今天我们来说说亚马逊，如果有机会的话，希望你认真看下本文。
“精细化”这三个字，跨境圈的卖家朋友们已经不陌生，随着红利渐褪、竞争加剧，整个圈子都在呼唤新的运营方式，于是“精细化”开始进入大众视野。
这是时代的需要，也是每一个行业的发展规律。但很多概念，都极容易传播，却鲜少被真正理解。
“精细化”就是其中之一。
2014年，雷军总结了小米崛起的互联网七字诀：专注，极致，口碑，快！
在这七字诀里，其实就已经包含了“精细化”这三个字的精髓。
精是取舍，是选择，是以万顷之力投入，打造差异化和长板。对应七字诀的专注。
细，则有两层含义：
一是拆解，是细分，是将一件事分解到更小颗粒度，穷尽且相互独立，具备可操作性。最典型的例子就是“把大象装进冰箱里，需要分几步”。
二是细节，是从小处将事情做到完美，通过局部体验提升整体品质。对应七字诀的极致。
化是标准，是流程，也是短周期迅速迭代优化的动态过程，构建可持续性。对应七字诀的快。
所以，有时候我们说“太阳底下无新事”，就是这个道理。
每一个看起来新的事物，只有与我们已有的体系联系起来，我们才能更深刻地理解其含义，或者避免被别人忽悠，人云亦云。
回归到我们日常的工作，乍眼一看，精细化与我们的关系似乎就是选品求“精”，运营求“细”，公司整体则追求将精和细内“化”为可持续的系统能力。
但精细化的适用范围远不止于此，万事皆可精细化。比如产品的精细化，服务的精细化，运营的精细化，供应链的精细化······
再比如，写文章这件事的精细化。主题越宏大，我们就越难做到精细化。所以，我们今天只以亚马逊“选词”这一件“小事”，谈谈如何一步一步做到“精细”。
限于篇幅，今天主要跟大家分享以下五点：
- 完备的关键词库
- 适合的词源对象
- 最佳的流量结构
- 合理的流量分层
- 适度的泛化策略
01
完备的关键词库
精细的第一步，是底层基础的精细。对于选词来说，底层基础就是词库。什么样的词库才是有效的词库？消费者搜索的关键词组成的词库。
这不是废话？这个道理确实简单通俗，但这体现了一个非常重要的思维方式——从消费者的需求出发，不要想当然。
尤其是在我们对消费者所在国语言不精通的情况下，作为供给方的卖家的表达不重要，消费者的搜索表达才重要。
解决方法大家都很熟悉了，就是使用ABA数据。ABA是亚马逊官方后台的数据，权威性毋庸置疑，只不过有两个缺憾：
一是如果直接使用导出的词做筛选，你的电脑可能撑不住，因为400多兆的文件，处理起来会让人崩溃。
二是如果通过输入ASIN去反查，你只能得到进入了点击排名前三的关键词，众多未进入点击前三的关键词会被忽略。
基于上边的一些问题，市面上出现了很多反查关键词的工具，但质量也是参差不齐。
教给大家一个简单的鉴别方法：如果ABA数据能反查出来的关键词你使用的工具却没有，尤其是大词，说明这个工具的数据有问题。
02
适合的词源对象
确定了合适的词库，如何将范围进一步缩小到与自己的产品匹配的关键词呢？
大家常用的方法是根据自己的产品去找相似的竞品，然后把多个竞品的关键词做整理，再逐一从中挑选合适的词。
这个话说起来很简单，大家似乎也都理解，但真正上手的时候就会发现还有很多细节需要考究。
比如，很多产品都存在变体，那获取流量词的时候以什么标准来判断哪个变体更合适？
大家很容易想到使用销量最好的变体，想到这一点很容易，但要做到这一点却有一定难度。
被这个问题困扰的不只是做运营的同学，选品工作的后期，尤其是生产备货阶段，知道哪些款式更受欢迎对成本控制也非常关键。
市面上有很多销量预估的软件，但基本都只能测出父体的销量，尤其是现在亚马逊基本将所有类目都改为变体共享排名之后，要测出变体的销量更加困难。
既然没有直接的方法，间接的方法有没有呢？今天就给大家分享一个新的思路：通过比较变体的流量词多少间接确认不同变体的销售情况。
就像下图一样，整理出同一个Listing下不同变体的流量词，尤其是自然流量词（因为自然流量词的多少更能说明自然出单的情况），该选择哪个变体就容易多了。
有的同学可能会说，不知道哪个变体卖得好，那就把所有变体的流量词都找出来不就得了。
没错，这也是一种方法。但这依然还有可精细化的空间。
大家的关键词大部分都是通过ASIN反查工具下载下来的，然后将不同产品的关键词通过去重后整理到同一个文件里，以备后续使用。
这个过程会消耗大量的精力，尤其是当整理对比的产品数量比较多的时候。但工作其实主要就一项，合并去重，然后实现下图中的这种效果。
合并去重的工作在比较变体时需要，在比较不同竞品时依然需要，两个都是扩充关键词的重要手段，尤其是通过对比你的产品与竞品的关键词，可以迅速得到你的产品缺少的关键词，让你快速获知自己产品的流量短板在哪里。
对于使用竞品的流量词来优化自己的Listing的时候，我的建议是尽量选择对手的自然流量词或官方推荐词，原因比较容易理解，自然出单词代表了在竞品上被证明精准有效，推荐词代表了被亚马逊官方认可。
而广告词，由于产品的展现与“利益”挂钩，受预算控制，所以无法自然的反映与产品的契合程度。选用这些词会存在一定程度的风险，因为你的竞品也还在尝试，效果怎么样还未知。
03
最佳的流量结构
观察比较仔细的同学应该已经发现，我在对比变体流量词的第一张图里还透露了另一个非常重要的信息——产品的流量结构。
