---
type: Google Trends 5 国分析
category: 化妆台
version: v0.1（待 W22 前 GT 实测）
updated: 2026-04-25
覆盖国: DE / FR / PL / ES / IT
关键词: coiffeuse / Schminktisch / toaletka / tocador / toeletta / vanity table / dressing table
---

# 化妆台 Google Trends 5 国季节实证 v0.1

> 验证 v5 数据债 #9 · 化妆台季节性是否跟升降桌完全反过来。
> AL 后台 17 月数据已显示 7 月反季 16× · 但跨 5 国是否复现待 GT 验证。

## 1 · 关键词矩阵（5 国 × 主流 + 长尾）

| 国 | 主关键词 | 长尾词 | 搜索意图 |
|---|---|---|---|
| DE | Schminktisch | Frisierkommode / Schminktisch mit LED / Schminktisch weiß | 化妆台主搜 |
| FR | coiffeuse | table de maquillage / coiffeuse LED / cadeau fête mères | 法语 |
| PL | toaletka | toaletka kosmetyczna / toaletka z lustrem / dla mamy | 波兰语 |
| ES | tocador | tocador con espejo / tocador moderno / regalo madre | 西班牙语 |
| IT | toeletta | toeletta con specchio / cassettiera trucco | 意大利语 |
| 5 国共通 | vanity table | dressing table / makeup desk | 英语补充 |

## 2 · 已知数据点（实证 + 推测）

### AL 后台 17 月（PL 真实数据）
- **7 月反季 16× 增长**：化妆台 7 月环比 6 月 GMV 16 倍
- **5 月母亲节峰**（PL 母亲节 5/26）
- **11 月 BFCM + 12 月圣诞**（女性礼物季）
- **3-4 月 / 9 月**：日常水平
- **1-2 月**：年度低谷（圣诞后 + 春装前）

### 升降桌 5 国（对比 · GT 实测）
- FR：Q4/Q2 +26.7%（升降桌 Q4 强）
- PL：Q4/Q2 +46.5%（升降桌 PL 双峰 8/11）
- 5-8 月：升降桌全 5 国淡季 0.92×

→ **如果化妆台跟 PL 升降桌一样 8/11 双峰** · 但化妆台 8 月可能是反季而非升降桌的搬家季

## 3 · 待验证假设（W22 校准会前用 Trends 验证）

### 假设 1 · 化妆台 5 月母亲节峰 5 国
- DE 母亲节 5/11 · FR 母亲节 5/25 · PL 母亲节 5/26 · ES 母亲节 5/4 · IT 母亲节 5/11
- 预期搜索量 +30-50%（vs 4 月基线）

### 假设 2 · 化妆台 7-8 月反季 16× 是否跨国
- AL（PL）实证 16× · 是否 DE/FR/ES/IT 也类似？
- 假设：PL 化妆台 7 月反季是因 PL 用户夏季回家做卧室升级 · 是否其他国相同？
- 预期：DE/FR 5×（中等反季）· ES/IT 3×（南欧夏季外出更多）

### 假设 3 · 化妆台 Q4 圣诞峰
- 化妆台 = 高客单女性礼物 · 圣诞峰强
- 预期 12 月 / 11 月 = +50-80%（vs Q3 基线）

### 假设 4 · 异形镜搜索（"crescent mirror" / "moon mirror"）
- 新趋势词 · TikTok 推动
- 预期：5 国增长 ≥30%/年（vs 标准 vanity）

## 4 · GT 拉取计划（W18-W22 数据补课 #9）

### 工具
```bash
# Pytrends Python 库
from pytrends.request import TrendReq
pytrends = TrendReq(hl='en-US', tz=0)

# 5 国分别拉
for geo in ['DE', 'FR', 'PL', 'ES', 'IT']:
    pytrends.build_payload(['Schminktisch'], cat=0, geo=geo, timeframe='today 12-m')
    df = pytrends.interest_over_time()
    # 输出月度趋势 + 季节峰值
```

