深度剖析淘宝的服务器规模：究竟有多少台机器在助力其业务成长？
随着互联网技术的飞速发展和电子商务的蓬勃兴起，淘宝作为中国最大的网络零售平台，其服务器规模一直备受关注。
那么，究竟有多少台机器在支撑淘宝的业务成长呢？本文将深度剖析淘宝的服务器规模，探寻其背后的技术秘密。
一、淘宝的服务器规模概述
淘宝的服务器规模是一个庞大的数字，难以用具体的数字来准确描述。
随着淘宝业务的不断扩展和用户数量的增长，其服务器规模也在不断扩大。
为了应对海量用户的访问和数据处理需求，淘宝拥有一支庞大的服务器集群，包括成千上万台服务器。
二、淘宝服务器架构
淘宝的服务器架构采用了分布式架构，通过负载均衡、容错处理等技术，实现了高可用、高并发的服务能力。其架构包括以下几个部分：
1. 负载均衡：通过负载均衡技术，将用户请求分散到多个服务器上，确保服务器的负载均衡，提高系统的稳定性和性能。
2. 容错处理：在分布式系统中，某个节点或服务器的故障不会对整体系统造成影响。淘宝通过容错处理技术，实现了服务的连续性和可靠性。
3. 数据存储与处理：淘宝拥有庞大的数据存储和处理能力，通过分布式数据库、云计算等技术，实现了海量数据的存储和处理。
三、淘宝服务器类型
淘宝的服务器类型多种多样，包括以下几种：
1.Web服务器：用于处理用户请求和响应，提供网页服务。
2. 数据库服务器：用于存储和管理用户数据，包括商品信息、交易记录等。
3. 缓存服务器：用于缓存热门商品信息、用户信息等，提高访问速度和性能。
4. 搜索服务器：用于处理用户的搜索请求，提供商品搜索服务。
5. 负载均衡与监控服务器：用于监控系统的运行状态，实现负载均衡和故障转移。
四、淘宝服务器规模的增长趋势
随着淘宝业务的不断发展和用户数量的增长，其服务器规模也在不断扩大。
未来，淘宝的服务器规模将继续保持增长趋势。
为了满足业务需求和提升用户体验，淘宝将继续投入巨资研发新技术，优化服务器架构，提高服务器的性能和稳定性。
五、淘宝店铺的服务器需求
除了支撑整个淘宝平台的服务器集群外，每个淘宝店铺也需要一定的服务器资源来支持其业务运营。
店铺需要稳定的网站服务、数据存储和处理能力，以及安全的交易处理等功能。
随着店铺业务的扩展和用户需求的变化，其对服务器资源的需求也在不断增加。
六、总结
本文深度剖析了淘宝的服务器规模，从概述、架构、类型、增长趋势以及店铺的服务器需求等方面进行了详细阐述。
淘宝作为最大的网络零售平台，其服务器规模庞大，采用分布式架构和多种技术，实现了高可用、高并发的服务能力。
未来，随着业务的发展和技术的创新，淘宝的服务器规模将继续保持增长趋势。
用户行为特征
用户行为特征
用户行为特征1
用户行为是用户在产品上产生的行为，实际表现为相关的用户数据。
产品经理运用不同分析方法对不同数据进行分析，进而为产品迭代和发展提供方向。
一、用户行为是什么？
1、用户行为
用户行为是用户在产品上产生的行为。我们以小明的case具象化用户行为表现：
因为小明关注作者的信息被记录了下来，当该作者有发布信息时，则会通知所有关注他的人，而小明也是其中之一。
小明关注作者的信息记录，则是行为数据。小明的行为数据会有 启动app、浏览、查看图集、播放视频、点赞、关注作者……
2、用户行为数据
用户行为数据是从一次次的行为中而来的，行为数据是通过埋点进行监控（相见埋点介绍）、后续一篇文章将介绍如何（设计埋点）。
通常是数据同学完成埋点设计，由开发完成监控程序 或 调用SDK。
针对小明的行为（假设以下均已埋点）：
3、用户行为分析
是指对用户行为数据进行数据分析、研究。
4、用户行为分析的作用
（1）通过用户行为分析，可以还原用户使用的真实过程。
一个xxx的人在什么样的环境中（由于什么样的行为）在时间点做了xxx事情做了什么事情结果如何
（2）“了解用户，还原用户”是“以用户中心”的第一步。
只有详细、清楚的了解用户的行为习惯、真实的使用路径、进而找出 产品使用、渠道推广等过程中存在的问题，提高用户/页面/业务过程中的转化率。
（3）用户行为分析（case需要补充）可以用于
A、拉新：渠道分析、SEM分析、用户质量分析、
B、转化：新增用户注册转化过程、产品使用过程转化（搜索、推荐等）、push推送调起过程、站外拉起过程
C、促活：用户停留时长、用户行为分布、
D、留存：用户留存分析
E、商业化：根据用户历史行为展示广告
二、如何进行用户行为分析？
1、行为事件分析
行为事件分析方法主要用于 深度研究某行为事件，以及对产品的影响以及影响程度。
针对某一具体行为，全面的描述、对比，针对其异常表象 深度下钻分析各维度、确认导致该行为数据表现的原因。
如快手的播放量徒增:同期对比分析，确认历史上是否有发生过，对比 去年/上个季度/上月/上周/昨日的 数据的相对表现。
多事件对比分析。
对比浏览量、点赞、评论、分享事件的数据是否存在徒增。
通过对比多个事件，确认徒增现象发生的范围。
维度下钻：由于播放量取决于3个部门用户在快手消费视频，被监控程序上报。
所以在三个方面分析：
