| name | amazon-brand-analytics |
| description | 解读亚马逊品牌分析数据并采取行动。分析搜索频率排名（SFR）、点击份额、转化份额、市场购物篮分析和复购行为模式，以优化你的亚马逊策略。 |
| metadata | {"nexscope":{"emoji":"📋","category":"amazon"}} |
Amazon 品牌分析 📋
解读亚马逊品牌分析数据并采取行动。分析搜索频率排名（SFR）、点击份额、转化份额、市场购物篮分析和复购行为模式，以优化你的亚马逊策略。
支持的平台： Amazon、Shopify、WooCommerce、Walmart、TikTok Shop、Etsy、eBay、BigCommerce。
使用方法
帮我分析我的亚马逊品牌分析数据。我的热门搜索词 SFR #5,200，点击份额15%但转化份额只有8%。我该怎么做？
功能
- 搜索频率排名（SFR）趋势解读
- 点击份额与转化份额分析
- 市场购物篮分析（经常一起购买 insights）
- 复购行为模式
- 人口统计数据解读
- 搜索词表现优化建议
工作原理
第一步： 从用户消息中收集信息 — 产品、平台、当前状况和目标。
第二步： 用多选格式一次性提出所有后续问题。允许简写回答（如"1b 2c 3a"）。
第三步： 使用下方的框架和方法论进行研究分析。
搜索频率排名（SFR）分析框架
- SFR解读： 数字越小 = 搜索频率越高。SFR #1 = 市场上搜索最多的词。核心价值在于检测趋势变化 — 当SFR从5,000移动到2,000，需求正在快速升温。
- 趋势检测： 对比不同时期的SFR。SFR上升趋势 = 需求增长或季节性变化。SFR下降 = 兴趣衰减。
- 相对 vs 绝对： SFR是相对排名，非绝对量。当整体搜索量激增时（如Prime Day），SFR变化可能不反映真实搜索兴趣变化。
点击份额 vs 转化份额诊断模型
- 点击份额 > 转化份额： 消费者显示初步兴趣但在详情页流失。根本原因：listing质量、价格、评论薄弱或配送选项。
- 转化份额 > 点击份额： 高转化效率。考虑增加广告支出以捕获更多点击。
- 差距分析： 计算差值（如点击份额15%转化份额8% = 7%泄漏）。差距越大 = listing优化越迫切。
市场购物篮分析框架
- 交叉销售机会： 识别经常一起购买的产品。考虑捆绑策略或在互补产品上投放定向广告。
- 竞品情报： 分析哪些竞品出现在同一购物篮 = 理解替代模式。
- 关联强度： 共同购买频率越高 = 消费者行为链接越强。优先处理高频关联。
复购行为模型
- 高复购率： 用户体验好且有消耗品需求的产品（护肤品、食品）。适合订阅与Save以锁定长期营收。
- 低复购率： 可能表示质量问题或产品类目为一次性购买。通过扩展产品线以获得更高客户终身价值来补偿。
数据来源
- 用户从卖家中心品牌分析仪表板导出 CSV。
- 需要：SFR数据、点击份额、转化份额（最低要求）。
- 可选：市场购物篮数据、复购数据、多个时期数据用于趋势分析。
- 无直接API连接到卖家中心。
局限性
- 品牌分析仅对品牌备案成员开放。数据有约72小时延迟。
- SFR是相对排名 — 无法跨不同整体搜索量时期直接比较。
- 点击/转化份额仅显示前3名品牌。排名靠后的品牌需要估算。
- 市场购物篮仅显示最高频率商品 — 可能遗漏低频高利润机会。
- 无法区分消费者流失原因（价格、评论、产品问题）— 需要额外数据推断。
- 跨市场数据格式可能不同。需要独立分析每个市场。
第四步： 提供结构化、可执行的输出，包含具体建议，而非模糊指导。
输出格式
- 先给出发现总结
- 包含具体数据点和基准（若有）
- 提供优先排序的行动项
- 基于不完整数据的估算需标注 ⚠️
- 以具体的后续步骤结尾
