關(guān)于亞馬遜搜索量，行業(yè)爭議已有五六年之久。雖然亞馬遜在后臺多個模塊陸續(xù)披露了搜索量數(shù)據(jù)，但賣家朋友們可能并未注意，其實它們都不是真正的搜索量。

這篇文章，我們也籌備一年有余。陸續(xù)寫過2篇階段性的解密亞馬遜搜索量的文檔，但一直未對外發(fā)表，就是因為亞馬遜的數(shù)據(jù)還有諸多矛盾和謎團未解。

但隨著亞馬遜近期的一個調(diào)整，我們認為時機已經(jīng)成熟。搜索量這個懸而未決的問題，是時候給大家一個結(jié)論，終結(jié)行業(yè)爭議了。

由于篇幅較長，我們先把結(jié)論貼在這里，暫時沒時間閱讀的賣家朋友可以直接記下：

1. 現(xiàn)在的“搜索詞表現(xiàn)”模塊的“搜索查詢數(shù)量”是真正的搜索量

2. 商機探測器中搜索詞的“360天搜索量”是搜索人數(shù)

3. ABA排名是PC端的搜索人數(shù)排名

 

有興趣的賣家朋友則可以跟隨我們一年多來的研究歷程，逐漸抽絲剝繭真正的搜索量。

 

曾經(jīng)我們以為的搜索量

都不是真的搜索量

 

整個研究過程十分坎坷，可謂一波三折，在經(jīng)歷第四波的時候，真正的搜索量才逐漸浮出水面。這三折分別是：

1. 第一折：ABA（品牌分析）數(shù)據(jù)

2. 第二折：商機探測器

3. 第三折：搜索詞表現(xiàn)1.0

    

換句話說，ABA、商機探測器、搜索詞表現(xiàn)1.0這三個亞馬遜后臺的模塊給出的數(shù)據(jù)，背后對應的都不是搜索量。直到搜索詞表現(xiàn)2.0出現(xiàn)的時候，亞馬遜給出的數(shù)據(jù)才看起來“像”搜索量。

之所以說“像”搜索量，是因為這里邊依然有很多疑點，或者說，在亞馬遜的多個模塊給出的數(shù)據(jù)之間，矛盾似乎越來越多了。

本篇長文，我們會從商機探測器聊到搜索詞表現(xiàn)1.0，再到最新的搜索詞表現(xiàn)2.0，然后再回過頭去重新審視我們已經(jīng)習以為常的ABA數(shù)據(jù)，毫無保留地與大家分享我們在搜索量上的研究。

我們也會為大家逐一解密，為什么ABA、商機探測器、搜索詞表現(xiàn)1.0不是真正的搜索量，我們又是如何逐漸洞察到真正的搜索量的。最后，我們還會與大家分享我們的搜索量模型的方法，以及使用亞馬遜數(shù)據(jù)的一些實用建議，供大家參考。

文章雖長，如果大家能耐心看完，我們敢保證，一定會有非常巨大的收獲。不僅能知道什么才是真正有參考價值的數(shù)據(jù)，同時對亞馬遜后臺的數(shù)據(jù)邏輯也會有更加深刻的認識。

文章會分五個部分逐漸展開：

1. 關(guān)于搜索量的幾個常識性認知錯誤

2. 后臺到底什么數(shù)據(jù)才“像”是真正的搜索量

3. 搜索量還有什么疑點

4. Sif是如何做搜索量模型的，準確率如何

5. 如何正確地認識和使用亞馬遜數(shù)據(jù)

 

 

關(guān)于搜索量的三個常識性認知錯誤

 

在解讀真正的搜索量之前，我們必須先指出幾個常見的關(guān)于搜索量的認知錯誤。這些認知錯誤并不是大家的問題，而是因為亞馬遜不嚴謹或不透明的數(shù)據(jù)統(tǒng)計所致。如果不仔細加以研究，非常容易被誤導。

澄清這些錯誤，有助于大家真正理解這些看起來是搜索量實際上并不是搜索量的數(shù)據(jù)到底代表什么含義，避免被誤導，做出錯誤的決定。

 

錯誤一，認為商機探測器里的細分市場是真實搜索量

 

這個問題在商機探測器剛開始出來的時候，有大量用戶沒經(jīng)過仔細研究，就誤以為是搜索量。這個錯誤并不嚴重，很快大家就認識到商機探測器給出的是同類商品聚合之后代表的細分市場，也就是某類需求的代名詞，而不是單個關(guān)鍵詞。

 

錯誤二，認為商機探測里的搜索詞是真實搜索量

 

