亚马逊listing优化与店铺维护技巧超深度解析.docx
- 文档编号:26236083
- 上传时间:2023-06-17
- 格式:DOCX
- 页数:35
- 大小:920.88KB
亚马逊listing优化与店铺维护技巧超深度解析.docx
《亚马逊listing优化与店铺维护技巧超深度解析.docx》由会员分享,可在线阅读,更多相关《亚马逊listing优化与店铺维护技巧超深度解析.docx(35页珍藏版)》请在冰豆网上搜索。
亚马逊listing优化与店铺维护技巧超深度解析
亚马逊运营过程中,虽然涉及到的工作内容其难度并不是很大,但是涉及的面非常广,但是正如零售行业的“二八定律”一样(20%的产品会带来80%的销量和利润),在运营工作中同样存在着“二八定律”,即20%的工作内容决定了80%的工作成效,所以在对待日常的运营工作中,我们需要对每一个工作流程进行细分,然后逐步突破,如下图所示,是一般亚马逊运营的单日工作内容流程图:
建立起如上图所示的工作流程图后,我们还需要将其每个细节进行细分,例如在流量分析与新品上架一块就可以细分成如下图所示:
我们可以看到每个工作环节都可以像上图所示拆分成很多个细节,很多运营工作者往往忽略了这些细节的整理,而在运营过程中脑子里想到什么就做什么,这样往往缺乏效率。
当细分工作流程后,之后要做的就是将每个细节做到极致,然后观察各个细节对于运营结果的影响,最终确定哪些细节是属于“二八分布”中的20%。
细分完工作流程后,就要理解跨境电商亚马逊运营的重点任务只有一个:
提升产品销量/利润(有时候销量并不一定代表利润,反之同理,但是这两个指标是衡量运营是否成功的最终标准)。
为了完成这个任务,亚马逊运营者的工作内容包括但不限于以下内容:
店铺指标优化(有效跟踪率优化/feedback优化/防关联等)
产品review优化
listing界面优化(5点描述/A+页面/视频等)
产品价格优化(促销/优惠券等)
FBA相关工作内容(不能FBA断货等)
自配送相关工作内容(寻找相关自配送物流渠道)
广告优化(手动广告/自动广告)
图片优化(主图选择/防侵权图片筛选等)
转化率优化
站外引流
站内流量优化
店铺品牌化相关(包装改进,品牌内涵确立等等)
选品(市场选择,供应链整合,竞品分析等)
……
了解了亚马逊运营工作的概要后,我将分别从选品,新品上架/推广,以及listing/店铺维护这三大板块去讲解如何去运营一家店铺。
三、listing优化与店铺维护技巧
1亚马逊A9算法数理逻辑推导及对应手动广告技巧
作为亚马逊运营,不说说A9算法都不好意思说自己是做亚马逊运营的,当然,A9算法本身是由世界上最顶尖的程序员们编写而成,我这种半桶水的编程水平是远不能参透一二的,不过该搜索引擎的计算逻辑还是可以用来做简易推导的。
在推导A9的一些基本逻辑前,我们可以先了解下一种类似搜索引擎的经典算法:
蚁群算法
蚁群算法是一种用来寻找优化路径的概率型算法。
它由MarcoDorigo于1992年在他的博士论文中提出,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。
这种算法具有分布计算、信息正反馈和启发式搜索的特征,本质上是进化算法中的一种启发式全局优化算法。
(示意图如下)
蚁群算法言简意赅就是找到一个到达目的地的最短路径,而A9搜索引擎的最终目的与之类似,就是将顾客最有可能购买的产品通过顾客搜索Keyword的不同推荐给用户,从这一理论上推导与蚁群算法逻辑层面并无差别,而千千万万顾客的搜索与交易信息最终就像蚁群算法中无数只蚂蚁爬行的轨迹一样最终会趋于一个最佳路径或者解法。
首先我们先回顾一下5周目中的产品流量变化图:
为了便于理解,还是用这一幅流量变化图来解释A9的一些逻辑,这里我们先用Q&A的方式来推导
为什么3号产品不同于1号与2号产品拥有更猛烈的流量增长和变化?
