Amazon product research wordt vaak verkocht als een schattenjacht: vind hoge vraag, lage concurrentie, redelijke reviews, een logische prijs en een product dat klein genoeg is om te verzenden zonder je finance-team hoofdpijn te bezorgen.
Dat advies is niet verkeerd. Het is alleen te smal voor een brand owner die al verkoopt via Amazon, bol.com, Shopify, Walmart, Kaufland, Mirakl-retailers of TikTok Shop. Dan is de vraag niet meer: “Kan dit product verkopen op Amazon?” De betere vraag is: verdient deze SKU kapitaal, voorraad en advertentiebudget binnen onze volledige kanaalmix?
De bekende fout noem ik single-marketplace product research. Een team ziet een aantrekkelijke Amazon-niche met €85.000 geschatte maandomzet, een mediane prijs rond €27,99 en concurrenten met minder dan 500 reviews. De launch lijkt kansrijk. Daarna gaat het product live en komt de echte operatie boven water: bol.com heeft een lager prijsplafond, Amazon PPC vraagt 29% ACOS tijdens ranking, Shopify-klanten kopen liever een tweepack, retouren liggen op één marketplace 8 procentpunt hoger en de SKU trekt cash weg bij een bewezen hero-product.
Mijn standpunt is simpel: product research moet niet eindigen bij een opportunity score. Voor multi-channel merken heeft product research een profit gate nodig. Voordat je een SKU lanceert, uitbreidt, delist of opschaalt, moet je vraag, concurrentie, prijs, fees, ads, voorraaddekking, retourrisico en kanaalrol in één beslisbeeld zetten.
Deze gids is geschreven voor brand owners met ongeveer 1.000+ orders per maand of minimaal €1,5K marketplace-advertentiespend. Vanaf dat niveau veroorzaken slechte productkeuzes niet alleen dode voorraad. Ze trekken advertentiebudget scheef, verdunnen operationele focus en verplaatsen werkkapitaal weg van producten die het al bewezen hebben.
Wat bestaand advies over product research goed doet
De content van concurrenten is nuttig, vooral voor Amazon-first sellers. Jungle Scout behandelt de basis sterk: vraag, concurrentie, prijsrange, productformaat, eenvoud, sourcing en het vermijden van overvolle markten. Helium 10 kijkt naar historische salesdata, marketplace-filters, keywordkansen, concurrentieprijzen en differentiatie. SellerApp voegt daar een opportunity-score aan toe met vraag, omzetpotentie, winstmarge, concurrentie, BSR-trends, overhead en voorraadsignalen.
DataHawk en MerchantSpring schuiven meer richting analytics. Zij praten over het verbinden van sales, ads, SEO, voorraad, winstsignalen, dashboards en alerts, in plaats van losse tabs. Sellerboard is relevant omdat het benadrukt dat omzet geen winst is zodra fees, refunds, advertising en operationele kosten meetellen.
Reddit-discussies laten de rommelige praktijk achter de nette frameworks zien. Sellers maken zich zorgen over producten die op papier marge hebben, maar instorten zodra Amazon’s calculator, PPC, opslag en retouren worden meegenomen. Anderen vragen zich af of hoge sales met lage winst beter zijn dan tragere producten die cash beschermen. De rode draad is praktisch: tools kunnen kansen aanwijzen, maar de seller moet nog steeds overleven tussen concurrentie, prijsdruk en voorraadfouten.
De gap is duidelijk: de meeste adviezen helpen je een Amazon-kans vinden. Minder advies helpt een bestaand merk bepalen of die kans ook cross-channel resources verdient.
De unieke invalshoek: product research als kapitaalbeslissing
Voor een multi-channel e-commercemerk is een product meer dan een listing. Het is een claim op cash, magazijnruimte, contenttijd, advertentiebudget, klantenservicecapaciteit en managementaandacht.
Daarom is product research eigenlijk kapitaalallocatie. Je beslist waar de volgende €10.000, €50.000 of €250.000 werkkapitaal komt te liggen. Een product dat op Amazon “goed” lijkt, kan alsnog een slechte investering zijn als het lage-margevolume creëert, dure launch spend nodig heeft, een betere Shopify-bundel kannibaliseert of stockouts veroorzaakt op een marketplace waar je al sterk rankt.