細分市場的搜索量不是關(guān)鍵詞的搜索量，但是細分市場的二級菜單里，有一個“搜索詞”模塊，這個里邊是具體的關(guān)鍵詞，所以很快，大家就認為這個是真實搜索量，并在很長的一段時間里深信不疑。我們跟很多研究過這個數(shù)據(jù)的大佬交流，他們都認為是。

但做數(shù)據(jù)分析的直覺告訴我們，這個數(shù)據(jù)應該也不是搜索量，因為按照這個數(shù)據(jù)做推斷，亞馬遜的GMV體量，要比實際的小好幾倍。

但這個問題并不好證明，因為我們的推斷模型引入了其他變量，這些變量的值也存在一定的不確定性。但我們堅信，這個數(shù)據(jù)從直覺和邏輯上說不通。

于是我們選擇了默默的頂住壓力，不對搜索量模型做出調(diào)整。即便一些友商為了討用戶歡心，逐漸將搜索量改成了和商機探測器保持一致，但我們依然不為所動，因為我們相信那不是真正的搜索量。

轉(zhuǎn)機出現(xiàn)在亞馬遜推出了搜索詞表現(xiàn)1.0，逐漸開始證明我們的堅持是對的，這也是錯誤三的由來。

 

錯誤三，以為搜索詞表現(xiàn)1.0里的搜索量是真實搜索量

 

亞馬遜并沒有將搜索詞表現(xiàn)模塊劃分過1.0和2.0版本，這是我們自己的劃分。之所以這么劃分，是因為亞馬遜對搜索詞表現(xiàn)做過改版，改版前和改版后的數(shù)據(jù)有比較大的出入。且1.0版本中出現(xiàn)過一個極其重要的數(shù)據(jù)，正是這個數(shù)據(jù)，讓我們開始逐漸挖掘到真正的搜索量，并據(jù)此邏輯嚴密地證明了商機探測器里的搜索量不是真的搜索量。

為了給大家真實還原我們的研究過程，我們把改版前稱為1.0版本，改版后稱為2.0版本。

在1.0版本中，我們挖掘到了一些表征搜索量的隱含數(shù)據(jù)。這個隱含數(shù)據(jù)來自于搜索詞表現(xiàn)數(shù)據(jù)內(nèi)部多個字段間的矛盾。

很多賣家應該沒注意和留存過這個中間版本的數(shù)據(jù)，所以我們在這里貼一些出來，讓大家對我們的研究過程有更真切的感受。

我們先給大家看一下原始數(shù)據(jù)。在1.0版本的時候，我們下載了2022年7月份的搜索詞表現(xiàn)數(shù)據(jù)，并做了簡單的整理，我們主要關(guān)注搜索查詢數(shù)量、點擊量、點擊率、加購量、加購率、購買量、購買率這7個數(shù)據(jù)。

我們將點擊量/點擊率、加購量/加購率、購買量/購買率兩兩相除，得到另外三個指標，如下圖所列。

這三列數(shù)據(jù)很有意思，同一個關(guān)鍵詞下，它們的值非常接近。

我們猜測，同一行這三列數(shù)值其實應該是同一個數(shù)字，之所以不完全相等，是因為亞馬遜在計算點擊率、加購率、購買率的時候只保留了2位小數(shù)，我們還原回去的時候會因為省略的小數(shù)位數(shù)，帶來一定誤差。

我們還猜測，點擊量/點擊率、加購量/加購率、購買量/購買率這三組比值，得到的都是同一個值——搜索量。

為什么是搜索量？我們先做一下邏輯上說明，然后再用數(shù)據(jù)證明。

亞馬遜的電商數(shù)據(jù)，在全球范圍內(nèi)有諸多類似的應用。其中轉(zhuǎn)化漏斗數(shù)據(jù)的計算，全世界通常有兩種方法：

一個是將轉(zhuǎn)化漏斗的第一個環(huán)節(jié)的變量，作為所有后續(xù)指標的固定分母，比如當?shù)谝画h(huán)節(jié)是搜索量的時候，那么后續(xù)的所有點擊率和轉(zhuǎn)化率都以搜索量為分母，得到搜索點擊率和搜索轉(zhuǎn)化率。這是在衡量市場數(shù)據(jù)的時候更常使用的一種標準，也是亞馬遜現(xiàn)在很多市場數(shù)據(jù)在使用的標準。搜索詞表現(xiàn)，我們認為就是這種計算方法。

另一個標準是轉(zhuǎn)化漏斗的下一環(huán)節(jié)除以上一環(huán)節(jié)，比如大家習慣的點擊率是點擊量/曝光量，轉(zhuǎn)化率是購買量/點擊量。這種計算方式一般是在計算賣家自己的數(shù)據(jù)時更常用的標準，方便你評估在你自己的轉(zhuǎn)化流程里，每個環(huán)節(jié)的轉(zhuǎn)化（和對應的流失）是什么水平。大家自己產(chǎn)品的廣告數(shù)據(jù)就是這種計算方法。

