新手如何用数据定价,淘宝新手卖家如何定价各省快递运费

看你的业务量

件数越多单价越低，速度越快单价越高，服务越好单价越高

首先要看商品类目，根据商品来选择相应的快递公司，快递比较公认的分级如下：

第一等级：顺丰、ems；

第二等级：宅急送，圆通、申通、中通、汇通、韵达等。

其中圆通和申通的价格还要比另外中通韵达高一点，此档中、汇通最低，宅急送好久没遇到了，不知道什么情况。

第三等级各种其他小型民营快递。

如果是单价高的商品，建议直接找顺丰，不过新卖家也没啥议价空间。

如果是不在乎买家体验的廉价商品，那就要选没听过名字的，价钱能压到很低。

如果是介于两者之间，那么就要综合考虑了，价格+服务+速度。

快递这行业，基本一分钱一分货，大家都知道顺丰最快顺丰最好，但也知道顺丰最贵，所以根据商品情况，确定需要选定的快递档次。

今年好像快递都涨价了，一般商家寄快递可以选择菜鸟裹裹商家版，订单多的话比较划算，也可以自己联系快递，长期合作的话价格也是可以协商的。

若是要做一个图一的折线图，就是要做一个数据结构表，年数和平均单价，另外有一个单元格输入汽车型号，型号可用下拉菜单直接点，平均单价只要用AVERAGEIFS函数即可自动核算，最后根据表格生成图一的图表完成后，只要选择车型，自动生成图一的折线图啦

想要深入学习数据分析，第一步是要进行Python实战，然后需要对业务进行深入的理解，建立指标体系和思路，因为脱离了业务的数据分析基本上就是瞎胡闹。

这里我就不谈业务了，先演示一下如何利用Python做一次真正的、完整的数据分析实操。

————————Python实操正文————————

比如说，我想要研究亚马逊上Top100的细分品类——女式内衣的销售情况。（还有点不好意思）

分析分为三步：数据采集、数据清理、可视化分析

一、如何爬取内衣数据

Python爬数据很简单，我个人总结大致就 3点：请求数据、进行数据处理、写数据。

请求数据

会有几种可能：

很简单的html页面，就直接requests就可以请求成功；js渲染的页面 ，这种页面超多，requests请求一堆js数据；需要登录才能获取，至今登录我都是用的cookie 请求登录，但应该有更好的办法；json数据；数据处理

会有几种可能：

请求的数据是简单的html结构页面——直接BS4解析就好了请求的数据是json——导入json模块进行解析请求的数据是简单的js渲染的html页面

遇到这种页面通过抓包或者简单的在网站上审查请求，然后找的你想要的那部分数据，如果是js渲染的html，其实就是js拼写的html，只要把其他无用的数据匹配掉用正则找到剩下想要的html文本就好了 。然后BS4解析。

写数据

open方法进行文件打开 里面的参数进行文件格式设置，读写文件、编码格式操作

文件格式我用过的就是txt、csv 、xml 大部分文本格式都支持的。

a--是创建文件 每次写都是重新创建w--是追加a--是读数据encoding="utf-8"这句话 不加encoding= 在windows系统下会报编码错误，linux不会。

然后就是数据量太大，写入到数据库数据库就用sqlite，记得引入模块 import sqlite3，就是创建数据表。

好了，不啰嗦，开始爬数据。

1、爬取商品排名和详情页链接

需要爬取的具体字段：排名（Rank），商品名（item_name），商品详情页链接（item_link）、商品图片链接（img_src）。

2、在商品详情页爬取更多商品信息

店家名、店家链接、商品名、价格

星级、评论标签

核心：

构建函数来获取单个商品的详细信息；利用for循环，遍历商品详情页链接列表，来获取每个商品的详细信息

3、爬取评论

评论内容，星级

核心：

从上一步的csv文件中，读取Rank , item_name , reviews , reviews_link字段构建函数读取每个商品的所有评论利用for循环，获取所有商品的所有评论存储到数据库和csv文件中

4、爬取size和color数据

和第三步基本一样，代码基本一样，主要在于要确认每页评论的size&color个数。

二、数据清洗和预处理

1、读取、清洗数据

从csv文件读取100个商品的数据，筛选出所需要的字段，进行数据清洗。

这里注意，部分读取的数据，看似是数值，实际是字符，因此需要进行类型转换（如price拆分后，还需要转为float型）

需要参与数值计算的NaN，使用平均值进行替换。

2、以商家维度处理数据

获取所需的数据：商家的星级、评论数总和、评论数均值、最低价均值、最高价均值、价格均值、商品数量、占比。针对星级、评论数均值、价格均值、商品数量做标准化处理，并计算加权分。

