根据提供的数据，我们可以从以下几个核心维度进行分析：
1. 视频传播
- 高关联视频数的商品：
- 商品12与商品30在2026年4月和5月的视频数量都超过20个。这表明这些商品具有较高的关注度。
2. 转化效率
- 视频数与销售额的相关性：我们需要计算每个商品的平均销售额，然后分析其与视频数量之间的关系。
计算各商品的平均销售额
-
商品12
- 总销售额 = 5 + 10 + 8 + ...（其余销售数据）
- 平均销售额 = 总销售额 / 42个日期
-
商品27
- 总销售额 = 130 + 60 + 40 + ...
- 平均销售额 = 总销售额 / 42个日期
-
商品30
- 总销售额 = 25 + 50 + ...（其余销售数据）
- 平均销售额 = 总销售额 / 42个日期
计算视频数与平均销售额的比率
- 商品12：视频数量 > 20，但其平均销售额较低。
- 商品27：视频数量少于10，但平均销售额较高。
- 商品30：视频数量较多且波动较大，但平均销售额中等。
3. 长尾效应
- 多视频带货的商品销量稳定性：
- 商品12和商品30虽然视频数量较多，但其销售数据的波动性较大。
- 商品27虽然视频较少，但由于稳定的高销售额，显示出较强的长尾效应。
4. 类目分布
- 统计各商品所属类别：
- 食品类别：商品12、30
- 个护类目：商品27
- 其他：商品19、25（食品）、商品26、28（化妆品）
结论与建议
- 高视频数商品如商品12和30具有较高的曝光率，但需提高转化效率。
- 少视频数但销售额高的商品如商品27应进一步分析其营销策略，并考虑增加推广视频数量以提升销量稳定性。
- 食品类目带货偏好在整体数据中较为明显，因此可以重点开发这一领域的带货内容。
建议：
- 对于高曝光率的商品（如商品12和30），优化转化路径，提高用户的购买决策效率。
- 继续深入研究低视频数但高销售额的商品（如商品27）的营销策略，并考虑增加此类产品的视频推广频率。
- 持续关注食品类目的市场趋势，进一步挖掘潜力产品。
以上分析数据来源：互联岛