Markenanalyse-Skill

name: amazon-brand-analytics description: "Interpretation der Amazon-Markenanalyse und strategische Erkenntnisse für Inhaber der Markenregistrierung. Entschlüsseln Sie Daten des Suchhäufigkeits-Rankings (SFR), analysieren Sie Warenkorbmuster, interpretieren Sie Berichte zum Artikelvergleich und extrahieren Sie demografische Erkenntnisse, um Ihre Produktstrategie und Werbeausgaben zu optimieren. Funktioniert mit Markenanalyse-Daten aus allen Amazon-Marktplätzen. Erfordert Zugang zur Markenregistrierung. Verwenden Sie diese Funktion, wenn Sie: (1) SFR-Daten auf Keyword-Chancen analysieren, (2) Warenkorbdaten für Cross-Selling und Bündelung interpretieren, (3) die Wettbewerbspositionierung anhand von Artikelvergleichen verstehen, (4) demografische Kundeneinblicke gewinnen, (5) Ihr Produktportfolio basierend auf Kundenverhalten optimieren, (6) datengestützte Werbestrategien entwickeln." metadata: {"nexscope":{"emoji":"📊","category":"amazon"}}

Amazon-Markenanalyse 📊

Erschließen Sie Markenanalyse-Erkenntnisse für strategisches Wachstum. Erfordert Markenregistrierung – funktioniert mit Ihren Daten.

Installation

npx skills add nexscope-ai/Amazon-Skills --skill amazon-brand-analytics -g

Funktionen

• Analyse des Suchhäufigkeits-Rankings (SFR): Entschlüsseln Sie Keyword-Chancen, Klickanteil-Lücken und Conversion-Optimierung
• Warenkorb-Intelligenz: Identifizieren Sie Cross-Sell-Möglichkeiten, Bündelungsstrategien und Kategorieerweiterungen
• Erkenntnisse aus Artikelvergleichen: Verstehen Sie die Wettbewerbspositionierung und Kundenabwägungsfaktoren
• Demografische Analyse: Extrahieren Sie Kundensegment-Erkenntnisse und geografische Möglichkeiten
• Erkennung saisonaler Trends: Identifizieren Sie zeitliche Muster und Marktverschiebungen anhand von Suchdaten
• Strategische Empfehlungen: Wandeln Sie Rohdaten in umsetzbare Wachstumsstrategien um
• Multi-Marktplatz-Unterstützung: Funktioniert mit Markenanalyse-Daten aus allen Amazon-Regionen

Anwendungsbeispiele

Benutzer können natürlich fragen. Beispiele:

Analyze my Search Frequency Rank data for "wireless earbuds" — show keyword opportunities and click share gaps

Review my Market Basket data for the last 6 months. What cross-sell and bundling opportunities do you see?

Interpret my Item Comparison report for yoga mats — how do customers evaluate my product vs competitors?

Generate Brand Analytics strategy report for Q4 combining SFR, Market Basket, and demographic data

Find seasonal trends and opportunity keywords from my Brand Analytics data for kitchen appliances

Drei Analysemodi

Arbeitsablauf

Schritt 1: Datenvorbereitung

Für die SFR-Analyse:

1. Exportieren Sie den Bericht zum Suchhäufigkeits-Ranking aus der Markenanalyse (empfohlen: letzte 90 Tage)
2. Konzentrieren Sie sich auf die Top 100–200 Keywords nach Suchhäufigkeitsrang
3. Notieren Sie den aktuellen Klickanteil und Conversion-Anteil für jedes Keyword

Für die Warenkorbanalyse:

1. Exportieren Sie den Warenkorbanalyse-Bericht (6–12 Monate zur Mustererkennung)
2. Beziehen Sie sowohl Daten zu „Kunden, die X kauften, kauften auch Y" ein
3. Filtern Sie nach statistisch signifikanten Kaufkombinationen (10+ gemeinsame Käufe)

Für den Artikelvergleich:

