淘宝卖家都知道，商品发布时的属性选择会直接影响商品的搜索流量大小。受买家欢迎的属性自然就会得到较多的搜索流量，找到这样的属性，无疑就能为商品的搜索权重加分。而同一属性在不同的时期受买家欢迎的程度也不同，因此，卖家需要根据市场的变化节奏来调整商品的属性。

在生e经中，卖家可以分析类目商品的属性成交量，而属性的成交量就是衡量该属性是否受到买家欢迎的最好标准。如图2-53所示是“半身裙”商品的“裙型”属性在2015年4月的成交量分布图，从中卖家可以一眼看出“百褶裙”这个裙型属性是成交量最高的，也就说明在4月该属性受到了大量买家的欢迎，那么该属性的搜索量一定不会小。

但是仅凭这样一点信息，卖家就可以决定店铺中的“半身裙”商品，凡是与“百褶裙”属性沾边的，都要统统设置为“百褶裙”属性吗？该属性的市场需求变化如何？万一卖家店铺中没有符合该属性的“半身裙”商品,又该选择什么属性为最佳属性呢？而且商品上架都是需要提前进行布局的，不可能5月需要上架的商品4月才开始分析其属性，所以卖家需要分析属性成交量趋势。

下面就来看看如何利用生e经中的数据“变魔法”，解答以上一系列的问题。

步骤    01　   下载数据

这里假设卖家需要分析2015年“半身裙”商品的“裙型”属性需求，那么就要下载2014年12个月的属性数据，如图2-54所示，首先选择1月的数据进行下载。

步骤    02　   新建Excel工作表

将下载下来的“半身裙”商品2014年12个月的“裙型”属性成交量数据有秩序地整理到一个文件夹中，如图2-55所示，在该文件夹中新建一个Excel工作表，命名为“2014半身裙裙型汇总”。

步骤    03　   将数据整理到新建的汇总表中

由于卖家需要分析商品属性在前一年中的成交量趋势，所以需要将一年12个月的数据复制粘贴到新建的汇总表中。

如图2-56所示，打开成功下载的2014年1月“半身裙”商品的“裙型”成交量数据表，拖动鼠标选中所有数据，并按Ctrl+C键进行复制。

然后打开新建的Excel汇总表，按Ctrl+V键进行粘贴。为了区分不同月份的数据，需要在汇总表中新建一列“日期”列。如图2-57所示，“日期”列建好后，在该列的第一行中输入“2014/01”，然后将鼠标放在该单元格的右下角，当鼠标变成黑色十字时，拖动鼠标向下复制，直到覆盖完所有1月的数据。最后单击“日期”列数据最下方的图标，选择“复制单元格”，就能快速为汇总表中1月的数据添加上日期了。

接着整理2月的数据到汇总表中，要注意2月的数据在复制时仅仅复制数据信息，不用复制工作表中第一行的数据字段，如图2-58所示。

按照同样的方法，将2月的数据整理到汇总表中，并添加上日期，结果如图2-59所示。
接下来，再将3月—12月的数据整理到汇总表中，添加上日期即可。

      
        
 
步骤    04　   创建数据透视表

做好汇总表后，需要利用这些数据创建数据透视表。首先单击表中的任意数据单元格，表示用表中的数据创建数据透视表，然后再单击“插入”选项卡下的“数据透视表”按钮，如图2-60所示。

然后就会弹出“创建数据透视表”对话框，由于前面任意选中了表中的数据单元格，所以对话框的“选择一个表或区域”中会自动设置范围为表中所有数据单元格。其他选项保持不变，单击对话框下方的“确定”按钮，如图2-61所示。

步骤    05　   设置“数据透视表字段”窗格

数据透视表创建完成后，需要在自动打开的“数据透视表字段”窗格中进行设置。如图2-62所示，选择“属性值”“成交量”“日期”，然后拖动“属性值”到“列”区域、“日期”到“行”区域、“成交量”到“值”区域。创建完成的数据透视表部分内容如图2-63所示。
               

 

步骤    06　   创建折线图

在创建好的数据透视表中，任意单击一个数据单元格，表示用表中数据进行下面的操作，然后单击“插入”选项卡下“图表”组中的“二维折线图”按钮，选择折线图，如图2-64所示。

步骤    07　   进行数据分析

此时从生e经中下载下来的2014年“半身裙”的“裙型”属性成交量数据就被成功转变为折线图了，如图2-65所示。在折线图中可以方便地进行不同属性的成交量对比，找到不同属性成交量的变化时间点，查看不同属性的成交量趋势。

