



01 / 跨境电商的 “卷”从何而来?
根据美国电商调研数据显示,亚马逊美国站新品平均死亡率高达62%,且还可能继续创新低,很多卖家朋友或许也感同身受。过去我们成功率很高的选品方式和方案为什么突然失效了?
自从疫情之后,跨境电商行业内大家说的最多的词就是“卷”,而卷的本质其实就是供需关系的错配。
根据 Markeplace 数据显示,全球电商增速已降至过去十年平均水平的 50%,而今年的增速将继续创新低。另外,亚马逊25年Q1财报显示,第三方卖家GMV增速,首次落后于平台整体数据,也印证了 ' 内卷化竞争 ' 的加剧。
但反差的是,亚马逊每年都有几十上百万的新卖家进入,相当于每天 2000 多个新卖家的涌入速度。也就是刚才过去的 5 分钟,都有十几个新卖家在亚马逊开店。
这意味着亚马逊高速增长的红利期已经过了,整体市场行情,已经从过去的供不应求转变成如今的供过于求。
“ 所以卖家之间已经进入相对的存量市场竞争 ”
尽管市场已经急剧变化,但很多贸易型卖家的选品思路,实际上没有太多的改变,要么从选品面板找到销量高利润大的产品,要么从类目面板找到空间大对手少的市场。
每个公司的策略略有差别,总的来说我们的方向都是一致的:找到当下好卖、挖掘未来好卖的产品。但这导致的结果是,大多数的产品开发看到的都是同一批销量最大、曝光率最好的产品。
另外,自大数据选品工具诞生以来,选品思路也没有太多的变化,它们也没有根据市场的变化形式做出相应的回应,设计的面板还是单维度的,运营的字段依然还是那些字段,所以它们的选品策略实际上还停留在疫情前寻求爆款的年代。
而选品需要分析产品、卖家、类目三个维度的数据,这个实际的事实一直在被忽略,导致卖家想要看全三个维度的数据至少要打开十个网页。也就是以上这些原因造成了我们选品成功率的下降。
如何提升选品成功率?
我总结下来有三个要点:
1. 重视竞争因素,量力而行,以强打弱
2. 建立一套多维度、全流程的数据决策体系
3. 借助AI提升效能,给人更多的决策思考时间
以上三个点暂不详细展开说明,因为我已经把这三点策略结合我们团队多年成功的选品方案融入到了卖家穿海选品工具当中,接下来让我们一起了解卖家穿海的解决方案。
卖家穿海作为跨境电商选品运营AI Saas的先行者,这两年一直在研发一套助力卖家提升选品成功率和成功效率的新型选品工具。
目前这套融合了实战成功选品之道以及AI生产力的工具终于成功面世,它的目前架构是这样的:
▷ 底层:动态整合一级选品大数据,数据范围包含【 类目细分市场、卖家产品、关键词 】等核心因素;
▷中间层:是我们的业务逻辑模型层,含有多个选品模型,如 【 选品机会指数、三维评分模型、多维大数据联合分析模型 】等;
▷AI应用层:基于这些模型我们开发了十多个运行有效的AI功能,比如 【 AI策略、AI强弱选品、AI锚点选品、AI评论分析、AI写listing、AI市场拓词 】等,全方位帮助卖家朋友高速地选品。
回想一下我们以前的选品思路是怎样的?
