独家数据｜亚马逊西班牙、意大利、墨西哥站还有多少机会市场？
近几年，很多在亚马逊美国站取得成功的卖家都在计划扩张更多站点，当卖家选择新站点销售某类产品时需提前了解：这些站点有哪些在售类目，哪些类目的市场容量更大、垄断性更低、竞争性更小，更容易进入……只有对这些市场数据有一个全面准确的了解，才能减少运营一个新站点的试错成本。
Sorftime是目前市场上唯一能提供亚马逊各站点全类目底层市场数据的工具，截止目前Sorftime已收纳亚马逊百亿级数据。用户不仅可以通过Sorftime横向对比各行业在不同站点销售情况，同时也可以纵向深度了解每一个站点每一个类目的市场容量、品牌数量、评价数量、平均星级等三十多个维度数据，帮助卖家快速对比分析市场数据，找到最适合自身运营条件的站点和类目。
接下来，我们将以亚马逊西班牙、墨西哥、意大利三个站点为例，同时结合成熟美国站数据作为参考，从评价数量、A+占比、星级几个维度对比分析这些站点的市场情况，给大家一些评价思路的参考。
各站点所有底层类目市场数量分析
所有底层类目市场数量，代表这些站点在售产品品类丰富度。美国站所有底层类目市场有17386个，西班牙站所有底层类目市场有13696个，意大利站所有底层类目市场有14224个，墨西哥站所有底层类目市场有6162个。相对成熟美国站，西班牙和意大利底层类目市场数量还有一定增长空间，墨西哥站底层类目市场数量较少，这意味着很多产品品类目前还没有登录亚马逊墨西哥站，空白市场较多。
图片来源：sorftime 墨西哥站 数据提取时间：2019.8
各站点平均评价数量分析
如果我们的产品没有差异化竞争力，那么每个类目销量最好的TOP100平均评价数量，从某个层面意味着我们的新品进入这个类目所需的评价数量标准（产品页面基础公信力），在一个卖家并不熟悉，且缺乏测评资源的新站点，review获取成本相对更高难度更大，销量集中产品的平均评价数量的高低往往是影响Listing页面打造成本和风险、以及决定卖家是否进入一个市场的重要因素 。
数据来源：sorftime PC端 数据提取时间：2019.8
如上图表，以“每个类目销量最好的TOP100产品 平均评价数量都在10个以下的市场”为指标对比4个站点：亚马逊发展最成熟的美国站，有5762个市场销量最好的TOP100产品平均评价在10个以下，占比低至33.1%，从这个数据我们也能看出美国站的多数产品品类确实已经进入一个较为成熟的阶段。
然而，我们根据数据可以看到，西班牙、意大利和墨西哥这样的“小”站点，虽然众所周知各个品类的体量不大，但是在大部分类目里面，新品进入后与头部Listing在卖家最烦恼的评价数量上，并没有太大差距。
图片来源：sorftime 西班牙站 数据提取时间：2019.8
各站点A+页面占比分析
一个市场销量最好的TOP100产品 的A+页面占比高低，代表着这个市场所需的Listing 页面打造的不同难度，从另一个角度也意味着这些竞争对手的实力和专业度，如果一个市场销量最好的大部分产品都有A+页面，这意味着我们新卖家也需要很好的Listing 页面包装能力才能比肩同行竞争，反之亦然。
数据来源：sorftime PC端 数据提取时间：2019.8
以“每个类目销量最好的TOP100产品 A+占比在20%以下的市场”为指标对比4个站点：虽然成熟的美国市场，仍然有超过一半的品类，A+占比较低；而其它三个小站点，绝大部分品类的A+占比都非常低，如果你发现在这些A+占比低的品类中，做过A+的Listing所占市场份额很高，那么证明这些品类的消费者对A+的敏感度很高，你可以好好研究一下这些做了A+的Listing。
图片来源：sorftime 墨西哥站 数据提取时间：2019.8
各站点平均星级分析
平均星级高的市场，代表着消费者对这类产品认可度高，退换货少、售后成本低。在一个卖家并不熟悉的新站点，提前预测退货风险，降低售后成本非常有必要。但不同类型的卖家，对不同数据有不同的看法，用同质化产品进入的卖家希望找到那些星级评分高退货少的市场，产品开发型和改善型卖家则希望找到那些平均星级评分低，消费者对销量最好的产品仍不满意的市场。
数据来源：sorftime PC端 数据提取时间：2019.8
以“每个类目销量最好的TOP100产品平均星级4星以下”为指标对比4个站点：即使是成熟的美国站，平均星级4星以下品类数量也达到13712个，占比高达78.9%；而西班牙、意大利、墨西哥的大多数品类的平均星级更加惨不忍睹！
这样的数据意味着卖家的“随意”？大面积相互恶搞？亚马逊过分偏袒消费者？还是消费者动不动就“没良心”？
但不管怎样，这样的市场格局，对品牌化、精细化，有产品改造能力的卖家有着更大的空间。我们可能认为美国站已经足够成熟，但统计数据后才知道，大多数品类的产品，在升级迭代上仍然有着很长的路要走！
图片来源：sorftime 意大利站 数据提取时间：2019.8