假設這三個值可能代表搜索量，而亞馬遜也直接給了一個搜索查詢數(shù)量，我們分別用這三組數(shù)據(jù)與搜索查詢數(shù)量做一下對比。

很容易發(fā)現(xiàn)，這三個數(shù)值與搜索查詢數(shù)量并不相等，而且好像還有好幾倍的差距。于是我們使用這三個值分別除以搜索查詢數(shù)量，得到分別的倍數(shù)，如下圖。

于是，詭異的地方出現(xiàn)了。這三個比值得到的值都是搜索量，亞馬遜也給出了搜索查詢數(shù)量，這兩組數(shù)據(jù)理論上應該相等。

但它們并不相等，且通過比值算出來的搜索量比搜索查詢數(shù)量都要大1.5-4.5倍不等。

所以問題就來了，兩個理論都應該是搜索量，但為什么并不相等，而且中間還有好幾倍的差距？誰才是真正的搜索量？誰又不是搜索量？

雖然亞馬遜的指標解釋通常都語焉不詳，但我們把官方給的解釋又通讀了一遍之后（以下截圖大家現(xiàn)在已經(jīng)無法看到，因為已經(jīng)更新了），發(fā)現(xiàn)了搜索查詢數(shù)量真實含義的一點蛛絲馬跡。

在這個截圖里，亞馬遜官方解釋的是，搜索查詢數(shù)量是同一個買家在24小時內(nèi)發(fā)出的請求去重之后的數(shù)量。也就是說，這個搜索查詢數(shù)量，如果是一天的數(shù)據(jù)，可以理解為某個詞的搜索人數(shù)；如果是周或者月，則可以理解為周或者月的搜索人次。比如一個客戶在一周的周一和周五都搜索了同一個詞，那么這個客戶在這一周會記2個搜索查詢數(shù)量。

由于搜索詞表現(xiàn)最細的顆粒度也是周，所以我們認為這個數(shù)據(jù)代表的就是搜索人次。

于是，在搜索查詢數(shù)量和我們我們算出來的三個比值，顯然那三個比值更像是搜索量。

 

什么才是真正的搜索量

 

那我們?nèi)绾未_定點擊量/點擊率、加購量/加購率、購買量/購買率得到的比值確實就是真正的搜索量呢？

證明的機會出現(xiàn)在了搜索詞表現(xiàn)2.0版本，亞馬遜在9月份左右升級到了搜索詞表現(xiàn)2.0版本。

同樣是22年7月份的數(shù)據(jù)，可以明確的看到，同一個詞laptop的搜索查詢數(shù)量比1.0版本的時候大了好幾倍：1.0版本是1,219,284，2.0版本則是5,504,032。

而5,504,032這個數(shù)值，剛好和我們通過三組比值算出來的數(shù)值幾乎一模一樣，這顯然絕非巧合。

這個變化還是蠻大的，為什么會發(fā)生這個變化？我們注意到，亞馬遜對查詢數(shù)量做了新的定義。

這段話包含兩個含義：

1. 多次請求會重復計數(shù)，也就是一個關(guān)鍵詞一個客戶一天內(nèi)查詢多次，不會去重

2. 翻頁，也會算作是一次搜索請求

 

這兩個特征，就和我們之前所了解的A9算法一模一樣了。多次請求會重復計數(shù)、翻頁會重復計數(shù)、在左側(cè)增加任何篩選條件也會重復計數(shù)。

也就是說，之前1.0版本的確實不是搜索量，更像是搜索人次，而中間相差的倍數(shù)，就是代表一個詞平均每個消費者會搜索幾次。

 

如何證明商機探測器里的“搜索量”不是真的搜索量

 

現(xiàn)在，有了這個數(shù)據(jù)，請允許我們擲地有聲地向大家證明，商機探測器的搜索量并不是真正的搜索量。這也算是我們對自己曾經(jīng)的那份樸素的堅持的一份有力聲明。

我們找到在搜索詞表現(xiàn)里出現(xiàn)的第一個詞laptop，去商機探測器找到對應的數(shù)據(jù)。

同樣的關(guān)鍵詞，商機探測器里顯示過去360天的搜索量只有600萬，平均一個月才50萬。但這個詞在搜索詞表現(xiàn)里，今年7月份就有550多萬的搜索量，很明顯，商機探測器里的搜索量絕非真正的搜索量。

