Daftar Isi
Temukan produk untuk dijual di Amazon
Jika Anda mencari produk Amazon yang sukses untuk dijual, kami sarankan untuk memulai dengan arah yang jelas. Identifikasi niche dan sasaran produk Anda sebelum memulai riset produk. Tidak peduli seberapa populer kategorinya, selalu ada subkategori yang menguntungkan di setiap niche.
Faktor yang Perlu Dipertimbangkan Saat Memilih Barang Terbaik untuk Dijual di Amazon
Kita semua ingin memilih produk yang akan sukses besar setelah dipasarkan. Tapi aspek apa yang harus kita pertimbangkan? Saat mengidentifikasi produk terlaris di Amazon, penting untuk mengumpulkan data relevan berikut:
- Permintaan tinggi: Volume pencarian yang tinggi dan peringkat penjualan yang baik merupakan indikator yang jelas dari permintaan pasar. Cara termudah untuk mengetahui apa yang populer dan tren di Amazon adalah dengan melihat daftar terlaris, paling dicari, atau pendatang baru.
- Kompetisi: Idealnya, Anda ingin memasuki pasar dengan persaingan yang lebih sedikit. Ini akan memudahkan Anda mendapatkan daya tarik dan berpotensi memperoleh keuntungan lebih tinggi. Relung di mana penjual teratas memiliki kurang dari 400 ulasan memiliki peluang lebih tinggi untuk diperhatikan. Ingat: Lebih sedikit persaingan berarti peluang lebih besar untuk memperoleh pangsa pasar.
- Harga: Produk dengan harga antara $25 dan $70 sering kali memiliki margin keuntungan terbaik. Barang dengan harga lebih rendah dapat menarik lebih banyak pembeli namun tetap memberikan keuntungan yang besar. Pengiriman, penyimpanan, dan pengembalian juga merupakan faktor dalam keputusan profitabilitas, jadi ingatlah hal ini.
- Ukuran dan berat: Barang yang lebih kecil dan ringan umumnya lebih murah untuk dikirim dan disimpan, sehingga lebih menguntungkan. Pilih produk yang beratnya kurang dari 5 pon dan ukurannya lebih kecil dari 18 x 14 x 8 inci. Produk-produk tersebut cenderung memiliki tingkat pengembalian yang lebih rendah dan lebih mudah dikelola dalam hal pengemasan dan logistik.
- Produk musiman: Pertimbangkan produk dengan permintaan yang konsisten sepanjang tahun. Meskipun produk musiman bisa menguntungkan, permintaan sepanjang tahun menjamin pendapatan yang lebih stabil. Misalnya, barang liburan mungkin terjual dengan baik pada waktu-waktu tertentu dalam setahun, namun Anda perlu memastikan strategi produk Anda memperhitungkan fluktuasi ini.
- Ulasan pelanggan: Produk dengan umpan balik positif cenderung berkinerja lebih baik. Ulasan yang tinggi dapat meningkatkan visibilitas dan kredibilitas produk Anda. Ulasan memberikan wawasan berharga tentang apa yang disukai atau tidak disukai pelanggan dan memberikan panduan tentang cara membedakan produk Anda dari produk lain.
Kiat profesional:
Pertimbangkan bundling produk dalam niche pilihan Anda. Misalnya, jika Anda menjual penyedot debu portabel, tawarkan juga aksesoris pelengkap. Strategi yang dikenal dengan product bundling ini dapat meningkatkan nilai pesanan rata-rata (AOV) Anda secara signifikan dan memberikan nilai tambahan kepada pelanggan.
Untungnya, dengan banyaknya data yang tersedia secara online, kita dapat melakukan beberapa analisis untuk mendapatkan gambaran umum tentang pasar. Mari kita lihat bagaimana kita dapat menggunakan data untuk memperluas basis pengetahuan kita dalam memilih artikel terbaik.
Mengekstrak data produk Amazon dengan ScraperAPI
Sekarang mari kita ke bagian teknisnya. Untuk contoh ini, saya berfokus pada pisau cukur - jenis produk yang umumnya memiliki permintaan tinggi dan penjualan konsisten sepanjang tahun (mengingat orang-orang melakukan perawatan diri secara rutin).
