选品，如何判断一个市场（连载文章一）
接上文。
二、看趋势（趋势同比与趋势规律）
趋势是衡量市场走向的分析方式，顺势而行远比逆流而上更加容易。在分析市场环境时，如果能够抓住上升趋势的市场，在操作上就会更轻松一些。
1.看一年的趋势（不同月份的趋势走向）
在分析品类市场时，我们通常使用对比的形式，来分析具体品类的趋势变化。对比手段通常为过去和现在的对比，此次周期和历史周期的数据对比。
在观察品类发展趋势时，我们最容易观察到最近一年的搜索趋势变化，通过搜索趋势，我们可以看出某品类搜索热度较为活跃的月份和相对低迷的月份，对于了解市场走向，有一定的参考意义。更重要的，我们可以根据趋势看某品类的搜索量增幅是上升还是下滑，是在朝着好的方向转变还是仍然维持在平稳水平。
（某核心词最近一年站内的搜索趋势图，金品可看双年趋势）
（某品类近一年的买家数与销售数据趋势图）
2.看多年的趋势（不同年份的趋势走向）
除了看单年的趋势，我们还可以查看多年的趋势变化，在行业版数据管家中，我们可以查看双年的趋势变化。来对比最近一年和上一年的趋势变化。如果某一个品类今年的趋势变化明显好于上一年的趋势变化，整体增幅趋势明显，意味着该品类的需求有所上升。
当然，仅仅凭借着搜索指数这一个指标衡量需求还远远不够，我们还需要更多维度的衡量。用某品类最近一年的销量、销售额等数据与上一年的销量、销售额等数据进行对比，观察不同年份的市场容量趋势变化。
如果可以的话，我们尽可能分析3年以上的趋势走向，从中来观察某品类多年的趋势变化。这些数据需要自己进行数据存档。
（某品类最近两年的买家数趋势对比图）
对于电商平台选品来说，如果其他卖家能能够很好的销售某类商品，那么在竞争不激烈的品类中，普通商家的切入也可以分得一杯羹。如果这个品类正处于市场需求上升期，那么操作的难度就更小。顺势而为远比在一个下沉的市场下挣扎要更容易。
3.看增速
不论是观察一年的趋势走向，还是多年的趋势走向来了解市场风向的变化，都需要看趋势的增长幅度。大幅度增长和小幅度增长，大幅度下跌和小幅度下跌，也是商家评判市场机会和风险的一种分析方式。
对于大幅度增长，特别是连续多年的幅度增长，意味着此类商品的需求越来越多，处于此趋势下的商家，更容易获得客户和财富。而处于一个下沉市场的商家，则会越来越困难。在大品牌的新品发售期、新的流行风向品类以及疫情初期的多类商品数据趋势，都可以验证这一点。
筛选多年趋势上升的品类
那么如何在多个品类中，甚至全网数千个品类中，筛选多年市场容量上升的品类呢。首先是数据的获取就已经不是一件容易的事情。当然对于部分掌握了爬虫技术或者工具使用技术的小伙伴来说，确实可以实现这一点。获得某品类的搜索指数、访客指数、买家数和销量等数据。然而即便是有着强大数据获取能力的小伙伴来说，处理这些大量的数据也会异常吃力。
如果有能力的小伙伴，不妨尝试对获取到的某品类或全网品类的销售数据做一个分析，筛选出市场容量逐年飙升的品类做进一步分析，其中往往蕴藏着大量的机会和风险。
（筛选需求容量高，趋势上升明显的品类--全网品库研究组出品）在预测品类发展趋势时，需要有着科学的方式方法。在现今的众多教学中，越来越多的培训机构开始普及预测未来市场走势等技巧。而这种预测要想落地产生实际参考价值，需要考虑的维度很多。就目前而言，所观测的数据预测方式，大多都是简单样本的简单函数预测，既不考虑品类周期，也不考虑每一品类的独特性，更是不考虑数据样本的科学性，预测错误的可能性极大，参考价值极低。根据大量的数据分析验证，其中只有多年的买家数预测，稍有些参考价值。由于有效预测的方式，需要考虑很多维度，并且通常在预测后还需要验真处理。其中涉及的内容除了线性回归预测，还包含不同品类的周期性、独特性等特征的算法处理。