那商機探測器的數(shù)據(jù)到底代表的是什么含義呢？我們用數(shù)據(jù)做一下推理。

我們依然使用laptop這個詞，我們來統(tǒng)計一下laptop這個詞在商機探測器的7月份的數(shù)據(jù)。

由于商機探測器的“趨勢”模塊給的是細分市場的趨勢，所以我們先大致統(tǒng)計laptop這個細分市場在7月份的搜索量，然后再根據(jù)laptop這個詞在這個細分市場的360天的搜索量占比來大致計算laptop這個詞在7月份的搜索量（相當于假設laptop這個詞在laptop這個細分市場里的搜索量份額，在7月份的時候和360天里是大致相等的）。

下圖是laptap這個細分市場的搜索量趨勢。

我們將laptop這個細分市場在過去一年的搜索量做一下記錄，分別如下：

然后選擇其中的7月份的數(shù)據(jù)進行統(tǒng)計。由于7月的第一周和最后一周只有部分天數(shù)在7月內(nèi)，我們?nèi)∷鼈兯诋斨艿臄?shù)據(jù)除以7，再乘以在7月內(nèi)的天數(shù)，最終得到laptop這個細分市場在7月份的搜索量大致是1,648,792。

然后我們把laptop細分下市場的多個關(guān)鍵詞360天的搜索量做一下求和，得到15,626,037（具體計算過程就不在這里貼出來了，我們直接用計算器加的）。

這個數(shù)據(jù)和過去一年的數(shù)據(jù)求和15,965,958大致相當。我們之所以要研究這兩個數(shù)據(jù)，是害怕亞馬遜在不同模塊給出的數(shù)據(jù)又有差別，為保險起見，我們用上了可以用的所有數(shù)據(jù)做交叉驗證。

而這兩個數(shù)據(jù)不完全相等的原因，則是因為按周的趨勢數(shù)據(jù)，從21年12月5日開始，到最新的一周2022年12月04號（最后一天是12月11號）那一周結(jié)束，比360天要多出幾天，所以數(shù)據(jù)稍微大一點，屬于正常范圍。

根據(jù)360天的搜索量總和，我們算出laptop這個詞的搜索量占比大致為6,004,659/15,626,037=38.43%。于是大致推測7月份1,648,792萬的細分市場搜索量，laptop這個詞的搜索量大致是1,648,792 * 38.43% = 634,049。

我們在搜索詞表現(xiàn)中已經(jīng)明確，7月份的搜索人次是1,219,284，搜索量是5,504,032。

634,049這個數(shù)據(jù)，比7月份實際上550多萬的搜索量，僅有其1/9。差距如此之大，基本可以證明，商機探測器的搜索量，與真正的搜索量相距甚遠，絕不可能是真正的搜索量。

但634,049這個數(shù)據(jù)又留下了一個新疑點：它比7月份laptop這個詞在搜索詞表現(xiàn)里的搜索人次1,219,284也差不多小了一半，這又是為何？

對于這個誤差，我們有兩種猜測：

1. 商機探測器的搜索量，可能指的是搜索人數(shù)。也就是說，商機探測器里統(tǒng)計的，是在某一段時間內(nèi)搜索過某個詞的消費者數(shù)量。比如客戶在某一周的周一和周五都搜索了laptop這個詞，商機探測器只會計數(shù)1（統(tǒng)計周期內(nèi)按同一個消費者去重）；但搜索詞表現(xiàn)里會計數(shù)2個搜索查詢量，因為去重周期是24小時。

    

2. 商機探測器指的是搜索人次，數(shù)據(jù)統(tǒng)計的誤差來源于我們在這個過程中做的假設：我們認為laptop這個細分市場里的多個關(guān)鍵詞，在1年的時間內(nèi)搜索趨勢都和這個細分市場是完全吻合的，同時在prime day那一個月的搜索量的增幅也是相等的。但實際上可能會有一些差異，或者有可能laptop這個最頭部的詞的搜索人次增加比例要比其他小的詞大不少，所以實際上laptop這個詞在7月份的搜索人次要比634,049這個數(shù)字要大。

 

這兩種猜測我們傾向于第一種，因為后邊還有新的疑點也指向這個猜測。

但不管商機探測器的數(shù)據(jù)代表的真實含義是什么，這不影響我們在前邊得到的結(jié)論：雖然我們不完全確定商機探測器的數(shù)據(jù)是什么，但我們可以完全確定它不是搜索量。真正的搜索量是搜索詞表現(xiàn)2.0里的搜索查詢數(shù)量。

 

搜索量進一步探索過程中的新疑點

 

對于我們這些搞技術(shù)的人而言，知道什么是真正的搜索量，只是完成了真實的數(shù)據(jù)樣本收集這一步。我們的目的，是要通過模型，來實現(xiàn)對真實搜索量的擬合，這樣才能大面積應用在我們的產(chǎn)品之中。

