亚马逊怎么查看竞品放在哪个类目
做亚马逊要具备怎样的选品思路？
做亚马逊要具备怎样的选品思路？
在刚刚接触亚马逊的时候，相信很多的卖家就听说过一句话，“七分靠选品、三分靠运营”，可见亚马逊开店是否成功，选品至关重要。
因为亚马逊作为全球最大的电子商务平台，其本质是联系卖家与买家的线上商品交易市场，所以一个产品如果想有销量，首先必须能满足人们的需求，这样的产品在上架后，才会吸引到消费者的点击和购买，这样一个产品的成功才会具备基本的初始条件。
但是就目前来看，亚马逊的竞争已经进入白热化，放眼望去，以美国站为例，一款有市场的产品竞争都非常激烈，似乎到处都是红海一片，很多的小白随便选几个产品，然后1688找货，打包发FBA，开自动手动广告，最后发现出单并不是那么顺利，再最后不得不以失败告终。
其实失败的原因关键还是在于选品，选品选的好，再加上一定的运营手段，产品的盈利维持一个几人小团队还是非常轻松的，但是如果选品没选好，一不小心进入了红海领域或是进入了大卖们厮杀的领地，那你就只能当炮灰了，你的所有的前期投入都会成为jeff首富资产里面的一小份子。
一、选品原则，概括起来大致即是：
1、市场需求要量大，最好是刚需产品；
2、产品竞争程度要适中，避开红海类目；
3、产品利润率不能太低，最好在30%-50%之间；
4、产品的客单价不宜太低，最好高于15美元；
5、确保产品没有侵权（品牌、包装都不能侵权）
6、避开敏感货、产品方便运输、不易破损
二、查询市场现有的供应量
也就是现在在亚马逊美国站，究竟有多少相关listing已经在卖，这样可以大致预估产品上市后的竞争程度，一般是以亚马逊前台搜索框内搜索出的数量为主进行判断。在亚马逊前台输入“hand juicer”，显示出的结果数量为1000，这个数量为约数，由于A9算法是预估匹配，所以一般的精准数量会比这个数量要少一些。
另外，为了避免对关键词的判断不准确，可以选取搜索结果中的bestseller产品，借助卖家精灵软件的关键词反查功能，获取竞品listing的主要流量关键词，以便于更加精准的判断市场供应数量。
我们可以看到bestseller产品的主要流量关键词为lemon squeezer、orange juicer、lemon juicer、orange squeezer等，我们把这些关键词都输入前台搜索框，得到一个大致的市场供应量，为我们的选品做第一步判断。
三、查询市场需求量
也就是每个月有多少人在搜索这款产品，爆款的第一潜质一定是供不应求的，而滞销款第一大特点一定是供大于求的，所以市场需求量的查询至关重要。市场需求量即是每个主关键词搜索量的相加。有很多的软件都可以查询，包括卖家精灵、紫鸟、JS等等，今天我们以卖家精灵为例来进行分析。
利用卖家精灵的关键词挖掘功能，我们查询出该款产品几个主关键词lemon squeezer、orange juicer、lemon juicer、orange squeezer相加的搜索量大概为20万左右，实际的精准结果会小于搜索结果，但是高于10万的搜索量说明这款产品的市场需求量还算可以。
亚马逊新推出的Kendra企业搜索服务，有着怎样的特点？
在 Ignite 2018 大会上，微软首次宣布了面向企业的 Microsoft Search 搜索服务，旨在为 Microsoft Teams、Yammer、SharePoint、OneDrive、Office、Windows、Bing 等产品提供增强的搜索体验。
今年的开发者大会（Build 2019）上，该公司宣布了 Microsoft Search 已全面可用。不过现在，它迎来了一位新的竞争对手。
（题图 via MSPU）
据悉，Microsoft Search基于必应知识图谱（Microsoft Graph）和人工智能（AI）技术，可显示组织机构存储在 Microsoft 365 和 Saleforce、Google Drive、SAP、ServiceNow、AWS 等其它服务中的内容索引。
无论您是搜索人员、文件、组织架构、站点、还是常见问题的答案，都可以使用组织内部的 Microsoft Search 服务来获取答案。
昨日，亚马逊宣布了面向企业的 Kendra 搜索服务，旨在与 Microsoft Search 发起竞争。与竞品一样，Kendra 支持自然语言查询，可帮助用户在整个公司范围的大量内容中查找信息。
此外，Kendra 同样支持连接器，用户可借此索引存储在 SharePoint Online、Amazon S3 和数据库等服务中的可用内容。
明年，亚马逊还将提供支持 Box、Dropbox、Salesforce、OneDrive 等流行数据源的连接器。
亚马逊表示，Kendra 的亮点在于能够积极地重新训练，为企业数据集和员工使用模式构建深度学习模型，以提升搜索的准确性。
随着最终用于与搜索结果展开更多的交互，Kendra 能够对其结果进行微调。这意味着，当您对某个结果竖起或倒下大拇指，Kendra 将了解到哪些结果的相关性更高，并在后续让它优先浮出水面。
此外，Kendra 提供了手动调整相关性的选项，比如用户可以提升索引中的某些字段（如文档新鲜度、视图计数或特定数据源）或近期高频访问的文档（如趋势新闻与更新）。
当然，使用自然语言来检索，并不只是简单的通过关键字来获取所需的答案。Kendra 会将文件中的各个点连接起来，以返回答案。
无论是文本片段、快速问答、还是文档，Kendra 都可以预先提供建议的答案，而不是筛选冗长的文档列表，以查找特定的答案。