监控程序是否异常？在快手哪个页面的播放量增加呢？是发现、关注、还是同城？-> 对应页面做了哪些调整？是否增加了引流；哪一部分用户群的播放量增加了？交叉分析 用户自然属性（平台、性别、年龄、地域、教育学历、机型、消费能力）、行为属性（新增、回流、常活跃用户；直播用户、短视频用户…、）、视频属性（视频类型、作者类型…、）
2、留存分析
留存是衡量用户是否再次使用产品的指标，也是每一个app赖以生存的指标，能够反映任何一款产品健康度，是产品、运营、推荐效果的整体表现。
如果一个app从来没有留存用户，那DAU将永远是新增用户，那么产品将无法运行下去，更别说新用户成本付诸东流。
贴合业务属性、精细化留存过程 将对留存数据更有价值和指导意义。
通过留存分析，能够剖析用户留在产品的原因，从而优化产品核心功能提升留存。
留存的类型：
用户留存：用户使用app后，经过一段时间仍旧使用。
功能留存：用户使用xxx功能后，经过一段时间仍旧使用该功能，且其他功能均有所变化。
此时，该功能对用户留存有正向作用。
先前有写过 留存分析的文章，这里就不赘述了。
3、漏斗分析
漏斗分析实质是转化分析，是通过衡量每一个转化步骤的转化率，通过转化率的异常数据找出有问题的环节并解决，进而实现优化整个流程的完成率。
在产品初期(处于与市场适配的阶段)：通过漏斗分析找到用户触达的瓶颈，帮助用户触达产品核心价值，真实反映MVP与市场匹配程度；在产品中期(处于用户平稳增加的阶段): (1)通过漏斗分析优化渠道，找到目标群体用户; (2)通过漏斗分析优化用户在各模块的体验(基础的登录模块、产品核心价值模块: 如抖音的播放模块、淘宝的购买模块等)；在产品后期(处于用户价值产出的阶段): (1)通过漏斗分析可以改善用户生命周期(优化用户体验提高用户生命周期，间接拉长用户群体的价值产出的时间长度，减少高价值用户群体的流失)；(2)可以通过漏斗分析优化商业化模块，像商品的购买过程（购物车-提交订单的转化漏斗）、广告的曝光点击等，提高生命周期中单位时间产生的价值。
4、路径分析
路径分析可以将纷杂的app日志按照用户的使用过程，呈现出“明确的”用户现存路径。
发现路径问题，进而优化，使用户尽可能短路径体验到产品核心价值。
通过路径分析，可以了解到像小明这样9点左右播放视频的用户：他们是通过push点击而来，这部分用户占比是多少；他们匆匆结束播放，再也没有下一步行为，这部分用户占比又有多少。
针对他们利用碎片化时间播放视屏的场景，尤其是突然退出的场景，是否在下一次打开app时，仍旧打开终端的视频。
是否有其他策略可以针对该场景来优化？
此外，路径分析不仅仅可以用于行为路径分析，也可以用于用户群体转化分析。
例如：新用户中分别转化为 忠实用户、常活跃用户、潜在流失用户、流失用户的分析。
5、用户分群分析
通过了解用户画像，可以帮助运营理解用户。
根据用户画像（基本属性、用户偏好、生活习惯、用户行为等）的标签信息将用户分群。
通过用户分群行为表现对比，可以进一步了解不同群体对产品的反馈，有针对性的优化产品。
发现中 西南地区的低端机型使用app时，奔溃率特别高，开发可以针对该点进行优化、降低奔溃率；可以针对不同的用户群体的行为表现 做 定向投放、push等，从而实现精细化运营。
业内的商业化行为分析产品，基本上将用户画像的生成、标签的过程均合并在用户分群的群体定义中，降低了操作流程。
三、用户行为分析的完整链路
以小明为case的用户行为每天数以万/亿计的产生，如何对“这类人群”进行“行为分析”？需要行为分析将明细级别的日志聚合后再以较为可读的形式展示出来。
为了保障埋点可靠、数据上报及时、行为数据分析有效。
需要一套完整的用户行为系统，包括从数据埋点设计、埋点开发、数据上报、数据模型开发、行为数据分析。
过程中也需要多方协作完成，如何保障多方协作中高效、便利的完成、产出具有业务价值的数据分析结论。
后续将介绍服务于用户行为分析的相关平台介绍。
用户行为特征2
一、什么是用户行为
中国有句古话“天地四方为宇，古往今来为宙”，这句话揭示了空间和时间的概念。
我们要想透彻地研究任何事物，常以时间和空间两个维度来考虑。
分析用户行为也不例外。
换句话说，用户行为的研究内容可以按照时间和空间维度展开。
从时间的维度来看，按照管理学大师菲利普科特勒的理论，用户的行为轨迹包括：产生需求、信息收集、方案比选、购买决策；购后行为5个阶段。
其中购后行为包括使用习惯、使用体验、满意度、忠诚度等。
从空间的维度来看，用户行为的构成要素包括5W2H，例如我们要全面描述用户在购买阶段的行为，就要回答这样的问题，谁（who）？打算在什么时候(when)？什么地方(where)？买什么东西(what)？产生需求的动机是什么（why）？打算买多少（how much）？如何买（how）？同理，在使用阶段也可以从这7个要素来描述。
5阶段和7要素的结合，形成了用户行为分析的研究体系。
这个体系细化了用户行为的研究内容，基于这些内容，就有了用户调查问卷的一些基本的问题。
二、为什么分析用户行为（Why）?