接下來的部分，我們建議大家還是保持耐心繼續(xù)閱讀下去，因為這些思考決定著我們是如何通過模型推算搜索量的，而這個過程中，我們又發(fā)現(xiàn)了諸多疑點。

我們覺得有必要向大家分享我們的發(fā)現(xiàn)與疑惑，大家也可以據(jù)此評估，我們的模型的可信程度，方便大家在使用Sif時保持合理的預期，或者適當?shù)卣{(diào)整預期。

我們的工作要進行下去，首先就面臨一個困境。搜索詞表現(xiàn)的數(shù)據(jù)是每個賣家自己店鋪里的產(chǎn)品對應的關(guān)鍵詞的數(shù)據(jù)，我們要把所有的關(guān)鍵詞搜索量都覆蓋到并保持更新，就需要非常大量的店鋪，顯然這個是沒有辦法做到的。

于是，很自然的，我們想到了在搜索詞表現(xiàn)里尋找部分樣本，然后通過ABA數(shù)據(jù)里的搜索排名來擬合搜索量曲線。這樣只要使用ABA排名，就可以大致預估對應的搜索量了。

然而，當我們滿懷期待，試著將搜索量與搜索排名關(guān)系對應的時候，第二個困境出現(xiàn)了：相同時期的關(guān)鍵詞的ABA排名與搜索量并不是嚴格的線性關(guān)系。也就是搜索量排名靠前的，搜索量不一定大；而排名靠后的，搜索量也不一定比排名靠前的更小。

為了讓大家有直觀的感受，我們還是貼一下圖。

這張圖中，紅色那一列是ABA排名，橙色那一列是搜索人次，綠色那一列是搜索量，數(shù)據(jù)是按照ABA排名從小到大排序的。

紅色框標出來的，就是理論上隨著ABA排名從上往下變大（靠后），搜索人次或者搜索量應該跟著變小但實際上卻在變大了的異常數(shù)據(jù)。

之所以把搜索人次的數(shù)據(jù)也一并對比，是因為在我們發(fā)現(xiàn)ABA排名與搜索量關(guān)系并不完全線性之后，我們猜測ABA排名是否可能是搜索人次的排名，但結(jié)果發(fā)現(xiàn)也不是。

一直以來，對于ABA的搜索頻率排名到底代表什么含義，大家莫衷一是。現(xiàn)在這個研究結(jié)果，使得這個問題變得更加撲朔迷離。它既不代表搜索量排名，也不代表搜索人次排名。所以，ABA排名，到底是什么排名？

這個問題，需要用到我們之前在ABA上做過的一些研究，還要用到我們在對比搜索詞報告2.0與ABA數(shù)據(jù)時的另一個發(fā)現(xiàn)。

關(guān)于ABA的研究是，我們發(fā)現(xiàn)一個有趣的現(xiàn)象，同樣一個月內(nèi)的ABA數(shù)據(jù)，月的ABA條數(shù)比周和天的條數(shù)都要少，顯然ABA是有一定的過濾條件的。

這些現(xiàn)象指向一個我們推理得出的結(jié)論：ABA排名對應的數(shù)據(jù)，天數(shù)據(jù)最末尾的排名對應的值應該是1，周數(shù)據(jù)是7，月數(shù)據(jù)則大概是30（視當月天數(shù)而定）——具體推理邏輯可參考我們過去的文章《亞馬遜ABA數(shù)據(jù)的一些有趣發(fā)現(xiàn) 》。

而搜索詞報告2.0與ABA的聯(lián)合研究的發(fā)現(xiàn)則是，相同月份的搜索詞表現(xiàn)里的關(guān)鍵詞，大約在搜索量略大于1000的時候，在ABA當月的數(shù)據(jù)里無法搜索到（這里研究的是美國站）。

比如下邊兩張圖中的durable iPhone 13 case，在9月的搜索詞表現(xiàn)中的搜索量為1232，但在9月的ABA中卻找不到這個詞。

綜合上邊兩個研究，我們可以大致推測ABA的排名背后對應的那個指標的值，與實際的搜索量之間大概相差30多倍（1000/30＞30）。

30倍是一個差距非常巨大的數(shù)字，所以我們對ABA排名做了本文中最大膽的一個猜測：ABA排名是某一段時間內(nèi)的PC端的搜索人數(shù)排名。

要證實這個猜測，我們需要做多個假設，讓30倍這個數(shù)字看起來合理。

既然是猜測，就很可能會有問題。但我們猜測的思路，我們覺得也是很有參考價值的，所以我們也做一下說明：

首先，假設ABA的排名就是搜索量的排名，那么它們兩者應該完全嚴格線性對應，沒有任何誤差，但實際情況不是。

接著我們很自然的就會猜測，是否是搜索詞報告1.0里的搜索人次，結(jié)果也顯示并不是。但沒關(guān)系，我們將其作為一種可能性，再去疊加其他條件。

假設它如果是，誤差大致會比3-5倍左右（之所以這個數(shù)字會比1.5-4.5大，是因為我們選擇的樣本是標品類的產(chǎn)品，而且行業(yè)集中度比較高，所以每次搜索時觸發(fā)的搜索量不會太多，但非標品如服裝行業(yè)的搜索量可能會比這個數(shù)字要大，因為每次消費者可能會翻更多的頁碼或者組合更多的條件。平均之后，倍數(shù)會比1.5-4.5要大。）