在样本量不足的情况下，哪怕是更复杂的预测方式，都难以很好的准确衡量未来趋势。预测的价值往往不高。当然，如果仅仅是为了体验数据分析的乐趣，花费一些时间也未尝不可。趋势规律往往体现着品类的浮动周期。特别是季节性强的商品，这种规律浮动会更加明显。把握规律可以帮助商家划分好淡旺季，对全年整体市场有一个心理准备。提前规划减少淡季时对业绩的冲击。趋势规律的另一个作用，是帮助人们定好运营的时间节点，比如7月份是夏季款式的爆发期，那么在5月份就要考虑规划上架和重点推广某些产品。同理，冬季也是一样。除了明显的季节性规律，还有节日性规律和活动大促规律，在某些特定的时期，往往会出现需求的上升期。这些趋势规律和对应的时间节点，也是商家提前做好运营规划的数据依据。初步分析市场的竞争度，主要是分析市场上的竞争商家数和竞争商品数。细致的商品竞争维度需要在细化市场范围后再进行分析。初步分析大的市场环境时，通常只先看所要切入的品类市场中卖的人够不够多，同类商品够不够多。如果一个市场内有大量的同行，那么初步判断该市场具备一定的竞争强度。分析市场的竞争商家数和竞争商品数，通常使用类目或者关键词搜索的形式来统计这些数据。市面上也有很多类似的工具，然而不论是哪一种方式收集这些数据，都仅仅是用于参考而已。给我们分析市场竞争环境一个大致的印象，并非一定准确。特别是以搜索结果数为竞争维度的衡量，更是参考价值骤减。阿里官方客服小何也称搜索结果数存在严重不准问题误导商家所以下架了该数据。即便如此，依然流传着大量以搜索结果数为主要影响因素的教学课程，需要商家朋友站在实战立场仔细辨别。只可参考，切不可过度依赖。此外，细致的市场分析还需要分析市场的销售集中水平。具体品类的卖点、价格、款式、功能等多种细分维度的数据对比和分布分析。当考虑到某些市场方向时，通常需要对该市场的细分品类进行划分。商家可以在前台的类目导航或者后台类目选择工具中来将大市场下的各个细分子市场罗列出来，并对其子市场的分布和销售水平进行分析统计。以此来不断细化要切入的品类。将要切入的类目细化之后，接下来就是看其细分子类目的市场容量和趋势对比。分析方式与分析整体的方式完全一致，对各个细分子市场的需求容量和发展趋势做详细分析。按子类目市场的分支结构归类分组，分别对细分子品类的搜索指数、买家数、订单数或销量等维度逐一进行绘图制表，如下图所示。数据来源可以自行爬虫整理，或者借助数据工具，目前市面上已经有此类数据获取工具。细分类目的竞争分析，同样利用的是对比思维。只需要将上述衡量需求的搜索指数、销售数据等指标更换为衡量竞争难度的指标即可。如卖家规模指数、商家数、商品数等。维持某大类目下的子品类结构分布，来绘制各个细分子类目市场的竞争商家数曲线。以此来对比大类目下，哪些小类目的竞争难度更大，需求量更大。细分类目的销售集中度分布，同样依托于细分类目的销售数据。此数据存在于商品的详情页中，整理过程暂且略过，市面上也有不少可以获取此类数据的工具。分析销售集中度，主要是看头部商家的销售占比。如果前5名商家垄断了该市场99%的订单数，则属于垄断程度极高，竞争难度极大。是机会还是风险，取决于商家自身的实力和规划。对于大多数商家来说，要想从中分得一杯羹绝非容易的事。如果前50的商家，占据了80%的订单数，说明该类目尚可一搏。在衡量销售集中度时，由于B端每一笔销量的波动性很大，我们需要同时对该市场的买家数、订单数和销量分别进行销售集中度的分析。以此来综合分析某品类细分子类目的TOP占有率，对于垄断性极强的品类切入时要慎重考虑。（某细分子品类的销量集中度分析，这里只是演示，用订单数和买家数分析更好）细分国家需求分布，用于统计需求较大的一些国家，针对性进行运营规划。