亚马逊手动广告
与自动广告差别， ，，，，手动广告可以通过加价直接在搜索界面 top3 位显示。。。。。因此， ，，，，在竞争者的 listing 逐步上升时可以凭证亚马逊A9算法给予竞争敌手 listing的“定位”来确定手动广告要害字的选择。。。。。
在推导 A9的一些基本逻辑前， ，，，，我们可以先相识下一种类似搜索引擎的经典算法一蚁群算法。。。。。蚁群算法是一种用来寻找优化路径的概率型算法。。。。。该理论于1992 年提出， ，，，，其灵感泉源于蚂蚁在寻找食物历程中发明路径的行为。。。。。
蚁群算法具有漫衍盘算、信息正反响和启发式搜索的特征， ，，，，实质上是进化算法中的一种启发式全局优化算法。。。。。
蚁群算法就是找到一个抵达目的地的最短路径。。。。。而 A 搜索引擎的最终目的与之类似， ，，，，就是将主顾最有可能购置的产品通过主顾搜索 Keyword 的差别推荐给用户， ，，，，从这一理论上推导与蚁群算法逻辑层面并无差别， ，，，，而千万万万主顾的搜索与生意信息就像蚁群算法中无数只蚂蚁爬行的轨迹一样， ，，，，最终会趋于一个最佳路径或者解法。。。。。
以几款产品的流量转变图为例， ，，，，以Q&A的方法举行说明。。。。。
Q:为什么3号产品较1号、2号产品拥有更强烈的流量增添和转变?
A:由于3 号产品是爆款以是 Amazon 的 A9 算法发明该产品的曝光点击转化率和流量订单转化率远高于其他产品， ，，，，以是给了更大的曝光， ，，，，因此有了更大的流量。。。。。
Q:为什么流量不会一直增添下去?怎么来判断一个产品抵达 A9 算法给予的曝光巅峰呢?
A: 参考蚁群算法， ，，，，所谓 A9 中的曝光巅峰就是那条最短路径罢了， ，，，，就似乎两
点之间直线最短， ，，，，所有带有弯曲或者绕路的线路都不是最佳路径， ，，，，那么在 Amazon平台就可以明确为所有处于上升或者下降趋势的产品都没有处于这条最佳路径上。。。。。这可以由产品 listing 下方的相关产品栏目予以体现， ，，，，在 Amazon 的产品栏目中， ，，，，一样平常分为如下几类。。。。。
以上类目属于“Sponsored products related to this item”。。。。。这一类多为相关的广告性产品推荐。。。。。
以上类目属于“Customers also shopped for”。。。。。这一类多为大类目产品推荐， ，，，，与原listing 产品并不是很是相关。。。。。
以上类目属于“Customers who bought this item also bought”这一类为订单相关性产品， ，，，，订单关联度在打扮类目一样平常为 2%~5%， ，，，，即每100单就有2~5单会同时购置该 listing 与该推荐类目的产品。。。。。
以上类目属于“Customers also considered”。。。。。这一类为大类目产品推荐， ，，，，与原listing产品有一定相关性。。。。。
展示了之条件到的“4 stars and above Sponsored” 4星以上推荐产品广告， ，，，，其展示的商品均为 review 在 100 个以上且评分4星以上产品。。。。。凭证其泛起位置和推荐产品， ，，，，可以发明其产品多与原产品名目类似， ，，，，排名多在 5 万名以内属于同类目的平台热销产品。。。。。
我们再回过头看刚刚的命题， ，，，，若是一个产品抵达巅峰， ，，，，Amazon 平台为了获得最大的利润一定会只管将其匹配到适合的产品类目去， ，，，，通过在下方的推荐栏目中给予最准确的组合与推荐， ，，，，抵达佣金和广告利润的最大化。。。。。以是， ，，，，若是你看到一个产品下方只要没有“Customers who bought this itemalso bought”这个栏目或者“4starsandabove Sponsored”仍未泛起， ，，，，该listing就没有抵达稳固位置还会处于严重的波动阶段。。。。。
与此同时， ，，，，纵然当一个产品已经日出 50 甚至 100 单， ，，，，可是下方栏目仍然是Customers also considered”或者“4 stars and above Sponsored”未泛起在第一个推荐位， ，，，，那么 100%可以一定这个 listing 中的产品一定是爆款并且其销量/流量仍然会继续上升， ，，，，直到Amazon找到与之匹配的产品类目与相关推荐才会进入流量/订单稳固期。。。。。这样就能判断竞争敌手是否处于单稳固期， ，，，，若是 isting 自己还处于上升期， ，，，，就可以通过手动广告抢到一定的市场份额。。。。。
Q:怎样通过手动广告在其他卖家listing已经领先的条件下赶超或者抢到一定的市场份额?
