亚马逊商品 review 文本词频分析
正序动态排列图展现了review文本由少到多时，不同形容词出现的频率变化，随着review单词的增多，频率上升的形容词为最新review文本(最近时间段内由用户生成的review)中经常出现的词汇，代表了最近消费者对该产品的主观描述。
亚马逊商品评分、评分数量、曝光价格、价格差对排名的回归分析
删除无效数据后，因为回归分析的目的是探究不同变量对商品销量排名的影响，所以以“阶梯定价”为代表的差异化定价对商品销量排名的影响也在考量范围内，因此需要在原表格内加入一新列数据，取名为“商品价格差”，其取值为“商品价格范围(最高价)”减去“商品价格范围(最低价)”。
亚马逊数据化选品方法
关键词选品的优势是可以批量操作，快速找到大量处于上升期的链接，并能够确定产品后期广告推广的方向。劣势是部分产品前期排名变化较大，数据有一定的延迟性，不是每个ASIN的日排名都可以爬取到。此外还存在刷单等操纵排名的情况对数据产生干扰，因此需要进一步进行分析。第三方采集器可以使用爬山虎采集器、八爪鱼采集器、后羿采集器等，在此以爬山虎为例进行讲解。
亚马逊上的数据采集
完成粘贴后单击“下一步”按钮，进入抓取数据环节。等待1~2分钟，爬山虎就会自动对网页信息进行试抓取和整理。最终生成的数据文件。从表格中可以看到，此处的7列数据中并没有数据化选品需要的数据。单击其他列上方的筛选按钮，即可选择删除该数据，最终只保留第2列的链接和第5列review数量进行深入采集。
亚马逊卖家如何对数据清洗
在第三方采集器完成抓取后，对原有数据进行下载，得到表格，最终需要的数据是链接父ASIN、链接上架时间、大类目排名这3列数据。此时需要提取字段6中的大类目排名，即#之后的内容，可以使用 Excel的分列功能完成该操作。
亚马逊卖家如何对清洗过的数据进行分析
首先，因为关键词搜索结果下偶尔会有不属于该关键词的产品，运营者需要使用COUNTO函数计算该产品在过去14天内，出现在该关键词搜索页面下的次数，然后排除出现次数4次及以下的链接。这样既不会因为保留数据过多导致后期数据分析产生误判，又可以尽可能保留更多的潜力新品。
亚马逊卖家的运营复盘
对于3C、户外等类目，产品需要经历更长的开模和生产周期，前期需要投入更多资源，因此需要更加精准地安排工作计划，以便踩准节点进行爆款推广和运营。
亚马逊同类目选品
通过点击链接，运营者可以找到多款同类型的产品在近期上架，并且其销量稳定排名在10万名以内。部分卖家可能会认为选品流程已经结束，可以准备上架采购发FBA了，但如果这么做，就依然陷入了惯性思维中，没有真正理解选品和市场的关系。讲-步分析链接不难发现，同类型的链接上架时间大多在3~4月，经过3个月左右的运营才将链接推至1万名以内。
地区分布数据在亚马逊选品上的应用
对于“长尾市场”的分析也是大同小异，结合当地民众的文化、习俗、喜欢、收入等要素去分析自身产品为什么在某些市场上受到欢迎，结合这些信息运营者可以最终实现“针对化选品”。
地区分布数据在亚马逊多店铺管理上的应用
在多数跨境电商公司，运营者或者运营团队很多时候并不会使用单店铺运营的模式而是采用多店铺运营的模式(一个公司或者团队同时运营多家店铺 )，那么这时如何去辨别各个店铺的运营水准则成了难题。例如，如果一个团队中有A、B、C三家店铺，店铺A日均业绩4000美元，店铺B日均业绩2000美元，店铺C日均业绩1000美元，这时大多数运营者会认为店铺A的运营水平最高，店铺C的运营水平最低，但是这种草率的结论不一定是正确的。