首页

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。

虽然“dress”与“women’s”两词是“dress”类目下的必要词汇，但是搜索排序19 152的词频分析中，两个词汇出现的比例也要高于搜索排序100的词频分析结果，这说明很多长尾卖家在进行标题编辑时过多使用了“dress”与“women’s”，即在标题编辑的运营功底上仍然没法像头部卖家一样熟练。

在商品画像中，如果要对review评分趋势进行分析，可以使用“review评分累计平均数”这个指标。当对“商品画像”Excel表中的“评分”列数据进行累计平均数的计算后，可以通过Excel的折线图对其进行可视化处理。

在进行商品排名分布趋势分析时，如果直接对搜索结果下的排名数值进行可视化处理，生成的图表难以获得有效信息(因为不同商品的排名数值波动太大，有的商品销量非常好，排名是个位数，有的商品很多天没有出单，排名是百万级数字)，因此需要对排名数值进行预先处理。

将“compression springs”搜索结果下所有listing的review数量通过爬虫程序抓取下来后，存放在名为“compression springs Listing Catch”的Excel表格里(读者可以自行下载查看)，对表格中“评分数量”列数据进行可视化处理。

当完成对商品曝光价格的分布分析后，运营者可以针对不同关键词下曝光的所有商品数据对曝光价格趋势进行分析，其最常用的指标为“曝光价格累计平均数”。

在“Clothing，Shoes & Jewelry”品类“dress”搜索关键词下24.59~34.39美元的曝光区间是最普遍的，其次是14.79~24.59美元。因此，运营者如果想要在该品类下售卖相似产品，可以从这两个曝光价格区间倒推自身产品的生产价格和品牌定位。

商品价格范围(最低价 ): 指不同ASIN在商品详情页显示的最低价格，如果商品详情页只有一个价格，那么就是该价格本身。

当 Excel操作界面产生“筛选”的功能符号(一个小的向下的箭头)后，运营者可以单击各个维度数据的“筛选”符号，从而查看该维度数据是否存在异常值。以“评分数量”为例，当单击“筛选”符号后，运营者会发现该维度数据存在“-1”的异常值，这类异常值是因为Python爬虫脚本在抓取数据时无法完成抓取导致的。

名为“rank”的Excel表中主要存放了三种数据，第一种为亚马逊商品链接，第二种为该链接对应的大类目排名，第三种为数据抓取时间。名为“rank”的Excel表中主要存放了三种数据，第一种为亚马逊商品链接，第二种为该链接对应的大类目排名，第三种为数据抓取时间。