之所以分析用户行为，是为了找到用户行为的特征，从而为企业的经营提供支持。
大家想想，用户行为具有哪些特征呢？
Q1: 用户行为是同质化的，还是差异化的？
A1：差异化的，因此用户行为具有差异性
Q2:用户行为是静态不动的，还是动态变化的？
A2:动态变化的，因此用户行为具有流动性
Q3:用户行为是相互隔绝的，还是相互影响的？
A3:相互影响的，因此用户行为具有传播性
差异性、流动性和传播性是用户行为的三个显著特征。那么，这些特征具体是如何表现的，分析这些特征对企业的经营有什么作用？
这里我们只谈差异性，后面的博文中会谈流动性和传播性。
用户行为从时间和空间的维度，分为5阶段7要素。
因此用户的差异性，就表现在这5阶段和7要素上。
例如，在产生需求阶段，用户的需求动机why不同。
同样是买电脑，有的是为了工作、有的为了学习、有的是为了消遣；再比如，在信息收集阶段，用户的信息收集渠道where不同。
同样是买房子，有的看网络广告；有的听朋友介绍；有的到现场采点。
这里只举了两个阶段，你能说出在其他阶段用户的差异性表现吗？
意识到用户的差异性，企业的营销工作就不会搞一刀切，就不会拿大炮轰蚊子，而是会进行市场细分和目标市场选择，然后针对目标用户进行精准营销。
这种精准营销体现在市场定位、竞争战略选择、品牌形象和营销组合等很多方面。
三、如何分析用户行为(How)？
这里我们只谈差异性，后面的博文中会谈流动性和传播性。
我们前面谈到因为用户行为具有差异性，因此需要进行市场细分和目标市场选择，那么如何进行市场细分和目标市场选择呢？
市场细分的思路是看看从哪个维度切分市场，使所分得的细分市场内部具有的共性，细分市场之间具有个性。
从哪个维度切要结合企业所处的行业特点的。
例如食品市场，地域差异比较明显，南甜北咸东辣西酸，所以食品市场可按地域分；服装市场，性别差异非常突出，男款少而精；而女款多而靓，所以服装市场可按性别分。
此外二八原则，也广泛用于市场细分，即我们可以按重要程度将用户分为大中小三类。
重要性可以有很多评价指标，比如规模、综合实力、业内影响力、对企业的贡献率、在同类产品上的总投入等等。
将市场划分成几个细分市场后，企业就面临着目标市场选择的问题。
如何选择目标市场呢？这是一个团体决策的过程，在选择目标市场时往往需要企业的管理人员和骨干营销人员坐在一起讨论来确定。
讨论共有五步进行
第一步指标的选择需结合企业自身的实际情况。
例如，我是大企业，规模经济是我的优势，那市场规模就是我选择的重要指标；我是中小企业，我要更关注竞争的激烈程度，因为竞争太激烈了，我可能无法存活。
因此，竞争强度就是我选择的重要指标。
第二和第三步确定优先级和为指标打分的方法可参考小蚊子的《谁说菜鸟不会数据分析》中的权重确定方法
第四步的综合得分是第二步和第三步的结果加权平均得到。
第五步选择目标市场可以企业适应度和市场吸引力为横纵坐标，得出各个细分市场在四个象限中的位置。
六款免费的用户行为分析工具测评
中国移动互联网市场经过几年的高速发展，增速已经明显放缓，人口红利逐渐消失。
移动互联网进入了下半场，市场竞争已经从增量用户竞争逐步转化成为存量用户竞争。
同时伴随流量红利消失，数据红利时代已经到来，流程驱动性公司正转变为数据驱动的数字公司，竞争从同业蔓延至异业竞争，跟随用户，跨场景地满足用户的需求将会成为数据红利时代最核心的诉求。
如果说数字化转型不可逆，那么对于用户的精细化运营将会是数字化转型的支撑点之一。
要实现对用户的精细化运营，必不可少要对用户行为进行分析。
比如对网站、APP等渠道的用户行为数据进行采集，对获取到的用户行为数据进行多维度、多角度对比分析，用以指导提升获客效率、优化产品服务和用户体验，以数据驱动业务持续增长。
但目前来看，距离要实现这一目标，还有一定的差距。
由于日常工作中，大家的分工不同，仅关注某一个方面的数据显然不够，无法全面了解产品运营情况，更不能提出行之有效的分析建议。
现在的情况是在公司内，业务部门想要看数据，会先提出自己的数据需求，这时候需要找到技术人员或者数据分析师，根据需求写SQL将数据从库里提出来，交给数据分析师进行分析，形成对应报表之后，再发给业务部门查看，完成整个过程没个三五天搞不定，数据分析的时效性大大降低。
