完成价格时间分布分析与价格地区分布分析以后，卖家就可以开始分析用户价格敏感度了。价格敏感度是指用户对价格的接受程度，用户敏感度越高，越难接受高价商品;用户敏感度越低，越容易接受高价商品。
我们可以将波动的客单价分为三个区间:低价格敏感区间、中价格敏感区间、高价格敏感区间。
首先，在3:00-3:59、13:00-13:59 16:00-16:59 20:00-20:59平均客单价属于高位，因此这4个时间段可以划分为低价格敏感区间，即更多的用户会选择购买客单价较高的商品。其次，在1:00-1:59、2:00-2:59、5:00-5:59、6:00-6:59、8:008:59、10:00-10:59、12:00-12:59、14:00-14:59、15:00-15:59、17:00-17:5918:00-18:59、21:00-21:59、23:00-23:59,平均客单价属于中位，因此这 13个时间段可以划分为中价格敏感区间，即更多的用户会选择购买客单价适中的商品。最后，在0:00-0:59、4:00-4:59、7:00-7:59、9:00-9:59、11:00-11:59、19:00-19:5922:00-22:59,平均客单价属于低位，因此这7个时间段可以划分为高价格敏感区间，即更多的用户会选择购买客单价较低的商品。
与此同时，卖家也可以根据平均客单价对价格地区分布分析得到的图表进行价格敏感区间的划分。
首先，密西西比州(MS)、田纳西州(TN)的平均客单价属于高位，即在这 2个地区更多的用户会选择购买客单价较高的商品，因此这 2个地区可以划分为低价格敏感区间。其次，华盛顿州(WA)、马萨诸塞州(MA)、俄亥俄州(OH)宾夕法尼亚州(PA)等22个地区的平均客单价属于中位，即在这些地区更多的用户会选择购买客单价适中的商品，因此这 22个地区可以划分为中价格敏感区间。
最后，新泽西州(NJ)、佛罗里达州(FL)、南卡罗来纳州(SC)路易斯安那州(LA)、得克萨斯州(TX)、密歇根州(MI)、伊利诺伊州(IL) 爱荷华州(IA)堪萨斯州(KS)、俄勒冈州(OR)这10个地区的平均客单价属于低位，即在这些地区更多的用户会选择购买客单价较低的商品，因此这10个地区可以划分为高价格敏感区间。
价格时间分布敏感度数据主要应用于Listing优化与广告优化这两个环节。
关于Listing优化，价格时间分布敏感度数据可以用来实现“价格歧视”，从而帮助卖家获得超额利润。关于广告优化，价格时间分布敏感度数据中的订单量变化数据可以用来推断广告的最佳曝光时期，从而帮助卖家确定广告的最佳开设时间。除此之外，价格时间分布敏感度数据中的客单价变化数据可以用来帮助卖家优化单次广告竞价，卖家可以根据产品的价格在不同时间段制定不同的竞价。
用户复购率是用来衡量店铺品牌推广程度和产品受众忠诚度的，它的计算方式如下。
(1)统计一年内订单中的收件人信息，计算同一收件人的订单量占所有订单量的比例(用户品牌化程度)
(2)统计一年内订单中的收件地址信息，计算临近地址订单量占所有订单量的比例(地区品牌化程度)。
因为用户复购率数值的计算方式较为简单，所以本节不再以图文的形式讲解，请读者根据店铺数据自行计算。
在卖家计算出自身店铺的用户复购率以后，可采纳以下两种方式进行应用。
(1)针对不同的用户品牌化程度，卖家可以通过粉丝社群、站外引流、独立站推广的方式提升利润率和利润额。
(2)针对不同的地区品牌化程度，卖家可以通过价格歧视、地区限定、线下推广的方式提升订单量和忠实客户数量。已经在前面介绍了利用订单报表分析用户地区分布的方法，得到的数据分析结果与可视化图表一般应用在以下三个运营领域。
(1)针对化选品。
(2)多店铺市场差额比较，评估市场容量。
