Productos de temporada en Amazon: mide la concentración antes de elegir el mes

La investigación de productos de temporada suele empezar con una pregunta: ¿qué se venderá estas fiestas?

Para la mayoría de vendedores hay una pregunta anterior mejor: qué pasa con el stock que queda cuando termina la temporada. Las ventas de temporada no se reparten por igual a lo largo del año, pero el almacenaje, el capital inmovilizado y las pérdidas por liquidación se acumulan cada mes. Cuanto más marcado es el pico, más pesa el inventario que arrastras durante el valle.

Por eso este artículo sigue un orden fijo: confirmar que la estacionalidad es real y se repite cada año, medir cuánto se concentra, comprobar si los listings nuevos pueden captar parte de ella y, solo al final, calcular en qué mes tomar la decisión. La investigación de producto en general está en tratar la investigación de producto como un proceso de descarte; aquí solo se trata la dimensión temporal.

Paso 1: encontrar el mes en que empieza la subida, en varios años

El endpoint de Keyword Research Trends devuelve el histórico mensual de una palabra clave. El ejemplo de la documentación empieza en enero de 2017:

curl --request POST \
  --url https://ecommercedataapi.com/v1/amazon/keyword-research/trends \
  --header "Content-Type: application/json" \
  --header "X-API-Key: ${ECOMMERCE_DATA_API_KEY}" \
  --data '{
  "marketplace": "ES",
  "keyword": "cargador inalámbrico"
}'

Cada fila es un mes. Los campos que importan:

Lo que buscas no es el mes del pico, sino el mes en que la curva empieza a subir. El pico tiene el mayor volumen, pero entrar entonces ya es tarde. Tu punto de decisión está un ciclo completo de reposición antes de la subida: producción, transporte y entrada en almacén sumados.

Y tiene que repetirse. Superpón el mismo tramo de meses durante al menos dos o tres años. Una curva que empieza a subir el mismo mes y toca techo el mismo mes cada año es estacional. Un pico que ocurrió una sola vez es más probablemente una moda, y no es una temporada con la que puedas contar el año que viene.

Dos cosas a vigilar al leerlo:

• La palabra clave se devuelve como keyword. La grafía errónea anterior, keywrod, se sigue devolviendo con el mismo valor, así que el código antiguo sigue funcionando.
• time es un texto con formato chino. Conviértelo a fecha antes de ordenar o graficar; ordenar los textos tal cual falla al cambiar de año.

Paso 2: usar el interanual para saber si esta temporada será mayor o menor

Confirmada la temporada, la siguiente pregunta es el tamaño de este año.

Mira yearlyGrowth en los meses anteriores a la temporada, no chainGrowth. Para un término estacional, el crecimiento intermensual se dispara cada año durante la subida; ese salto es la temporada, no un aumento real de la demanda. El interanual compara un mes con el mismo mes del año anterior, así que el efecto estacional se anula y lo que queda es el cambio de la demanda en sí.

La misma pareja de campos sirve también para diagnosticar una caída de ranking después de que ocurra; ese uso está en monitorización del ranking de palabras clave. Aquí se usa mirando hacia delante.

Dos valores requieren cuidado:

• Los primeros meses no tienen con qué compararse. En el ejemplo, enero y febrero de 2017 muestran yearlyGrowth igual a 0. Ese cero significa "sin base", no "sin crecimiento".
• Una misma fila mezcla dos notaciones. A partir del ejemplo, purchaseRate: 8.31 es un porcentaje (1085 ÷ 13059 ≈ 8,31 %), mientras que chainGrowth: 0.01 es una fracción (13148 ÷ 13059 − 1 ≈ 0,0068). Unifica las unidades antes de ponerlos en la misma tabla.

Paso 3: medir la concentración estacional, cuánto del año cae en el pico

Es el paso que más decide si hacerlo o no, y el que más se salta.

Baja de la palabra clave a los productos: elige algunos ASIN representativos de la categoría y obtén los datos mensuales del endpoint de ASIN Sales Trends. El array salesTrendPoints tiene una fila por mes con month, price, averagePrice, parentUnitSales, childUnitSales, parentSalesRevenue y childSalesRevenue. (El ejemplo usa el marketplace y el ASIN de la documentación; sustitúyelos por los tuyos).

curl --request POST \
  --url https://ecommercedataapi.com/v1/amazon/asin/sales-trend \
  --header "Content-Type: application/json" \
  --header "X-API-Key: ${ECOMMERCE_DATA_API_KEY}" \
  --data '{
  "marketplace": "US",
  "asin": "B08GHW4TBS"
}'

El cálculo es sencillo:

concentración estacional = unidades de los meses pico ÷ unidades del año completo

Cuanto mayor es el cociente, más corta es la ventana en la que tu stock tiene que venderse. Se traduce directamente en riesgo:

• Concentración baja: la estacionalidad es un extra. El producto sigue vendiéndose en temporada baja y la presión de inventario es ligera.
• Concentración alta: el negocio del año se comprime en pocos meses. Si sobreestimas el pedido, lo que sobra espera al año siguiente o se rebaja para liquidarlo.

