海外营销系统：如何在国际市场实现商业增长？
306
2023-03-26
一文解析阿里巴巴数据参谋全功能（市场调研篇）
一文解析阿里巴巴数据参谋全功能（市场调研篇）
你好，我叫晓懂，一个对未知充满好奇的跨境电商人。经过几年的数据沉淀，阿里巴巴终于在线上完成了商品数字化，买家数字化，营销数字化，这些是数据管家升级的核心基石。2021年1月，数据管家行业版全新升级为数据参谋，成为阿里巴巴国际站最核心的数据分析决策工具，不仅优化了原有的数据模块，而且新增了四大（暂时三大）参谋帮助商家探市场行情、参流量去向、看产品情报、识优质买家，能指导商家在国家站生意经营中简单、快速做决策，数字化经营贸易。
但是实际上，因为升级后的数据参谋功能过多，增加了关联使用的难度，再加上数据维度的重复，数据统计口径不一致等问题，又加大了数据参谋的使用门槛。今天我就是要和大家一起理清这些功能的特性和关系，让大家在市场调研和店铺诊断中，能更加轻松地上手。全文一共分为3个部分，共8900字左右，预计阅读时间25分钟，建议先收藏再阅读。
一、数据参谋数据特性
我们先按照上文提到的维度拆解，对阿里巴巴数据参谋全功能进行拆解。如下图，展示部分。通过我的整理观察，可以总结如下几个特点。
可回复关键词“数据参谋”获取。
1、所有的功能数据可以分为行业数据和店铺数据
行业数据：阿里巴巴国际站全行业的数据，不涉及店铺本自身产生的数据，主要用于市场调研。
店铺数据：店铺在自运营之后产生的数据，通过对比同行数据和环比数据，主要用于诊断优化。
这里要注意的是行业数据跟店铺数据不是完全分离的，有些功能就同时包含了这2类数据。其实这正好跟我们店铺运营进程是配套的，只要在对应的阶段读取分析对应的数据就行。
2、所有的功能数据都有统计口径和储存长度的
所有的数据都有各自的统计口径，常见的有按照类目，地区，时间等；还有一些特殊的口径，比如端口（全部/PC/APP/WAP），买家类型（进店/询盘/交易）等。这里要注意的点是数据联动分析需要保持统计口径的一致；有些功能的口径筛选位置靠前，筛选能变更全屏数据，但是跨屏浏览数据，会让人误以为数据是无法调整的。
数据有储存长度指的是平台可以查看筛选数据的最大时间跨度，最长的可以达到1年，最短的就是当天及时数据，大多数数据范围都在3个月左右。如果对店铺进行长期数据观察的话，那就需要定期摘录、整理、留存数据。
3、不同的功能数据的颗粒度不一样
数据颗粒度指的是数据的细化或综合程度的级别。细化程度越高，颗粒度就越小；相反，细化程度越低，颗粒度就越大。通俗的语言讲就是微观，宏观。不同颗粒度的数据没有好坏之分，根据不同的需求都能获取参考价值。比如市场调研就可以通过纵深的方式，调研2级类目数据，选定红利大类，再深入到3级，4级类目，选定特定的品类；店铺诊断可以先比全店状况，再到比类目发现具体问题所在。
4、不同功能的数据之间呈现并列和递进的关系
部分功能数据是呈现并列关系。比如最核心的市场参谋，产品参谋可以在同一个特定行业，同一个统计时段内，同一层面内提取数据，即从不同的角度看数据。同时市场参谋的数据到市场洞察的数据又是从全球到国家递进的，即从远看再到近看。
掌握了以上数据的特性之后，我们就可以统一数据口径，纵向看数据，从全行业到特定行业，从特定行业再到细分类目；从全球到国家。再横向看数据，从人的视角看数据，从品的视角看数据，从词的角度看数据，从场的角度看数据。其中全球层面的行业-市场-品类-用词-渠道的数据最为丰富，这是大家可以作为基础的常用调研层面。而颗粒度更高的国别层面的-市场-品类-用词数据丰富度相对欠缺，可以作为更细致的补充。下面就正式开启我们数据参谋的市场调研之旅啦。
二、市场调研应用
统一数据口径：类目-我的订阅行业的3级类目；时间-近30天；用+表示并列；用↓表示递进。
1、纵向数据-货
全球-全行业：行业报告→行业简报；行业简报里面涵盖了，电器设备、礼品工艺品、机械、五金工具、纺织皮革、家居园艺、家具、建材、电子元器件等行业。其中包含的“出口金额最高的国家或地区”，“出口增长最快的国家或地区”，“搜索量来源最高的国家或地区”，“搜索量增长最快的来源国家或地区”等数据有非常重要的参考价值。
