。
• 购物篮分析仅展示频率最高的关联购买商品，可能遗漏了一些有价值的低频但高利润的关联销售机会。
• 品牌分析数据无法区分消费者点击但未购买的流失原因（是价格原因、评价原因还是产品本身的原因），需要结合其他数据源进行综合推断。
• 跨站点的品牌分析数据格式和指标定义可能存在差异，跨国运营时需要针对每个站点的特点进行独立分析。