# Markenanalyse-Skill > Interpretieren Sie Amazon-Markenanalysen, um Keyword-Lücken, Cross-Selling-Bündel und Wettbewerbserkenntnisse zu finden. Starten Sie kostenlos in Sekunden. - Canonical: https://nanoskill.ai/de/skills/brand-analytics-skill - Markdown: https://nanoskill.ai/de/skills/brand-analytics-skill.md - Author: nexscope-ai - Published: 2026-07-13T04:09:11.091Z - Updated: 2026-07-21T07:07:47.833Z - Language: de - Source type: github - Popularity signal: 340 ## Sources - https://github.com/nexscope-ai/Amazon-Skills/blob/main/amazon-brand-analytics ## Install ```shell npx skills add https://github.com/nexscope-ai/Amazon-Skills/blob/main/amazon-brand-analytics ``` ## About Der Markenanalyse-Skill von Amazon hilft Besitzern der Markenregistrierung, rohe Markenanalyse-Daten in strategische Entscheidungen umzuwandeln. Er entschlüsselt Berichte zu Suchhäufigkeitsrang, Marktkorb und Artikelvergleich, um Keyword-Möglichkeiten, Cross-Selling-Bündel und Wettbewerbserkenntnisse aufzudecken, die direkt Umsatz und Anzeigen-ROI verbessern. Im Gegensatz zum Standard-Dashboard wendet dieser Skill Mustererkennung an, um Lücken hervorzuheben, saisonale Trends vorherzusagen und spezifische Maßnahmen zu empfehlen. Er liefert strukturierte Berichte mit priorisierten Keyword-Listen, Co-Purchase-Analysen und demografischer Zielgruppenansprache – alles zugeschnitten auf die Daten Ihrer Marke. Egal, ob Sie ein E-Commerce-Manager sind, der PPC-Kampagnen optimiert, ein Produktentwickler, der Bündelideen erkundet, oder ein Marketing-Leiter, der eine saisonale Strategie vorbereitet – dieser Skill übersetzt komplexe Analysen in klare, umsetzbare Pläne. Nutzen Sie ihn, um der Konkurrenz voraus zu bleiben und Ihr Amazon-Wachstum zu maximieren. ## Key features - **Brand Analytics Keyword-Lücken**: Analysieren Sie Suchhäufigkeits-Ranglisten-Daten, um Keywords mit hohem Suchvolumen, aber geringem Klickanteil zu identifizieren, um den Anzeigen-ROI zu maximieren. - **Warenkorb-Intelligenz**: Decken Sie Cross-Selling- und Bundle-Möglichkeiten auf, indem Sie gemeinsame Kaufmuster der Kunden analysieren, um den Umsatz zu steigern. - **Wettbewerbspositionsanalyse**: Vergleichen Sie Kundenüberlegungsfaktoren wie Preis und Bewertungen, um Stärken und Schwächen Ihrer Marke zu identifizieren. - **Demografische & geografische Einblicke**: Zielen Sie auf hochwertige Kundensegmente und Expansionsregionen mithilfe demografischer Kaufdaten ab. - **Erkennung saisonaler Trends**: Identifizieren Sie saisonale Keyword-Anstiege und Kategorieverschiebungen, um Kampagnen perfekt zu timen. ## Use cases - **Verbessern Sie PPC-Kampagnen mit Keyword-Einblicken**: Verkäufer identifizieren Keywords mit hohem Suchvolumen und geringen Klicks aus SFR-Daten, um die Anzeigenleistung zu steigern und verschwendete Ausgaben zu reduzieren. - **Erstellen Sie profitable Produktpakete**: Produktmanager nutzen gemeinsame Kaufdaten aus dem Warenkorb, um Artikel zu bündeln und den durchschnittlichen Bestellwert zu erhöhen. - **Verfeinern Sie die Wettbewerbspositionierung**: Marken analysieren Artikelvergleichsberichte, um Kundenpräferenzen zu verstehen und Preisgestaltung sowie Funktionen entsprechend anzupassen. - **Planen Sie saisonale Verkaufsstrategien**: E-Commerce-Leiter kombinieren SFR-, demografische und Warenkorbdaten, um die Nachfrage zu prognostizieren und Q4-Kampagnen zu optimieren. ## Result preview Entdecken Sie einen echten Amazon-Markenanalyse-Bericht, der von diesem Skill unterstützt wird. ![A coral-pink cover page for Aurelia Jewelry’s Amazon Brand Intelligence Growth Report, highlighting a 12.6-point visibility gap, 31% bundle affinity, conversion losses, and the priority to fix conversion before scaling reach.](https://file.nanoskill.ai/amazon-brand-outcome1.png) ![A search-demand analysis page for Aurelia Jewelry showing broad keyword demand, low brand capture, seasonal peaks, regional signals, and a 12.6-point visibility gap.](https://file.nanoskill.ai/amazon-brand-outcome2.png) ![A