不是搜索人次，那是否可能跟商機探測器一樣，是搜索人數(shù)呢？假設是，這會多帶來2倍左右的誤差（以商機探測器的經(jīng)驗）。我們也姑且作為一種可能。

之所以會做這個猜測，還有一個原因，是因為在ABA還未在亞馬遜后臺開放之前，我們從灰色渠道接觸過大量的A9數(shù)據(jù)，A9數(shù)據(jù)里包含搜索人數(shù)和搜索量兩個字段，但默認排序的字段是搜索人數(shù)，而不是搜索量。ABA是最早開放的數(shù)據(jù)，我們懷疑ABA繼承了這個傳統(tǒng)。

但以上兩者相乘的倍數(shù)頂多也不到10倍，與30倍相去甚遠，我們還得繼續(xù)尋找。

剛才提到了A9數(shù)據(jù)，所以我們做了另外一個猜測：ABA的數(shù)據(jù)，可能并未包含移動端的搜索量。

之所以這么懷疑，是因為之前的A9數(shù)據(jù)在通過灰色渠道流入市場之后，大量的賣家覺得給出來的搜索量偏小，排名第一的詞一個月也才幾十萬搜索量，于是各家服務商都不約而同地乘以了3-4倍，而這個3-4倍的差距，正是因為大家猜測這個數(shù)據(jù)并未包含移動端的搜索量。

猜測并未包含移動端還有另一個原因，是在2021年亞馬遜在廣告數(shù)據(jù)里突然增加了移動端的數(shù)據(jù)，導致大家后臺的轉(zhuǎn)化率數(shù)據(jù)突然暴跌。所以我們也懷疑，ABA數(shù)據(jù)里，可能只包含PC端的數(shù)據(jù)。

如果只包含PC端，那么PC端的流量目前大概只有25%的份額，如果是全平臺，那么就還需要差不多乘以4。

現(xiàn)在我們將三個假設相差的倍數(shù)相乘，大致是[3,5]*2*4，差不多就是24-40倍之間，與30多倍的差距基本差不多。

關(guān)于這個猜測，亞馬遜披露數(shù)據(jù)的節(jié)奏，也給了我們額外的一點信心。

從A9數(shù)據(jù)明確是搜索人數(shù)，且只包含PC端；到 ABA繼承A9；再到商機探測器繼承搜索人數(shù)，但增加了移動端；再到搜索詞表現(xiàn)的1.0改為搜索人次；最后到2.0改為真實搜索量。整個數(shù)據(jù)披露的過程，越早出現(xiàn)的數(shù)據(jù)，與真實搜索量的差距就會越大，而每一個新模塊似乎一開始都會繼承上一個模塊的一些數(shù)據(jù)，然后再進行升級。按照這個時間順序，我們認為ABA的真實含義是某一段時間內(nèi)的PC端的搜索人數(shù)排名，雖然大膽，但并非全無道理。

但假設就是假設，等我們有更多研究，有更重大的發(fā)現(xiàn)之后，我們再及時向大家同步。

接著我們講一講，在這些數(shù)據(jù)的基礎之上，我們?nèi)绾巫鏊阉髁磕Ｐ汀?/p>

 

Sif如何做搜索量模型

準確率如何

 

ABA排名并不是搜索量排名，是否ABA排名就完全沒辦法為搜索量做出貢獻了呢？并不是。

大家看到，這個數(shù)據(jù)出現(xiàn)的偏差，并不是很大。在整體上，ABA排名與搜索量的關(guān)系依然是線性的，隨著ABA排名的下降，搜索量整體也在變少，只是在相近的排名上并不呈現(xiàn)嚴格的大小線性關(guān)系。

所以，從一定程度上來講，ABA數(shù)據(jù)依然具備其商業(yè)價值。在通過大量的店鋪獲取完全精確的搜索量，與使用ABA擬合出大致的搜索量之間，我們依然認為ABA是一個在工程上更具可行性與實用性的選擇。