A: 每个产品都有自己的对应属性， ，，，，每个对应属性就类似于数学线性代数里的一个矩阵中的一个值。。。。。以一名牌的T恤为例。。。。。
该T恤的根属性为上衣(Blouse )， ，，，，其余属性为T恤、圆领、短袖、休闲、纯色、女士、棉·.....
那么首先可以构建如下一个矩阵(注重， ，，，，本节所写内容并非严酷的数学盘算只是想通过逻辑推导的历程得出相关定性的结论， ，，，，资助我们更好地从事运营类事情):
然后我们将其翻译成英文:
注重， ，，，，以上两步仅仅只是为了便于明确， ，，，，而这个矩阵中每个元素的值为在亚马逊搜索引擎中搜索其中恣意一个属性与根属性的搭配从而爆发的搜索排名即rank 值。。。。。
例如搜索 women blouse， ，，，，该产品排名为100名， ，，，，则上述矩阵中1列2行数字为 100， ，，，，同时将整个要害字搭配的搜索效果(总共能搜索到几多产品)作为另一个矩阵纪录数据， ，，，，使用 Amazon 平台将各个搜索效果填写进上述矩阵中。。。。。
搜索效果矩阵(凌驾X0000的按X0000盘算， ，，，，例如排名为 51234的产品可以按50000来盘算)。。。。。
我们可以从这些排名中找到“相对强属性搭配”即80名的“T-shirt Blouse”20名的“short-sleeve Blouse”， ，，，，70 名的“cotton Blouse”与 80名的“summer Blouse”这些词代表了该产品与这些要害词的匹配水平较高， ，，，，可是这只是做了第一层 A9属性匹配， ，，，，还不准确， ，，，，还需要做第二次 A9 的属性匹配。。。。。
划分选择一个通俗属性与强属性举行搭配作为新的根属性， ，，，，然后再划分搜索各个差别属性举行搭配后的搜索排名填入， ，，，，从一行一列最先， ，，，，同时也纪录下新的搜索效果矩阵。。。。。
新的搜索效果矩阵(凌驾X0000 的按X0000 盘算)。。。。。
其他矩阵依此类推。。。。。在第二次匹配中， ，，，，一共会有新的9个矩阵， ，，，，每个矩阵中会有一个数值稳固， ，，，，其他数值应该都会在一定水平上变小！！�。。� ，，，，其变小的比率就是该属性与新的根属性之前的匹配水平。。。。。二次匹配的每2个矩阵可以明确为前一个矩阵是Y即效果， ，，，，后一个矩阵是X 即情形。。。。。
通过以上二次匹配， ，，，，我们已经可以获得多个要害字对应的 listing 搜索排名和搜索效果的总数。。。。。把某个要害字的搜索排名设置为R， ，，，，把该要害字搜索效果的总数设置为N， ，，，，那么要害字矩阵Y对应的搜索可见概率P(X)(搜索可见概率为一种概率模子， ，，，，当概率值极大靠近于1时， ，，，，批注当用户输入该要害字， ，，，，险些 100%可以浏览到产品listing)， ，，，，因此可以按下式举行盘算:
P(X)=(N-R)/N。。。。。
以上述一次匹配矩阵为例， ，，，，搜索“T-shirt Blouse”， ，，，，此时R为80， ，，，，N为20000那么这时P(X)=(20000-80)/20 000=0.996， ，，，，即 99.6%。。。。。我们可以以为当用户在Amazon平台输入“T-shirt Blouse”时， ，，，，有99.6%的概率可以看到该商品。。。。。
以上述二次匹配矩阵为例， ，，，，搜索“T-shirt Blouse round neck”， ，，，，此时R为180N为4000， ，，，，那么这时P(X)=(4000-180)/4000=0.955， ，，，，即95.5%。。。。。我们可以以为当用户在Amazon平台输入“T-shirt Blouse round neck”时， ，，，，有95.5%的概率可以看到该商品。。。。。