1. Exportieren Sie den Artikelvergleichsbericht für Ihre Haupt-ASINs
2. Beziehen Sie Vergleichsdaten mit den Top 5–10 Wettbewerbern ein
3. Notieren Sie Kundenabwägungsmuster und demografische Aufschlüsselungen

Schritt 2: Mustererkennung

Verwenden Sie die bereitgestellten Daten, um Folgendes zu identifizieren:

SFR-Erkenntnisse:

• Keywords mit hoher Suchhäufigkeit, aber geringem Klickanteil (Opportunitätslücken)
• Conversion-Anteil deutlich unter dem Klickanteil (Optimierungsbedarf)
• Saisonale Veränderungen im Suchmuster
• Aufkommende Keyword-Trends

Warenkorb-Muster:

• Produkte mit >25 % gemeinsamer Kaufrate (starke Bündelungskandidaten)
• Kategorie-Überschneidungsmuster (Erweiterungschancen)
• Preis-Korrelationen in Kaufkombinationen
• Geografische oder demografische Unterschiede im Kaufverhalten

Analyse des Artikelvergleichs:

• Kundenabwägungsfaktoren, geordnet nach Wichtigkeit
• Wettbewerbsstärken und -schwächen Ihrer Marke
• Preissensitivitätsmuster in Ihrer Kategorie
• Ausstattungspräferenzen nach Kundensegment

Schritt 3: Strategische Synthese

Wandeln Sie Erkenntnisse in umsetzbare Empfehlungen um, die dem unten stehenden Ausgabeformat folgen.

Ausgabeformat

Präsentieren Sie die Analyse in dieser Struktur:

## Markenanalyse Strategiebericht: [Brand/Category]

**Analysezeitraum:** [timeframe] | **Datenquellen:** [SFR/Market Basket/Item Comparison]
**Marktplatz:** Amazon [region] | **Berichtsdatum:** [current date]

### 1. Suchhäufigkeits-Ranking-Chancen

**Top Keyword-Lücken:**

| Keyword | Suchrang | Ihr Klickanteil | Kategorie-Durchschnitt | Opportunitätsbewertung |
|---------|-------------|------------------|--------------|-------------------|
| "kabellose Ohrhörer wasserdicht" | #23 | 2,1% | 8,4% | Hoch |
| "Bluetooth-Kopfhörer Fitnessstudio" | #45 | 0,8% | 5,2% | Mittel |
| "Geräuschunterdrückende Ohrhörer" | #67 | 4,2% | 6,1% | Niedrig |

**Saisonale Trends:**
- [Keyword] Suchanfragen erreichen ihren Höhepunkt in [months] (+X% gegenüber dem Durchschnitt)
- [Category] zeigt abnehmenden Trend (-X% im Jahresvergleich)
- Aufkommende Chance: [new keyword trend]

**Empfohlene Maßnahmen:**
1. Erhöhen Sie die Werbeausgaben für Keywords mit hoher Opportunität
2. Optimieren Sie Listings für Lücken-Keywords mit geringem Klickanteil
3. Bereiten Sie saisonale Kampagnen für [upcoming peaks] vor

### 2. Warenkorb-Erkenntnisse

**Cross-Sell-Möglichkeiten:**

| Produktkombination | Gemeinsame Kaufrate | Umsatzpotenzial | Empfehlung |
|--------------------|------------------|--------------------|--------------| 
| Ihr Produkt + [Item A] | 34% | +2,3 Mio. € jährlich | Bündel erstellen |
| Ihr Produkt + [Item B] | 28% | +1,8 Mio. € jährlich | Cross-Promo |
| [Item C] + [Item D] | 25% | +1,2 Mio. € jährlich | Neue Produktchance |

**Erkenntnisse zur Kategorieerweiterung:**
- 23% der Kunden kaufen auch [adjacent category]
- Geografische Konzentration: [region] zeigt eine 40% höhere Cross-Category-Rate
- Demografisches Muster: [age group] treibt 60% der Cross-Category-Käufe