所以，Sif依然繼續(xù)選擇使用ABA排名來擬合搜索量。

但既然使用這種方法有局限，所以我們也把這個方法可能帶來的問題，一一與大家做個說明。

第一，使用ABA搜索量，可能會導致在部分關(guān)鍵詞上的搜索量與實際差距稍大。我們根據(jù)模型擬合出來的數(shù)據(jù)，發(fā)現(xiàn)有部分異常的點與曲線偏離較遠，這種情況就是因為ABA排名與搜索量之間出現(xiàn)了較為異常的關(guān)系，猜測可能是某些用戶或者網(wǎng)絡爬蟲大量搜索了某個關(guān)鍵詞，導致這些關(guān)鍵詞根據(jù)ABA排名推測的搜索量，與實際搜索量有幾倍的差距。

比如2022年10月份的這兩個詞：cam和pc cam。cam在10月份的ABA排名是163,603名，pc cam在10月份的ABA排名是82,421。理論上，由于cam比pc cam這個詞的排名要靠后8萬多名，搜索量應該pc cam更大才對。

但cam卻比pc cam的搜索量要大，cam的搜索量是15,157，pc cam反而只有10,401。

根據(jù)我們的模型，肯定pc cam的搜索量會更大，而且會比cam大不少，這就會導致誤差變大。

第二，在不同的站點上，ABA排名的擬合準確率會有差異，大部分站點的大部分數(shù)據(jù)都可以做到80%以上的準確率，但部分站點卻誤差較大。

最典型的是英國站，ABA排名與搜索量之間的關(guān)系存在大量異常，尤其是下圖中的②，該關(guān)鍵詞的ABA排名是這一批關(guān)鍵詞中是最靠后的，但搜索量卻只比排名225的關(guān)鍵詞略小。

這些異常導致我們很難直接用英國站的樣本擬合模型，所以我們選擇了人口數(shù)量和關(guān)鍵詞數(shù)量十分接近的德國站的模型微調(diào)之后作為英國站的模型。

所以如果您發(fā)現(xiàn)Sif英國站的搜索量與搜索詞表現(xiàn)相差很大，大概率是由這個原因?qū)е碌?，我們正在想辦法改善此模型。

第三，不同時間段的ABA排名對應的搜索量，與實際的搜索量差異會有區(qū)別。通常來講，某個時間段ABA關(guān)鍵詞條數(shù)越多，該期頭部的關(guān)鍵詞的搜索量就會越大，比如prime day對應的天/周/月的關(guān)鍵詞條數(shù)就會顯著多于平時，相同ABA排名的關(guān)鍵詞的搜索量會比平時要大不少。

目前我們發(fā)現(xiàn)最為異常的是日本站的數(shù)據(jù)。prime day所在的月份的關(guān)鍵詞條數(shù)只比平時略多一點，但大部分關(guān)鍵詞的實際搜索量都有很大程度的提升，所以此時間段的搜索量，我們的準確率只有大致70%。我們后續(xù)會對異常月份的數(shù)據(jù)做特殊處理。

 

亞馬遜數(shù)據(jù)使用建議

 

以上，便是我們對亞馬遜搜索量的主要研究成果。從整個亞馬遜數(shù)據(jù)模塊的演進過程來看，大家也能發(fā)現(xiàn)，正確地認識和使用亞馬遜的數(shù)據(jù)是一項非常艱巨的挑戰(zhàn)。

所以，借這個話題，我們想就其中可能的原因跟大家做一個探討，這些探討有助于大家從整體上客觀地認識亞馬遜的數(shù)據(jù)，以及合理地管理自己的預期。

從我們上述的內(nèi)容中可以看出，亞馬遜后臺的數(shù)據(jù)至少有這幾個特點：

1. 定義模糊，模棱兩可

    

在很多指標的解釋上僅僅只是點到為止，但關(guān)于統(tǒng)計口徑的詳細說明卻非常少，導致大家認識不一，解讀各異。

這個的主要原因應該是長期以來亞馬遜都不是特別重視賣家端的服務，并且長期和賣家之間是互相對抗的博弈狀態(tài)。但是隨著流量見頂，市場從增量變到存量，亞馬遜的態(tài)度也在逐漸改觀，會從更多對抗的狀態(tài)變?yōu)楦嗪献鞯臓顟B(tài)，亞馬遜已經(jīng)做出的很多改變便可以發(fā)現(xiàn)其中的變化。

2. 各個模塊的統(tǒng)計口徑不一致

    

這個問題非常嚴重，很多相同的名詞在不同的模塊，代表的含義差距巨大，導致大量數(shù)據(jù)想通過不同模塊交叉使用時，發(fā)現(xiàn)完全不可用。這個槽點多到罄竹難書，我們找機會再跟大家分享。

