如果你是第一次阅读本专栏文章，请先阅读“专栏导读”，链接如下：

旭鹏：专栏导读103 赞同 · 8 评论文章

2020年我的新书《亚马逊跨境电商数据化运营指南》已经上市销售，书籍采用全彩印大开本印刷技术，是现在亚马逊跨境电商行业内第一本数据导向的运营书籍，其京东购买链接如下

亚马逊跨境电商数据化运营指南

¥55.40起

​

如果想了解更多综合性的亚马逊运营知识，可以购买我的第一本运营书《亚马逊跨境电商运营实战》，该书累计销量已经超过10000本，其京东购买链接如下：

亚马逊跨境电商运营实战：揭开畅销品与A9算法的秘密

京东

¥61.40

去购买​

欢迎来到Amazon跨境运营从入门到入土的终章——10周目，作为该系列的最后一篇文章，在内容上除了会介绍一些运营的细节，也会在第一次在逻辑与数理推导上去剖析亚马逊A9搜索引擎的搜索逻辑与其对应的运营技巧，同时在这新的一年里祝愿大家事业蒸蒸日上，生活幸福安康！

一、页面优化——低库存购买提示

在产品微观图片展示的栏目下，当你选择一个具体属性的产品时，如果该产品自配送库存/FBA库存小于5件时，Amazon就会有“Only XX left in stock – order soon”的提示样式。

所以当产品处于上升期，且已经完成界面优化的时候，可以每过一段时间去后台将可售库存调整成5件或者更少，这样既可以保证每次产品界面出现低库存购买提示，也可以在一定程度上促成交易。（具体如下图所示）

需要注意的是，FBA需要控制发货才能有低库存显示，所以操作难度较大，而自配送库存虽然可以实时调整但是一旦忘记调整库存会造成订单的损失，所以当对某些listing进行低库存调整的时候注意对ASIN或者SKU进行记录以免出现遗漏。

二、价格优化——价格歧视

1 什么是价格歧视

2 Amazon平台价格歧视分类

Amazon平台常用的价格歧视依据一般分为以下几类：

由于Amazon网络交易的信息透明化，在该平台使用价格歧视手段并不是为了获得传统实体交易想得到的“超额利润”，而是让部分顾客获得“特殊对待”的感觉，从而促成成交。

3 如何构建价格歧视

首先要确认自己需要构建哪种类型的价格歧视，其确认方法来源于订单信息或者数据分析结果，地区类型的价格歧视方法最为常见与普遍。

将自身运营店铺的所有订单信息汇总，然后抓取订单中物流信息的州一栏，就可以直观看到自身店铺或者产品的市场定位与区域定位。

以上图为例，12%的顾客来自于加利福尼亚州，6%的顾客来自于德克萨斯州，6%的顾客来自于弗罗里达州，6%的顾客来自于纽约州，那么总计30%的顾客即接近1/3的顾客来源就可以确定了。在此基础上，只需要在5点描述中添加类似于“If you live in California/ Texas/ Florida/ New York/ Pennsylvania/ Illinois, you can get a XX% discount. Please provide us with the order number through e-mail.”（如果你住在XXXX这些州，我们可以给你XX%的优惠）

当然，你也可以适当陈述下给与优惠的理由，比如这些州我们拥有特定的仓储配给点，或者这些州与我们的供应商有运输合作等等，这样的区域性价格歧视既不会让其他州的顾客觉得不公平，也可以促成特定区域顾客的成交。

除了对全店铺的顾客进行地区划分，也可以对某一具体产品的顾客地区分布做出价格歧视的其他决策，例如上图中的顾客比例分布就和第一张饼状图不太一样。假如我们销售的是一款毛衣，当我们发现其中占比较大的一个州气温快速上升时，我们就可以对该地区的顾客群体给予适当优惠实现价格歧视。

三、review优化——“蹭热度”直评review

在一个listing页面上，顾客能够看到的东西无非如下几点：

在这些元素中，顾客会重点留意的是主图，视频和review评分及review内容，在运营针对review的策略上，一般有如下几个选择：

在9周目的时候，我介绍了一种新的review内容形式就是刷视频review，其带来的全店铺转化率提升高达20%~40%，在10周目中，我将引入一种新的review直评策略：