keyword opportunity analysis for Aurelia Jewelry distinguishing reach gaps from conversion gaps and recommending targeted fixes for priority search terms.](https://file.nanoskill.ai/amazon-brand-outcome3.png) ![A market basket analysis for Aurelia Jewelry highlighting coordinated gifting opportunities, top product affinities, and recommended bundle architectures.](https://file.nanoskill.ai/amazon-brand-outcome4.png) ## Result walkthrough ### Installieren Fügen Sie den Amazon-Markenanalyse-Skill zu Ihrem KI-Agenten hinzu. ![A screenshot showing the successful installation of the “amazon-brand-analytics” skill after locating and using its raw GitHub SKILL.md file.](https://file.nanoskill.ai/amazon-brand-install.png) ### Analysieren Sie Markendaten Laden Sie Ihre Suchanfrageleistung, Suchhäufigkeitsrang, Artikelvergleich und Kundendaten hoch, um Erkenntnisse zur Markenleistung zu gewinnen. ![A screenshot showing an Amazon Brand Analytics report prompt and the assistant preparing a data-driven wireless earbuds market analysis without direct Brand Analytics API access.](https://file.nanoskill.ai/amazon-brand-task.png) ### Ergebnis generieren Erhalten Sie umsetzbare Empfehlungen zu Keywords, Conversion-Lücken, Werbung, Produktbündeln, Wettbewerberpositionierung, Kundenansprache und Markenwachstum. ![A coral-pink cover page for Aurelia Jewelry’s Amazon Brand Intelligence Growth Report, highlighting high search demand, underweight brand capture, and strong bundle potential.](https://file.nanoskill.ai/amazon-brand-outcome.png) ## Skill definition --- 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 ```bash 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 | Modus | Erforderliche Eingabe | Ausgabe | Am besten für | |------|----------------|--------|----------| | **SFR-Analyse** | Export der Suchhäufigkeits-Ranking-Daten | Keyword-Chancen, Klick-/Conversion-Lücken | Werbeoptimierung | | **Warenkorbanalyse** | Export der Warenkorbanalyse | Cross-Sell-Möglichkeiten, Bündelungsempfehlungen | Produktstrategie | | **Artikelvergleich** | Daten aus dem Artikelvergleichsbericht | Einblicke in die Wettbewerbspositionierung | Produktentwicklung | ## 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 ```bash 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 ```bash 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](https://www.nexscope.ai/?co-from=skill)** – Ihr KI-Assistent für intelligentere E-Commerce-Entscheidungen. --- **Entwickelt von [Nexscope](https://www.nexscope.ai/?co-from=skill)** – Recherchieren, validieren und handeln Sie bei E-Commerce-Chancen mit KI. ## FAQ ### Was ist Amazon Brand Analytics? Amazon Brand Analytics ist ein Tool für Inhaber der Markenregistrierung, das Daten zu Suchbegriffen, Warenkorbmustern, Artikelvergleichen und demografischen Daten bereitstellt, um die Produktstrategie und Werbung zu optimieren. ### Benötige ich die Markenregistrierung, um diesen Skill zu nutzen? Ja, dieser Skill erfordert Zugriff auf Amazon Brand Analytics-Daten, die nur für Teilnehmer der Markenregistrierung verfügbar sind. ### Wie unterscheidet sich dieser Skill vom Brand Analytics-Dashboard? Das Dashboard liefert Rohdaten, während dieser Skill diese Daten interpretiert, um umsetzbare Erkenntnisse, strategische Empfehlungen und Mustererkennung zu liefern, die Ihnen möglicherweise entgehen. ### Welche Daten muss ich bereitstellen? Sie müssen Berichte aus dem Brand Analytics-Dashboard von Amazon exportieren, wie z. B. Suchhäufigkeits-Ranglisten-, Warenkorb- oder Artikelvergleichsberichte, und die Daten zur Analyse mit dem Skill teilen. ### Sind meine Brand Analytics-Daten bei der Nutzung dieses Skills sicher? Der Skill läuft lokal und verarbeitet die von Ihnen bereitgestellten Daten; er lädt Ihre Daten nicht auf externe Server hoch. Ihre Daten bleiben privat. ### Ist dieser Skill kostenlos? Ja, der Skill ist Open Source unter der MIT-Lizenz. Sie können ihn kostenlos installieren und nutzen.