企业采用用户行为分析工具，可以让产品、运营、市场、数据等业务部门更方便的分析数据，让技术部门日常面对的零碎需求更少，能把等多精力放在建立数据仓库等核心工作上。
当我们在做产品开发或者产品运营时，通常需要第三方工具去做用户行为分析以提供数据支持。
因此免费产品的试用成了大家在前期选择工具的必要方式。
为了方便大家对目前市场上的用户分析工具有一个清晰的了解，我们在试用了大量的工具后，分别从数据接入、数据分析、安全与拓展几个方面进行了综合分析。
许多人都在问，市场上有没有免费的用户行为分析工具，答案是有的！不过各家各有特点，国外知名用户行为数据分析工具像Google Analytics（以下简称GA）、Mixpanel，国内有网络统计、易观方舟Argo、友盟、TalkingData免费版（以下简称TD免费版）。
01、数据接入
谈到数据接入，首先需要说明的是几个产品在数据模型上的差别。
GA、网络统计诞生于传统PC互联网时代，都是以传统的页面浏览（PV）和用户会话（Session）为核心。
其中GA经过多年演进，增加了一些关于事件分析和自定义属性的内容，但本质上主要还是服务于页面类的产品。
网络统计还是依然只支持页面和会话统计。
随着移动互联网时代到来，用户的行为触点变多，以往以页面和会话为中心所能采集到的结构化数据颗粒度不够细，页面和会话模型已经不适用了。
因此，基于“用户+事件（User+Event）”模型出现了，在分析的时候可以完全自主的定义需要分析的事件，并从不同的属性维度进行交叉分析。
刚推出不久的易观方舟Argo，以及Mixpanel、友盟、TalkingData免费版都采用了 “用户+事件”模型。
在埋点方面，目前根据埋点的工具和方式，可以划分为三种类型：代码埋点，可视化埋点和全埋点，并没有说哪一种方式能够碾压其他几种，因为都各有弊端，具体的各种埋点方法的分类与优缺点我们也做一下对比：
下面我们看一下市面上几家免费的数据分析产品之间在数据接入方面对比。
需要注意的是由于GA、Mixpanel都是国外产品，在数据采集的规则适配了iOS、Android的设计规范，但国内开发者常常直接忽视这些设计规范开发产品，而GA、Mixpanel在数据采集上没有针对国内产品的特点进行优化，因此在数据采集的准确性上可能会受到一些影响。
另外，需要提到的一点是Mixpanel和易观方舟Argo的数据采集SDK开放了源代码，一定程度上可以打消企业在数据采集安全方面的顾虑。
02、数据分析
数据分析是用户行为分析工具的核心，除了网络统计以外，其他几款产品都可以满足用户行为数据分析的基本需求，但在功能的丰富程度上不尽相同。
具体对比可以看下表。
从分析模型丰富程度上来看，Mixpanle和易观方舟Argo是里面功能最全的，堪称全家桶，唯一遗憾的是目前易观方舟Argo目前尚不支持热图分析。
比如最常用的“事件分析”这个功能，不止可以从PV、UV等方面进行分析，还可以根据不同的属性值设定具体的指标按照不同的维度进行对比，功能非常强大。
从数据准确性上来看，GA在算法的严谨性上应该是最好的，但如果用户或者事件量比较大的时候，会采取抽样分析，可能会影响到数据的准确性，Mixpanel的免费版本也会存在类似的问题。
易观方舟Argo在这方面表现抢眼，在数据计算上支持秒级实时数据分析、自定义指标、多维多人群指标对比、人群交叉分析、智能分析、数据实时回传、即席数据分析等。
从数据管理、项目管理、权限管理这些常用的管理功能方面来看，几款工具都提供了比较友好的支持。
但仅有友盟+提供了手机app，可以随时通过手机查看监测的数据情况，易观方舟Argo支持通过手机浏览器访问查看数据看板。
另外，值得一提的是易观方舟Argo里面的用户运营和触达功能。
目前易观方舟Argo可以在完成用户分析与分群后，通过邮件、短信、Push消息等方式对目标用户进行触达，还支持配置UTM追踪参数对广告进行跟踪。
03、安全与拓展性
企业级产品在数据安全性和可拓展性上，需要提前做一些考量，几款产品也各有侧重，具体对比情况如下表所示：
（点击图片可查看清晰大图）