注意：行业报告里面还有专属报告和行业报告模块，但是后台更新的内容非常落后。大家可以从阿里研究院等市场数据调研报告网站下载最新的行业分析，市场报告等。还有就是多关注行业小二的报告。
+
全球-全类目：市场参谋（查行业）→市场分析→产品排行榜（人气榜，飙升榜，蓝海榜，效果榜）；综合评估市场规模，市场增速，市场供需，市场转化4个维度，确定要调研的细分类目市场。
↓
全球-单类目：选择一类目→查看详情→市场分析（人气榜，飙升榜，蓝海榜，效果榜）；此类目在上一级类目下的细分类目中的排名情况。
+
全球-产品：商机分析→产品榜单（人气榜，飙升榜，蓝海榜，效果榜）；全部加入对比，分析当前细分类目下的榜单产品特性。
+
全球-产品：市场参谋（查行业））→买家分析（类目偏好）；与下方访客画像（行业买家）→类目偏好数据部分重复，访客画像还额外有买家数量数据，因此只参考访客画像的数据。
+
全球-产品：产品参谋→TOP50排行榜（访客榜，商机榜，蓝海榜）；全部加入对比，分析当前细分类目下的榜单产品特性。
+
全球-产品：访客画像（行业买家）→产品偏好→全站点产品偏好（访问产品排行，询盘商品排行，交易产品排行）；无法加入对比，需要手动记录。
注意：截至这里产品数据维度就出现了别称和互补。人气榜=访客榜=访问产品排行；商机榜=询盘商品排行；商机榜和交易产品排行作为互补数据。并且数据有了近7天的可选项，可以进一步作更具时效性的数据调研。
+
全球-产品：访客画像（行业买家）→类目偏好；客户访问产品的类目分布。通过计算每个目录的“交易买家/进店买家”数据，可以得到各类目的交易概率。
+
全球-产品：商品洞察→商品分类分析；可以搜集到产品发布的一些关键属性。
+
全球-产品：商品洞察→价格分析；通过获悉价格与询盘的分布，通过计算“询盘数占比/商品数量占比”数据，可以得到各个价格区间的询盘概率。
+
全球-产品：商品洞察→热卖产品排行（热品，飙升品）；无法加入对比，需要手动记录。这里的飙升品（环比采购意向买家数量或销量增长）跟飙升榜（环比买家数年同比）的定义有区别。
+
全球-产品：商品洞察→相关品类推荐（采购相关度Top20）；分析客户采购需求，做产品套装或者详情页推荐出售。
+
全球-产品：商品洞察→流行主题→主题类型→单一词主题→主题商品范例→流行主题商品Top20；无法加入对比，需要手动记录。
+
全球-产品：商品洞察→流行主题→主题类型→复合词主题→主题商品范例→流行主题商品Top20；无法加入对比，需要手动记录。
↓
全球-产品：行业商机推荐→征品主题；定征品（蓝海品）有专属的权益，发布满足基础要求，属性要求，产品能力的产品就能获取该权益。
↓
国家-产品：关键词指数→趋势榜（Top100）→相关热品；查看明细，有参考的图片，标题和价格。
+
↓
国家-产品：市场洞察→热品分析→买家国家与地区分布；此类目在不同国家及地区的需求分布。
+
国家-产品：市场洞察→热品分析→产品访问偏好排行Top20；无法加入对比，需要手动记录。
+
国家-产品：市场洞察→热品分析→产品询盘偏好排行Top20；无法加入对比，需要手动记录。
+
国家-产品：市场洞察→品类偏好→品类访问热度排名Top20；该国该行业访问类目分布。
+
国家-产品：市场洞察→品类偏好→品类访问涨幅排名Top20；热度和涨幅重合类目是需要重点关注类目。
+
国家-产品：市场洞察→品类偏好→品类询盘热度排名Top20；对比各类目的“询盘指数/访问指数”，可获得不同访问类目询盘率。
+
国家-产品：市场洞察→品类偏好→品类询盘涨幅排名Top20；热度和涨幅重合类目是需要重点关注类目。
+
国家-产品：市场洞察→贸易指数（仅限美国）；市场概览数据观测一年的采购趋势，是否有淡旺季，针对性营销；贸易区域数据观测竞品国的对美贸易的体量；港口分析数据观测目的港口交易占比，做对应运输路线的开发。
以上就完成了从全球-全行业→全球-全类目→全球-单类目→全球-产品→国家-产品的品维度的纵深调研。
2、纵向数据-人
全球-单类目：访客画像→优选买家人群；其中的身份特征、采购意向偏好、网站行为特征、地域偏好、行业专属特征等数据可以直接作为广告投放的参考。