给同类目的替代性/搭配性产品的中大型卖家刷好评并且点赞置顶

是的，你没有看错，我们不仅不给别人刷差评，还要给他们刷好评，但是这个策略是有一定的使用限制的：

在一个高排名，大流量的listing下，一个产品的单日流量甚至可能高达1W，即使是排名不是特别靠前的中型卖家某一爆款listing的单日流量也可能有3000~6000，这么多流量即使只有10%的顾客浏览了review那也有300~600的直接阅览量，如果这时置顶的review是经过你精心包装的营销类review（类似于自媒体行业中的软文），那么这将会给你的产品带来不错的推广流量和曝光。

关于这类review的推广手法，一般有以下几种方式：

1、捆绑营销，即选择与自身产品相搭配的大牌lisitng，例如鞋子配裙子，T恤配牛仔等等，在review除了阐述原listing产品，更多的是去描述某种搭配多么好看，或者某种产品多么配这个大牌产品（这里的某种产品就是指你所上架销售的产品）

如上图所示，这个直评出现在某一大牌的鞋子listing下，而该直评更多的是在阐述与该鞋子搭配的裙子有多么好，这就是一次捆绑营销。

2、替代营销，即选择大牌lisitng的替代品，例如某两款标准3C产品，然后review可以说自己同时买了2款产品，一款是大牌的，一款是XXX的，大牌的更适合在XXX场景下使用，而不适合在XXXX场景下使用，相反另一款产品更适合在后者使用等等

在做这类直评或者测评决策的时候，除了做一份优秀的文本内容，拍摄精美的图片或者视频，还需要将该直评/测评点赞到达该listing的review栏中第一，达到置顶，这样效果才会明显。从成本上看，这一次操作可能需要20~50美金，但是与其带来的流量与曝光相比这些成本可谓不值一提了，看看国内新媒体行业营销软文的作用就可以知道这些review的威力有多大了。

四、亚马逊A9搜索引擎数理逻辑推导及运营技巧

既然来到了10周目，不说说A9算法都不好意思说自己是做亚马逊运营的，当然，A9算法本身是由世界上最顶尖的程序员们编写而成，我这种半桶水的编程水平是远不能参透一二的，不过该搜索引擎的计算逻辑还是可以用来做简易推导的。

在推导A9的一些基本逻辑前，我们可以先了解下一种类似搜索引擎的经典算法：蚁群算法

这种算法具有分布计算、信息正反馈和启发式搜索的特征，本质上是进化算法中的一种启发式全局优化算法。（示意图如下）

蚁群算法言简意赅就是找到一个到达目的地的最短路径，而A9搜索引擎的最终目的与之类似，就是将顾客最有可能购买的产品通过顾客搜索Keyword的不同推荐给用户，从这一理论上推导与蚁群算法逻辑层面并无差别，而千千万万顾客的搜索与交易信息最终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。

首先我们先回顾一下5周目中的产品流量变化图：

为了便于理解，还是用这一幅流量变化图来解释A9的一些逻辑，这里我们先用Q&A的方式来推导

1、为什么3号产品不同于1号与2号产品拥有更猛烈的流量增长和变化？

因为3号产品是爆款所以Amazon的A9算法发现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，所以给了更大的曝光，因此有了更大的流量。

2、为什么流量不会一直增长下去？怎么来判断一个产品到达A9算法给与的曝光顶峰呢？

参考蚁群算法，所谓A9中的曝光顶峰就是那条最短路径罢了，就好像两点之间直线最短，所有带有弯曲或者绕路的线路都不是最佳路径，那么在Amazon平台就可以理解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，一般分为如下几类：

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产品并不是非常相关

以上类目属于“Customers who bought this item also bought“

这一类为订单相关性产品，订单关联度在服装类目一般为2%~5%即每100单就有2~5单会同时购买该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

我们再回过头看刚刚的命题，如果一个产品到达顶峰，Amazon平台为了获得最大的利润一定会尽量将其匹配到适合的产品类目去，通过也会在下方的推荐栏目中给予最精确的组合与推荐达到利润的最大化，所以，如果你看到一个产品下方只要没有”Customers who bought this item also bought”这个栏目，该listing就没有达到峰值。于此同时，即使当一个产品已经日出50甚至日出100单，但是下方栏目仍然是”Customers also considered”时，那么100%可以肯定这个listing中的产品必然是爆款而且其销量/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/订单稳定期。

通过前面2个Q&A可以了解到，这个蚂蚁寻路的过程就是一个产品在Amazon上不断找到适合自己销售的那个坑位的过程，然后我们再来看看关键字和转化率这两者在这一过程中的作用，还是以Q&A的形式进行下去。