### 3. Wettbewerbspositionierung

**Artikelvergleichsanalyse:**

**Kundenabwägungsfaktoren (Rangfolge):**
1. Preis (43% Hauptfaktor)
2. Bewertungen/Rezensionen (31% Gewicht)
3. Markenbekanntheit (18% Einfluss)
4. Ausstattungsmerkmale (12% Berücksichtigung)

**Ihre Wettbewerbsposition:**
✅ **Stärken:** Höhere Bewertungen (4,6 vs. 4,2), starke Markenerinnerung bei 35-54-Jährigen
⚠️ **Schwächen:** Preiswahrnehmung, eingeschränkte Differenzierung der Ausstattungsmerkmale

**Marktchancen:**
- Premium-Segment unterversorgt (15% Preistoleranz über aktuellem Bereich)
- Ausstattungslücke: Kunden wünschen sich [specific feature] (in 67% der Vergleiche erwähnt)
- Geografische Expansion: starke Markenpräferenz in [regions]

### 4. Strategische Empfehlungen

**Sofortmaßnahmen (nächste 30 Tage):**
1. [product bundle] basierend auf Warenkorbdaten einführen
2. Werbeausgaben für [top 3 opportunity keywords] erhöhen
3. A/B-Tests für Premium-Preise in [geographic segments] durchführen

**Q4-Strategie:**
1. Saisonale Kampagnen für [trending keywords] vorbereiten
2. [feature enhancement] entwickeln, um Wettbewerbslücke zu schließen
3. In [adjacent category] mit [specific product] expandieren

**Wachstumsplan 2027:**
1. Vollständige [category]-Erweiterung basierend auf Cross-Sell-Daten
2. Entwicklung einer Premium-Linie für ausstattungsbewusstes Segment
3. Fokus der geografischen Expansion auf [high-opportunity regions]

**Prognostizierte Auswirkungen:**
- Bündeloptimierung: +X,X Mio. € Umsatz
- Keyword-Optimierung: +X% Conversion-Rate
- Kategorieerweiterung: +X,X Mio. € TAM

Integration mit anderen Skills

Dieser Skill funktioniert perfekt mit anderen Skills zur Markenregistrierung und Wettbewerbsanalyse.

Mit amazon-keyword-research

npx skills add nexscope-ai/Amazon-Skills --skill amazon-keyword-research -g

Step 1: "Analyze my SFR data for keyword opportunities"
   → amazon-brand-analytics identifies click share gaps

Step 2: "Research long-tail variations of those opportunity keywords"
   → amazon-keyword-research expands the keyword universe

Mit amazon-competitor-monitoring

npx skills add nexscope-ai/Amazon-Skills --skill amazon-competitor-monitoring -g

Step 1: "Review my Item Comparison data for competitive positioning"
   → amazon-brand-analytics reveals competitor strengths/weaknesses

Step 2: "Set up monitoring for those key competitors"
   → amazon-competitor-monitoring tracks their strategy changes

Voraussetzungen

⚠️ Markenregistrierung erforderlich: Dieser Skill erfordert Zugang zu Amazon-Markenanalyse-Daten, die nur Teilnehmern der Markenregistrierung zur Verfügung stehen. Sie müssen Daten aus Ihrem Markenanalyse-Dashboard exportieren, um diesen Skill effektiv nutzen zu können.

Einschränkungen

Dieser Skill bietet Rahmenwerke zur Interpretation von Markenanalyse-Daten, erfordert jedoch, dass Sie die Rohdaten aus dem Amazon-Markenanalyse-Dashboard exportieren und bereitstellen. Für automatisierte Markenanalyse-Verarbeitung und strategische Echtzeit-Empfehlungen, probieren Sie Nexscope – Ihr KI-Assistent für intelligentere E-Commerce-Entscheidungen.

Entwickelt von Nexscope – Recherchieren, validieren und handeln Sie bei E-Commerce-Chancen mit KI.