+
全球-单类目：访客画像→行业买家明细→买家概况（进店买家指数，询盘买家指数，交易买家指数）；对比“交易买家/进店买家”数据，可以得出行业平均交易买家数占比，可作为平台业绩规划的参考转化率。
+
全球-单类目：访客画像→行业买家明细→买家标签（交易买家，高潜买家，高潜回访，高潜回复，高潜活跃，蓝标买家，新买家，亚马逊卖家）；通过切换进店/询盘/交易买家数据，可以对比各标签的“交易买家/进店买家”，获取各个标签交易概率，作为人群溢价投放的参考依据。
+
全球-单类目：访客画像→行业买家明细→身份标签（MOQ偏好，样品偏好，RTS偏好，定制偏好）；不少行业的进店买家和交易买家的标签数据会有明显的差异。切换成交易买家数据，重点关注交易买家数据。
+
全球-单类目：访客画像→国家及地区分析（国家及地区Top20，买家数量，访客平台时段分布）；通过切换进店/询盘/交易买家数据，可以对比各标签的“交易买家/进店买家”，获取各个国家交易买家占比，作为国别溢价投放的参考依据。还可以查询国家交易买家的平台时段分作，为分时段投放做参考依据。
+
全球-单类目：市场参谋（查行业）→买家分析→交易偏好（MOQ偏好，样品偏好，RTS偏好，定制偏好）：与访客画像→行业买家明细→买家标签数据重复一致。
+
全球-单类目：市场参谋（查行业）→买家分析→买家标签（交易买家，高潜买家，高潜回访，高潜回复，高潜活跃，蓝标买家，新买家，亚马逊卖家）；与访客画像→行业买家明细→买家标签数据维度重复，但是数据不一致，并且数据%表示的数据无法计算交易买家占比。
+
全球-单类目：市场参谋（查行业）→买家分析（地域分布，买家规模指数，访客平台时段分布）；与访客画像→国家及地区分析数据重复一致。
↓
全球-产品：商品洞察→买家分布；了解关键词品类的全球商机分布和环比变化。
+
全球-产品：市场参谋→国家(地区)排行榜（人气榜，飙升榜，蓝海榜，效果榜）；综合评估单一行业在各国的市场规模，市场增速，市场供需，市场转化4个维度，加上下面的互补数据，确定要调研的目标国市场。
+
全球-产品：市场洞察→热门国家及地区市场人群（买家数占比，搜索指数，Top1询盘品类，Top1询盘产品）；与上面数据互补。
↓
国家-产品：市场洞察→买家画像（买家数排名，买家数占比，终端占比，MOQ偏好，企业类型，采购规模）；买家画像维度的扩充。
预测未来访客画像应该会升级成买家参谋。
以上完成了从全球-单类目→国家-产品的人维度的纵深调研。
3、纵向数据-内容-关键词
全球-单行业：访客画像（行业买家）→优选买家人群→关键词偏好；了解进店、询盘、交易买家综合分析后，最终抓取到的重点买家人群的关键词偏好。
+
全球-单行业：访客画像（行业买家）→关键词偏好→全站搜索关键词；了解行业引流，询盘，交易关键词分布。通过切换进店/询盘/交易买家数据，可以对比各词的“交易买家/进店买家”，获取各个词交易概率，作为人群溢价投放的参考依据。
+
全球-单行业：市场参谋（查行业）→商机分析→关键词榜单（人气榜，飙升榜，蓝海榜，效果榜）；暂未开放。
↓
全球-产品：商品洞察→流行主题→主题类型→单一词主题→流行主题+主题商品范例中的流行主题词来源示例；了解特定类目词的关联属性词。
+
全球-产品：商品洞察→流行主题→主题类型→复合词主题→流行主题+主题商品范例中的流行主题词来源示例；了解特定类目词的关联属性词。
↓
国家-产品：市场洞察→搜索偏好→搜索词热度排名Top20；该国该行业引流词分布。
+
国家-产品：市场洞察→搜索偏好→搜索词涨幅排名Top20；热度和涨幅重合词是需要重点关注词。
+
国家-产品：关键词指数→热词榜（Top100）；可以指定类目，国别搜索热搜词，飙升词，蓝海词等。
+
国家-产品：关键词指数→趋势榜（Top100）；可以指定类目，国别搜索趋势词。
+
+
国家-产品：关键词指数→关联搜索词；用图的方式展现词之间的关联程度，作用同下。
+
国家-产品：关键词指数→来源去向词（来源词相关度Top20，去向词相关度Top20，填充词相关度Top20）；来源词和去向词可以扩展词本身，还能挖掘客户其他采购需求；填充词作为关联属性词参考。
