1.客户购物习惯数据的广告应用
客户购物习惯数据的广告应用可以分为两个方面:第一个方面为广告的曝光时间优化，第二个方面为广告的单次点击竞价优化。本节主要讲述第一个方面的应用。跨境运营者可以通过柱形图来展现店铺总订单量的单日变化情况。
跨境运营者可以对店铺整体的购物高峰期进行标注。
美国时间 6:00~19:00 为购物高峰期，那么这段时间也是亚马逊美国站的流量高峰期，因此运营者可以利用这段时间来使广告效率最大化。需要注意的是，这里的最佳时段并不是广告销售成本比(ACOS )最低的时段，而是在相同时间内广告效率最高的时段，适合处于成长期的产品而非稳定期的产品。
2.客户购物习惯数据的 listing 优化应用
在 listing 优化上，客户购物习惯数据可以应用于比较高阶的运营操作中一一价格歧视。价格歧视 (price discrimination)实质上是一种价格差异，通常指商品或服务的提供者在向不同的接受者提供相同等级、相同质量的商品或服务时，在接受者之间实行不同的销售价格或收费标准。例如，同样在亚马逊上销售一件商品，运营者以 5 美元卖给 A 客户，以 6 美元卖给B 客户，这种行为就已经构成价格歧视。运营者通过这样的行为获得超额利润。在亚马逊平台上，“价格歧视”一般可以分为以下 6 类。
(1)客户职业导向价格歧视，即面对不同职业的客户制定不同的价格，如面对学生客户时价格偏低，而面对职场客户时价格偏高。
(2) 客户地区导向价格歧视，即对不同地区的客户设定不一样的销售价格
(3) 客户种族导向价格歧视，即对不同种族的客户设定不一样的销售价格。
(4)客户语言导向价格歧视，即对有不同语言习惯的客户设定不一样的销售价格。
(5)客户性别导向价格歧视，即对性别不同的客户设定不一样的销售价格。
(6)客户购物习惯导向价格歧视，即对有不同购物习惯的客户设定不一样的销售价格
本文主要结合“客户购物习惯导向价格歧视”来讲解“价格歧视”的使用方法。
确定了实施“价格歧视”策略的时间段后，就需要判断实施“价格歧视”策略的可能性这就需要判断 CA 地区与 FL 地区客户对于价格的敏感度是否有差异。本文介绍了对比不同地区订单量与平均客单价的数据可视化方法，即通过对比“比较数数值所得到的柱形图，运营者可以在该图上将 CA 地区与 FL 地区标注出来。
然后，运营者可以参考不同地区的价格敏感度划分可视化表格。结合可以得知: CA 地区属于中价格敏感区间，FL 地区属于高价格敏感区间，那么 CA 地区的客户偏向于购买价格偏高的产品，而 FL 地区的客户偏向于购买价格偏
低的产品，实行“价格歧视”策略的条件存在。其具体运营逻辑为:当 CA 地区客户的购物高峰期到来时，运营者可以提高销售价格以获取超额利润，与此同时不用担心价格的提升会导致 FL 地区销量的下滑，这是因为 FL 地区客户的购物高峰期还没有到来。随后，当 FL 地区客户的购物高峰期到来时，运营者可以将销售价格调回原位，从而促使更多 FL 地区的客户下单购买。
在具体的运营实操过程中，运营者可运用如下两种方式来实施“价格歧视”策略。
(1) 设置多个子变体，同时为每个子变体设置高低不同的价格，然后在不同地区达到客户购物高峰期时显示不同的子变体，其显示的销售价格取决于该时间段内属于客户购物高峰期的地区的价格敏感度，价格敏感度高的地区显示低价 listing，价格敏感度低的地区显示高价 listing。
(2)为同一个 listing 在不同时间段设置不同的价格，其具体的销售价格取决于处于客户购物高峰期的地区的价格敏感度，价格敏感度高的地区显示低价，价格敏感度低的地区显示高价。考虑到频繁修改价格可能影响产品权重，所以推荐使用第一种方式。在前台显示一个适合的子变体的同时，其他的子变体可以禁止显示。
