La forma habitual de juzgar una categoría es por su total: unidades al mes, tamaño de mercado.
Un total te dice el techo. No responde a la pregunta real: si debajo de ese techo queda sitio para ti. Además el total es la cifra menos fiable del conjunto, por los motivos que explica de dónde sale la cifra de tamaño de mercado.
Una categoría que mueve un millón de unidades al mes, con el 80% de ellas en listings de más de tres años, es más difícil para un producto nuevo que otra de cien mil con una estructura floja. El total no muestra esa diferencia. Las distribuciones sí.
Empieza por las estadísticas para dimensionar la sala
El endpoint de estadísticas devuelve métricas base de un nodo de categoría:
| Campo | Significado |
|---|---|
totalProducts | Productos totales |
brands | Número de marcas |
sellers | Número de vendedores |
nodeLabelPath | Ruta del nodo |
currency | Moneda de ese mercado |
brands y sellers frente a totalProducts son tu medida de concentración. Cinco mil productos repartidos entre cuatro marcas y cinco mil entre cuatrocientas son mercados completamente distintos: oligopolio frente a mercado fragmentado, con estrategias de entrada distintas.
Fíjate en que products y totalProducts son campos separados: el primero es el tamaño de la muestra y el segundo el total. Mantenlos claros al calcular proporciones; es lo que más se malinterpreta de este endpoint.
Distribución uno: antigüedad, responde a "¿puede entrar un producto nuevo?"
De las cuatro, lee esta primero.
El endpoint de antigüedad agrupa por tiempo publicado y devuelve label (como "más de 3 años"), products, units, revenue y unitsRatio.
unitsRatio es el campo que importa. El ejemplo documentado para la banda de "más de 3 años" es 0.834: el 83,4% de las unidades de esa categoría va a listings de más de tres años.
Esa cifra responde directamente a la situación de un producto nuevo:
- Los listings antiguos tienen una cuota grande → las posiciones están fijadas y un listing nuevo tardará mucho en mover algo
- Los listings de menos de un año tienen una cuota apreciable → la estructura sigue fluida y hay hueco
- La cuota se reparte entre varias bandas de antigüedad → los recién llegados siguen teniendo éxito; la señal más sana
Un total grande con una cuota pequeña de listings nuevos es la trampa clásica: los datos parecen atractivos y esas unidades nunca estuvieron disponibles para ti.
Distribución dos: tipo de vendedor, responde a "¿contra quién compito?"
El endpoint de tipo de vendedor devuelve la composición por método de envío y tipo, con label (como "venta directa de Amazon"), asinNum, asinRatio, units, unitsRatio, ratings y rating.
El par a comparar es asinRatio contra unitsRatio:
| Patrón | Significado |
|---|---|
asinRatio bajo y unitsRatio alto | Ese grupo se lleva mucho volumen con pocos productos: eficiente y difícil de desplazar |
asinRatio alto y unitsRatio bajo | Muchos productos que no venden; ese grupo hace bulto |
Una categoría con mucha venta directa merece consideración aparte. No implica necesariamente quedarse fuera, pero sube el listón en precio y entrega.
rating y ratings también vuelven aquí, así que puedes leer de paso el nivel de valoración de cada grupo: uno con una media visiblemente baja es una oportunidad de calidad.
Distribución tres: precio, responde a "¿en qué punto de precio?"
El endpoint de precio agrupa por bandas y devuelve label (como "5-10"), products, units, revenue y unitsRatio.
Lo que buscas es un desajuste entre products y unitsRatio.
- Una banda con muchos productos y poca cuota de unidades → llena de productos que no venden, una zona muerta dentro del océano rojo
- Una banda con pocos productos y mucha cuota de unidades → la demanda se concentra ahí y la oferta no ha llegado
La segunda es la posición que quieres. No es necesariamente la banda más alta ni la más baja: suele ser una poco llamativa en el medio.
Endpoint de estadísticas de mercadoEstadísticas base por nodo de categoría: productos totales, número de marcas, número de vendedores y ruta del nodoLeer las cuatro juntas
Cualquier distribución por separado induce a error. Las conclusiones salen de las combinaciones:
| Combinación | Lectura |
|---|---|
| Poca cuota de listings antiguos + marcas fragmentadas + banda de precio desatendida | Merece entrar |
| Mucha cuota de listings antiguos + marcas concentradas | Cerrado; fuera sin una diferenciación clara |
| Mucha cuota de listings nuevos + valoraciones bajas en general | Hay demanda y nadie ejecuta bien: oportunidad de calidad |
| Total grande + los listings antiguos se lo llevan todo | La trampa clásica: buenos números, ninguna entrada |
La tercera fila es la oportunidad que más se pasa por alto. Una avalancha de recién llegados significa demanda validada, y unas valoraciones bajas de forma general significan que nadie lo ha hecho bien todavía. Esa categoría encaja con un vendedor con capacidad de suministro.
Después, filtra productos
El juicio de categoría va primero; filtrar productos dentro va después. El endpoint de investigación expone cerca de veinte condiciones min/max, así que las conclusiones anteriores se traducen en filtros: si la antigüedad dice evitar listings asentados, acota con availableMonth; si el precio te da una banda objetivo, acota con minPrice y maxPrice.
El proceso completo de tres pasos está en Investigación masiva de productos, y pasar los candidatos a una hoja comparable en La hoja de investigación de productos.
Tres cosas que estos datos no pueden hacer
Todo lo relativo a ventas es estimación. Los units, revenue y unitsRatio de estas distribuciones descansan sobre estimaciones, y el marketplace no publica unidades. Comparar estructura relativa con ellos es sólido; tratarlos como absolutos no. Qué dicen y qué no dicen los datos de ventas cubre esa capa.
No te dicen si tu cadena de suministro puede hacerlo. Los datos dicen que una posición está libre; no dicen que puedas ocuparla. Si puedes abastecerte o si hay riesgo de patentes no es algo que el endpoint sepa.
Tienes que elegir el nivel de categoría. Las distribuciones de nivel superior e inferior pueden diferir por completo, y el mismo juicio puede invertirse entre un nodo de primer nivel y uno de tercero. Registra nodeIdPath en vez de escribir "esta categoría" a la ligera.
Preguntas
¿Qué nivel de categoría debo leer? Aquel en el que realmente vas a competir: normalmente la subcategoría en la que se clasifica tu producto, no el padre por encima. La distribución del padre queda diluida por subcategorías ajenas.
¿Qué cuota de listings nuevos cuenta como "se puede entrar"? No hay umbral universal, porque las categorías varían mucho. Lo que funciona es comparar: alinea la misma cifra para varias categorías candidatas y ordénalas, en vez de fijarte en un valor absoluto.
¿Con qué frecuencia se actualizan las distribuciones? Guíate por el momento de cálculo que devuelve el endpoint en lugar de suponer que es en vivo. Al juzgar tendencias mantén una única base y no mezcles muestras de momentos distintos.
¿Sirven estos datos para juzgar estacionalidad? La distribución por antigüedad no: describe la estructura existente. Para estacionalidad usa las series temporales de los endpoints de tendencia de mercado.