虽然， ，，，，这个概率只具有数目上的逻辑意义， ，，，，即“大与小”的意义， ，，，，而不是数值上的准确意义， ，，，，只需要盘算出要害字矩阵中各个元素对应的搜索可见概率。。。。。
我们需要统计出其中的高数值项， ，，，，然后在上架同样产品的时间阻止这些要害字的组合， ，，，，选择那些一次匹配概率值较大可是二次匹配概率值较小的要害字组相助为要害字， ，，，，这样才可以做到当用户搜索某些大流量要害字时人生就是博·(中国)尊龙AG旗舰厅产品可以比竞争敌手的产品优先显示。。。。。
通过以上剖析可以相识到， ，，，，在 Amazon 平台中每个产品都有其牢靠的搜索序位， ，，，，当你的竞争敌手已经占有了一定序位的时间， ，，，，无论是通过广告、FBA、review评分等任何手段都是很难将已经领先的竞争敌手击败。。。。。可是， ，，，，当竞争敌手的 listing还处于上升阶段时， ，，，，我们可以通过手动广告的 top 曝光搭配竞争敌手的 listing要害字矩阵剖析举行赶超。。。。。
在使用这个技巧时， ，，，，请确保竞争敌手的listing有以下几个特征：
listing仍处于上升期即还未到排名和销量的平稳期;
产品拥有多个颜色/尺码/小类；；；；；；；；
差别颜色/尺码/小类产品拥有各自区别显着的图片。。。。。
假设该图是我们竞争敌手的listing 图片， ，，，，其listing下一共有10个差别颜色的子产品， ，，，，同时我们也能判断该产品处于上升期还未到平稳期。。。。。
假设该图是我们竞争敌手使用的问题， ，，，，那么我们可以将产品的要害字/问题组合拆分为以下几类:
( 1 ) faux wrap long dress ;
( 2 ) short sleeve;
( 3 ) high low hem / asymmetric hem ;
( 4 ) loose / casual;
( 5 )t shirt / tee / tops / blouse;
( 6 )Basic。。。。。
我们将上面5个词组一共10个要害字举行排列组合， ，，，，然后划分填入 Amazon的搜索引擎栏目中作为 keywork举行搜索， ，，，，会发明某种颜色的子产品或许率泛起在搜索效果中(例如 red 颜色的产品以47%的比率泛起在搜索效果中)。。。。。
通过以上办法就找到了这个 listing 中， ，，，，最热卖或者点击转化率最高的谁人颜色， ，，，，然后就能将对应剩下那 53%搜索效果的要害字， ，，，，填入手动广告的要害字栏目中， ，，，，同时选择谁人最热卖的颜色作为手动广告的曝光工具， ，，，，再选择愿意加价 50%的单次点击费让产品链接可以泛起在top3或者top5搜索效果中这样就可以获得大宗的流量和曝光， ，，，，从而增添赶超竞争敌手listing的概率。。。。。
通过以上数目上的剖析， ，，，，可以得出一个结论：
A9算法在一最先并不相识什么工具是爆款什么工具不是爆款， ，，，，它只是通过给你曝光后剖析产品的点击转化率和订单转化率， ，，，，从而来判断是否需要再给你更多的流量。。。。。以是， ，，，，在 A9 算法最终找到某个产品的最终定位时， ，，，，都可以通过排名搜索效果剖析， ，，，，使用手动广告举行曝光完成销量上的赶超。。。。。
上一篇：亚马逊店肆转让注重事项
下一篇：亚马逊自动广告