做过亚马逊选品的同学都知道，有个选品方法是竞争对手选品法。
 
简单说就是看别的卖家在卖些产品，然后去copy过来。
 
很多卖家这么干，但你却没有成功，为啥呢？
 
很大一部分原因是你没有认真分析该卖家，没搞清楚对方的综合实力。人家本身实力比你强，你去跟人卖一样的东西，怎么能不失败。
 
今天来分享下选品时怎么去分析产品背后卖家的综合实力。
 
其实卖家的综合实力体现在很多方面，全部搞清楚工作量太大，非程序不可为之，暂且挑几个比较重要的指标进行分析。为了让各位同学加深理解，本文会尽量详细，涉及到原始数据的获取、计算规则等。

1、卖家体量分析

如果只用一个指标来衡量卖家的实力强弱，那必然是月销售额。正如价格总是围绕价值上下波动，店铺获得的月销售额也会围绕卖家实力上下波动。时间稍微拉长一点，店铺月销售额会与综合实力成正比。不存在店铺实力很强，产品却卖不动；也不存在店铺实力很弱，产品却一直排名靠前。所以月销售额在卖家评分中，必然占有一定的份额。

我对卖家月销售额进行了复杂的等级划分，具体不便细说，感兴趣的可以S信我。

从小卖的角度上来说，月销售稳定超过3万美金，就可以过上小康生活；月销售额稳定超过10万美金，基本是顶尖小卖了。

目前大多数浏览器插件都有产品月销售额计算功能，但一般没有直观展示卖家月总销售额。

想得到该数值，用户需要手动统计卖家所有产品月销售额然后相加。

（卖家产品数太多导致无法手动统计时，可以根据二八原则，产品排序改成 Sort by Best Sellers，统计其前20%的产品做估算。也能得个模糊数值。）


不通过插件也有办法计算产品销售额，步骤稍微复杂一点。

a 找到产品大类 以及大类排名。
 

b 通过免费销量预估网页，输入大类以及大类排名，得到产品月销量。

这类工具很多，比如某哥、某灵等等。

c 产品月销售额 = 销量 x 单价

当然，我们作为专业的亚马逊大数据分析网站，已经统计好了卖家月销售额。
 

1.1、卖家月销售额与净利润的秘密

如此大费周章的搞清楚卖家的月销售额，不仅仅只是分析卖家的实力；另一个重要目的是预测卖家月纯利润。

前文有提到，小卖应以月入1-5万纯利为目标。但如何知道一个卖家的纯利呢？

秘密就包含在卖家的月销售额以及统计学内。

多翻阅几份上市大麦的年报就会发现，他们的净利润水平大致分布在8%-12%这个区间。所以取10%作为净利润率，乘以卖家的月销售额，就能算出该卖家的月净利润。

有的同学会质疑：上市公司的净利率能与小麦一样吗？ 确实，上市公司的资源配套远非小卖能比，比如各种政策优惠、低息贷款等。但不要忘了，上市公司的合规成本、税负成本也比一般小麦高得多。

小麦的体量不达到一定的级别，基本上没做财税合规。两相抵消，大麦与小麦净利率也就差不多了。

注意：10%的净利率特指普货产品。定制开模不在讨论之列。

搞清楚净利率后，取美元/人民币汇率7:1，我们就能清晰的算出月入1-5万RMB所对应的销售额应该是 14285USD - 71425USD。

也就是说，我们需要对标的长尾卖家的月总销售额处于14285USD - 71425USD是较为合适的。

（当然，并不是说超出该范围就一定不行。可依据自身水平调整。）

2、卖家强弱的进一步区分

亚马逊的流量分配算法中，产品的销量占了相当大的比重。销量越高，排名越好，能分配到的自然流量也越多，最终形成一个闭环。这也是为什么刷单刷评风险高、成本大也有许多人顶风作案，毕竟一旦形成良性循环——自然流量驱动销售，前期的投资就能成倍收回。

假设我们搜集到一批月总销售额处于14285USD - 71425USD之间的卖家池，要从他们中间挑选更为合适的对象。通过以上分析可知

：卖家所售产品中，高销量产品占比越多，则该卖家综合实力越强；相应的，高销量产品越少，则该卖家越适合小麦学习和模仿。

接下来的核心问题是搞清楚销量到多少才会被称为高销量；竞争难度相对低较低、适合小卖参与的销量区间是多少？

坦诚的讲，这个问题很难给出让所有人都满意的答案。就如同“高考700分以上能上清华北大，699就不行”是无法从能力上解释清楚的。很明显，699与700并没什么本质上的区别。但这一条线如果不划，事情就没法做了。

高考分数线的划分权在教育局，大家再多意见也没用；但亚马逊的销量线，一千个读者眼中就会有一千个哈姆雷特。想必，再怎么讲道理，也无法形成统一意见。

所以，这个销量线的划分极度依赖个人经验，纯粹是一家之言，仅供参考，各位可依据自身实力与理解做相应的调整。

月销量超6000，竞争白热化；
月销量超3000，非常激烈；
月销量超800，小有难度；
月销量低于800，对小麦来说，跳起来也许能摸到。
月销量低于400，对小麦来说，踮着脚就能摸到。