出現(xiàn)這個的原因，市面上有一種說法是，亞馬遜后臺的各個模塊是不同的團隊負責的，缺乏統(tǒng)一的定義和說明，所以導致各做各的，我們使用的時候就要飽受不一致之苦。

這個說法我們覺得有一定道理，像亞馬遜這樣的大公司，后臺服務有多個產(chǎn)品經(jīng)理是很正常的事情。但是亞馬遜也在開啟大裁員，留下來的產(chǎn)品經(jīng)理就要肩負更多模塊的設計工作，也許這個會逐漸得到統(tǒng)一，讓我們小小地期待一下。

3. 數(shù)據(jù)都有不同程度的脫敏

    

這個倒是非常常見，幾乎所有搜索引擎都會對數(shù)據(jù)做脫敏，比如Google、百度、淘寶用的都是將搜索量脫敏并做歸一化之后的熱度，亞馬遜也一直保持著這個傳統(tǒng)，比如銷量用BSR代替，搜索熱度用ABA排名代替等等。

這幾乎是行業(yè)慣例，出于商業(yè)機密保護和數(shù)據(jù)披露法規(guī)等因素，各家平臺都不會對外暴露真實的數(shù)據(jù)，所以我們不多說。

基于以上這些特性，我們有幾個關(guān)于數(shù)據(jù)使用的建議，我們一直受益匪淺，希望對大家也有幫助。

第一，放棄對數(shù)據(jù)的絕對準確的執(zhí)念。數(shù)據(jù)，只有對比才有意義。很多時候，絕對值并不重要，相對的趨勢判斷和對比更加重要，要用多維度和變化的視角看問題。就跟BSR和ABA排名都有其價值一樣，甚至他們的價值比絕對的銷量和搜索量都更加重要。大一點小一點，多一點少一點，別去計較這些雞毛蒜皮的差異，關(guān)注那些更重要的東西。

第二，始終保持懷疑。不管是對亞馬遜的數(shù)據(jù)，還是對大家在使用的服務商的數(shù)據(jù)，包括Sif的，我們都希望大家始終抱著謹慎的懷疑態(tài)度。拿到一個結(jié)果數(shù)據(jù)是簡單的，但結(jié)果可能會騙人，多問是什么以及為什么，理解數(shù)據(jù)背后的邏輯，才不會被誤導，才可以客觀地評估數(shù)據(jù)的可信度，找到最適合的使用場景。

同時，我們也希望大家多懷疑自己，能夠以開放的心態(tài)重新審視自己腦子里已有的東西，這也是我們想說的第三點。

第三，Stay hungry，stay foolish。說這句話不是為了嘩眾取寵，是在幾年的從業(yè)經(jīng)驗中，我們發(fā)現(xiàn)一些賣家朋友的好奇心和研究精神還是少了一些，甚至連一些基礎的亞馬遜知識都還需要加強，但是卻只能接受與自己認知一致的數(shù)據(jù)，十分讓人惋惜。

數(shù)據(jù)的最大價值不是證明我們腦子里已知的東西，而是幫我們發(fā)現(xiàn)我們原來不知道和認知有問題的東西。大家用數(shù)據(jù)都是為了賺錢，證明自己牛逼除了自嗨之外，無益于幫我們賺更多的錢，只有那些我們還不知道的東西可以幫助我們賺更多的錢。

俗話說，我們只能賺認知之內(nèi)的錢，我們的認知不拓展邊界，能賺的錢就不會變得更多。

市面上一些服務商對亞馬遜某一方面的理解是比很多賣家要更專業(yè)的，對他們保持質(zhì)疑的同時，也要保持開放的心態(tài)學習，他們下過的功夫可以幫我們少走彎路或者避免重復發(fā)明輪子。

 

Sif的數(shù)據(jù)“價值觀”

 

以上，就是這次我們想給大家分享的所有東西了。

每一個研究結(jié)果的結(jié)論得來都不容易，在整個過程中，我們既要一邊保持對亞馬遜數(shù)據(jù)的謹慎懷疑，一邊又要面對對數(shù)據(jù)沒有深入研究的客戶的質(zhì)疑，我們承受了巨大的壓力。

但這些堅持最終證明都是值得的，我們可以很自豪的說，沒有人比我們對亞馬遜搜索量的研究更深入和執(zhí)著。因為對這個數(shù)據(jù)從未放棄研究，我們也得到了很多其他的洞察，找其他時間我們再與大家做分享。

最后，為了做這些研究，不管我們經(jīng)歷了多少個孤獨的夜晚，也不管我們?yōu)榇顺惺芰硕啻蟮膲毫Γ覀円廊粫蝗缂韧貫榇蠹易鰜嗰R遜數(shù)據(jù)的研究先鋒，堅持為大家提供最具洞察力與最有實用價值的數(shù)據(jù)。