name: amazon-brand-analytics description: "ブランド登録者向けのAmazonブランド分析の解釈と戦略的インサイト。検索頻度ランク（SFR）データを解読し、マーケットバスケットのパターンを分析し、アイテム比較レポートを解釈し、人口統計学的インサイトを抽出して、製品戦略と広告費を最適化します。すべてのAmazonマーケットプレイスのブランド分析データで動作します。ブランド登録が必要です。使用場面：(1) キーワード機会のための検索頻度ランクデータの分析、(2) クロスセルとバンドルのためのマーケットバスケットデータの解釈、(3) アイテム比較の競合ポジショニングの理解、(4) 顧客の人口統計学的インサイトの抽出、(5) 顧客行動に基づく製品ポートフォリオの最適化、(6) データ駆動型の広告戦略の構築。" metadata: {"nexscope":{"emoji":"📊","category":"amazon"}}
Amazonブランド分析 📊
戦略的成長のためのブランド分析インサイトを引き出します。ブランドレジストリが必要 — お客様のデータと連携します。
インストール
npx skills add nexscope-ai/Amazon-Skills --skill amazon-brand-analytics -g
機能
- 検索頻度ランク（SFR）分析：キーワードの機会、クリックシェアのギャップ、コンバージョン最適化を解読します
- マーケットバスケットの洞察：クロスセル機会、バンドル戦略、カテゴリー拡張を特定します
- アイテム比較の洞察：競合ポジショニングと顧客の検討要因を理解します
- 人口統計分析：顧客セグメントの洞察と地理的な機会を抽出します
- 季節性トレンドの検出：検索データからタイミングパターンと市場の変化を特定します
- 戦略的推奨事項：生データを実行可能な成長戦略に変換します
- 複数マーケットプレイス対応：すべてのAmazon地域のブランド分析と連携します
使用例
ユーザーは自然に質問できます。例：
「ワイヤレスイヤホン」の検索頻度ランクデータを分析してください — キーワードの機会とクリックシェアのギャップを表示
過去6か月間のマーケットバスケットデータを確認してください。どのようなクロスセルやバンドルの機会が見られますか？
ヨガマットのアイテム比較レポートを解釈してください — 顧客は競合他社と比較して当社製品をどのように評価していますか？
SFR、マーケットバスケット、人口統計データを組み合わせたQ4のブランド分析戦略レポートを作成してください
キッチン家電のブランド分析データから季節性トレンドと機会キーワードを見つけてください
3つの分析モード
| モード | 必要な入力 | 出力 | 最適な用途 |
|---|---|---|---|
| SFR分析 | 検索頻度ランクデータのエクスポート | キーワード機会、クリック/コンバージョンギャップ | 広告最適化 |
| マーケットバスケット | マーケットバスケット分析のエクスポート | クロスセル機会、バンドル推奨 | 製品戦略 |
| アイテム比較 | アイテム比較レポートデータ | 競合ポジショニングの洞察 | 製品開発 |
ワークフロー
ステップ1：データ準備
SFR分析の場合：
- ブランド分析から検索頻度ランクレポートをエクスポート（直近90日推奨）
- 検索頻度ランク上位100〜200のキーワードに注目
- 各キーワードの現在のクリックシェアとコンバージョンシェアを記録
マーケットバスケット分析の場合：
- マーケットバスケット分析レポートをエクスポート（パターン認識には6〜12か月分）
- 「Xを購入した顧客はYも購入した」データを含める
- 統計的に有意な購入組み合わせをフィルタリング（共購入10件以上）
アイテム比較の場合：
- 主要ASINのアイテム比較レポートをエクスポート
- 上位5〜10社の競合他社との比較データを含める
- 顧客の検討パターンと人口統計の内訳を記録
ステップ2：パターン認識
提供されたデータを使用して以下を特定します：
SFRの洞察：
- 検索頻度が高いがクリックシェアが低いキーワード（機会ギャップ）
- コンバージョンシェアがクリックシェアを大幅に下回っている場合（最適化が必要）
- 季節性の検索パターン変化
- 新しいキーワードトレンド
マーケットバスケットのパターン：
- 共購入率が25%超の製品（強力なバンドル候補）
- カテゴリー交差パターン（拡張機会）
- 購入組み合わせにおける価格帯の相関関係
- 地理的または人口統計による購入パターンの違い
アイテム比較分析：
- 重要度順にランク付けされた顧客の検討要因
- 自社ブランドの競合強みと弱み
- カテゴリー内の価格感応度パターン
- 顧客セグメント別の機能選好
ステップ3：戦略的統合
洞察を以下の出力形式に従って実行可能な推奨事項に変換します。
出力形式
分析はこの構造で提示します：
## ブランド分析戦略レポート: [Brand/Category]
**分析期間:** [timeframe] | **データソース:** [SFR/Market Basket/Item Comparison]
**マーケットプレイス:** Amazon [region] | **レポート日:** [current date]
### 1. 検索頻度ランクの機会
**上位キーワードギャップ:**
| キーワード | 検索ランク | 自社クリックシェア | カテゴリー平均 | 機会スコア |
|---------|-------------|------------------|--------------|-------------------|
