首页

完成价格时间分布分析与价格地区分布分析后，即可开始分析用户价格敏感度。价格敏感度是指用户对价格高低的接受程度，敏感度越高，对于高价商品越难以接受，敏感度越低，对于高价商品越容易接受。

之后的操作为对“ship-state”进行“筛选”操作，然后选择不同的州地区计算其平均客单价，此操作讲述的时间“筛选”操作基本一致，所以这里不再重复讲述。完成“筛选”操作且计算出各个州地区的平均客单价后，得到相关的表格。

除了可以通过订单报表推算出单日24小时平均客单价的变化外，还可以根据订单报表数据得到每小时的订单量(在计算平均客单价时，每个时间段客单价数据的数量就是该时间段订单的数量)。根据每个时间段的订单量数据和平均客单价数据，用Excel制作组合图来实现数据可视化，其操作步骤如下。 第一步，选择“订单量”和“平均客单价”所有数据。

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。

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”。

如果在1年内一个店铺的订单是1000单，其中加利福尼亚州的订单是100单，那么加利福尼亚州的当地订单比例是10%。与此同时，2018年加利福尼亚州的人口为3977万，占美国人口的12.13%，那么加利福尼亚州的人口比例为12.13%。最终，加利福尼亚州的市场占有指数=10%(当地订单比例) -12.13%(当地人口比例)=0.82。

经过转化地方时后，可以明显看出用户活跃下单时间高峰期在当地时间10:00~12:00，在下午15:00、18:00和23:00各有一个小高峰。不难看出这些时间段都是工薪阶层的集中休息时间，下午15:00则为下午茶时间。据此推断，在这些时间段进行浏览下单的用户，对购物的态度是休闲式的，除性价比之外，还会关注整体的购物体验。从产品图片、图文排版、视频配音等角度进行优化，将有更高促进转化的可能性。

从14天的单量对比来看，虽然FBA销售数量整体上占总单量的63%，但是仅为自发货订单的1.7倍，这与上文中的Prime会员的消费能力约为非会员的5.4倍的结论相差较远。这就说明有很大一部分买家虽然是Prime会员，但是没有选择购买FBA商品。造成这一现象的原因可能有定价、FBA断货、丢失购物车等。通过数值对比，运营者就可以将链接的销量提升1倍不止，并能够提前考虑中长期运营以及换季备货，避免断货对链接造成负面影响。

在亚马逊跨境电商领域，平台方已经提供了用户画像的相关数据可视化功能例如对于品牌卖家，亚马逊开放了品牌分析功能，并提供了人数统计(Demographics)功能。通过该模块，可以看到在一段时间内，在店铺进行过购买的买家的年龄、婚姻状况、家庭收入、教育程度和性别信息。通过分析人群特征，可以为后期广告投放与选品制定更加精准的策略。

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。