Pisau cukur adalah produk tingkat pemula yang baik karena biasanya kecil dan ringan (membuat pengiriman lebih mudah/lebih murah untuk Anda), sesuai kisaran harga target Anda (20-70 $ umumnya merupakan titik awal terbaik untuk menjual melalui Amazon FBA), dan meskipun menawarkan margin keuntungan yang wajar.
Untuk menentukan jumlah pasti penjual dan melakukan riset pasar yang tepat, saya perlu melihat beberapa titik data termasuk ASIN, harga berbagai nama penjual beserta mereknya, ulasan, dan bahkan berat pengiriman.
Karena setidaknya ada ribuan pisau cukur yang terdaftar di Amazon, mengumpulkan data ini secara manual tidak praktis.
Untuk mempermudah, saya menggunakan ScraperAPI untuk mengambil data massal dari situs web Amazon tanpa diblokir.
ScraperAPI membantu Anda menghindari pemblokiran alamat IP dengan merotasi alamat IP, membuat header dan cookie yang sesuai untuk proksi ini, memproses CAPTCHA, mengonversi data Amazon ke JSON atau CSV, dan mengelola batas permintaan.
Ini menyederhanakan seluruh proses pengikisan dengan menyediakan akses yang andal ke halaman web dan memastikan bahwa Anda dapat berkonsentrasi pada pengumpulan dan analisis data tanpa harus khawatir tentang tindakan anti-pengikisan yang mungkin diterapkan Amazon.
persyaratan
Sebelum memulai analisis kami, penting untuk menyiapkan lingkungan Anda dengan alat dan perpustakaan yang diperlukan. Pastikan Anda telah memenuhi persyaratan berikut:
Setelah kedua kondisi ini terpenuhi, kita dapat melanjutkan ke pengaturan lingkungan virtual untuk menghindari konflik dengan modul atau pustaka Python yang ada.
Untuk pengguna macOS:
pip install virtualenv
python3 -m virtualenv venv
source venv/bin/activate
Untuk pengguna Windows:
pip install virtualenv
virtualenv venv
source venv\Scripts\activate
Setelah lingkungan virtual Anda diaktifkan, Anda dapat melanjutkan untuk menginstal perpustakaan yang diperlukan:
pip install requests pandas matplotlib seaborn
Langkah 1: Kikis ASIN dari Amazon
Pertama-tama kita perlu mengumpulkan ASIN (Nomor Identifikasi Standar Amazon) untuk produk dalam kategori tertentu guna menemukan produk yang paling menguntungkan. Untuk menyederhanakan proses, kami menggunakan titik akhir Amazon Search ScraperAPI untuk mengumpulkan ASIN produk dari setiap halaman hasil pencarian Amazon.
Silakan kirimkan milik Anda get() Permintaan ke titik akhir bersama dengan kunci API dan kueri Anda. ScraperAPI menangani sisanya.
Titik akhir mengembalikan semua produk yang terdaftar dalam format JSON, memungkinkan Anda mengekstrak titik data tertentu menggunakan pasangan nilai kunci.
Untuk mendapatkan nama dan ASIN produk, targetkan kuncinya name Dan asin.
import requests
import json
APIKEY = "your_api_key"
QUERY = "shavers"
COUNTRY = "us"
TLD = "com"
PAGES = 4
all_asins = set() # Using a set to automatically handle duplicates
for page in range(1, PAGES + 1):
payload = {
'api_key': APIKEY,
'query': QUERY,
'country': COUNTRY,
'tld': TLD,
'page': str(page)
}
r = requests.get('https://api.scraperapi.com/structured/amazon/search', params=payload)
data = r.json()
new_asins = set()
if 'results' in data:
page_asins = {item('asin') for item in data('results') if 'asin' in item}
new_asins = page_asins - all_asins # Find ASINs not already in all_asins
all_asins.update(new_asins) # Add new ASINs to all_asins
print(f"Fetched ASINs from page {page}. New unique ASINs: {len(new_asins)}")
# Convert set to list for JSON serialization
unique_asins = list(all_asins)
# Write unique ASINs to a JSON file
with open('Amazon_shavers_unique_asins.json', 'w') as f:
json.dump(unique_asins, f, indent=4)
total_asins = len(unique_asins)
print(f"Total number of unique ASINs collected: {total_asins}")
print("Unique ASINs have been stored in JSON format.")
catatan: Untuk informasi lebih lanjut, lihat dokumentasi Amazon Search Endpoint.