GA免费版 和 Mixpanel 提供的都是SaaS服务，但因为服务器都在国外，在国内使用起来稳定性和刷新速度上可能会有一定的影响；网络统计、友盟统计、TD免费版基本上都是SaaS服务；易观方舟Argo提供安装包，可由企业自己私有部署，如果对数据安全有顾虑，易观方舟Argo是个不错的选择。
在服务方面，除了GA和易观方舟Argo可提供社区服务支持以外，其他产品目前还没有完善的用户服务支持。
总结
对比来说，刚推出不久的易观方舟Argo，在数据采集、数据分析能力上，已经可以满足产品数据和用户行为数据分析的需求，而且提供了独家的一站式用户运营和用户触达。
与目前其他国内的免费工具产品对比来说，易观方舟Argo在颗粒度细致程度、分析模型全面性、系统性能方面表现优秀。
目的，大多数成长型团队、创业团队的市场及运营预算都相对紧张，每一分投出去的钱恨不得立马知道什么时候能转化回来，如果自己搭建一套完整的数据分析平台要花费的功夫肯定不少。
相信更多性能全面的用户分析和运营分析工具的免费开放，能避免企业在市场运营方面走弯路；也能解放团队更专注的在业务上，通过用户行为分析提升营销效率、优化迭代产品、留住更多用户，真正用数据指导和驱动业务。
最后，这次选型过程中，在易观方舟Argo社区交流感受较好，现在市面上能见到的免费工具产品不少，但真正形成自己技术服务社区的不多。
相信未来他们能把这个社区做的更好，就像当年小米运营MIUI做社区一样，能给广大的技术宅和数据爱好者提供一个炫技、PK、互助的圈子。
深度剖析淘宝店产品与关键词的布局
深度剖析淘宝店产品与关键词的布局
做店铺SEO优化，首先我们得做好全店产品布局以及关键词布局，那么具体怎么做?以下是我精心整理的深度剖析淘宝店产品与关键词的布局，供大家参考借鉴，希望可以帮助到有需要的朋友。
产品布局
产品布局和关键词布局是相辅相成的，合理的产品布局才能将关键词布局发挥得恰到好处，才能尽可能地引入尽量多的搜索流量;合理的关键词布局才能让我们精心的产品布局没有白废心思。
现在早已不是一个爆款通吃的年代了，那么一个店铺上多少个宝贝，卖多少个品类就很有讲究了，而这时候我们就要好好地利用手头上能找到的数据了。
一、利用好行业数据
我们了解行业不同品类的交易占比，不是说一定要按这个比例来安排我们的产品占比，而是了解行业的大概情况，或者知道我们这个所卖或准备卖的品类有多大的市场。
还有就是分析去年同期的数据，弄清楚后面一个月甚至两三个月后市场上什么品类是最热卖的，提前为我们找款和开发款式找清方向。
二、竞争对手就是最好的样本
行业大盘数据只需要了解下就行了，但竞争对手的数据我们却是可以直接拿来用的，如果你有生意参谋专业版，那市场行情里的品牌详情里面可以查到竞争对手的具体的每个品类销售占比。
跟我们风格相近，价位相近的，特别是稳定做了有两年以上的竞争对手，他们的品类占比就是我们最好的参考数据。
当然不是只看一家竞争对手的，一般建议统计四家或以上竞争对手的品类分布，得出他们的平均值，从而来确定我们自己店铺的产品应该如何布局。
要相信竞争对手，特别是做了多年的，有哪些品类好操作好赚钱，他们早已用不知多少次的失败验证过了，我们需要的是在前人的经验上少走弯路。
做好这一点可以为我们开发产品理清方向，不会导致开发了一堆不适合你这类店铺的产品，或者在不该主打的品类上面浪费太多精力。
如果没有生意参谋专业版也没事，直接到竞争对手的店铺，打开它的所有宝贝，销量价格品类记录下来，再计算汇总，也能大概算出这个店铺的品类分布，不过就是需要消耗更多的时间和精力。
三、主打品类要有上限
根据我对多个类目多个店铺的经验，每个店铺都有自己的几个优势品类的，这几个品类的新品更容易获得流量，它们引入的流量占了全店的绝大部分，而店铺内其他品类则很难有排名。
比如说你是做户外用品冲锋衣为主的，你上架新的冲锋衣，你会发现很这个新宝贝也很容易开始有流量引入，但你店铺的非主营产品，比如登山鞋，不管你自己优化，怎么用直通车去推，流量就是没有起色。
优势品类在一个店铺一般最多三个或四个，其实你把它理解为系统是把你这个店铺定位为卖哪些产品的店铺就容易明白了，系统认为你这个店铺就是卖冲锋衣，登山包，睡袋为主的，那些你在这几个品类会有较高的权重，但其他品类如登山鞋，如果你想突破就会比较难。