三、分析：歪果情趣内衣哪家强

1、不同商家的星级排名

平均星级达4.15分，高于平均分的商家超过一半（17/32）Top1的LALAVAVA高达4.9分，紧随其后也有5家达到4.5分。倒数第一N-pearI只有3.2分

让我看看LALAVAVA长什么样。亚马逊上的商品，看上去就是普通泳衣，米国人还是很保守的嘛~

但评分高真的就说明产品好吗？不如来看看评论数吧。

②不同商家的平均评论数排名

首先平均评论数只有193条，而且高于平均线的只有不到三成（12/32），想想淘宝动辄上万，我们的人口优势让米国人羡慕呀；再来看星级Top1的LALAVAVA，评论数少得可怜，那么对其商品真实质量就要存疑了；而星级倒数的N-pear I，同样评论数很少，那大概率其商品其实不咋地；反观评论数Top1的Garmol，其星级评价4.4，口碑佳评论也多，看来是不错的商品；紧随其后的几家，其星级分数就低于平均分了

那么，亚马逊的星级评价难道就只受评论数的几颗星比例影响吗？我查阅了网上的一些资料，发现亚马逊评价星级评定的三个重要因素：评论距离现在的时间，评论被买家投票采纳数，评论是否有verified purchase标志（意指真实买家）。此外，评论的字符数，被点击次数等因素也可能会对评论星级有影响。

看来，亚马逊对评论的监控和管理是非常严格而复杂的！当然，最重要的还是看看评论第一名的Garmol长什么样：

比上边的泳衣更点题了，大家说好才是真的好，very sexy！

2、不同商家的价格区间排名（按均价）

从图上来看，明显ELOVER锁定的是高端市场，定价区间在49刀左右；相反，Goddessvan定价仅0.39刀，还只有一款，猜测可能是亏本冲量，提高商家曝光，抢夺低端市场从均价来看，基本分布在10-20刀间，说明这是情趣内衣市场的主要价格区间；但20-40刀区间居然没有任何商家，可以在这一块深入研究，看能不能找到证据说明该区间是蓝海，有更大的市场潜力而从每个商家的价格区间来看，大多数都是采取多颜色或款式的策略，一方面为用户提供更多选择，另一方面也体现了商家的上新能力；而仅有少数几家采取了单一爆款的策略

最奢华的ELOVER看上去果然比较女神，缩略图都比别家更用心。

那么，到底哪个商家的策略更靠谱，市场份额更大呢？

3、商家的商品数量饼

在Top100的商品占比中，Avidlove以28%的巨大优势称霸而其他商家基本都是个位数的占比，没有很明显的优劣势

Avidlove的内衣是酷酷风的，我喜欢。

单一方面毕竟还是很难衡量哪家商家更优秀，不如综合多个指标来分析吧~

4、不同商家的加权分排名

将星级、平均评论数、商品均价、商品数量进行标准化处理后，因为不好拍定加权的比例，便将4项的归一化结果x10后直接累加得到总分，并制作成条形堆积图。

而每个商家的4项指标的占比，则侧面反映其自身的优劣势。

Avidlove，刚刚的酷酷风内衣，在其他三项中规中矩的情况下，以商品数量优势夺得综合分第一，有种农村包围城市的感觉Garmol，主要依靠口碑（星级、平均评论数）的优势，夺得了第二名ELOVER，主要依靠精准切分高端市场，夺得了第三名N-pearI，没有任何优势，不出意料的光荣垫底

口碑最差的N-pearI，能搜到的商品也最少，不过图很劲爆，emm……然而不是我的菜

粗略来看的话，想要排名靠前，口碑一定不能太差，至少要保持在平均水平及以上！

5、不同商家的星级/价格散点图

用Python做了张散点图，x轴为商家的商品均价，y轴为商家的星级，点大小为商品数量，商品数量越大，点越大，点颜色为评论均值，评论均值越大，颜色越深红。

利用价格均值和星级均值，将图切分为四个象限：

①左上象限：实惠好评的商家

②右上象限：有点贵，但一分钱一分货的商家

③右下象限：贵，但质量不咋地的商家

④左下象限：便宜没好货的商家

所以借助这张散点图，挑商家买东西就容易多啦：

追求性价比，可选择Avidlove，而且商品多，任君挑选 ；追求高端，可选择ELOVER，它贵有它的道理 ；追求大众，可选择Garmol，评论数最多，而且好评居多 。

顾客可以根据自己的喜好挑选合适的商家，那么作为商家如何改进自己呢？

6、词频分析

前面在爬取的过程中，同样爬取了评论标签，通过对此进行词频分析，可以发现顾客最关心的依次是：

是否合身：size、fit等相关字眼多次出现且排位靠前质量：good quality、well made；soft and comfortable、fabric是对材质的肯定款式：cute、sexy、like the picture你懂的价格：cheaply made勉强算价格吧，但更多是对商品质量的怀疑口碑：highly recommend，评论的还是非常有参考价值的