→发散型:去1688等货源平台挖掘新品,或从社媒寻找创意;
实际是这些三方数据脱离了亚马逊平台的验证,导致卖家更难做出决策。
→基础型:也有很多产品开发会基于常见的选品方式:亚马逊榜单、大数据面板筛选等去做选品。
但是这些策略维度太过简单,没有考虑过卖家的竞争问题。而卖家穿海的选品方案完全解决了这些问题。
我们通过AI把竞争分析前置,充分研究剖析卖家,用户可以通过AI策略化选品、AI强弱选品、AI对话式选品快速发现潜力产品,实现以强打弱。
目前卖家穿海的AI策略化选品是我们独创的一套综合性的选品体系,其中有几个亮点我介绍一下。
正如亚马逊平台有各种各样的商业模式,如其中广为人知的品牌模式、竞品模式、铺货模式等等都很有代表性,每个模式有优点也有弱点。
如果我们针对其弱点进行一些改良,就能够获得比较大的竞争优势。
所以基于以上的背景,我们通过特定的数据维度,把亚马逊平台上所有的卖家一共分为12个画像,我们会对每个画像的优点和特点进行分析,还特别给出针对性的应对策略,产品开发可以根据这些应对策略进行产品优化。
卖家穿海的选品策略体系下共有20多个选品策略,组合分为6个大类;
当我们想挖掘‘当下好卖的产品’时可以选择新品萌样策略;
如果想挖掘‘未来好卖的产品’时可以选择趋势领航策略;
如果想挖掘‘具有增长潜能的产品’时可以选择可以增长势能策略;
如果希望在‘老品中挖掘新机会’可以选择老树生花策略...
另一方面,我们根据多年的实战经验,当碰到对卖家有比较重大的商业价值的产品时,我们会赋予其一个产品标签,目前总结了:季节产品、排队产品、节日爆单、易差异化等等一系列的高价值的标签。
过去卖家需要输入各种的字段才能选品,在卖家穿海只需要轻点鼠标就能完成很多费时费力的选品工作;
又比如传统选品策略只有单一的产品维度,卖家穿海的选品策略包含了类目和卖家等多维度的策略,如一系列的卖家画像和卖家评分辅助判断,在选品精准度和效率的层面都有大幅度地提升。
目前也有很多产品开发用卖家穿海精准的选品策略,从过去60多万商品中发掘一些爆款,通过这个策略得到一个产品池,而产品池里面至少有几百上千个产品,不一定每个产品都能做,这时候就需要用户从类目角度和卖家的角度对产品进行二次审核。
假设一款销量比较好的产品,你知道它来自一个实力比较弱的卖家,恰好还是一个蓝海市场,用户就需要重点关注。
相反,如果这个产品它来自于一个实力很强的卖家,那你就要思考:产品的高销量到底是来自产品本身,还是来自于这个卖家背后一系列的营销?
相信很多产品开发都有做过类似的卖家评审行为,但过去这些行为是没有工具支撑的,很多时候我们只是去浏览这个店铺里面的主营类目或者是主营产品,分析它的运营策略或者是背景等一系列因素去判断卖家的强弱,但你的效率很低,得到的答案也很模糊。
卖家穿海中的卖家数据都经过一套综合体系的分析总结,用户可以通过评分直观判断某个卖家的实力强弱与销售额高低。
06 / AI强弱选品的实际应用场景
比如【 AI强弱选品 】,策略化选品模型结合可自由选择卖家的强弱模式形成的一套选品系统。用户只需挑选出想要的强弱卖家,结合想要分析的类目,再加上传统的选品策略,就能够得到一个符合条件的选品池。
07 / AI对话式选品的实际应用场景
而卖家穿海的【 AI对话式选品 】操作更为简单,AI会根据你输入的这些情况和选品倾向自动分析思考,给出推荐的选品画像和ASIN列表。
08 / AI锚点选品的实际应用场景
【 AI锚点选品 】实际上很多卖家都曾打造出成功产品,但如果他想根据以往的成功案例再去开发一些新品,找到可以复制的产品机会,那他要怎么做呢?
分享一下我过去的做法:
首先是找到一个产品模板,对它进行多维度的比对,如ASIN层面关注价格区间、利润、评论质量、流量结构等数据;
类目层面可能会关注这个类目的大小,或者是关键词的竞价难度或者是退货率等;
卖家层面关注这个卖家的营运模式和运营差异等。
然而只有三个维度的各个字段和数值都比较理想的情况下,你才可以认为它是一个高相似的机会。
可想而知,我们要通过传统的大数据面板很难做到这个事情,但又能通过人工的模糊低效的方式找到这个高相似的机会。
如何解决这个问题?