3、关键字的作用是什么？

在这里关键字并不止包含5行关键字本身，还包含了比重最大的标题，在考虑这个的时候，要以一种路径规划的逻辑去考虑，而不是以感性的“贴切”或者“精确”作为依据。

首先我们来模拟一下A9的逻辑

对于以上这个产品，一旦你上架了，A9算法就开始运行计算了，它首先做的就是给你一定的曝光，但是这个曝光很大程度取决于你的关键字，如果你的关键字只有t-shirt一个词，那么假设A9给你1000单位的曝光，这些曝光会根据市场份额的大小分别在男士t-shirt，女士t-shirt，孩童t-shirt等类目中进行曝光。于此相对地，如果你写了womens t-shirt这2个词作为关键词或者标题，那么这1000单位的曝光就全部会在womens t-shirt这一大类目中，而你的出单概率也会比前者大，因此A9就会判定你的产品或者listing比前者优秀，从而给你更大的曝光并淘汰前者产品。

这就好比你想要开车从A（上架）驶到B（单量或者点击转化率），你的关键字就是路标，Amazon一开始给你100升油让你随意开，而A9算法就是来评判当你把100升油开完后你距离目的地B的直线距离，距离最短的那个产品胜出。

所以和蚁群理论一样，我们的产品就是一只蚂蚁，我们则是它走出的第一步的方向的规划者，而A9则是它终点的决定者。注意，在电商平台中，运营者只能决定产品成长的方向而不能决定产品成长的终点，而关键字则决定了产品成长的第一步，随着产品的逐步成长关键字的作用会越来越弱化。

那么是不是越精确越好呢？错！比如你想去喜马拉雅山，你把方向定为北纬27度59分，东经86度56分，但是你除非开飞机（打高价手动，头条），否则还是需要通过高铁/公路先去青藏高原，再去喜马拉雅山。

还是以刚刚的T恤为例，如果你的关键词非常精确，例如“尼龙吸汗棉短袖圆领弹性女士T恤”这种极其精确的关键词，亚马逊也不会因为你关键词够多就给你大于起始单位的曝光度，而是会把这些词拆分为“尼龙T恤”、“圆领T恤”等多元素组合进行曝光，这的确增加了出单的概率，但是有以下两个方法更为简便：

的作用不必多说，重复性上架的意义在于同一款产品亚马逊都会给予基本单位的概率性曝光，所以多次上架有助于产品成长的第一步（当其中一款产品快速成长起来时，其他重复性上架产品可以作下架处理）。

重复上架就是利用一组相关度较高的关键词组合重复上架某一产品，当你的产品如同蚂蚁一样走出恰当的第一步（关键字适合贴切），A9算法会给他们分别曝光，随着listing数量的增多，曝光几率变大，出单的概率也会增大。

4、当我与其他卖家卖相同产品，如何在其他卖家listing已经领先的前提下赶超他们？

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，还是以刚刚的T恤为例

这个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……

那么首先我们可以构建如下一个矩阵（注意，之后的数学计算仅仅只是数理上的逻辑推导，并非严格的数学计算，只是想通过逻辑推导的过程得出相关定性的结论，帮助我们更好地从事运营类工作）

然后我们将其翻译成英文

注意，以上两步仅仅只是为了便于理解，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任意一个属性与根属性的搭配从而产生的排名即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，同时将整个关键字搭配的搜索结果作为另一个矩阵记录数据，上述矩阵利用Amazon平台将各个搜索结果填写进去后就会变成这样：

搜索结果矩阵（超过X0000的按X0000计算）为

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”，这些此代表了该产品与这些关键词的匹配程度较高，但是这只是做了第一层A9属性匹配，还不精确，我们需要做第二次A9的属性匹配

分别选择一个普通属性与强属性进行搭配作为新的根属性，然后再分别搜索各个不同属性进行搭配后的搜索排名进行填入，从1行1列开始，同时也记录下新的搜索结果矩阵

其他矩阵也是以此类推，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不变，其他应该都会一定程度上变小，其变小的比率就是该属性与新的根属性之前的匹配程度，我们二次匹配的每2个矩阵可以理解为前一个矩阵是Y即结果，后一个矩阵是X即环境，如下所示：

通过上面的二次匹配，我们已经可以获得多个关键字对应的listing排名和搜索结果的总数，我们把某个关键字的搜索排名Rank设置为 R ，把该关键字搜索结果的总数设置为 N ，那么关键字矩阵 X 对应的搜索可见概率 P（X） （搜索可见概率为一种概率参数模型，当概率值极大接近于1时，表明当用户输入该关键字，几乎100%可以得到产品listing的搜索结果）可以设定为以下公式：