评论标签的数量较少，进一步对2.4w条评论进行词频分析，并制作成词云：

快夸我底图选得好！

最直观的，仍然是跟“是否合身”以及质量或款式有关。那么我们就从顾客购买商品的Size&Color继续分析

这里，Size&Color的词频数据存在几点问题：1、数据量较少，仅有约6000条2、Size&Color无法较好的区分开，因此一起分析3、商家的命名规则不同，比如同样是黑色款，有个商家会命名black，而有的可能是style1（所以一些奇怪的数字编号其实是商家的款式编号）4、有些奇怪的字眼如trim可能是爬虫时爬错了或者导出csv时的格式错乱

可以明显看出：

Size方面：large、medium、small肯定均有涵盖，但另外还有xlarge、xxlarge、xxxlarge，亚马逊主要是欧美顾客，可能体型相对较大，所以商家应该多研发以及备货针对体型较大的顾客的商品。

Color方面：非常直观：Black > red > blue > green > white > purple....所以黑色、红色永远不会错；绿色是出乎我意料的，商家也可以大胆尝试。

Style方面：词频中出现trim、lace字眼，蕾丝最高！！！

最后

在分析了Top100的商品信息和2.4w条评论后，作为一篇正经的python数据分析研究，我们来总结一下亚马逊情趣内衣产品和销售策略：

1、一定要注意的竞品

Garmol、ELOVER、Avidlove分别在口碑、定价、产品数量三个方向有其核心优势，是需要重点研究的竞争对手。

2、口碑很重要

Review和星级是影响口碑的重要因素，需要深入研究其算法机制并制定针对性的营销策略Review和星级有基础要求平均星级达4.15分，高于平均分的商家超过一半平均评论数只有193条，高于平均线的商家约三成Review相对淘宝评论较少，亚马逊的算法复杂且惩罚力度大，因此Review重精胜于重多

3、定价策略

主流市场竞争激烈，价格多集中在10-20刀间高端市场有切入机会，目前仅ELOVER一家，价格在40-55刀间低端市场价值不大，利润空间小，为了提高曝光或铺量可考虑，但不利于以后冲击中高端市场中高端市场机会巨大，20-40刀区间暂无其他商家，有巨大的市场潜力

4、产品策略

应结合目标市场和定价，提高研发和上新能力，先多产品试错，再尝试单一爆款巩固市场内衣尺寸：合身最重要，需贴合国外顾客的体型，一般large及以上。颜色上：保守可多使用黑色、红色，同时可大胆尝试绿色。款式上：多采用蕾丝装饰质量和品控是底线

5、拓展&思考：

亚马逊Best Sellers是每小时更新一次，理论上可以每一小时爬一次，看商品的排名变化，是否有新品等 ，可以尝试自动化爬虫；针对上一点，但商品的评论内容并不是经常更新的，如何去重避免重复爬取？（类似于断点续传功能）；此次也有爬取商品图片的链接，可全部下载；在积累一定的图片素材以后，就可以一定程度上看出颜色、甚至是款式的趋势。

——————一次完整的数据分析就结束了——————

方法一.成本定价

产品的成本包括产品进价、运费、仓储、打包、人员管理等费用，以此可以得到产品的直接成本；

根据退货率、产品破损率、客户维系方案等情况，给产品增加一项售后成本，一般来说可以参考一次发货运费均摊到每款商品上；

在电商环境下必备的营销推广成本也是必不可少的，随着平行式优惠模式的出台，单品级优惠、店铺级优惠、跨店级优惠叠加享受，一到促销期很容易导致亏损，所以务必提高产品成本；

平时参加活动时平台会要求设置低于30天售价最低价，外加淘宝客、直通车等付费推广手段的使用，商品定价如果没有考虑周全，会导致后续推广乏力，没有引流能力。

核算出产品的成本后，根据产品在店铺中的定位款+上对应的利润，主推款利润>20%，活动款利润>10%，形象款利润可以更高一些。

方法二.关键词定价

在淘宝搜索关键词时，系统会根据该搜索环境下消费者的购物意愿进行商品千人千面的曝光。但是我们这次要看的是搜索环境下，系统计算出的消费者对价格的喜好区间，根据自己的店铺定位，找到符合主要目标人群的心里价位，如图所示：

方法三：数据定价

生意参谋工具里面可以看到市场中同行商品销售情况排行，对行业类目中交易指数排名前20的产品统计他们的一口价，一般分为2-3个区间。而这个价格就是该行业中能够拿到搜索流量的最佳价格。根据自己产品的定位，参考该价格区间以此作为一口价。

01 定价误区

成本加利润定价

提到产品定价，一个明显的错误定价方法就是采用成本加利润定价。比如产品成本8元，制造商期望赚到的利润为2元，那么对产品定价为10元。成本加利润的定价方式，问题之一是无法实现利润的最大化，导致企业发展的速度滞后，在竞争环境下容易被其他企业淘汰。

