Amazon yeni ürün araştırması otomasyonu, işin tekrarlayan kısımları için en iyi sonucu verir: arama hacmi tahminlerini çekmek, inceleme metinlerini taramak, fiyatları takip etmek ve binlerce ASIN’i basit kurallara göre sıralamak. Tedarikçi kalitesi, marka uyumu ve bir pazar boşluğunun gerçek olup olmadığı gibi muhakeme gerektiren konularda ise zayıf çalışır. Faydalı yaklaşım, işi tek bir araca teslim etmek yerine kasıtlı olarak bölmektir.
Ürün araştırması adım adım neleri içerir?
Neyi otomatize edeceğinize karar vermeden önce adımları listeleyin. Hangi aracı kullanırsanız kullanın, çoğu araştırma benzer bir sırayı izler.
- Fikir oluşturma: kontrol etmeye değer kategoriler ve anahtar kelimeler bulmak.
- Talep tahmini: arama hacmi, satış tahminleri ve mevsimsellik.
- Rekabet incelemesi: satıcı sayısı, inceleme sayıları, liste kalitesi ve marka yoğunluğu.
- Müşteri içgörüsü: alıcıların neden şikayet ettiği ve neyin var olmasını diledikleri.
- Maliyet modelleme: teslimat maliyeti, FBA ücretleri, yönlendirme ücretleri, reklam maliyeti ve kar marjı.
- Tedarikçi değerlendirmesi: numuneler, fabrika denetimleri, sertifikalar ve teslim süreleri.
- Karar: devam et, ürünü değiştir veya vazgeç.
İlk dört adım büyük miktarda veri içerir ve otomasyona uygundur. Son üç adım ise hiçbir aracın tam olarak sahip olmadığı bilgilere bağlıdır.
Veri yoğun adımları hangi araçlar yönetir?
Helium 10, Jungle Scout ve SmartScout gibi üçüncü taraf paketleri, satış ve arama hacmini kendi modellerinden tahmin eder. Amazon’un kendisi, arama terimlerini nişlere gruplayan, arama hacmi trendlerini, tıklama payını ve mevcutsa iade oranlarını gösteren Product Opportunity Explorer’ı Seller Central’da sunar. Brand Analytics, marka sahipleri için gerçek arama terimi sıralamalarını ekler.
Üçüncü taraf satış tahminlerini yönlendirici olarak kabul edin. Bunlar modellenmiştir, Amazon tarafından raporlanmamıştır ve farklı araçlar genellikle birbiriyle çelişir. Product Opportunity Explorer verileri Amazon’dan gelir ancak sınırları ürün fikrinizle eşleşmeyebilecek nişlerde toplanır.
AI ürün araştırmasında neyi iyi yapabilir?
Büyük dil modelleri, metni geniş ölçekte okumak ve özetlemek için iyidir. Bu, onları eskiden günlerce manuel okuma gerektiren müşteri içgörüsü adımı için yararlı kılar.
İnceleme madenciliği
En iyi 20 rakip ASIN’den incelemeleri bir araç aracılığıyla veya platformun şartları dahilinde manuel olarak toplayarak dışa aktarın ve bir modelden şikayetleri temaya göre gruplandırmasını isteyin. Tipik bir istem, her biri için sayı ve örnek alıntı ile en sık karşılaşılan on sorunu ister. “birkaç ay sonra kapak çatlıyor”, “taşımak için çok ağır” veya “talimatlar net değil” gibi ürün değişikliklerine işaret eden bir liste alırsınız.
Anahtar kelime kümeleme
Product Opportunity Explorer’dan birkaç yüz arama terimini yapıştırın ve modelden bunları niyete göre kümelemesini isteyin: kullanım durumu, kitle, özellik, fiyat sinyali. Kümeler, bir nişin tek bir listenin iyi hizmet edemeyeceği “seyahat için” veya “ev için” gibi farklı alt pazarlara sahip olup olmadığını gösterir.
Liste karşılaştırması
Modele en iyi on listenin başlıklarını ve maddelerini verin ve hepsinin hangi iddiaları paylaştığını ve hiçbirinin hangilerini yapmadığını sorun. Mesajlaşmadaki boşluklar pazardaki boşluklarla aynı değildir, ancak farklılaşma için ucuz bir başlangıç noktasıdır.
Otomasyon nerede yanıltır?
Otomasyon, zayıf girdilerden emin çıktılar üretir ve ürün araştırması zayıf girdilerle doludur. Bu başarısızlık noktalarına dikkat edin.
- Hassas görünen ancak geniş hata payına sahip modellerden gelen satış tahminleri.
- Sesli bir azınlığı aşırı ağırlıklandıran inceleme özetleri; her zaman her temanın arkasındaki sayıyı kontrol edin.