当然，这个概率只具有数理上的逻辑意义，即“大与小”的意义，而不是数值上的精确意义，我们只需要计算出关键字矩阵中各个元素对应的搜索可见概率，统计出其中的高数值项，然后在我们上架同样产品的时候避免这些关键字的组合，选择那些一次匹配概率值较大但是二次匹配概率值较小的关键字组合作为我们的关键字，这样才可以做到当用户搜索某些大流量关键字时我们的产品可以比竞争对手的产品优先显示。

5、如何利用A9的运算逻辑通过赶超竞争对手？

通过第四个Q&A我们可以了解到，在Amazon平台中每个产品都有其固定的搜索序位，当你的竞争对手已经占据了一定序位的时候，无论是通过，FBA，review评分等任何手段都是很难将已经领先的竞争对手打败的，但是，当竞争对手的listing还处于上升阶段时，我们可以通过手动的top曝光搭配竞争对手的listing关键字矩阵分析进行赶超。

在使用这个技巧时，请确保竞争对手的listing有以下几个特征：

假设上图是我们竞争对手的listing图片，其listing下一共有10个不同颜色的子产品，同时我们也能判定该产品处于上升期还未到平稳期。（判定的方法需要运营经验，比如你认为这个产品应该可以买到排名4000左右，而现在你的竞争对手排名只有10000左右，那么你就能判定该产品仍处于上升阶段；除了这个方法，也可以多次记录竞争对手listing的排名变化来验证自己的想法，一般记录3~5天的排名波动就可以判定产品是否处于上升阶段）

假设这时我们竞争对手使用的标题，那么我们可以将产品的关键字/标题组合拆分为以下几类：

我们将上面5个词组一共10个关键字进行排列组合，然后分别填入Amazon的搜索引擎栏目中作为key work进行搜索，会发现某种颜色的子产品大概率出现在搜索结果中（例如red颜色的产品以47%的比率出现在搜索结果中），这样我们就找到了这个listing中最热卖或者点击转化率最高的那个颜色，然后我们就能将对应剩下那53%搜索结果的关键字填入手动的关键字栏目中，同时选择那个最热卖的颜色最为手动的曝光对象，同时选择愿意加价50%的单次点击费让产品链接可以出现在top3~5搜索结果中，这样就可以获得大量的流量和曝光，增加赶超竞争对手listing的概率。

通过以上5个Q&A和数理上的分析，我们可以得出一个结论：

A9算法在一开始并不知道什么东西是爆款什么东西不是爆款，它只是通过给你曝光后分析你产品的点击转化率和订单转化率来判断是否需要再给你更多的流量，所以，在A9算法最终找到某个产品的最终定位时，我们都可以通过排名，搜索结果分析，对关键字/手动/标题进行优化完成销量上的赶超。

尾言

不知不觉从事Amazon运营已经有7个月了，也终于结束了这一系列总共10篇文章的经验总结，之后我可能还会写一些补充文章，完善和补充运营技能的同时也给自己制定未来的发展方向，希望大家能继续支持。

从2021年开始我开始在西瓜视频平台更新关于亚马逊运营的相关运营技巧，IP名为“跨境电商旭鹏”，西瓜视频的链接如下：

如果大家想了解亚马逊的入门级知识，可以到喜马拉雅收听我的音频专辑“旭鹏|亚马逊跨境电商运营实战”，链接如下：

如果大家想更多地了解如何才能快速在亚马逊运营职位上快速成长，可以参加我的live“如何从小白进阶为亚马逊运营专家”，链接如下：

如果想对于运营技巧有一个更深入的了解，且已经掌握了基本运营操作，可以参加我的live“如何打造亚马逊日均万元美金店铺”，链接如下：（推荐拥有至少3个月运营经验者参加）

如果想学习跨境电商的数据化运营思路和方法，可以参加我的live“亚马逊跨境电商数据化运营”系列，链接如下：（推荐拥有至少6个月运营经验者参加）

PS：因为之前大家一个个私发我知乎信息或者加微信/QQ私聊过程太过繁琐，而且随着人数的增多我也没办法一个个解答，所以建了一个讨论群供大家讨论。（因为平日工作生活较忙，所以即使在群里很多问题也没法及时解答，不过我希望可以通过大家一起讨论的过程给我与其他运营从业者带来一些灵感，再次感谢大家的支持）

“Amazon跨境运营从入门到入土”系列文章回顾：

“Amazon跨境运营从入土到升天”系列文章回顾：

“Amazon跨境运营从升天到成仙”系列文章回顾：