Deze operatorvraag hoort bovenaan elk product research-dashboard:
Als we deze SKU moesten financieren uit de winst van ons huidige assortiment, zouden we hem dan nog steeds kiezen?
Die vraag verandert de workflow. Je vraagt niet alleen of er vraag is. Je vraagt of die vraag betaalbaar, verdedigbaar en nuttig is voor de kanaalrol die je wilt geven.
De FiveX profit gate voor product research
Een praktische profit gate heeft zeven checks. Je hebt geen honderd metrics nodig. Je hebt de signalen nodig die dure fouten voorkomen.
1. Kwaliteit van vraag, niet alleen volume
Geschatte maandelijkse sales zijn een startpunt, geen oordeel. Een niche met 4.000 units per maand lijkt beter dan één met 900 units, maar de kleinere niche kan gezonder zijn als de vraag stabieler is, zoekintentie duidelijker is en prijsdruk lager ligt.
Kijk naar vraag die past bij de kracht van je merk. Verkoop je premium keukenaccessoires, dan is een hoogvolume commodity-knoflookpers misschien minder interessant dan een lager-volume opbergproduct waar design, bundeling en content echt verschil maken.
Hier helpt connected marketplace analytics in FiveX: je vergelijkt omzet, conversie, retourpercentage en marge per product over je huidige kanalen voordat je externe vraag automatisch aantrekkelijk noemt.
2. Vorm van concurrentie, niet alleen reviewaantal
Lage reviewaantallen zijn verleidelijk. Maar concurrentie heeft vorm: private-label merken, resellers, Amazon Retail, agressieve coupons, goedkope importeurs, premium spelers en zoekpagina’s vol Sponsored Products gedragen zich allemaal anders.
Een niche met tien concurrenten onder 300 reviews kan alsnog zwaar zijn als de eerste pagina draait op kortingen. Een niche met twee sterke incumbents kan juist kansrijk zijn als reviews klagen over iets dat jij kunt oplossen: onduidelijke maten, slechte verpakking, ontbrekende accessoires of zwakke bundels.
De praktische stap: tag concurrenten op hun zwakte, niet alleen op hun grootte. “Veel reviews, slechte beelden” is iets anders dan “weinig reviews, prijsoorlog”.
3. Echte contributiemarge per kanaal
Hier worden veel product research-oefeningen te optimistisch. Brutomarge is niet genoeg. Je wilt contributiemarge na marketplacecommissie, fulfilment, betaalkosten, retouren, verwachte ad spend, kortingen, contentkosten en operationele handling.
Voorbeeld: een sport recovery band verkoopt voor €29,95. De landed cost is €7,20, dus de brutomarge oogt sterk. Op Amazon zijn referral en FBA-fees €8,10, verwachte launch-ACOS is 26%, retourkosten zijn €1,40 en coupons gemiddeld €1,50. De eerste-ordercontributie komt dan rond €3,96 uit, oftewel 13,2% van de omzet. Op Shopify verkoopt hetzelfde product in een tweepack voor €49,95 met €14,40 productkosten, €5,20 verzendbijdrage, €4,80 payment en fulfilment, en lagere retourhandling. De contributie ligt dichter bij €18,05, oftewel 36,1%.
De conclusie is niet “niet op Amazon lanceren”. De conclusie is: Amazon kan het discovery-kanaal zijn, terwijl Shopify de bundel- en retentierol krijgt. Dat is kanaalstrategie, geen productscore.
FiveX P&L- en margeviews zijn precies voor deze check bedoeld: winst per SKU hoort naast sales en ad performance te staan, niet in een finance-sheet die pas na de launch open gaat.
4. Advertising-permissie
De meeste nieuwe producten hebben betaalde vraag nodig om te leren. Product research moet daarom de launch tax inschatten: hoeveel ad spend is nodig voordat de SKU genoeg ranking, reviews en conversiedata heeft?
Heeft een niche acht weken lang 30% ACOS nodig terwijl je break-even ACOS 18% is, dan kijk je niet per se naar een slecht product. Je kijkt naar een gefinancierde launch. Die financiering heeft een limiet en een reden nodig.