在研究流量结构，而且仅仅指关键词流量这件事情上，相信大部分人都只是把关键词囫囵吞枣地做研究，少有人对竞品的流量词结构做精确的划分。
我们都知道，仅在亚马逊的关键词搜索体系里，就有不止一种曝光方式，自然搜索是大家最熟悉的，另外就是PPC广告，包括产品广告（Sponsored Product，简称SP）、品牌广告（Sponsored Brand，简称SB）、视频广告（Sponsored Video，简称SVB）。
还有一类搜索流量是被大部分卖家忽略的，犹如姐夫的掌上明珠，光有钱是得不到的，需要通过“比武招亲”凭实力获得。
这就是搜索推荐的流量，包括亚马逊的选择（Amazon's Choice，简称AC）、编辑推荐（Editorial Recommendation，简称ER）、最受好评（Top Rated，简称TR，包括亚马逊自家产品的Top Rated From Our Brand也属于这一类）。
什么是流量结构？就是为不同的流量渠道规划不同的关键词和打法策略。厉害的人都有体系，而高效的流量都有结构。
比如下边这几个产品，都是串灯（string lights ），但各家规划的流量结构却差别非常大。
有的就喜欢上全套，广告全家桶（SP商品广告、SB品牌广告、SVB视频广告）和推荐流量全家桶一个不落；有的就试试SP和SB就完事；还有的就更保守了，只玩SP；最后一位就纯属佛系了，花钱的一个不玩。
拿到候选关键词之后，摆在大家面前的问题就是，这些关键词怎么分配？怎么规划流量结构？在预算有限的情况下，在SP、SB和SVB广告之间如何平衡取舍？
这些都是非常复杂的问题，每个问题都值得拿一个专题出来讲。时间关系，我们在这里只是给大家抛砖引玉，有机会再详谈如何根据产品的属性和发展阶段规划自己的流量结构。
04
合理的流量分层
如果说不同类型的流量是矩阵的“横”，那么合理的流量分层就是矩阵的“纵”。
具体来说，就是每一种“横”的流量类型将由哪些“纵”的关键词组成，包括主要关键词和长尾关键词，并以此分配预算和规划打法节奏。
我们都知道，一个产品在进入成熟期之后，绝大部分流量其实都来自于为数不多的几个主要流量词，一般不会多于5个，出单占比却高达80%甚至95%。
对这个数据没有概念的卖家可以从服务商处购买ASIN报告看一看，大部分ASIN报告都呈现出这种头部高度集中的流量分布（但就是有点贵）。
这就是所有电商流量有意思的地方，虽然做出绝对贡献的是主要流量词，但没有长尾词前期的铺垫，也没有主要流量词今日的辉煌。
就像没有地基，就起不了高楼，但修完高楼，就少有人再关注地基了。
主要流量词大家基本都会使用大词，这种词一般代表了一个细分的品类或者有特定修饰的细分品类，大家对于这个的判断通常来讲也不会有什么问题，我要说的是精准长尾词。
因为长尾容易，但精准就不一定了。精准需要保证在词根上附加的修饰词严格符合你产品的属性或定位。
不要说你都非常清楚产品的属性或定位，每一个做过好产品的人都会惊异于客户千奇百怪的使用场景和方法。保持谦逊很重要。
这一点上如何做到精细？
有经验的卖家可能又会说，市面上不是有很多关键词挖掘工具吗？用它们不香吗？费这个劲是不是有点过头了？对不起，还可能真不香。
那到底怎么才香？很简单，如果我们要摸着石头过河，对手就是我们的石头。
我们应该准确找出你对标的优质竞品的长尾流量词，如何才算精准？竞品在这个长尾词下的自然排名长期稳定靠前，比如这种，长期稳定在前5名，那一定是消费者用购买行为投票出来的精准。
05
适度的泛化策略
前边的整个流程，是一个从宽泛到具体、从开放到收敛的过程。最后一个点，我们“反其道而行之”，讲一讲关键词的泛化。
什么是泛化？
就是在目标关键词基础上获取相关的关键词的流量。在亚马逊的体系里，则分为相关关键词和词组词根的扩展匹配。两者存在递进关系。
相关关键词是指一个产品同时存在两个或多个中心词根，比如形容充电宝，在英语里至少有三个词根，分别是：charger，power bank，和battery，这些词根会延伸出来很多关键词，甚至这几个词根也可以组成新的关键词，比如battery charger。
对于这种产品，最终的关键词会形成几个以词根为中心的关键词簇，而词簇，就是亚马逊广告投放规则中的广泛匹配。
广泛匹配大家已经实操过很多，我这里主要讲讲广泛匹配的2个需要注意的点。
第一，通过亚马逊的输入框联想是判断是否存在广泛匹配的方法，但此方法存在很大的局限性，因为亚马逊搜索框联想的策略是向后联想，也就是CD可以联想CDEF，但无法联想ABCD。
这就导致大量以定语修饰CD的长尾词将被我们忽略。在一点上，建议大家通过一些工具进行词组的匹配，防止遗漏。
第二，确定一个关键词广告是否需要广泛匹配的时候，以第一步获取到的数据为依据。将第一步获取到的广泛匹配词分组，预估这些词大概的搜索量总和，大致评估可能的效果，并据此规划预算。
如果找不到合适的广泛匹配词、广泛匹配流量不精准或者广泛匹配词流量太少，则可以直接选择精确匹配的方式投放。
最后，感谢专注于流量分析的Sif（http://www.sif.com）为本文提供配图支持，文中所有配图均来自于Sif产品界面。