所以店铺产品转型为什么那么难，就是需要系统对你这个店铺重新定位，而新的定位就需要你新的品类有足够数据，不管是访客还是销量，超越了其他品类，系统才会对这个品类完成打标，之后你再推广才会变得轻松起来。
说这些的主要目的是让大家把自己的精力主要放在最多三个品类上面，你品类再多，主要能有权重就那三四个品类;还一个是如果你在哪几个品类优势很大，就更应该集中资源在这几个品类上面，加大它们的影响力，而不是想着去把店铺从来卖不动的品类优先搞起来，导致之前的优势品类滑落。
其他不是主打的品类，我们主要做好关联和日常维护就行了。
很多小卖家，特别是市场拿货的，都是看到什么就上架什么，导致店铺品类繁多，差异也非常大，这种现象非常普遍。
我非常建议你们精减品类，只主打一至三个品类为主。
我与不少做的不错的小卖家交流时，都注意到他们的店铺往往会把精力集中在每个应季产品的一两个品类，而不是有什么卖什么，之后他们才取得一个个小成功。
四、一个店铺该有多少个宝贝
既然我们知道了，品类主要搞三四个就好了，那一个店铺应该有多少个宝贝比较合适，店铺宝贝数量过少的话，买家可选择的空间也小，而且数量少出爆款的概率也小，但宝贝数量过多又会导致库存压力和影响动销率，所以我的建议是为了占据更多的关键词，最好有60到80款宝贝以上(指大类目，单个品类最好有二三十款宝贝以上)，中型的店铺有150款宝贝以上(每个主打品类有三四十款宝贝以上)，如果实在没有那么多宝贝可上架，那也要尽量想办法让宝贝数量丰富起来，比如有些宝贝可以拆分成两个宝贝的。
有一个地方要注意的是，同一个品类的产品最好略有差异化，而不是长得几乎一样，比如水杯，就有带盖不带盖，带柄不带柄，有图案和无图案等等之类的差别，有足够数量各不相同的宝贝，后面的关键词布局才有用武之地。
关键词布局
在前面合理的产品布局下，我们的关键词布局将会有很大的可操作空间。
一、找出所有能用的关键词
1、这个最主要的找词来源就是生意参谋的搜索词查询，从这里收集关键词，可以顺带收集到该关键词的各项数据，如搜索人气，点击率，在线商品数，支付转化率等等有用的数据，方便我们后面筛选利用。
在这里找词是大家常用的方法，应该没有太多要说的，我只提醒一点，要学会不停去深挖，比如你找到一个很不错的分词，就尝试用这个分词组合另外的大词再查询下数据，看能不能挖出更多的可用关键词。
从其他方式收集到关键词，我也会把它们放到搜索词查询这里把数据提取出来的。
2、一些容易打错的词，如名片盒和明片盒，t恤，t血和t桖，毛呢，毛尼和毛昵，马甲和马夹，牛仔裤和牛子裤，墨镜框和黑镜框，无线鼠标和无限鼠标(有限)等等，这类词一是可以自己用拼音输入法看哪些词是有可能写错的，再把这个可能写错的词放到生意参谋搜索词查询查一下数据，如果有足够的搜索人气，就表示这个词是可以用的;二是直接到淘宝搜索结果页，多看同类目不同的宝贝标题，可以从里面提取到不少容易出错的词;三是可以借助于生e经，在情报助手那里查询不同的关键词，然后分析人气或销量前200的宝贝词频分布，从里面挖掘我们能用的分词。
3、一些不同叫法的词，如无袖连衣裙和砍袖裙，半身裙，半裙和半截裙，毛衣，线衣和毛线衣，中袖和半袖，浴球和浴花，鱼嘴鞋和露趾鞋，马丁靴和骑士靴，其实这类词是广泛存在的，不同的地域对同一种产品的叫法可能差距很大，如果你把这些词都找出来，然后分散到不同的宝贝上面，指不定哪个词就能给你带来流量。
非爆款时代，全店搜索流量都是一个个宝贝累积起来的，多一个能带来流量的分词，你的流量就有机会多一些。
4、以前拼音词是挺好用的，不过在无线的搜索系统也升级之后，已经会把搜索结果跟PC端一样自动替换成对应的中文，如果你标题里有以前使用的拼音词，就应该去核对要不要修改了，否则就浪费关键词位置了。
具体要不要修改，一定要去查询下该拼音词的数据，如maoyi目前一天还是有二千多搜索人气的，应该跟不少人使用的手机还是一二年前甚至更久，他们手机的APP还是旧版本的，就算有些人用的新手机，但未必有新版本APP就马上更新的。