由于“裙型”属性较多，所以图2-65中仅仅选择了成交量较大的5个属性进行折线标记的设置，方便区分不同的折线。

从图中可以看到，在2014年一整年中，“百褶裙”属性的成交量在每个月都是最高的，也就说明在半身裙商品中，“百褶裙”这个属性的市场需求比较大，同时它的搜索流量也应该是比较大的。将店铺中符合属性条件的“半身裙”商品设置为“百褶裙”属性比较有利于引流。

同时还可以分析出其他信息。例如，8月是“裙型”属性成交量的一个转折点，这时的属性商品成交量比较低，那么卖家可以养精蓄锐，准备在转折点过后迎接商品属性成交量的另一个高峰。“蓬蓬裙”商品属性在3月—8月的成交量比较低，但是在9月过后就会达到新的高峰期，成交量跃居第三位。看到这样的趋势，卖家可以设想，假如2015年的“蓬蓬裙”属性成交量也保持这样的趋势，那么在9月之前就要做好准备，布局店铺中符合“蓬蓬裙”属性的商品，保证其属性选项最佳。为了保证这个结论的准确性，卖家可以下载2013年的“半身裙”商品的“裙型”属性数据，查看连续两年的属性成交量趋势。

“半身裙”商品的成交量较高的部分“裙型”属性在2013年和2014年连续两年的成交量趋势如图2-66所示。从中可以发现，这些属性连续两年的成交量波动情况十分相似，例如，都是在8月进入销量低谷然后再回升，“百褶裙”属性的销量都保持最高，“蓬蓬裙”属性都是在9月过后销量增加跃居前三位。这些趋势可以为卖家安排2015年的“半身裙”商品的“裙型”属性提供有力的参考。

利用生e经的属性数据制作折线图，可以高效地分析出类目商品不同属性的搜索需求大小，但是要想快速准确地分析出各个属性在一年中的市场需求量大小就比较困难，此时卖家可以将原数据换一个方式表现——变变“魔法”，就能轻松达到目的。

首先来看看什么是雷达图，又该如何读懂雷达图。

卖家使用雷达图可以清楚地分析不同时间点的各项数据大小，还能根据数据面积大小来估计某段时期内的各项数据总和大小。

如图2-67所示是典型的雷达图示例。在该图中有4个数据项，这4个数据项以同一个中心为出发点，根据不同时期的数据大小向外扩散，数据项向外扩散得越多，代表数据越大，例如，时间点为“2015/1/9”时，数据项“D”向外扩充得最多，说明它的数据值最大。并且不同数据项的轮廓面积越大，说明它在这段时期内的数据总和越大，例如，数据项“D”的轮廓是所有数据项中最大的，说明它在2015/1/5—2015/1/12这段时间内的数据总和最大。

根据雷达图的数据表现形式，卖家就可以轻松分析出类目商品的不同属性在不同时间点的市场需求量大小，也可以分析出一段时间内商品属性的市场需求量大小，从而舍弃市场需求仅仅是“昙花一现”的属性，选择经营市场需求较稳定、持续性好的属性。

明白雷达图的概念后，就可以开始着手用商品属性数据创建雷达图了。如
图2-68所示是整理好的2014年“半身裙”商品的“裙型”属性数据透视表，用鼠标单击任意数据单元格后，再单击“插入”选项卡下 “图表”组中的“雷达图”图标。

雷达图创建好后，卖家可以双击图表，在“设置图表区格式”窗格中对图表的格式进行细节上的调整，方便数据系列的区分与查看。如图2-69所示，由于版面有限，所以只选择了4个属性系列进行显示，并调整了各数据系列的标记。

从图中可以看到，“百褶裙”属性在2014年中的表现十分不错，因为它在每个时间点的值都是最大的，并且从轮廓大小来看，它也是最大的，说明它在单个时间点的市场需求大，在2014年一整年的市场需求总和也大。

再看“仙女裙”属性，该属性虽然在时间点为“2014/05”时市场需求大小超过了“蓬蓬裙”属性，但是从一整年的市场需求来看，“仙女裙”的轮廓大小明显小于“蓬蓬裙”。所以如果卖家的店铺经营状态比较稳定，也有一定的实力，就最好不要选择“仙女裙”这样的属性，因为这种属性虽然在某个时间点的表现较好，但是市场需求总量不大。如果卖家选择“仙女裙”属性，就会导致该属性总的搜索流量较小。卖家可以选择“百褶裙”“包臀裙”这种市场需求总量较大的属性，从而保证商品的总体搜索流量。