通过访问深度系数与转化率的变化对比，即可找出 listing需要优化的要素。不难看出，与“经验化运营”的方法相比，该方法效率更高,也更加精准。在“数据化运营”的框架中，除了转化率优化，还包括CPC广告优化、多广告组优化、listing优化、库存管理等领域，只有将数据分析与业务经验的思路相结合,运营者才能最终达到“精细化运营”的地步。

完成对review评分的分布分析后，即可开始针对review数量进行分布分析。下面将以“清洗后的商品画像数据”Excel表中的review评分数量数据为例进行讲解。选中表格中“评分数量”列，并通过Excel图表插入折线图时(具体操作和插入图表的操作类似)。

名为“rank”的Excel表中主要存放了三种数据，第一种为亚马逊商品链接，第二种为该链接对应的大类目排名，第三种为数据抓取时间。名为“rank”的Excel表中主要存放了三种数据，第一种为亚马逊商品链接，第二种为该链接对应的大类目排名，第三种为数据抓取时间。

当 Excel操作界面产生“筛选”的功能符号(一个小的向下的箭头)后，运营者可以单击各个维度数据的“筛选”符号，从而查看该维度数据是否存在异常值。以“评分数量”为例，当单击“筛选”符号后，运营者会发现该维度数据存在“-1”的异常值，这类异常值是因为Python爬虫脚本在抓取数据时无法完成抓取导致的。

在“Clothing，Shoes & Jewelry”品类“dress”搜索关键词下24.59~34.39美元的曝光区间是最普遍的，其次是14.79~24.59美元。因此，运营者如果想要在该品类下售卖相似产品，可以从这两个曝光价格区间倒推自身产品的生产价格和品牌定位。

当完成对商品曝光价格的分布分析后，运营者可以针对不同关键词下曝光的所有商品数据对曝光价格趋势进行分析，其最常用的指标为“曝光价格累计平均数”。

将“compression springs”搜索结果下所有listing的review数量通过爬虫程序抓取下来后，存放在名为“compression springs Listing Catch”的Excel表格里(读者可以自行下载查看)，对表格中“评分数量”列数据进行可视化处理。

多平台比较选品适合市场成熟的产品，但其本质仍然属于追随策略。一旦进入竞争激烈的红海市场，运营者很容易失去利润空间。因此在选品时除了对市场进行分析外，还需要对利润空间进行计算。

在亚马逊跨境电商领域，平台方已经提供了用户画像的相关数据可视化功能例如对于品牌卖家，亚马逊开放了品牌分析功能，并提供了人数统计(Demographics)功能。通过该模块，可以看到在一段时间内，在店铺进行过购买的买家的年龄、婚姻状况、家庭收入、教育程度和性别信息。通过分析人群特征，可以为后期广告投放与选品制定更加精准的策略。

从14天的单量对比来看，虽然FBA销售数量整体上占总单量的63%，但是仅为自发货订单的1.7倍，这与上文中的Prime会员的消费能力约为非会员的5.4倍的结论相差较远。这就说明有很大一部分买家虽然是Prime会员，但是没有选择购买FBA商品。造成这一现象的原因可能有定价、FBA断货、丢失购物车等。通过数值对比，运营者就可以将链接的销量提升1倍不止，并能够提前考虑中长期运营以及换季备货，避免断货对链接造成负面影响。