因为3号产品是爆款所以Amazon的A9算法发现该产品的曝光点击转化率和流量订单转化率远高于其他产品,所以给了更大的曝光,因此有了更大的流量。
为什么流量不会一直增长下去?
怎么来判断一个产品到达A9算法给与的曝光顶峰呢?
参考蚁群算法,所谓A9中的曝光顶峰就是那条最短路径罢了,就好像两点之间直线最短,所有带有弯曲或者绕路的线路都不是最佳路径,那么在Amazon平台就可以理解为所有处于上升或者下降趋势的产品都没有处于这条最佳路径上。
这可以由产品listing下方的相关产品栏目予以体现,在Amazon的产品栏目中,一般分为如下几类:
以上类目属于“Sponsoredproductsrelatedtothisitem“
这一类多为相关的广告性产品推荐
以上类目属于“Customersalsoshoppedfor“
这一类多为大类目产品推荐,与原listing产品并不是非常相关
以上类目属于“Customerswhoboughtthisitemalsobought“
这一类为订单相关性产品,订单关联度在服装类目一般为2%~5%即每100单就有2~5单会同时购买该listing与该推荐类目的产品
以上类目属于“Customersalsoconsidered“
这一类为大类目产品推荐,与原listing产品有一定相关性
我们再回过头看刚刚的命题,如果一个产品到达顶峰,Amazon平台为了获得最大的利润一定会尽量将其匹配到适合的产品类目去,通过也会在下方的推荐栏目中给予最精确的组合与推荐达到利润的最大化,所以,如果你看到一个产品下方只要没有”Customerswhoboughtthisitemalsobought”这个栏目,该listing就没有达到峰值。
于此同时,即使当一个产品已经日出50甚至日出100单,但是下方栏目仍然是”Customersalsoconsidered”时,那么100%可以肯定这个listing中的产品必然是爆款而且其销量/流量仍然会继续上升,直到Amazon找到与之匹配的产品类目与相关推荐才会进入流量/订单稳定期。
通过前面2个Q&A可以了解到,这个蚂蚁寻路的过程就是一个产品在Amazon上不断找到适合自己销售的那个坑位的过程,然后我们再来看看关键字和转化率这两者在这一过程中的作用,还是以Q&A的形式进行下去。
关键字的作用是什么?
在这里关键字并不止包含5行关键字本身,还包含了比重最大的标题,在考虑这个的时候,要以一种路径规划的逻辑去考虑,而不是以感性的“贴切”或者“精确”作为依据。
首先我们来模拟一下A9的逻辑
对于以上这个产品,一旦你上架了,A9算法就开始运行计算了,它首先做的就是给你一定的曝光,但是这个曝光很大程度取决于你的关键字,如果你的关键字只有t-shirt一个词,那么假设A9给你1000单位的曝光,这些曝光会根据市场份额的大小分别在男士t-shirt,女士t-shirt,孩童t-shirt等类目中进行曝光。
于此相对地,如果你写了womenst-shirt这2个词作为关键词或者标题,那么这1000单位的曝光就全部会在womenst-shirt这一大类目中,而你的出单概率也会比前者大,因此A9就会判定你的产品或者listing比前者优秀,从而给你更大的曝光并淘汰前者产品。
这就好比你想要开车从A(上架)驶到B(单量或者点击转化率),你的关键字就是路标,Amazon一开始给你100升油让你随意开,而A9算法就是来评判当你把100升油开完后你距离目的地B的直线距离,距离最短的那个产品胜出。
所以和蚁群理论一样,我们的产品就是一只蚂蚁,我们则是它走出的第一步的方向的规划者,而A9则是它终点的决定者。
注意,在电商平台中,运营者只能决定产品成长的方向而不能决定产品成长的终点,而关键字则决定了产品成长的第一步,随着产品的逐步成长关键字的作用会越来越弱化。
那么是不是越精确越好呢?
错!