Kode ini mengirimkan a get() Permintaan ke titik akhir Amazon Search dengan "shavers" sebagai pertanyaan kami. Permintaan tersebut mencakup kunci API, kode negara, dan domain tingkat atas (TLD) Anda dan melewati beberapa halaman hasil pencarian.
Data yang diambil dari setiap halaman dianalisis untuk mengekstrak ASIN, yang kemudian disimpan dalam satu set untuk memproses duplikat secara otomatis.
Saat loop memproses setiap halaman, ASIN dari halaman saat ini dibandingkan dengan ASIN yang ada di kumpulan untuk mengidentifikasi ASIN unik. ASIN unik ini ditambahkan ke kumpulan untuk memastikan tidak ada nilai duplikat.
Setelah semua halaman diproses, ASIN unik diubah menjadi daftar untuk serialisasi JSON dan disimpan dalam file bernama. Amazon_shavers_unique_asins.json.
(
"B0039LMTAQ",
"B0BPZR1MBC",
"B00U0X2T1U",
"B002TQ4AO0",
"B07Y5MZ1R7",
"B0D4DC3GMS",
"B07Q1FL7ZF",
"B09NX75HRG",
"B06X9NWGBX",
Truncated data...
)
catatan: Pelajari lebih lanjut tentang titik akhir Amazon Search ScraperAPI.
Langkah 2: Mengikis data produk secara detail
Sekarang setelah kita memiliki daftar ASIN, kita dapat menggunakan titik akhir data terstruktur untuk mengambil informasi produk terperinci untuk setiap ASIN yang kita perlukan untuk analisis.
sumber: Baca selengkapnya tentang titik akhir data terstruktur kami dan cara mengikis Amazon dengannya.
import requests
import json
APIKEY = "your_api_key"
COUNTRY = "us"
# Read ASINs from the file
with open('Amazon_shavers_unique_asins.json', 'r') as f:
asins = json.load(f)
all_products = ()
for index, asin in enumerate(asins, 1):
payload = {
'api_key': APIKEY,
'asin': asin,
'country': COUNTRY,
}
try:
r = requests.get('https://api.scraperapi.com/structured/amazon/product', params=payload)
r.raise_for_status() # Raise an exception for bad status codes
product_data = r.json()
all_products.append(product_data)
print(f"Scraped product {index}/{len(asins)}: ASIN {asin}")
except requests.exceptions.RequestException as e:
print(f"Error scraping ASIN {asin}: {str(e)}")
# Write all product data to a JSON file
with open('Amazon_shavers_product_data.json', 'w', encoding="utf-8") as f:
json.dump(all_products, f, indent=4)
print(f"Scraped data for {len(all_products)} products.")
print("Product data has been stored in 'Amazon_shavers_product_data.json'.")
Sekarang mari kita baca daftar ASIN dari Amazon_shavers_unique_asins.json File dibuat pada langkah sebelumnya. Kami kemudian mengulangi setiap ASIN dan mengirimkannya get() Permintaan ke Halaman Produk Amazon ScraperAPI SDE. Kueri ini kemudian mengambil informasi detail tentang setiap produk berdasarkan ASIN-nya.
Untuk setiap produk, data respons diuraikan ke dalam format JSON dan informasi produk dikirim ke daftar bernama all_products. Setelah semua ASIN diproses, kumpulan lengkap data produk terperinci ditulis ke file JSON bernama Amazon_shavers_product_data.json.