卖家穿海以成功的产品为模板,快速挖掘可复制的竞争程度类似的产品,同AI分析不同ASIN竞争态势,几分钟之内可以找到满足条件的产品形成一个产品池。
有丰富选品经验的卖家和资深产品开发都是有一个比较明确的选品标准的。
以往选品工作大致是这样的:
如资深的卖家必然储备了很多的选品策略,用来应对不同的选品模式。首先他会找到一个策略,来满足今天的选品需求,从而形成一个产品池。
这个产品池里面产品太多,他就需要通过观察产品的标题和图片,去预测这个产品的使用场景、人群,进行一个初步的过滤。
但他的选品策略一般只含有ASIN层面的一些数据,接下来如果想对类目进行一些分析,比如他的标准是退货率不得超过10%,他就需要对ASIN进行内部细节的过滤和人工审核。
但过滤指标的生成还是要在前期对所有ASIN的卖家进行一些判断和评估,没有评估的规则就只能进行一个大致的判断,这时候才能进入下一个阶段比如说做差异化。整套流程下来,至少要花掉半天时间,而这也才只执行了一个选品策略。
用传统的大数据选品面板来分析产品、类目、卖家三个维度的数据是需要人工大量介入的,选品效率也会很低,这是很多是产品开发都会遇到的问题。
既然卖家、ASIN、类目三个数据都需要分析,如果有一个策略能够包含这三个维度的数据分析,那么就必然能够大幅提升选品的成功率或者是选品的精准度,这时候我就在思考为什么我们不开发一个这样的面板去满足用户的需求呢?
但当我们真正去做这个开发的时候才会知道,想要实现三个面板数据互通,则需要把原有的体系架构完全打破,这是个不小的难题,经过我们这两年的努力最终实现了多维度互通的数据面板【 AI三维选品 】
【 AI三维选品 】有了这个三维面板,前面提到的与选品成功率因素比较相关的一些维度,比如说卖家画像、卖家评分、选品策略、ASIN标签,还有其他可以存在的字段都能做到自由相互组合。
在这里我想额外提一句,卖家穿海除了传统的类目市场面板,我们还加入了细分市场面板,里面很多的数据都是来自于亚马逊后台的商机探测器,都是真实有效权威的。
总的来说,这个三维度面板对选品经验比较丰富、资深的产品开发来说,使用起来是相当称手的。
过去我们想要实现但是无法实现的选品策略,如今你都可以用卖家穿海这个架构来承载,它必然能够大幅提升你的选品效率和成功率。
前面讲过通过任何策略都能产生一个产品池,但到了池子里并没有结束,往往都需要进一步分析,但是这个分析实际上难度还是挺高的。
就算是经验比较丰富的产品开发,他也需要反复地跳转各个页面看各个字段,然后才能做出一些筛选,总体是会比较低效的。
卖家穿海根据这个场景给出一些新的解决方案,用户想要快速做分析的话可以借助卖家穿海的机会指数和三维评分体系;
我们的卖家、类目、ASIN三个维度的评分体系都是从竞争的角度出发,也就意味着用户得到的分数能够比较直观地判断这个维度的竞争激烈程度的,所以说这个产品有三个维度的竞争体系相加起来,就能得出来这个产品的综合竞争指标。
竞争程度越高,它得到的分数就越高,最终产品的机会指数就会越低,到最后用户可以用机会指数的数值去大概的、快速地进行一个产品的判断。
如何利用选品辅助线快速做出判断?
如果说有些卖家有比较确定的标准,他就可以借助选品辅助线的功能,比如类目退货率不能高于10%,或者毛利率不能低于40%,这时候可以借助选品辅助线做一个自定义的设置,帮助我们快速进行一些过滤。