Een goede regel: zet de testcap vóór launch. Bijvoorbeeld: “We besteden €1.200 aan Sponsored Products en Sponsored Brands tot de SKU 60 orders heeft. Daarna gaan we alleen door als contributiemarge na ads boven 9% zit en voorraaddekking boven 28 dagen blijft.”
Met FiveX advertising analytics en AdMAX-achtige guardrails wordt dit een operationele regel in plaats van een wekelijkse discussie. Campagnes moeten weten wanneer marge, voorraad of conversie “rustiger aan” zegt.
5. Voorraad- en cashdekking
Een product kan slagen op vraag, concurrentie en marge, maar alsnog falen omdat het lastig te bevoorraden is. Lange levertijden, groot volume, MOQ’s, seizoenspiek en onbetrouwbare leveranciers veranderen de launchbeslissing.
Stel: een home storage-merk beoordeelt een opvouwbare wasmand. Amazon research suggereert dat 1.800 units per maand realistisch zijn na ranking. De supplier MOQ is 3.000 stuks tegen €8,40 landed cost. De eerste inkoop legt dus €25.200 vast, nog vóór ads, content en safety stock. Draait het product trager, dan zit cash maanden vast. Draait het sneller, dan komt de volgende productierun pas na 75 dagen en raak je out of stock precies wanneer ranking aantrekt.
Het product kan nog steeds goed zijn. Maar het launchplan heeft voorraadregels, reorder points en kanaalprioriteit nodig vóór de eerste campagne live gaat. FiveX stock insights laten zien welke producten het plan dragen en welke marketing succes gaan omzetten in beschikbaarheidspijn.
6. Kanaalrol
Niet elk product hoeft overal dezelfde taak te hebben. Sommige SKU’s zijn Amazon-acquisitieproducten. Andere zijn bol.com-prijsvechters. Sommige zijn Shopify-bundels. Sommige passen bij Mirakl-retailers omdat de doelgroep en fee-structuur beter kloppen. En sommige moet je nauwelijks adverteren, maar werken prima als attach item of retentieproduct.
Product research wordt scherper als elke kandidaat-SKU vóór launch een kanaalrol krijgt:
- Traffic opener: lagere marge mag, omdat het product nieuwe klanten introduceert.
- Profit engine: marge beschermen, kortingen beperken, voorraadprioriteit geven.
- Bundle builder: vooral geschikt voor Shopify of marketplaces waar multipack-economie werkt.
- Seasonal spike: strakke regels voor voorraad en ad pacing.
- Range filler: goed voor assortimentsgeloofwaardigheid, geen hero-ad-kandidaat.
Zo voorkom je dat elke nieuwe SKU als hero-product wordt behandeld. De meeste assortimenten hebben maar een paar heroes nodig. De rest heeft duidelijke jobs nodig.
7. Exitcriteria
Product research moet ook bepalen wanneer je stopt. Dat klinkt negatief, maar het is juist vriendelijk voor de business.
Bepaal vóór launch wat er gebeurt als de SKU het plan mist. Bijvoorbeeld: “Als na 120 orders het retourpercentage boven 14% ligt, contributiemarge onder 6% zit en organische ranking niet verbetert, stoppen we paid scaling en verkopen we resterende voorraad via bundel of outlet.”
Exitcriteria beschermen teams tegen sunk-cost storytelling. Zonder criteria krijgt een teleurstellend product “nog één test” totdat de spreadsheet langzaam een archeologische vindplaats wordt.
Drie product research-scenario’s met cijfers
Scenario 1: de aantrekkelijke Amazon-niche die zakt op kanaalmarge
Een Nederlands pet accessories-merk vindt een Amazon-niche voor reisdrinkflessen. De geschatte category revenue is €110.000 per maand. De mediane prijs is €24,99. De top tien producten hebben gemiddeld 420 reviews, dus het team ziet ruimte.