Dos cuestiones de definición:

• Separa padre e hijo. parentUnitSales es toda la familia de variaciones; childUnitSales es solo este hijo. Comparar la cifra del padre con un competidor de un solo listing la infla tantas veces como variaciones tenga. Ver qué datos de ventas de Amazon puedes obtener y cuáles no.
• Las ventas son estimaciones. Un cociente como la concentración es fiable porque el error sistemático del modelo se compensa en parte entre numerador y denominador. Tratar las unidades absolutas como cantidad de pedido no lo es.

Lee también price y averagePrice mes a mes. Si el volumen del pico salió de descuentos fuertes, no es un volumen que puedas captar a precio completo.

Paso 4: comprobar si los listings nuevos pueden captar parte del pico

La temporada es real y el volumen existe. Queda una pregunta: si los veteranos se lo llevarán todo.

El endpoint de Listing Trends agrupa los productos por el año en que se lanzó el listing y devuelve year, products, units, revenue y unitsRatio para cada grupo. Ojo: su unidad de tiempo es el año, no el mes, así que no puede mostrar estacionalidad. Responde otra pregunta: cuánto de las ventas de la categoría se lo llevaron productos lanzados en el último año o dos.

• unitsRatio bajo en los grupos recientes → el pico va casi entero a listings antiguos, y un producto nuevo que entra para la temporada lo tendrá difícil.
• Una cuota apreciable en los grupos recientes → siguen entrando jugadores nuevos con éxito, y entrar para la temporada tiene opciones.

Este endpoint necesita el nodeIdPath de la categoría. Los ID de nodo cambian entre marketplaces, así que busca primero la ruta de tu marketplace con el endpoint de Product Categories. La estructura del stock existente por tramos de antigüedad ("más de 3 años", etc.) está en análisis de categoría.

Contrastar con la curva de la categoría y con una curva externa

Una curva de palabra clave representa un solo término. Otras dos curvas sirven para comprobar si es representativa:

A nivel de categoría, el endpoint de Product Demand Trends devuelve una serie items para un nodo de categoría, cada elemento con date y glanceViews. Refleja el ritmo de toda la categoría y no el de un término. Si la curva de la categoría y la de tu palabra clave tienen formas muy distintas, puede que esa palabra no represente la demanda principal de la categoría: mira más términos.

Fuera de Amazon, el endpoint de Google Trends devuelve items (time como marca de tiempo y value como índice de interés). googleProp elige búsqueda web (web) o búsqueda de compras (shoppingCart), y monthly controla la agregación mensual. Úsalo para contrastar: cuando las curvas dentro y fuera de Amazon muestran el mismo ritmo estacional, la conclusión es más sólida. No lo trates como un indicador adelantado probado de la demanda en Amazon: la relación cambia según la categoría y tienes que comprobarla con el histórico tú mismo. La página de la API de Google Trends explica con más detalle los parámetros y los límites.

Tres cosas que estos datos no pueden hacer

No conocen tu ciclo de reposición. Los datos te dicen en qué mes empieza la subida. Cuántos meses antes pedir depende de tu fábrica, tu modo de transporte y tu calendario de entrada en almacén, y solo tú puedes completarlo.

No saben si este año trae un imprevisto. Las curvas históricas suponen que este año se parece a los anteriores. Nuevas reglas de la plataforma, cambios logísticos o una gran promoción de un competidor pueden desviarlo. El interanual apunta la dirección; no predice el resultado.

No asumen tu coste de liquidación. La concentración sale como un cociente. Lo que te cuesta cada unidad sobrante en almacenaje y rebajas después de la temporada depende de tu propia estructura de costes.

Preguntas frecuentes

¿Puedo juzgar la estacionalidad de un término nuevo con un solo año de histórico? No de forma fiable. Estacionalidad significa repetición, y un año no distingue una temporada de una moda puntual. Mira primero la curva de demanda de su categoría y, como referencia, las curvas de varios años de términos similares ya consolidados.

¿Qué concentración se considera alta? No hay un umbral universal; léela junto con tu ciclo de caja y tus costes de almacenaje. Es más útil ordenar varios candidatos por concentración que fijarse en un valor absoluto.

¿En qué mes exacto está el punto de decisión para entrar en una temporada? El mes en que empieza la subida, menos tu ciclo completo de reposición. Ambos cambian según la categoría y el vendedor, así que ese mes solo puede calcularse con tus propios números.

¿Puedo fijar la cantidad del pedido solo con las ventas del mes pico? No es recomendable. La cifra del mes pico es una estimación, y la cantidad debería seguir el total de toda la ventana estacional y cuánto stock sobrante puedes aceptar, no el pico de un solo mes.