比如你想去喜马拉雅山,你把方向定为北纬27度59分,东经86度56分,但是你除非开飞机(打高价手动广告,头条广告),否则还是需要通过高铁/公路先去青藏高原,再去喜马拉雅山。
还是以刚刚的T恤为例,如果你的关键词非常精确,例如“尼龙吸汗棉短袖圆领弹性女士T恤”这种极其精确的关键词,亚马逊也不会因为你关键词够多就给你大于起始单位的曝光度,而是会把这些词拆分为“尼龙T恤”、“圆领T恤”等多元素组合进行曝光,这的确增加了出单的概率,但是有以下两个方法更为简便:
广告
重复性上架
广告的作用不必多说,重复性上架的意义在于同一款产品亚马逊都会给予基本单位的概率性曝光,所以多次上架有助于产品成长的第一步(当其中一款产品快速成长起来时,其他重复性上架产品可以作下架处理)。
重复上架就是利用一组相关度较高的关键词组合重复上架某一产品,当你的产品如同蚂蚁一样走出恰当的第一步(关键字适合贴切),A9算法会给他们分别曝光,随着listing数量的增多,曝光几率变大,出单的概率也会增大。
当我与其他卖家卖相同产品,如何在其他卖家listing已经领先的前提下赶超他们?
每个产品都有自己的对应属性,每个对应属性就类似于数学线性代数里的一个矩阵中的一个值,还是以刚刚的T恤为例
这个T恤的根属性为上衣(Blouse),其余属性为T恤,圆领,短袖,休闲,纯色,女士,棉……
那么首先我们可以构建如下一个矩阵(注意,之后的数学计算仅仅只是数理上的逻辑推导,并非严格的数学计算,只是想通过逻辑推导的过程得出相关定性的结论,帮助我们更好地从事运营类工作)
然后我们将其翻译成英文
注意,以上两步仅仅只是为了便于理解,而这个矩阵中每个元素的值为在亚马逊搜索引擎中搜索其中任意一个属性与根属性的搭配从而产生的排名即rank值,例如搜索womenblouse,该产品排名为100名,则上述矩阵中1列2行数字为100,同时将整个关键字搭配的搜索结果作为另一个矩阵记录数据,上述矩阵利用Amazon平台将各个搜索结果填写进去后就会变成这样:
搜索结果矩阵(超过X0000的按X0000计算)为
我们可以从这些排名中找到“相对强属性搭配”,即80名的“T-shirtBlouse”,20名的“short-sleeveBlouse”,70名的“cottonBlouse”与80名的“summerBlouse”,这些此代表了该产品与这些关键词的匹配程度较高,但是这只是做了第一层A9属性匹配,还不精确,我们需要做第二次A9的属性匹配
分别选择一个普通属性与强属性进行搭配作为新的根属性,然后再分别搜索各个不同属性进行搭配后的搜索排名进行填入,从1行1列开始,同时也记录下新的搜索结果矩阵
其他矩阵也是以此类推,在第二次匹配中,一共会有新的9个矩阵,每个矩阵中会有一个数值不变,其他应该都会一定程度上变小,其变小的比率就是该属性与新的根属性之前的匹配程度,我们二次匹配的每2个矩阵可以理解为前一个矩阵是Y即结果,后一个矩阵是X即环境,如下所示:
其他矩阵也是以此类推,在第二次匹配中,一共会有新的9个矩阵,每个矩阵中会有一个数值不变,其他应该都会一定程度上变小,其变小的比率就是该属性与新的根属性之前的匹配程度,我们二次匹配的每2个矩阵可以理解为前一个矩阵是Y即结果,后一个矩阵是X即环境,如下所示:
通过上面的二次匹配,我们已经可以获得多个关键字对应的listing排名和搜索结果的总数,我们把某个关键字的搜索排名Rank设置为,把该关键字搜索结果的总数设置为,那么关键字矩阵对应的搜索可见概率(搜索可见概率为一种概率参数模型,当概率值极大接近于1时,表明当用户输入该关键字,几乎100%可以得到产品listing的搜索结果)可以设定为以下公式:
以上述一次匹配矩阵为例,搜索“T-shirtBlouse”,此时为80,为20000,那么这时即99.6%,我们可以认为当用户在Amazon平台输入“T-shirtBlouse”时,有99.6%的概率可以看到该商品。
以上述二次匹配矩阵为例,搜索“T-shirtBlouseroundneck”,此时为180,为4000,那么这时即95.5%,我们可以认为当用户在Amazon平台输入“T-shirtBlouseroundneck”时,有95.5%的概率可以看到该商品。
当然,这个概率只具有数理上的逻辑意义,即“大与小”的意义,而不是数值上的精确意义,我们只需要计算出关键字矩阵中各个元素对应的搜索可见概率,统计出其中的高数值项,然后在我们上架同样产品的时候避免这些关键字的组合,选择那些一次匹配概率值较大但是二次匹配概率值较小的关键字组合作为我们的关键字,这样才可以做到当用户搜索某些大流量关键字时我们的产品可以比竞争对手的产品优先显示。
如何利用A9的运算逻辑通过广告赶超竞争对手?