(3)头部市场、长尾市场、低单市场差异化运营。
在亚马逊选品领域，大多数的卖家是从竞争者的角度出发进行选品的。比如，当某一款产品突然销量大增时，许多卖家会跟进生产和销售类似的产品;或者当一个新店做某一类目出现好几个爆款时，许多卖家也会进驻该类目。无论是从其他独立站选品，还是从我们国内1688批发网站上选品，都是从竞争者的角度出发进行选品的。
卖家通过订单报表分析用户的地区分布规律以后，就可以尝试从消费者的角度出发进行选品了，思考店铺的消费者来自哪些区域、这些区域的消费者有什么特点、其他区域的消费者与这些区域的消费者有哪些区别。通过对这一系列问题进行分析，卖家就可以对自身产品的定位有一个更加清晰的认知了。
结合用户地区数据，卖家就可以获知自身产品的受众主要是美国东西部沿海地区用户，还是美国内陆地区用户。了解这一信息以后，卖家可以结合自身产品的特点找到其产品核心竞争力。比如，是不是沿海地区用户特别喜欢自身产品的设计?是不是内陆地区用户对价格比较敏感，不喜欢价格偏高的产品?是不是沿海地区与内陆地区的某种文化风俗不同使市场份额产生差距?卖家对上述问题全部考虑以后，就可以针对某个卖点或自身“头部市场”的用户进行选品了，不用再把过多的精力放在“低单市场”上，以免浪费运营资源。
对“长尾市场”的分析也是大同小异，卖家可以结合当地民众的文化、习俗、偏好、收入等要素去分析自身产品在某些市场上受欢迎的原因，结合这些信息最终可以实现“针对化选品”。
在大多数跨境电商公司，卖家或运营团队很多时候并不会采用单店铺运营的模式，而是采用多店铺运营的模式(即一个公司或团队同时运营多家店铺)，那么这时如何辨别各个店铺的运营水平则成了难题。比如，一个团队有 A、B、C 三家店铺，店铺A日均业绩为4000美元、店铺B日均业绩为2000美元、店铺C日均业绩为1000美元。这时，大多数卖家会认为店铺A的运营水平最高，店铺C的运营水平最低，然而这种草率的结论不一定是正确的，其原因有以下几点。
(1)店铺业绩是一个综合指标，与店铺健康度、卖家水准、品牌化程度等因素相关，并不能将店铺业绩与运营水平直接画等号。
(2)由于开店时间长短不同，不同店铺有不同的权重，开店时间较短的店铺权重较低，即使新店的卖家运营水平较高，新店业绩也无法在短期内赶超老店业绩。
(3)1件商品一天卖1000件和100件商品一天各卖10件是不同的，前者是爆款模式，后者是铺款模式，虽然在业绩上两者可能相等，但是运营方式和技术含量则完全不同。
为了对店铺群不同店铺卖家的运营能力有一个直观的认识，运营团队管理者可以对店铺群每个店铺都进行一次用户地区分布分析，然后在地图上用不同的颜色标出不同店铺的主要受众区域，即“头部市场”+“长尾市场”区域。因为这两个店铺属于同一个运营团队，所以店铺A与店铺B销售的产品是一模一样的，如果店铺A与店铺B在部分市场上有所重叠，但仍存在不重叠的区域，那么运营团队管理者就可以做出以下三种判断。
(1)店铺A的标注区域才是主要市场，店铺B的卖家有运营失误。
(2)店铺B的标注区域才是主要市场，店铺A的卖家有运营失误。
(3)店铺A与店铺B的标注区域都是主要市场，两个店铺的卖家都没有完全抓住目标市场。
至于哪一个判断正确则需要卖家具体问题具体分析，因为一个店铺的受众区域与商品价格、卖家运营风格、店铺品牌化程度相关，所以不能一概而论。
通过对上述内容进行分析，运营团队管理者就可以根据多个店铺受众区域的不同找到所有的目标市场。
在电商领域，一个电商品牌的发展主要看三点:模式、效率、用户复购率。在亚马逊跨境电商平台上，电商的模式就是B2C，而本书涉及的用户画像、数据化选品精细化运营等技巧则是为了提升电商卖家的效率，品牌化推进则是为了提升用户复购率。卖家只有将这些点融会贯通，才能不断提升店铺管理能力，从而提升销量。