- Birim maliyeti ikiye katlayabilecek özellikler gibi üretim gerçekliğini görmezden gelen AI tarafından oluşturulmuş ürün fikirleri.
- Metrikleri inceleyemeyeceğiniz şekillerde birleştiren fırsat puanları.
- Veri penceresi yalnızca zirve ayları yakaladığı için güçlü görünen mevsimsel nişler.
- Araçların işaretlemediği, belirli topikal ürünler veya test gerektiren oyuncaklar gibi kısıtlanmış veya kapalı kategoriler.
Bir model ayrıca, verisi olmadığı belirli bir ASIN veya pazar hakkında sorulduğunda ayrıntıları uydurabilir. Ona verileri verin ve yalnızca sağladığınız verilerle çalışmasını isteyin.
İnsanda ne kalmalı?
Üç adım otomasyona direnir. Birincisi tedarikçi değerlendirmesidir. Bir fabrikanın gerçek kalitesi fiziksel numunelerde, iletişim hızında ve sorunları çözme isteğinde ortaya çıkar, bunların hiçbiri elektronik tabloda görünmez. En az üç tedarikçiden numune sipariş edin ve kendiniz test edin.
İkincisi marka uyumudur. Bir ürün her araçta yüksek puan alabilir ancak yine de markanız, sermayeniz veya ekibinizin becerileri için yanlış olabilir. Çevre dostu mutfak gereçleri üzerine kurulu bir marka, rakamlar iyi görünse bile telefon aksesuarları eklemeden önce iki kez düşünmelidir.
Üçüncüsü nihai maliyet modelidir. Araçlar FBA ücretlerini iyi hesaplar, ancak lansman için gerçekçi reklam maliyetlerini, kategori için iade oranlarını, yavaş aylar için depolama ücretlerini ve envanterde bağlı kalan nakit parayı eklemeniz gerekir. Kağıt üzerinde sağlıklı bir marjı olan bir ürün, lansman reklam harcamaları dahil edildiğinde ilk altı ayda para kaybedebilir.
Birleşik bir iş akışı nasıl görünür?
İşte ayda bir düzine fikri kontrol eden küçük bir ekip için örnek bir iş akışı.
- 1. Hafta: her fikir için Product Opportunity Explorer ve üçüncü taraf bir aracı çalıştırın; düşen arama trendleri veya aşırı marka yoğunluğu olan her şeyi atın.
- 1. Hafta: kalan fikirler için en iyi satıcıların incelemelerini dışa aktarın ve şikayetler üzerinde AI kümelemesi çalıştırın.
- 2. Hafta: bir kişi kümeleri okur ve hangi şikayetleri bir ürün değişikliğinin makul bir maliyetle düzeltebileceğine karar verir.
- 2. Hafta: lansman reklam bütçesi ve muhafazakar bir dönüşüm oranı dahil olmak üzere maliyet modelini oluşturun.
- 3. Hafta: hayatta kalan iki veya üç fikir için numune sipariş edin.
- 4. Hafta: numuneleri test edin ve karar verin.
Otomasyon, birinci ve ikinci haftaları günlerce süren manuel işten saatlere indirir. Üçüncü ve dördüncü haftaları kısaltmaz ve kısaltmamalıdır.
Otomatik araştırmayı nasıl dürüst tutarsınız?
Her fikir için veri kaynağını, çekilme tarihini ve varılan sonucu kaydederek bir araştırma günlüğü tutun. Bir ürün piyasaya sürüldüğünde, gerçek sonuçları araştırma tahminiyle karşılaştırın. Birkaç lansmandan sonra hangi araçların kategorilerinizde ne kadar fazla tahmin ettiğini öğrenir ve eşiklerinizi ayarlarsınız.
Ayrıca her fikri neden bıraktığınızı yazmak da yardımcı olur. Altı ay sonra, bir araç aynı nişi tekrar işaretlediğinde, orijinal nedenin hala geçerli olup olmadığını görebilirsiniz.
Bu hafta nereden başlamalı
Zaten düşündüğünüz bir ürün fikrini seçin. En iyi beş rakibin incelemelerini çekin, bunları sayı ve alıntılarla şikayet temaları isteyen bir istemle bir dil modelinden geçirin ve ardından özetin eşleşip eşleşmediğini kontrol etmek için incelemelerin 30’unu kendiniz okuyun. Bu tek egzersiz, onu sürecinizin geri kalanına dahil etmeden önce otomatik inceleme analizine ne kadar güveneceğinizi size gösterir.
Sonucu, özetin yanlış olduğu yerler dahil olmak üzere araştırma günlüğünüze yazın. Bu not, sonraki her otomatik analizin ne kadar manuel kontrole ihtiyaç duyduğuna dair kural haline gelir.
Okumaya devam edin: Amazon Yeni Ürün Araştırması · Amazon