通过第四个Q&A我们可以了解到,在Amazon平台中每个产品都有其固定的搜索序位,当你的竞争对手已经占据了一定序位的时候,无论是通过广告,FBA,review评分等任何手段都是很难将已经领先的竞争对手打败的,但是,当竞争对手的listing还处于上升阶段时,我们可以通过手动广告的top曝光搭配竞争对手的listing关键字矩阵分析进行赶超。
在使用这个技巧时,请确保竞争对手的listing有以下几个特征:
listing仍处于上升期即还未到排名和销量的平稳期
产品拥有多个颜色/尺码/小类
不同颜色/尺码/小类产品拥有各自区别明显的图片 假设上图是我们竞争对手的listing图片,其listing下一共有10个不同颜色的子产品,同时我们也能判定该产品处于上升期还未到平稳期。 (判定的方法需要运营经验,比如你认为这个产品应该可以买到排名4000左右,而现在你的竞争对手排名只有10000左右,那么你就能判定该产品仍处于上升阶段;除了这个方法,也可以多次记录竞争对手listing的排名变化来验证自己的想法,一般记录3~5天的排名波动就可以判定产品是否处于上升阶段) 假设这时我们竞争对手使用的标题,那么我们可以将产品的关键字/标题组合拆分为以下几类: shortsleeve highlowhem/asymmetrichem loose/casual tshirt/tee/tops/blouse basic 我们将上面5个词组一共10个关键字进行排列组合,然后分别填入Amazon的搜索引擎栏目中作为keywork进行搜索,会发现某种颜色的子产品大概率出现在搜索结果中(例如red颜色的产品以47%的比率出现在搜索结果中),这样我们就找到了这个listing中最热卖或者点击转化率最高的那个颜色,然后我们就能将对应剩下那53%搜索结果的关键字填入手动广告的关键字栏目中,同时选择那个最热卖的颜色最为手动广告的曝光对象,同时选择愿意加价50%的单次点击费让产品链接可以出现在top3~5搜索结果中,这样就可以获得大量的流量和曝光,增加赶超竞争对手listing的概率。 通过以上5个Q&A和数理上的分析,我们可以得出一个结论: A9算法在一开始并不知道什么东西是爆款什么东西不是爆款,它只是通过给你曝光后分析你产品的点击转化率和订单转化率来判断是否需要再给你更多的流量,所以,在A9算法最终找到某个产品的最终定位时,我们都可以通过排名,搜索结果分析,对关键字/手动广告/标题进行优化完成销量上的赶超。 2产品review维护思路 在如何维护产品销量上,已经有很多运营博客和文章讲解了他们的思路,所以很多内容我就不赘述了,比如刷直评,刷单,刷评价,FBA备货,网红营销等等,我这次以维护review评分的角度来讲解。 在review维护上,我将产品分为3类: 本身产品质量不错,review得分较高 本身产品质量一般,review得分中等好评差评参差不齐 本身产品质量较差,review得分较低且基本只有差评 对于第一类,我们只需采用正常的运营思路即可,比如出现差评时主动联系顾客,刷直评,做免费测评等等,我们重点来说说第二类和第三类的维护技巧。 对于第二类产品,首先我们要承认当产品质量一般时差评是不可避免的,而review的评分会因为大量评价的累积而最终形成一个稳定值,比如3.6颗星或者3.3颗星等等,所以,对于这类产品,我们采取的策略是首页保持好评占据review页面,总review评分属于“四舍五入”最优值。 