有了销量线，我们就可以把卖家店铺内产品，通过插件按销量从高到低排序后，较为清晰的看出卖家所卖的产品的销量属于哪个区间。

具体来说：

用户可以把同体量的所有卖家记录到excel。
逐一的通过插件观察、其产品在各个销量段位的分布数量并记录在案。
根据现有的数据分布，设计一套较为合理的评分规则，并对数据进行打分得到该维度强弱的数据。
有经验的人去验证得出的分数是否符合预期。
对评分规则微调、校准。

理论上来说，同体量的卖家强弱通过这一套方法就可以区分出来了。
 
当然，综合实力的分析远远不止于此，接下来进入数据真实性的讨论与分析。
 
3、数据真实性分析

刷单刷评的卖家屡见不鲜，刷feedback的卖家倒是没听说过。究其原因，是因为feedback多寡并不能影响销量，花钱没回报的事是没有人愿意做的。所以feedback数据较为真实，能反应很多客观事实。

运营过新、老账户的同学会有明显的感知，亚马逊对待新老账户还是较为明显的区别的。比如说，老账户的转款可以全额转款，而新账户就需要预留一部分资金；老账户在熟悉的类目做新品的时候，明显感觉到有额外的流量扶持。而新账户没有长时间的数据记录，亚马逊无法精准识别，所以没法给出流量扶持；老账户就算违规，一般都会给多次申诉机会。新账户也许一次机会都不会给。

所以，账户注册时间越久、账户feedback数量越多，账户持有人就越能从老账户获益。他们更愿意维护老账户的安全稳定发展得到一块稳定的收入，而不会轻易的做一些违规操作影响账户正常运营。在亚马逊越来越要求合规的今天，更是如此。

正确的前提能够推导出正确的结论，‌而错误的前提则可能导致任何结论。显然，卖家feedback数量、注册时间越早，账户的整体数据更为可信。对小麦来说，找到数据真实的ASIN与卖家来进行对标学习与模仿非常的关键。如果只片面的通过利润、销量、上架日期等常用的字段来选品，而不进行背景调查、综合判断，就很容易掉入别有心机的商家为没经验的小卖量身打造的爆款陷阱。具体案例如下：



不得不说，这帮打造爆款陷阱的人不简单。很显然，他们懂亚马逊的数据展示逻辑，懂抓住用户眼球，比如产品上New Rlease榜；也有刷单刷评资源，让FBM产品涨得飞起；懂小卖的选品理念，新品、爆品、高利润、蓝海市场；有产业链配套，有库存，还能真实发货。

为了赚钱，这群奸人居然吃透了整个流程——把通过简单字段筛选来选品的小卖，拿捏的死死的。

然智者千虑必有一失，何况杀猪盘骗局还远远谈不上精妙。要破解也并是一个什么大难题：通过对卖家feedback总量、feedback月增趋势、店铺注册时间、ASIN注册时间、Review月递增趋势、卖家类目占比等综合判断，不说100%， 起码99%的假数据不攻自破。



细心的同学会发现，用于判断真实性问题的数据分布在产品、卖家、类目等不同的数据维度，现存的选品工具都是单一维度，根源上无法解决这个问题。  

卖家穿海团队正是因为在实际选品工作中发现：单一维度的选品工具只能解决部分问题，而真正解决问题需要多维度联合验证。所以本着从实践出发、实事求是的精神，打通了产品、卖家、类目三维度，从而解决选品以及真实性验证的问题。

（想要更具体的理解这套理论，可参考我们写的文章：独木不林，合纵连衡——多维度验证数据）

我们所设计的每一条选品策略都遵循“宁可错过，不犯过错”的原则，都特别注重数据真实性，为此宁可漏掉一些所谓的蓝海产品。

但坦诚的讲，互联网的进化速度很快，今天完美的策略明天就有可能跟不上形式，没有程序可保证100%解决所有问题。

4、软实力分析

如果把前文所谈到的卖家体量的大小、销量高低占比、Feeback数量等看成卖家的硬实力的话，那么店铺旗舰店的有无、有A+与有视频的ASIN占比、图文质量是否遵循亚马逊的规则等可以看做卖家的软实力。

每一个店铺都会投入资源在能较短时间明显提升销售额、利润率的措施上：比如增加广告预算、参与促销、扩展品类、开发新品等。但不是每一个店铺都会投入资源去做需要较长时间起效的诸如：文案优化、真人模特出境、品牌升级、品牌建设、红人视频等需要较长时间才看得到回报，或者数据上完全看不到回报的事情上。

投不投资软实力，肯定不是认识层面的问题。没吃过猪肉也见过猪跑，都知道品牌广告不断重复洗脑确实有用；究其原因，还是大多数卖家资源有限，好钢还得用在刀刃上。

所以，把对卖家软实力的判断也纳入评估体系，也是符合实际的。
 



卖家综合判断还有选品能力分析、积累能力分析、营销能力分析、生存能力分析等，篇幅有限，就不再一一探讨