+
国家-产品：关键词指数→竞品引流词；这里的词代表了不同关联词背后也有购买该关键词产品的需求，可以作为补充引流词。
+
国家-产品：关键词指数→语义近义词；跟我们理解的同义词，别称有点出入。更多的是热门搜索词列表中的词，大多数是重复数据。
以上完成了从全球-单行业→全球-产品→国家-产品的词维度的纵深调研。
4、横向数据-宏观-全球-全行业-词
全球-全行业-品：行业市场分析→外贸出口交易规模指数；该指数融合交易量、买卖家数等多项核心指标，可通过该指数了解该品类下行业市场规模和景气程度，数值越大代表市场规模景气程度越高，不同品类行业指数值可横向比较。
+
全球-全行业-品：行业市场分析→搜索次数指数；该指数代表当前品类搜索量总体水平变化趋势，以此了解买家需求整体水平变化趋势，数值越大，代表需求越强劲。
+
全球-全行业-品：行业市场分析→收汇与出货时间差指数；该指数反应账期变化，可了解行业内买家对账期，或赊销服务的需求，一定程度反应行业内卖家资金压力变化趋势，数值越大代表买家需要的账期越长，卖家端资金压力越大。
+
全球-全行业-人：行业市场分析→交易金额国家（地区）排行榜；该排行代表该品类当月交易金额国家分布前20，面积越大代表占比越大，可了解该品类行业交易主要的海外市场。
+
全球-全行业-人：行业市场分析→搜索量国家（地区）排行榜；该排行代表该品类行业关键词当月搜索量的国家分布前20，面积越大代表占比越大，可了解买家主要的海外需求分布。对比每个国家的”交易金额份额/搜索量份额“，得出国家平均需求价值高低。
+
全球-全行业-品：行业市场分析→交易热品交易金额占比分析；可以了解到该品类下实际出口商品交易金额占比排行榜（最多TOP10），了解主流产品趋势。
+
全球-全行业-品：行业市场分析→交易金额同比飙升品分析；可了解到该品类下当月交易额排名前100产品中，与上一年同期相比变化最为显著榜单（最多TOP10），了解交易变化最新趋势。
+
全球-全行业-品：行业市场分析→交易金额指数趋势；可了解当前选定hscode品类中每个子类交易金额一年的变化趋势。
+
全球-全行业-品：行业市场分析→产品价格区间段分布；可了解当前选定hscode品类每个子类目当月报关价格分布规律。
+
注意：行业市场分析每个账号可最多同时选择6个HS编码大类，金品10个账号可以同时查看60大类，并且不限制行业，全行业可查看。
以上就是最宏观维度的行业市场分析模块的人、货、词市场调研分析。
5、横向数据-微观-国家-品-词
全球-产品-人：商品洞察→买家分布；了解关键词品类的全球商机分布和环比变化。
+
全球-产品-人：市场参谋→国家(地区)排行榜（人气榜，飙升榜，蓝海榜，效果榜）；综合评估单一行业在各国的市场规模，市场增速，市场供需，市场转化4个维度单，加上下面的互补数据，确定要调研的目标国市场。
+
全球-产品-人：市场洞察→热门国家及地区市场人群（买家数占比，搜索指数，Top1询盘品类，Top1询盘产品）；与上面数据互补。
↓
国家-产品-人：市场洞察→买家画像（买家数排名，买家数占比，终端占比，MOQ偏好，企业类型，采购规模）；买家画像维度的扩充。
+
国家-产品-品：关键词指数→趋势榜（Top100）→相关热品；查看明细，有参考的图片，标题和价格。
+
+
国家-产品-品：市场洞察→热品分析→买家国家与地区分布；此类目在不同国家及地区的需求分布。
+
国家-产品-品：市场洞察→热品分析→产品访问偏好排行Top20；无法加入对比，需要手动记录。
+
国家-产品-品：市场洞察→热品分析→产品询盘偏好排行Top20；无法加入对比，需要手动记录。
+
国家-产品-品：市场洞察→品类偏好→品类访问热度排名Top20；该国该行业访问类目分布。
+
国家-产品-品：市场洞察→品类偏好→品类访问涨幅排名Top20；热度和涨幅重合类目是需要重点关注类目。
+
国家-产品-品：市场洞察→品类偏好→品类询盘热度排名Top20；对比各类目的“询盘指数/访问指数”，可获得不同访问类目询盘率。
+