我们先来看下面一个案例: 这是一个典型的产品质量一般的产品,好评差评参差不齐一共有104个,而中差评有48%的占有量,如果我们不进行任何运营操作,那么在首页review上将也会出现一半左右的中差评,这会严重影响顾客的转化率。 在亚马逊的评价系统中,有一个类似知乎的点击“赞同”的选择,而“赞同”数获得最多的review会被推送到最前端(当然,最新出现的review无论是否有赞同都会在首页显示一段时间),所以我们第一步操作就是在所有review中选择不错的好评review各自刷取15~30个赞同。 完成了第一步操作后我们要开始第二步操作: 即使review评价属于“四舍五入”评价的最优值。 如上图所示,这个产品现在只有8个评价,但是因为差评的存在已经review总评分只有3.1颗星,这时候只要我们对于产品质量还有一定的信心的话就可以适当刷1~2个直评或者测评挽回review总评分,注意,这是在对产品质量还有一定信心的前提下所采取的操作,如果产品质量较差,情采取下文中对于第三类产品的运营操作。 对于第三类产品,我们采取的操作既不是刷评也不是刷点赞,而是通过删除子SKU的方法删除差评(注意这里是删除子变体SKU而非父产品SKU),方法很简单,到后台直接删除差评的SKU即可,然后再把以假乱真的另一个SKU的子产品上传到页面上,比如像下图这种listing选项就是卖家删除子SKU导致: 原本的子产品是6.5B(M)US~10.5B(M)US,然后灰色的子产品8.5B(M)US,10.5B(M)US产生了差评,卖家把子SKU删除后因为不可以再添加名称完全一样的子SKU,所以把8.5B(M)US改成了8.5B(M)US,10.5B(M)US改成了10.5B(M)US,两者的唯一区别就是数字和字母间少了一个空格号,这个如果不细心观察肯定不会留意。 注意: 删除子SKU进行删差评的方法会在一定程度上降低产品排名! 注意: 删除子SKU进行删差评的方法会在一定程度上降低产品排名! 注意: 删除子SKU进行删差评的方法会在一定程度上降低产品排名! 如果产品质量较差,即使要删除差评也不能一下子删除过多子SKU而是每隔一段时间删除一个,不然产品排名会下降得非常快。 3转化率优化思路 1、优化转化率前的准备工作 如何计算转化率? 建立求和方程 在考虑转化率前,我们先设定必要的几个参数: 根据以上参数,转化率计算公式可以为下面两种形式: 如何找到适合优化转化率的产品? 商品大类区分 很多运营者喜欢关注第一个计算公式中的数据波动,而第一个公式本身对于优化转化率是没有意义的,转化率是针对某个产品而言的,整体的数据并不能体现单个转化率的优秀与否,所以在进行转化率优化时需要采用第二个公式进行参考。 在使用第二个公式进行优化参考前,我们需要做一个重要的工作: 店铺商品大类区分 商品大类区分指根据销售额占比将店铺所有产品进行归类,一般采用25%+50%+25%的区分方式。 根据上述比例,我首先先店铺中的产品分为三大类,第一类为爆款(我定义为日均单量大于40单的产品),第二类是上升款(我定义为日均单量大于2单小于40单的产品),最后为小额款(我定义为日均单量1-2单的产品)。 最后根据以上产品分类将转化率的计算方法变成以下这样的形式: 订单额=爆款转化率×爆款流量+上升款转化率×上升款流量+小额款转化率×小额款流量 不考虑流量变化,那么三类产品的转化率我们的优化重心是哪类产品呢? 