Het eerste margemodel zegt: landed cost €6,80, verkoopprijs €24,99, brutomarge 72,8%. Mooi. Daarna voegt de profit gate marketplace-fees, FBA, launch ads, coupons en retouren toe. Amazon-contributie na launch spend is nog maar €2,75 per order. bol.com-contributie bij €22,95 is €3,10 omdat fulfilment goedkoper is. Shopify-contributie op een bottle-plus-bowl bundle is €12,40.
De beslissing verandert: Amazon lanceren als keyword-learning channel met €900 testcap, bol.com alleen live houden als de prijs niet onder €22,50 zakt, en de Shopify-bundel bouwen als profit engine. Zelfde product. Heel ander plan.
Scenario 2: het lage-concurrentieproduct zonder voorraadpermissie
Een Belgisch woonmerk ziet een shelf organiser met zwakke concurrenten en 950 geschatte Amazon-units per maand. De marge lijkt gezond: 24% na fees en ads. Maar de MOQ is 5.000 stuks, landed cost is €5,60 en de supplier lead time is 90 dagen. De eerste order legt €28.000 vast, terwijl de realistische launch forecast 420 units in maand één, 650 in maand twee en 900 in maand drie is.
Het merk koopt dus te veel en vertraagt cash, of koopt te weinig en gaat out of stock zodra ranking verbetert. De profit gate wijst de SKU niet af. Hij verandert de launch: starten met één marketplace, geen korting onder 18% contributiemarge, reorder trigger bij 65 dagen voorraaddekking en geen paid uitbreiding naar bol.com voordat Amazon sell-through de forecast bewijst.
Scenario 3: het kleine product dat wél budget verdient
Een Spaans beautymerk kijkt naar een vervangende borstelkop. Search volume is bescheiden en geschatte Amazon-omzet is maar €22.000 per maand. Een klassieke product research-tool zou hem lager zetten dan trendy items. Maar FiveX-achtige kanaalanalyse laat zien dat het product een repeat purchase rate van 42%, retourpercentage van 4,8% en 34% contributiemarge op Shopify subscriptions heeft.
De beslissing: Amazon en marketplaces inzetten voor discovery, niet voor maximale marge. Het merk draait een gecontroleerde Sponsored Products-test van €600, gebruikt inserts en e-mailflows om herhaalaankopen richting owned-channel replenishment te bewegen, en houdt marketplace-prijzen stabiel om klanten niet aan korting te laten wennen. Het product is geen spectaculaire winner. Het is een retentie-engine. Daar wordt finance meestal best vrolijk van.
Het product research-dashboard dat brand owners nodig hebben
Manage je meerdere kanalen, dan hoort je product research-view dit te bevatten:
- Geschatte vraag per marketplace en land.
- Prijsbanden, reviewprofiel en kortingsgedrag van concurrenten.
- Verwachte contributiemarge per kanaal.
- Break-even ACOS en tolerantie voor launch-ACOS.
- Retouraannames en categorierisico.
- Voorraaddekking, MOQ, lead time en reorder trigger.
- Kanaalrol en launchbudget.
- Exitcriteria.
FiveX helpt door marketplace-, advertentie-, voorraad- en financiële data op één plek te verbinden. Zo beoordeel je een productidee tegen de realiteit van je huidige assortiment: welke SKU’s verdienen al meer budget, waar knelt voorraad, welke kanalen hebben schonere marge en waar moet advertising automation cash beschermen in plaats van vanity revenue najagen.
Het doel is niet om product research trager te maken. Het doel is om slechte launches moeilijker goedgekeurd te krijgen.
Conclusie
Product research-tools zijn uitstekend in het vinden van signalen. Vraag, concurrentie, prijs, reviews en keywordkansen doen ertoe. Maar multi-channel merken hebben één extra laag nodig: commerciële toestemming.
Vraag vóór je het volgende “veelbelovende” product lanceert of het door de profit gate komt. Kan de SKU de ad spend dragen? Is er genoeg voorraaddekking? Welk kanaal moet hij bedienen? Welke marge is acceptabel? Wanneer stop je?
Kun je die vragen beantwoorden voordat je cash vastlegt, dan wordt product research meer dan zoeken naar winnaars. Het wordt een herhaalbaar systeem om een gezondere marketplace-business te bouwen.