(
{
"name": "Gillette Venus Sensitive Women's Disposable Razors - Single Package of 3 Razors",
"product_information": {
"is_discontinued_by_manufacturer": "No",
"product_dimensions": "4.13 x 1.16 x 8.19 inches; 2.1 ounces",
"item_model_number": "4740031389",
"upc": "885781058859 047400313897 047400143562",
"manufacturer": "Gillette Venus",
"asin": "B0039LMTAQ",
"country_of_origin": "USA",
"best_sellers_rank": (
"#123 in Beauty & Personal Care (See Top 100 in Beauty & Personal Care)",
"#3 in Women's Disposable Shaving Razors"
),
"customer_reviews": {
"ratings_count": 25,
"stars": 4.6
}
},
"brand": "Visit the Gillette Venus Store",
"brand_url": "https://www.amazon.com/stores/Venus/page/E7EB0478-AED4-4B67-A892-93EAE5E8CD6B?ref_=ast_bln&store_ref=bl_ast_dp_brandLogo_sto",
"full_description": "Gillette Venus Sensitive Disposable Razor is a 3 bladed razor designed for women with sensitive skin. The razor features the SkinElixir lubrastrip and 3 curve-hugging blades for a smooth shave with up to 0% irritation. (US Consumer Study, Feb. 2018)",
"pricing": "$6.94",
"list_price": "$6.94",
"shipping_price": "FREE",
"shipping_time": "Sunday, August 25",
"shipping_condition": "Sunday, August 25",
"shipping_details_url": "/gp/help/customer/display.html?nodeId=GZXW7X6AKTHNUP6H",
"availability_status": "In Stock",
"is_coupon_exists": false,
"images": (
"https://m.media-amazon.com/images/I/41Rs01cZosL.jpg",
"https://m.media-amazon.com/images/I/41Bq1dvK-AL.jpg",
"https://m.media-amazon.com/images/I/416zZBhglmL.jpg",
"https://m.media-amazon.com/images/I/41usmeseaoL.jpg",
"https://m.media-amazon.com/images/I/41uWASeRHcL.jpg",
"https://m.media-amazon.com/images/I/41XJzB5xYFL.jpg",
"https://m.media-amazon.com/images/I/41DioilM0qL.jpg"
),
"product_category": "Beauty & Personal Care \u203a Shave & Hair Removal \u203a Women's \u203a Razors & Blades \u203a Disposable Razors",
"average_rating": 4.6,
"feature_bullets": (
"3 BLADES: 3 blades and a SkinElixir lubrastrip for glide, to deliver a smooth shave, with up to 0% irritation (US Consumer Study Feb 2018)",
"Moisture Rich Strip with more lubricants for a great glide on your sensitive skin vs original Venus disposable razors",
"3 razor blades surrounded by soft protective cushions",
"Pivoting rounded head to fit easily into hard to shave areas",
"Specially designed handle for great control",
"No razor blade change required; just use and toss"
),
"total_reviews": 25716,
"model": "4740031389",
"ships_from": "Amazon.com",
"sold_by": "Amazon.com",
"aplus_present": true
}, Truncated data...
)
File ini berisi semua detail produk penting yang sekarang kami analisis untuk membuat keputusan yang tepat tentang pisau cukur mana yang akan dijual di Amazon.
Langkah 3: Bersihkan dan siapkan datanya
Setelah mengumpulkan data menggunakan ScraperAPI, kita perlu membersihkannya dan mempersiapkannya untuk dianalisis. Data mentah JSON yang diperoleh mengandung beberapa elemen yang tidak diperlukan atau dapat menimbulkan masalah selama analisis, seperti: Misalnya nama produk yang panjang, teks tambahan pada kolom nama merek, dan harga disimpan sebagai string karena setiap nomor diawali dengan karakter “$”.
Selain itu, beberapa kolom berisi data yang tidak memberikan nilai tambah pada analisis kami (misalnya gambar) dan kami mungkin perlu mengecualikannya untuk menyederhanakan kumpulan data kami.
Mengonversi JSON ke CSV
Pertama, kita perlu mengonversi data JSON ke dalam format CSV, yang lebih nyaman untuk analisis data. Kami akan menggunakan perpustakaan Pandas untuk memudahkan manipulasi data tabular.
import pandas as pd
import json
# Load the JSON data from the file
with open('second_Amazon_shavers_product_data.json', 'r') as f:
data = json.load(f)
# Convert JSON to DataFrame
df = pd.json_normalize(data)
df.to_csv('Amazon_shavers_product_data.csv', index=False)
File CSV yang dihasilkan berisi semua titik data dari JSON, sehingga memudahkan pembersihan dan analisis.
Kiat profesional:
ScraperAPI sekarang menyediakannya
output_formartParameter yang memungkinkan Anda mendapatkan data CSV, bukan format JSON standar. Taruh sajaoutput_formatKecsvdan ScraperAPI mengembalikan semua data dalam format tabel. Tidak diperlukan langkah tambahan.