| 「ワイヤレスイヤホン防水」 | #23 | 2.1% | 8.4% | 高 |
| 「Bluetoothヘッドホンジム」 | #45 | 0.8% | 5.2% | 中 |
| 「ノイズキャンセリングイヤホン」 | #67 | 4.2% | 6.1% | 低 |
**季節性トレンド:**
- [Keyword]の検索は[months]にピーク（ベースライン比+X%）
- [Category]は減少傾向（前年比-X%）
- 新たな機会: [new keyword trend]
**推奨アクション:**
1. 機会の高いキーワードへの広告費を増加
2. クリックシェアが低いギャップキーワードのリスティングを最適化
3. [upcoming peaks]に向けた季節キャンペーンを準備
### 2. マーケットバスケットの洞察
**クロスセル機会:**
| 製品組み合わせ | 共購入率 | 収益機会 | 推奨事項 |
|--------------------|------------------|--------------------|--------------|
| 自社製品 + [Item A] | 34% | 年間+$2.3M | バンドル作成 |
| 自社製品 + [Item B] | 28% | 年間+$1.8M | クロスプロモーション |
| [Item C] + [Item D] | 25% | 年間+$1.2M | 新製品の機会 |
**カテゴリー拡張の洞察:**
- 顧客の23%が[adjacent category]も購入
- 地理的集中: [region]ではクロスカテゴリー率が40%高い
- 人口統計パターン: [age group]がクロスカテゴリー購入の60%を牽引
### 3. 競合ポジショニング
**アイテム比較分析:**
**顧客の検討要因（ランク付け）:**
1. 価格（43%が主要因）
2. レビュー/評価（31%の重み）
3. ブランド認知（18%の影響）
4. 機能セット（12%の検討）
**自社の競合ポジション:**
✅ **強み:** 高い評価（4.6対4.2）、35〜54歳の層での強いブランド想起
⚠️ **弱み:** 価格認識、限定的な機能差別化
**市場機会:**
- プレミアムセグメントが未充足（現在の範囲より15%高い価格許容度）
- 機能ギャップ: 顧客は[specific feature]を求める（比較の67%で言及）
- 地理的拡大: [regions]で強いブランド選好
### 4. 戦略的推奨事項
**即時アクション（今後30日以内）:**
1. マーケットバスケットデータに基づき[product bundle]を発売
2. [top 3 opportunity keywords]への広告費を増加
3. [geographic segments]でプレミアム価格のA/Bテスト
**Q4戦略:**
1. [trending keywords]の季節キャンペーンを準備
2. 競合ギャップに対応する[feature enhancement]を開発
3. [specific product]で[adjacent category]に拡大
**2027年成長計画:**
1. クロスセルデータに基づく[category]の完全拡大
2. 機能重視のセグメント向けプレミアムラインの開発
3. [high-opportunity regions]に焦点を当てた地理的拡大
**予測される影響:**
- バンドル最適化: +$X.XMの収益
- キーワード最適化: +X%のコンバージョン率
- カテゴリー拡大: +$X.XMのTAM
他のスキルとの統合
このスキルは他のブランドレジストリや競合分析スキルと完璧に連携します。
amazon-keyword-researchとの連携
npx skills add nexscope-ai/Amazon-Skills --skill amazon-keyword-research -g
ステップ1: 「キーワード機会のためにSFRデータを分析」
→ amazon-brand-analyticsがクリックシェアギャップを特定
ステップ2: 「それらの機会キーワードのロングテールバリエーションを調査」
→ amazon-keyword-researchがキーワードユニバースを拡張
amazon-competitor-monitoringとの連携
npx skills add nexscope-ai/Amazon-Skills --skill amazon-competitor-monitoring -g
ステップ1: 「競合ポジショニングのためにアイテム比較データを確認」
→ amazon-brand-analyticsが競合の強み/弱みを明らかに
ステップ2: 「それらの主要競合の監視を設定」
→ amazon-competitor-monitoringが戦略の変更を追跡
要件
⚠️ ブランドレジストリ必須: このスキルはブランドレジストリ参加者のみが利用可能なAmazonブランド分析データへのアクセスが必要です。このスキルを有効に使用するには、ブランド分析ダッシュボードからデータをエクスポートする必要があります。
制限事項
このスキルはブランド分析データを解釈するためのフレームワークを提供しますが、Amazonのブランド分析ダッシュボードから生データをエクスポートして提供する必要があります。自動化されたブランド分析処理とリアルタイムの戦略的推奨事項については、Nexscope — よりスマートなEコマース判断のためのあなたのAIアシスタントをご確認ください。
** Nexscopeによって構築 ** — AIでEコマースの機会を研究、検証、実行します。