5、在收集关键词的时候，注意一些细节，一些类目不是很明确的词，我们收集它们的数据时，是指这个分词+类目词的数据，只有这样的数据才对你的宝贝有意义，比如加绒这个分词，在不同类目的意义是不同的，如果你是做打底裤的，那我们在生意参谋是收集加绒打底裤这个关键词的数据，如果你是做男衬衫的，你需要收集的是加绒衬衫这个关键词的数据。
但像t血这种，明显是指t恤这个品类的，就不需要组合成t血 t恤来查询数据了，若是性别比较明确的产品，那最好是收集带上性别词的数据，如t血女，跑鞋女童。
还有就是一些跟类目词无关联，但实际上也是指这类产品的词也要收集到，比较t恤，它也叫小衫，Tshirt，上衣，上装，女装等等，这些分词我们也是要记录的，可以根据筛选结果适当地分布到不同的宝贝上面。
二、筛选关键词
通过上面的方法，我们找出了大量的关键词，把它们整理到一起，形成关键词词库。
当然词库里并非每一个词对我们都是有用的，所以要进行筛选。
一般我都会把搜索人气除以在线商品数，再把这一列数据从高到低排序，把一定数值以上的关键词标注为另一个颜色，表示这类词要优先用多用，说明这些关键词是属于竞争比较小的，是比较适合我们使用的(或把一定数值以下的标注为另外颜色，表示这类词不可用或少用)。
标注好颜色后，我再把它们按搜索人气排序，这时候，标注为橙色，又排在前面的，就是我们要优先使用多使用的关键词了。
实际像t恤这一个品类的关键词要想找齐是需要大量时间的，有几百个甚至上千个可用的分词，但你这次花精力去收集好筛选好，只要你还在卖t恤，以后对你都大有益处，不管是调整宝贝标题还是有新宝贝上架，你都将无比轻松和效率。
在筛选关键词的过程中，也可以计算下这些词搜索人气和点击人气的比例，有些偏差太大的一般都有可能是人为制造的词，实际上是没人搜索的，这类词要删除掉。
就算再小的类目，你也能找出来各种想像不到的分词，无非就是有些分词搜索人气太低，没有什么价值，但是难免又会存在一些高价值的你还没发现的分词。
三、布局关键词
到这一步，我们能用的好用的分词都整理出来了，现在要做的就是把它们布局到不同宝贝上面了。
我非常建议到生E经的宝贝分析里面修改标题，除了方便以及可以查看原标题每个分词的数据外，你把准备用的分词放到搜索框，立马就知道这个分词已经有哪几个宝贝在用，避免某些分词用得太多或有些分词不知道有没用过。
布局关键词不难的，只要按照下面几个原则进行就行了。
1、搜索人气越高的分词布局到越多的宝贝上面，当然属性匹配是肯定要先考虑的，有些宝贝属性那里选这个也可以，选那个也可以，这种情况我都会根据准备用到的关键词来调整属性的;
2、销量越高的宝贝布局搜索人气越高的分词，权重高，人气词才有可能有得展现;
3、搜索人气越低的分词布局到越少的宝贝上面，像一天只有几十上百个搜索人气的，一般布局到两三个宝贝上面就行了，如前面表格里的动物图案这个分词;
4、销量最高的那几个宝贝一般都要专门做标题，至少也是三分二高人气词，三分一中人气词来定标题;销量不高不低的宝贝按一半高人气词一半低人气词定标题就好了;销量最低的那些宝贝一般三分一是高人气词，三分二是各种低人气但竞争也低的词为主。
5、要注意类目词是每一个宝贝都要带上的，像你是做泳衣的，泳衣这个词肯定每个宝贝标题都要有的，像高搜索人气的泳衣保守，可能要布局到三分一到一半的宝贝上面，像低搜索人气的泳衣运动，可能只需要布局到两三个宝贝上面就行了。
拓展内容： 淘宝店拍照技巧
第一步：背景的正确选择
大家从上面的一组图片中可以看出了效果吧，左图背景是珠玉色，颜色统一、和谐，看起来很能突出主图及映衬效果，而右图背景却很杂乱(看很多卖家朋友不注意背景的哦)。
结论：背景建议纯色(根据行业不同，可有不同颜色选择)，一般建议浅色，这样才能突出宝贝。
其中白色是百搭色，什么都可以搭出效果。
第二步：拍照小道具的选择
从上面的一组图大家又可以看出什么呢?对了，道具配饰的作用，左边很单调只有一双鞋子，而右图有花朵的陪衬，看起来是不是更加和谐生动了呢。
结论：拍照道具不可少，大家可物尽其用，家里的比如一束花啦，花蓝啦，一个小玩具啦。
都可以的。
第三步：拍照角度的选择
想必大家一眼就看出来了吧，左图是直接正面图，右图是斜出一个角度的。
一般人会更喜欢和接受右边的图片，因为右图更生动活泼些。
