/wxweditor/lang/zh-cn/zh-cn-zh.js?v=4fff0 /wxweditor/ueditor.config-zh.js?v=6f0d6 /wxweditor/ueditor.config-zh.js?v=6f0d6
由于亚马逊对自己的销售数据比较保守,所以没有公开真正的产品销量,但是提供了与销量对应的销售排名,也就是BSR。BSR类目销售排名是亚马逊很具代表性的一个指标,可以清楚的反映出一个产品销量的高低。我们听过一个产品在总体市场上80%的销量来自于20%的卖家,而其中只有20%的卖家占据了80%销量中的80%。大卖家或老卖家通过先发优势形成了规模效应,较早的占据了大部分的市场销量,导致后来者难以进入。
我的初步推断是越容易形成垄断的产品,其数学模型越接近幂律分布。不过,如果销量分布平均的话,有可能接近正态分布。验证的数据来源是随机一个一级类目的BSR TOP100与销量的预估数据。市场上的很多工具都可以抓取数据,这里不再赘述。取BSR和销量的数据作出散点图,呈现效果如下,近似幂律分布。
证明幂律分布的方法可以取两个数值的对数,其相关性较强,近似一条直线。下面是双对数图来验证数据是否是幂律分布模型。用机器学习提供的模型做出线性回归的模拟,相关度为-0.23415,呈负线性相关, 且相关度很高,则可以判断原样本数据符合幂律分布。
接着,进一步挖掘两个参数之间的关系。在多变量图中对比BSR和预估月销量的关系,可以看出月销量也呈现出了幂律分布。在这个样本数据中大部分的销量集中在少量的卖家,大部分买卖家销量很少。在一定程度上说明,这个类目或者产品已经形成了垄断。如果在选品的过程中,能够避开这个产品或类目,将会是较好的选择。
理论一定要和实践相结合,利用技术的手段可以方便我们验证数据之间的关系。同时,要坚持以业务需求为中心,不要为了数据分析而分析数据。由此现象,以下是我的想法:
幂律分布有两个特征,一个是通俗的“二八原则”,另一个是“分形”。从大到小,从上到下都遵循着一个逻辑,整个系统就能更高效的生长。下一篇,我会试着找出正态分布中的数理关系,敬请关注!
文章纯属原创,转载请注明出处!微信公众号:跨境电商产品分析
我觉得写的很好,顶
亚马逊相关问答