国家-产品-品：市场洞察→品类偏好→品类询盘涨幅排名Top20；热度和涨幅重合类目是需要重点关注类目。
+
国家-产品-品：市场洞察→贸易指数（仅限美国）；市场概览数据观测一年的采购趋势，是否有淡旺季，针对性营销；贸易区域数据观测竞品国的对美贸易的体量；港口分析数据观测目的港口交易占比，做对应运输路线的开发。
+
国家-产品-词：市场洞察→搜索偏好→搜索词热度排名Top20；该国该行业引流词分布。
+
国家-产品-词：市场洞察→搜索偏好→搜索词涨幅排名Top20；热度和涨幅重合词是需要重点关注词。
+
国家-产品-词：关键词指数→热词榜（Top100）；可以指定类目，国别搜索热搜词，飙升词，蓝海词等。
+
国家-产品-词：关键词指数→趋势榜（Top100）；可以指定类目，国别搜索趋势词。
+
+
国家-产品-词：关键词指数→关联搜索词；用图的方式展现词之间的关联程度，作用同下。
+
国家-产品-词：关键词指数→来源去向词（来源词相关度Top20，去向词相关度Top20，填充词相关度Top20）；来源词和去向词可以扩展词本身，还能挖掘客户其他采购需求；填充词作为关联属性词参考。
+
国家-产品-词：关键词指数→竞品引流词；这里的词代表了不同关联词背后也有购买该关键词产品的需求，可以作为补充引流词。
+
国家-产品-词：关键词指数→语义近义词；跟我们理解的同义词，别称有点出入。更多的是热门搜索词列表中的词，大多数是重复数据。
以上就是从全球-产品，纵深到国家-产品层面之后，微观层面的人、货、词的市场调研分析。
6、场
宏：流量来源→操作（趋势）→搜索趋势（店铺访问人数，店内询盘人数，店内TM咨询人数，商机转化率）；这里可以获取行业平均和同行优秀每个渠道的流量。
↓
宏：市场参谋（查行业）→买家分析；主要关注搜索，场景和自增渠道流量。
+
宏：访客画像（行业买家）→场景偏好；与上面数据重复一致。
平台在场方面的数据应该是流量参谋的板块，但是实际流量参谋的板块的维度数据做得非常简陋，这块还是要期待他后续的升级。
7、同行
↓
卖家特征（星级分布、年均询盘数、年均实收GMV）；卖家发品量最多类目分布；产品类型分析；除了这些，还需要单独做竞品店铺调研（平台布局、产品布局、店铺数据等）。
↓
市场参谋→卖家分析（卖家特征，星级分布，年均询盘数，年均实收GMV）；除了可以了解行业的平台状态外，还可以作为平台业绩规划的重要参考依据。
+
市场参谋→卖家分析→卖家发品量最多类目分布；了解同行发品类目分布。
+
市场参谋→卖家分析→产品类型分析；了解同行发品类型分布。
+
商品洞察→竞争变化；了解特定关键词类目的竞争情况。
数据参谋针对市场调研的同行竞品数据是非常少的，主要的数据都集中在店铺运营后的诊断优化模块，这里就需要大家额外从品、行业、词、渠道、店铺等维度去做针对性的同行调研，作为补充。
利用数据参谋的市场调研逻辑总结：横向选定一个层面，统一口径，从人、货、内容（词）3个维度结合数据调研；纵向从全行业，到单行业，到品；从全球，到国家；外加上场和同行的数据。
三、一点点优化建议
最后整理了现有数据参谋的一些问题，希望阿里平台方可以优化，如果大家有遇到其他更多的问题，也欢迎大家在下面留言补充：
1、数据口径名称不统一的问题，可以统一成，日，周，月，季度等。
2、相同指标命名不同意的问题，如上面提到的的人气榜=访客榜=访问产品排行；商机榜=询盘商品排行等名称统一。
3、部分维度没有解释按钮图标？，增加了学习记忆的难度。
4、市场参谋和访客详情的场景偏好，缺少“站外”指标。
5、询盘买家的数据不是主流的咨询习惯，可以升级成TM+询盘询盘买家升级成商家买家可能更加有参考价值。
6、部分数据的有效留存时间非常短，无法做长期分析，是否可以优化成月数据留存。
7、更多的数据维度是不是可以增加数据导出的功能，减少运营收集数据的时间，可以有更多的精力做图表数据的分析。
祝大家使用数据参谋越来越熟练；阿里优化数据参谋越来越好用！
版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。
相关文章
发表评论
暂时没有评论，来抢沙发吧~