结论：拍照时须注意宝贝的摆放角度，一般建议斜放约30～45度，不管是左斜还是右斜，效果都很好，尤其是作为宝贝第一张图的拍照，这个尤为重要。
当然，适当的给宝贝摆一些小POSE也很重要，这个需要经常去学着调整，久而久之，自己就有一定的审美观了。
第四步：明暗程度的调整
结论：卖家朋友一定要学会调整图片的明暗程度，这个非常重要，可以用相机白平衡分值来调整，也可以用作图软件来实现。
总之，我们要在保证图片真实的情况下，尽可能的让我们的宝贝图片更漂亮，更有吸引力。
;
大数据分析一般用什么工具分析
今天就我们用过的几款大数据分析工具简单总结一下，与大家分享。
这个号称敏捷BI的扛把子，魔力象限常年位于领导者象限，界面清爽、功能确实很强大，实至名归。
将数据拖入相关区域，自动出图，图形展示丰富，交互性较好。
图形自定义功能强大，各种图形参数配置、自定义设置可以灵活设置，具备较强的数据处理和计算能力，可视化分析、交互式分析体验良好。
确实是一款功能强大、全面的数据可视化分析工具。
新版本也集成了很多高级分析功能，分析更强大。
但是基于图表、仪表板、故事报告的逻辑，完成一个复杂的业务汇报，大量的图表、仪表板组合很费事。
给领导汇报的PPT需要先一个个截图，然后再放到PPT里面。
作为一个数据分析工具是合格的，但是在企业级这种应用汇报中有点局限。
PowerBI是盖茨大佬推出的工具，我们也兴奋的开始试用，确实完全不同于Tableau的操作逻辑，更符合我们普通数据分析小白的需求，操作和Excel、PPT类似，功能模块划分清晰，上手真的超级快，图形丰富度和灵活性也是很不错。
但是说实话，毕竟刚推出，系统BUG很多，可视化分析的功能也比较简单。
虽然有很多复杂的数据处理功能，但是那是需要有对Excel函数深入理解应用的基础的，所以要支持复杂的业务分析还需要一定基础。
不过版本更新倒是很快，可以等等新版本。
和Tableau齐名的数据可视化分析工具，QlikView在业界也享有很高的声誉。
不过Qlik Seanse产品系列才在大陆市场有比较大的推广和应用。
真的是一股清流，界面简洁、流程清晰、操作简单，交互性较好，真的是一款简单易用的BI工具。
但是不支持深度的数据分析，图形计算和深度计算功能缺失，不能满足复杂的业务分析需求。
最后将视线聚焦国内，目前搜索排名和市场宣传比较好的也很多，永洪BI、帆软BI、BDP等。
不过经过个人感觉整体宣传大于实际。
4、永洪BI
永洪BI功能方面应该是相对比较完善的，也是拖拽出图，有点类似Tableau的逻辑，不过功能与Tableau相比还是差的不是一点半点，但是操作难度居然比Tableau还难。
预定义的分析功能比较丰富，图表功能和灵活性较大，但是操作的友好性不足。
宣传拥有高级分析的数据挖掘功能，后来发现就集成了开源的几个算法，功能非常简单。
而操作过程中大量的弹出框、难以理解含义的配置项，真的让人很晕。
一个简单的堆积柱图，就研究了好久，看帮助、看视频才搞定。
哎，只感叹功能藏得太深，不想给人用啊。
5、帆软BI
再说号称FBI的帆软BI，帆软报表很多国人都很熟悉，功能确实很不错，但是BI工具就真的一般般了。
只能简单出图，配合报表工具使用，能让页面更好看，但是比起其他的可视化分析、BI工具，功能还是比较简单，分析的能力不足，功能还是比较简单。
帆软名气确实很大，号称行业第一，但是主要在报表层面，而数据可视化分析方面就比较欠缺了。
另一款工具，全名叫“Tempo大数据分析平台”，宣传比较少，2017年Gartner报告发布后无意中看到的。
是一款BS的工具，申请试用也是费尽了波折啊，永洪是不想让人用，他直接不想卖的节奏。
第一次试用也是一脸懵逼，不知道该点那！不过抱着破罐子破摔的心态稍微点了几下之后，操作居然越来越流畅。
也是拖拽式操作，数据可视化效果比较丰富，支持很多便捷计算，能满足常用的业务分析。
最最惊喜的是它还支持可视化报告导出PPT，彻底解决了分析结果输出的问题。
深入了解后，才发现他们的核心居然是“数据挖掘”，算法十分丰富，也是拖拽式操作，我一个文科的分析小白，居然跟着指导和说明做出了一个数据预测的挖掘流，简直不要太惊喜。
掌握了Tempo的基本操作逻辑后，居然发现他的易用性真的很不错，功能完整性和丰富性也很好。