4个压箱底的跨境电商神器（含免费Jungle Scout 替代品、免费网络爬虫）
有人欣赏我的配图，所以我把配图放出来。这可能是小编过年回家前发的倒数第二篇文章。
一、亚马逊店铺退款管家，帮你追回被无辜扣除的金额
99%的卖家会被亚马逊无缘无故地扣钱，退款管家 可帮你自动检测并申诉拿回来!
亮点推荐：
这个工具可免费开设账户，而且没有任何月费。在亚马逊批准其提交的索赔申请之后，才开始收费。会收取一定比例的赔偿款作为佣金。
具体收费是怎样的？可以查看每张账单的明细。账单明细包括所有成功索赔的明细列表，以及针对每个索赔收取的金额。
这个工具有中文版本
工具网址：
https://refundlabs.com/cn/
二、亚马逊商品评论分析神器
支持类目（小编用书包做测试也是支持的）
Electronics、Gadgets 和 Appliances。
支持站点
包括亚马逊美国、加拿大、英国和印度站点。
检测指标
1、Review Count Per Reviewer（每个留评者的历史评论数量）。
2、Unverified Review Streak（留评者的非 VP 评论历史）。
3、High Velocity Reviewers（留评频率）。
4、Inactive Reviewers（不活跃用户）。
5、Reviewer History Overlap（评论者之间历史评论商品的重复性）。
工具网址：
https://thereviewindex.com
三、免费网络爬虫，不需码代码爬取亚马逊等平台数据
1、输入要爬取的网站
2、选择要提取的目标数据
3、开始提取，并获得数据
这里有一份该工具的youtube的教程
https://www.youtube.com/watch?v=vEGFe6shbac
工具网址是：
https://www.octoparse.com/
四、免费的Jungle Scout 替代工具
这个工具还是比较狂的，大家看看。
该工具可以抓取亚马逊界面的数据，包括产品名称，链接，品牌，卖家数量，类目，价格，评论，发货方式等，用户可以用来分析市场情况，了解自己的竞争对手，用于与选品等方面。数据不是精准的但误差不大（误差范围可以接受）
具体按照及使用方法如下：
1、进入官网，下载Chrome浏览器插件
https://www.unicornsmasher.com/
2、使用扩展
只有当使用亚马逊的搜索结果时，该扩展程序才有效；
举例，打开Amazon.com，搜索“iPhone case”这个关键词。在搜索结果页中，再去单击Unicorn Smasher图标时，会出现一个表格，其中包含有关这个listing的所有信息。
3、研究表格
表格中有很多有用的数据，包括 -
列出最受欢迎产品的listing；
每种产品的价格;
每种产品的卖家数量;
甚至还包括Parent ASIN的所有变量（vraiations）；如果这里的score为1,则表示没有变量；
关于价格栏信息，对于有多个卖家（multiple sellers）的产品，在Unicorn Smasher上看到的价格是目前拥有购物车（buy box）的卖家的listing价格。
4、发货信息
同样值得看的数据是最后一栏，显示由谁发货；
AMZ”标签标明该产品属性为sold by Amazon；
“ - ”表明该产品是a merchant fulfilled;
“FBA”= fulfillment by Amazon。
5、销售预测功能
Sales和Revenue预估，是这个应用的重要数据呈现。
销售预测是基于Best Seller Rank data + Unicorn Smasher自己的历史销售数据集合采集。
具体算法是，根据与价格相关的一系列亚马逊数据计算得出的加权数据，然后乘以估算的销售净值。
建议这个数据仅供参考，因为实际销售会因多种市场因素而波动...
6、数据spin
在表格的底部，以灰色突显出的，是每个字段的平均值，
例如，
搜索返回的产品数量，以及上架次产品的最常见部类（category）。
如果想稍后再次查看此信息，可以将其保存到dashboard中。
Dashboard会关联所有已保存的搜索，还可以将其以CSV文件格式，或sharealbe图像文件格式导出。
7、友情提示
Unicorn Smasher搜索结果数据，有两点需要注意。
首先，数据结果仅包括提供新产品的卖家，但在Dashboard中提供了有关新产品和旧产品的集合数据，切记不可混淆。因此，要访问此数据，首先必须将搜索结果保存到Dashbaord。
其次是站内PPC产品，Unicorn Smasher生成它们会被明确标记，但到目前为止还没有看到过这个标记。
因此，如果在Unicorn Smasher结果中重复产品，则并不意味着有数据混淆，而是呈现了Sponsored Listing和organic variations都有出现在数据采集结果中。
由于小编懒得写教程，因此在网上寻找到了这篇实战性的该工具的教程，版权属于：
https://dwz.cn/C2ITY2J3