Membersihkan data
Selanjutnya kita bersihkan datanya dan pilih hanya kolom yang kita perlukan untuk analisa kita, sehingga file CSV kita terlihat seperti ini:
df = pd.read_csv('Amazon_shavers_product_data.csv')
# Convert pricing to float
df('pricing') = df('pricing').str.replace('$', '').astype(float)
# Extract manufacturer from product information
df('manufacturer') = df('product_information').apply(lambda x: x.get('manufacturer', 'Unknown'))
# Select and rename columns
df_clean = df(('manufacturer', 'asin', 'product_information', 'pricing', 'average_rating', 'total_reviews', 'sold_by'))
df_clean = df_clean.rename(columns={'product_information': 'product_dimensions'})
# Extract product dimensions
df_clean('product_dimensions') = df_clean('product_dimensions').apply(lambda x: x.get('product_dimensions', 'Unknown'))
# Save to CSV
df_clean.to_csv('amazon_shavers_clean.csv', index=False)
Menganalisis data produk Amazon
Sekarang setelah kita memiliki data mentah, sekarang saatnya menganalisisnya untuk mengidentifikasi produk yang paling menguntungkan.
Berapa banyak merek besar yang ada di pasaran?
Biasanya, orang lebih mempercayai merek besar dibandingkan merek baru/kecil yang belum pernah mereka dengar. Jadi aspek pertama dan terpenting yang harus dipertimbangkan adalah persaingan. Produk dari merek yang sudah mapan seringkali mendominasi kategori tertentu sehingga menyulitkan pendatang baru untuk bersaing.
Namun, analisis kami terhadap pasar pisau cukur di Amazon mengungkapkan dinamika yang menarik. Diantaranya 185 produk Dalam kumpulan data kami, kami mengidentifikasi berbagai produsen dengan pangsa pasar berbeda.
Untuk mendapatkan gambaran yang lebih jelas, mari kita visualisasikan distribusi ini:
import pandas as pd
import matplotlib.pyplot as plt
plt.figure(figsize=(20,17))
df('manufacturer').value_counts().plot(kind='pie', autopct='%.2f')
plt.legend(title='Manufacturers')
plt.show()
Kami membuat diagram lingkaran yang menunjukkan pangsa pasar berbagai produsen dalam kumpulan data kami, dengan setiap irisan mewakili produsen dan persentase pangsa produk dalam kumpulan data kami.
Dari diagram lingkaran yang dihasilkan, kita dapat melihat bahwa pasar pisau cukur di Amazon tidak hanya didominasi oleh merek-merek besar saja. Meskipun Procter & Gamble (18,92 %) dan Philips Norelco (11,89 %) memegang pangsa pasar yang signifikan, terdapat banyak merek dan produsen kecil.
Produk Gillette Venus dan Remington masing-masing menguasai 4,32 % pasar, diikuti oleh merek-merek yang lebih kecil seperti MicroTouch, AmazonUs/BICC, MERIDIAN dan lainnya, masing-masing menguasai sekitar 3,78 % pangsa pasar.
Kita dapat menyimpulkan bahwa meskipun merek-merek mapan sangat terwakili, pasarnya sangat kompetitif. Merek-merek kecil terus bersaing secara aktif satu sama lain, hal ini menunjukkan bahwa terdapat ruang bagi pemain baru untuk memasuki pasar dan berpotensi menciptakan ceruk pasar bagi diri mereka sendiri.
Produk mana yang paling diminati di Amazon?
Jalan pintas untuk memperkirakan keseluruhan permintaan suatu produk adalah dengan menggunakan alat penelitian kata kunci seperti Google Trends, karena ketika orang tertarik pada sesuatu, itulah yang pertama kali mereka cari.
Kami menganalisis data Google Trends dari 12 bulan terakhir di AS. Istilah penelusuran “razor” menunjukkan minat yang konsisten sepanjang tahun, dengan nilai biasanya antara 70 dan 100 pada skala minat.
Pengamatan utama meliputi:
- Suku bunga stabil sepanjang tahun dengan sedikit fluktuasi
- Tren sedikit naik pada Juli 2024
- Peningkatan besar sekitar Desember 2023, mungkin belanja Natal
Data ini menunjukkan bahwa pisau cukur memiliki permintaan yang stabil, menjadikannya kategori produk yang berpotensi stabil bagi penjual Amazon. Minat yang terus-menerus ini menunjukkan bahwa ada peluang penjualan sepanjang tahun dan Anda bahkan mungkin dapat menarik beberapa pembeli saat liburan.