重点优化上升款(即占销售额50%的中间款式) 理由如下: 爆款已经日出大量订单,这已经属于很可观的结果了,一旦进行转化率优化改变现在的产品描述,介绍乃至图片,那么所导致的后果既有可能是单量上升也可能致使转化率不升反降,所以针对已经出现的爆款,我的建议是维持现状 对于小额款产品,由于这些产品数量庞大,单量却又极少,很可能转化率在20-100%之间大幅度波动,这样贸然优化转换率不仅工作量极大且效果也不会很显著 上升款应该占据一个店铺销售额40%以上,大量的上升款甚至可以达到店铺销售额的60%,这些款式往往有部分在未来会成为店铺的爆款,且处于上升期的稳定款每天也会有大量的流量,所以一旦转化率有所提高业绩也会明显上升,而且即便出现优化错误转化率下降的情况也不会像爆款产品一样产生无法弥补的损失 如何设定优化目标? 历史数据总结 既然决定优化,就得制定最终目标,是10%? 还是20%? 这是提供几个目标决策依据: 以现有店铺中流量已经稳定上升款式中的最大转化率为参考目标 以优化后平均转化率为10%且上下波动2%为参考目标 以优化后平均转化率提升30%以上为参考目标 以服装行业为例,一切不足10%的转化率都称不上是优秀转化率,一切不足5%的转化率为不合格转化率! 2、怎么优化转化率? 转化率的影响因素相对于流量要复杂得多,但也不至于无迹可寻,在这一部分中,我将从各个方面依次介绍转化率的优化方式。 商品信息优化 商品信息指的就是上图中的那6点商品介绍 如果是你,让你来优化上图中的商品信息,你会怎么优化,让我猜猜你是不是回答了以下这些内容: 把介绍再做详细一点,或是在介绍前添加各种店铺标记显示特色,又或是添加更多的描述说这是自己的品牌,这是什么材质做的等等 你好好回忆一下,是不是刚刚想的这些优化方法通通和“内容”二字相关,也就是说你在拼命地优化“内容”对不对? 如果是真的,那么你又犯了我1周目所提到的运营的大忌! 注意! 你在陷入惯性思维! 你拼命地想着怎么把商品信息的内容进行优化改进,却忘了一个最基本的提前: 所有的内容优化都是建立在顾客会看的前提下,如果顾客不看你就算内容写得天花乱坠可是做无用功! 那么在考虑商品信息内容优化前,我们先要考虑什么呢? 商品信息的页面排版,或者说视觉感受 我放几张商品信息的图片给大家比较一下,我们先抛开内容不谈,单看排版,看看哪个商品信息看着最让人舒服: 商品信息1 商品信息2 我们来对比一下上面2张图片: 商品信息1第一眼就给人一种在做英语考试阅读理解的感觉,还好卖家比较聪明在每行最前端设置了标题标明该行信息内容,不然真没那个耐心看下去 商品信息2让人一目了然,商品介绍言简意赅,每条信息的排版也基本符合金字塔的排版由少到多让人有看得欲望 通过2张图片的对比,1的排版和样式是我们尽力要去避免的,即便你要将商品的详细介绍放在商品信息中,也要像2一样合理排版让人有阅读的欲望而不是将所有的内容揉杂在一起扔给顾客。 总而言之,商品信息优化的方法可以概括为以下几点: 优化内容前先考虑排版,优秀的排版应该让人有阅读的欲望 如果编辑信息过多可以采用像商品信息3的编辑方式,即一行刚好编辑满格后多加1~2个单词使页面看起来有一行空一行的感觉(注意: 进行商品5点信息进行排版的时候需要使用不同浏览器观察页面验证效果) 除了基本内容,可以在每个信息排头加上一些标志或者Logo显示店铺特色 如果不是需要特别介绍的产品,尽量采用商品信息2的金字塔排版,这样简洁又美观 图片优化 在3周目的时候我们已经提到了图片对于流量的影响,而这里的图片优化和3周目的图片优化有着一定
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 亚马逊 listing 优化 店铺 维护 技巧 深度 解析
![提示](https://static.bdocx.com/images/bang_tan.gif)