其次，在产品未投入市场前核算的成本普遍只有产品的生产成本，未核算后期的销售成本、维护成本。若后期的成本超出预期收益，只能调整产品价格，不利于培养客户忠诚度。

薄利多销定价

收入=利润*销量，薄利多销的方式的确可保障收入，但前提是要确保“薄利”的同时可以带动“多销”，而实际情况，薄利往往带来的是消费者对产品质量的质疑，反而不利于销量，起到了负面效果。

即使通过“薄利”实现了“多销”，但在价格、成本和销量三个因素中，销量的增加会带动管理成本、促销费用的增加，导致净利润的增长缓慢。相比于销量增加带来的净利润增长缓慢，定价的提高会更有效的带动利润，带动收入的快速增长。调研机构数据表明，产品销量上涨1%，仅可带动利润上涨1.5%，但产品定价提高1%，可以带来利润上涨8%。相比于走薄利多销道路，合理的定价才能实现最大化收入

数据价值化包括但不限于数据采集、数据标准、数据确权、数据标注、数据定价、数据交易、数据流转、数据保护等。

价值化的数据是数字经济发展的关键生产要素， 加快推进数据价值化进程是发展数字经济的本质要求。习近平总书记多次强调，要“构建以数据为关键要素的数字经济”。党的十九届四 中全会首次明确数据可作为生产要素按贡献参与分配。

第一种：常见定价法

这种方法又分两种：成本定价法与咬紧对手法。

成本定价法的计算方式为成本+利润，如卖家卖水杯，进货价15，打算每笔赚5块，故定价20元卖。这种方法优点是能保证卖家每笔都能赚到钱，缺点是不区分用户，对所有用户统一售价，不能保证预估的销量是否好。如对手降价，我们仍保持此价，影响销量，即不能对市场反应做出及时调整。

咬紧对手法的定价思路是紧跟对手出价，不能保证预估的销量是否好。如对手降价，我们仍保降价，疲于应付，以亏本的姿态做销量。其优点为紧跟对方，不让其抢占份额，缺点是对方有可能综合成本比我们低，故卖低价能赚钱，而我们成本比他们高，紧跟价格，易亏损，坚持不能长久。

第二种：公式定价法

卖家为产品定价时，通常需要考虑进货价、国内、国际运费、费、利润=成本*利润率、平台（额5% ， 8%）、活动折扣、联盟佣金提现手续费、成本这些因素。计算公式：价格=成本//（1-类目佣金） /（1-联盟佣金）/打折数/（1-利润率）。

第三种：活动定价法

这里的活动是指平台活动。卖家可对产品所在行业的主要平台活动多多观察，了解热门的平台活动中同类产品的价格、折扣，同时在卖家后台详细了解平台活动在价格、折扣方面的具体要求，在考虑我们的成本基础上，可适当结合这些因素为产品定价。

第四种：区域国家定价

速卖通面向全球用户，我们在为产品定价时需要考虑这点。并不是说每个国家我们都要考虑到，一是不现实二是做不到。卖家可以认真的结合"数据纵横"下"国家市场"这个工具分析下产品所在的行业，其主要的流量贡献国家和销量国家，这些国家的用户其实就是我们要考虑的主要群体。这类重点国家，我们通过对国家，可以了解当地用户购买力情况，在结合产品成本的基础上，对出价的考量及折扣设置做到更好。

第五种：市场定价法

此种定价方法需要借助于平台搜索结果中展示的区间价格，前面几种定价方式相对来讲都是基础的定价，最后这一种定价方式就是你拉开同行商家的关键点了，后台价格筛选项中我们可以看搜索此词的已购买用户中不同价位下的用户群比例进行分析，这类操作相对比较复杂技巧也比较多

一般刚起步的电商，价格不会太低，因为发件量达不到很高，哪个快递都不会以很低的价格收，价格一般都是按照发件量和单个重量来衡量的。如果单个重量很低寄件量比较大的话是可以申请低价的。

谢谢邀请！一个产品或者新产品如何定价，主要要从三方面考虑：

第一，从产品的的特性出发，如果是比较普通的产品，就要根据同类产品的价格定价，相差不能太多，如果是及其特殊的产品，市场同类产品很少，就可以拟订较高的价格。

第二，可以根据产品的上市时间定价。新产品刚上市的价格可以相对好一些，如果不是新产品，并且时间也不短了，价格就需要相对低一些，这样才可以卖出去，不至于砸手里。

第三，可以根据同类商品的价格参考定价。产品在上市之前都是需要参考同类的，价格需要适中一些，除非自己的产品很特别，而且很抢手，价格就可以定高一些。

以上纯属个人观点，谢谢悟空！