在分析国家需求分布时，由于网站买家销售数据的收货国家中大多含有中国代收的情况，所以不能以此处数据作为统计国家需求分布的分析依据。商家可以在数据管家行业版中，进行数据的统计和查看。在行业版数据管家的市场洞察中，商家可以查看某些品类不同国家的需求分布情况。由于数据管家对类目订阅的限制，暂时不能对全网每一个细分品类的国家需求分布进行任意的挖掘和查看。如果没有更多订阅资源的商家，分析某些品类时，亦可以相互借用一些其他伙伴商家的后台，临时获取这些国家需求占比的数据来进行分析，或下载后进一步归类处理。细分属性需求分析，旨在细分子品类后，对某具体品类的市场需求进一步明细。分析具体属性需求的方式有多种，这里介绍一种最简单的分析方式，就是对关键词库所包含的细分属性进行归类分析。通过一些数据处理步骤，我们可以将关键词指数中的词数据进行如下图所示的整理，将该品类词库的关键词按不同的属性、功能、规格、材质、人群等不同的细分要素进行归类。并以搜索指数为衡量指标对含有相关细分属性的关键词的搜索量做汇总处理。即可大致得出某细分子品类细分搜索需求的分布情况。类似的方式，也可以用销售数据等指标来进行衡量。明晰细分属性需求分布之后，还需要对其趋势和周期性规律进行对比观察，以此得出不同细分属性的需求情况和趋势分布情况。分析方式与分析品类市场容量和趋势规律的方法极为类似。用到的主要数据思维是对比，对比不同需求的容量空间，对比不同时间段的趋势走向，如下所示。需求分析之外，还需要对价格卖点等进行分析。我个人常用的分析方式有：价格与对应销量的效果分布分析，细分需求属性和对应销量的效果分布分析。将价格和对应的销量进行分类统计，进行如下图所示的处理，即可观察到哪些价格段的市场需求更大，哪些价格段是几乎没有交易的。同理，细分需求属性和对应销量的分析也是如此。可以得出哪些属性的销售需求更大，哪些属性是几乎没有市场需求的，用已经发生的历史数据来对市场规律进行总结。此外，更加细致的分析，还可以细化到多个条件下的筛选分析，即满足某细分属性下，价格段和对应销量的分布情况，以及具体价格段内，不同需求属性和对应销量的分布情况，可进一步对市场做更加详细的感知和拆解分析。关于商品的竞争细分分析，可参考历史文章《聊选品》，或即将出版一些星球资料可供读者查看，这里就不再重复写了。也有一些小伙伴反馈，看文章看不懂，其中涉及的大量数据步骤实操起来都难以入手，能不能出一些基础的视频教程。这里确实感到非常抱歉，文章中并没有详细的演示步骤，且视频演示需要的时间比较多，暂时也还没有出视频的想法，或许后续会有一些视频教程。当然，如果你愿意来与我交流，我也非常愿意展开探讨，相互进益。如果是有着丰富数据分析经验的小伙伴， 相信自己做出这些分析图表也并非难事。从百度贴吧到钉钉群，从咸鱼到各大网站，越来越多的人在没有告知的情况下，窃取我方资料进行商业盈利。直接盗用或者稍作修改进行粉丝变现，更有甚者将这些资料天价售出。近年来，不论是群内的公开举报还是私下收到的反馈，也累计十余起。这些内容真的不值得这么多钱，希望各路大神能稍作收手，或者能够标注一下出处信息，稍微尊重一下我一字一字码出的辛苦，拜谢。关于上一文的置顶评论，原评论者已经删除。在搬运到知乎时，在帖子底部做出了回应。点击下方阅读原文，可跳转到知乎帖子。欲知后事如何，请听下回分解。
（本回完）
1.SWOT、波士顿、4P/4C、PEST、波特五力模型、波士顿矩阵。2.几个适用于电商领域的自定义运算维度（实用重点，选品核心）4.市场机会分析（赛道选取、用户洞察，市场定位，有效竞对对标） 16个检测维度表（避免后续商业运营可能出现的问题） （1.细分需求、2.场景需求、3.用户画像、4.需求升级、5.前景衡量）（1.上下游供应链优势、2.渠道、3.资金、4.技术、5.团队，6.打法） 