Penjual harus mengingat stabilitas ini ketika merencanakan inventaris dan strategi pemasaran mereka.
catatan: Hapus Google Trends untuk meningkatkan langkah proses ini dan mengurangi tinjauan manual.
Analisis ulasan pelanggan
Ulasan produk memberi tahu kita secara sederhana bagaimana konsumen memandang merek dan produk ini. Dengan menganalisis peringkat rata-rata dari berbagai produsen pisau cukur, kami dapat mengidentifikasi peluang pasar potensial dan menilai persaingan.
import matplotlib.pyplot as plt
import seaborn as sns
plt.figure(figsize=(10, 6))
sns.lineplot(x='manufacturer', y='average_rating', data=data, errorbar=None)
plt.xticks(rotation=90)
plt.show()
Bagan garis kami menunjukkan rentang peringkat rata-rata yang berfluktuasi antara 4,6 dan 4,9. Hal ini menunjukkan bahwa meskipun beberapa merek berkinerja lebih baik dibandingkan merek lainnya, tidak ada satu merek pun yang sepenuhnya memonopoli pasar. Hal ini menunjukkan pasar yang sangat kompetitif dengan beberapa merek yang berkinerja baik dalam hal kepuasan pelanggan.
Strategi penetapan harga yang ideal untuk produk Anda
Setelah menganalisis pesaing utama dan menilai permintaan produk Anda, Anda mungkin merasa siap memasuki pasar. Namun, ada satu pertanyaan penting yang masih perlu dijawab: Bagaimana harga produk Anda?
Keberhasilan produk Anda di Amazon sangat bergantung pada strategi penetapan harga. Suatu produk yang terlalu mahal dibandingkan dengan pesaing kemungkinan besar akan diabaikan oleh konsumen, sedangkan produk yang diberi harga terlalu rendah mungkin tidak menghasilkan keuntungan yang cukup untuk menutupi biaya.
Untuk menentukan strategi penetapan harga yang optimal, Anda perlu melihat data penetapan harga dari merek produk besar dan kecil. Mari kita lihat bagaimana merek besar dan kecil memberi harga pada pisau cukur mereka dan bagaimana korelasinya dengan ulasan mereka.
# Create a bar plot for average price
plt.figure(figsize=(10, 5))
sns.barplot(x='manufacturer', y='pricing', data=data, color='blue', label='Average Price')
plt.ylabel('Average Price')
plt.legend(loc='upper left')
plt.xticks(rotation=90);
# Create a secondary y-axis for average rating
ax2 = plt.twinx()
sns.lineplot(x='manufacturer', y='average_rating', data=data, color='red', marker='o', label='Average Rating', ax=ax2)
ax2.set_ylabel('Average Rating')
plt.legend(loc='upper right')
# Add a title
plt.title('Price and Rating by Manufacturer')
# Show the plot
plt.show()
Bagan ini menggambarkan hubungan antara harga dan ulasan dari berbagai produsen pisau cukur di Amazon.
Kami mengamati berbagai strategi penetapan harga. Beberapa merek seperti Philips Norelco mengenakan harga lebih tinggi (sekitar $140) sekaligus mendapatkan ulasan bagus (sekitar 4,7). Menariknya, merek dengan harga rata-rata lebih rendah, seperti Gillette Venus (di bawah $25), juga memperoleh peringkat tinggi (4,7+).
Hal ini menunjukkan bahwa strategi penetapan harga premium dan ramah anggaran dapat berhasil di pasar pisau cukur. Bagi penjual baru, data ini menunjukkan peluang pada berbagai titik harga, asalkan kualitas produk memenuhi harapan pelanggan.
Hal penting yang perlu diingat adalah bahwa penjual Amazon sering kali menyesuaikan harga mereka agar sesuai dengan persaingan. Oleh karena itu, Anda perlu memantau harga kompetitor secara berkala agar tetap kompetitif.
Alat seperti ScraperAPI dapat mengotomatiskan ekstraksi data harga, memungkinkan Anda menyesuaikan strategi penetapan harga secara tepat waktu berdasarkan tren pasar terkini.