### 拉取周期
- W18 · 12 月数据（vs 升降桌 5 国对比）
- W19 · 24 月数据（验证 7 月反季是否 2 年都有）
- W20 · 节假日峰对比（5 月 / 11 月 / 12 月）
- W22 · 校准会前出报告

### 输出指标
1. 5 国月度趋势曲线（12 个月）
2. 5 国 7-8 月反季强度（16× / 5× / 3× ?）
3. 5 国母亲节峰强度
4. 5 国 BFCM + 圣诞礼物峰
5. 异形镜趋势词增长率

## 5 · 节奏对比（化妆台 vs 升降桌 · GT 验证后填）

| 月 | 升降桌 PL | 化妆台 PL（待验证）| 化妆台 DE | 化妆台 FR | 备注 |
|---|---|---|---|---|---|
| 1 | 0.85 | ⏳ | ⏳ | ⏳ | 圣诞后低谷 |
| 2 | 0.90 | ⏳ | ⏳ | ⏳ | 春装前 |
| 3 | 1.00 | ⏳ | ⏳ | ⏳ | 春节后回升 |
| 4 | 1.05 | 1.00 实测 | ⏳ | ⏳ | 4 月 ERP 实证 |
| 5 | 1.10 | **1.40-1.50** 母亲节 | ⏳ | ⏳ | 母亲节峰 |
| 6 | 0.95 | 1.20 | ⏳ | ⏳ | 学期末 |
| **7** | **0.92** | **🚨 16× AL 实证** | **5×?** | **5×?** | 关键节点 |
| 8 | 0.92 | 8× AL 实证 | ⏳ | ⏳ | 暑假末 |
| 9 | 1.05 | 1.10 | ⏳ | ⏳ | 开学季 |
| 10 | 1.10 | 1.20 | ⏳ | ⏳ | 秋装升级 |
| 11 | 1.30 | **1.60** | ⏳ | ⏳ | BFCM 礼物 |
| 12 | 1.20 | **1.80** | ⏳ | ⏳ | 圣诞礼物峰 |

## 6 · v5 化妆台战略影响（GT 验证后回写）

### 验证假设 1（母亲节）→ 影响 v5
- 母亲节 5/4 备货决策 · 加码 ×1.4 / ×1.5
- 5 国分别母亲节日程不同 · 产品上推荐位时间错峰

### 验证假设 2（7-8 反季）→ 影响 v5
- 如 PL 16× 是真实 · DE/FR 5× → 5 国备货策略不同
- AL Mainwin 7 月备货 ×1.5（已有计划）
- DE/FR/ES/IT SHEIN 4 店 7 月备货评估

### 验证假设 3（Q4 礼物峰）→ 影响 v5
- BFCM + 圣诞协同
- 0890/0891 异形镜 / 0884 大镜面礼物属性主推

### 验证假设 4（异形镜趋势）→ 影响 v5
- 0890/0891 上架前后 30 天 GT 监控
- TikTok 关键词同步监控

## 7 · 输出格式（W22 前完成）

```markdown
# Google Trends 5 国化妆台季节实证报告
- 报告日期：2026-05-XX
- 数据周期：2025-04 ~ 2026-04（12 月）
- 拉取时间：YYYY-MM-DD HH:MM

## TL;DR（3 行）
1. 5 月母亲节峰 [验证 / 否定] · 强度 [+X%]
2. 7-8 月反季 [PL 真 / DE 弱 / FR 弱 / ES 否 / IT 否]
3. Q4 礼物峰 [+X%] · 0890/0891 异形镜趋势 [+X%]

## 5 国月度曲线（12 个月）
[Pytrends 数据图]

## 跨国差异
[各国独有规律]

## v5 化妆台调整建议
[基于实测 + 中位档调整]
```

## 8 · 关联

- v5 数据债 #9（GT 5 国 · W22 前补齐）
- AL Mainwin 17 月 Raport 实证（已有 7 月 16× 数据）
- 升降桌 v5 段 E Trends 5 国对比（结构复用）
- 母亲节应急清单（节奏锚定）

## 版本
- v0.1 · 2026-04-25 · 框架 + 假设 + 拉取计划
- 下次升级：v0.2 · W22 校准会前 · GT 实测数据填入