双核投放法

内容摘要

第一章：广告发展历史

广告是由已确定的出资人通过各种媒介进行的有关产品（商品、服务、观点）的，通常是有偿的、有组织的、综合的、劝服性的非人员的信息传播活动。而在线广告则是在线上媒体进行投放的广告。

广告方法的演变

传统广告

广而告之，这种打法赌的是概率，是规模，是“只要看的人1足够多，总有一部分人会买单“。这种传统广告的核心是”干预“，打断正在做的事，强行塞入一条信息。

弊端也很明显：

• 成本非常高。
• 大部分的广告实际上被浪费了，而且不知道浪费在哪里。
• 方式粗暴，给用户的体验糟糕。

传统广告和最终效果之间，隔着一条数据鸿沟——可测性的缺失、精准性的迷失以及对话性的隔绝。

可测性缺失-Immeasurability

无法精准地衡量每个广告的实际回报（ROI）。

精准性的缺失-Inefficiency

无法将广告展示给最可能购买的人。传统广告追求的是覆盖量（Reach）而不是相关性（Relevance）。

对话性缺失-Monologue

广告是单向的，而不俗双向会话，用户无法反馈无法会话。

互联网广告

计算机技术是的广告数据有了可追踪的功能。门户网站的Banner广告、搜索引擎的关键词广告应运而生。广告进入了可测量的阶段。

然而，点击只是手段，而非目的。点击和最终的商业目标成交之间，依然隔着厚壁障。

互联网广在这个阶段，开始了三次进化。

• 流量贩卖和初步定向：早期的互联网广告仍然按照位置、时间、CPM售卖广告位。定向技术，网站利用用户的注册信息、浏览行为等数据，允许广告主选择目标用户。
• 搜索意图和竞价拍卖：搜索引擎的崛起提高了广告的精准性，人们可以抓住用户暴露的即时商业意图。此时，广告创新出了”关键词竞价“、”按效果付费“、”质量度“（排名由出价和相关性共同决定）。它们基于用户主动表达的意图进行广告匹配。
• 大数据与程序化交易：数据量的爆炸和机器学习技术的成熟，广告进入程序化时代，它让算法在短时间内，自动的为每一个用户的每一次广告曝光进行竞价。这需要海量的、多维度的用户数据作为支撑。用户点击一个网页后，网站向所有广告交易平台发出请求，各大广告主的DSP（需求方平台）收到请求后给出竞价，价高者赢得展示机会。

计算广告的诞生

从此，广告不再是市场营销的一部分，而是成为一个交叉学科——计算广告。他的核心使命便是在特定语境下，为特定的用户找到最合适的广告，实现广告主利益和用户体验之间的最佳平衡。

他能归为一个经典公式。

$$\text{广告值} = \underbrace{p(\text{click}\mid u,a,c)}_{\text{点击率}} \times \underbrace{v(\text{conv}\mid u,a,c)}_{\text{转化价值}} \times \cdots$$

其中：

$$u = \text{User}, \quad a = \text{Ad}, \quad c = \text{Context}$$

计算广告不是猜测用户可能会喜欢什么，而是清楚地知道用户最终买了什么。

品牌心智与效果转化

广告的终极目标并非唯一，根据核心目标和评估方式，分为品牌广告（Branc Advertising）和效果广告（Performance Advertising）。 简单来说，品牌广告是培育土壤，以期未来的收获，而效果广告是收割，采摘当下的果实。

品牌广告

着眼于长期价值和心智建设，核心目标是提升品牌溢价能力和利润率。通过讲述品牌故事、传递价值观来塑造高端形象，从而让消费者愿意为了“品牌”本身支付更高的价格。通常投入周期长投入大，无法有效精准地定量评估。

• 目标：提升知名度、美誉度、忠诚度。
• 考核指标：曝光量、触达人数、视频完成率、品牌搜索量。
• 付费方式：通常按照千次展示付费
• 创意风格：注重叙事、情感共鸣、视觉震撼，强调“调性”和“质感”。

亚马逊品牌广告工具：

• 品牌旗舰店。提升消费者信任和品牌专业度的核心阵地。
• 品牌广告的图片集和旗舰店焦点模式：出现在搜索页结果顶部，自定义品牌Logo、品牌口号和最多三个产品。
• 展示型推广广告（DSP），不仅在站内重定向访问过的用户，还能扩展到站外。

效果广告

效果广告专注于短期转化和效率提升，核心目标是促进销售、提升资金周转率。每一分投入都能带来可衡量的市场反应，投入周期短，投入方式灵活，且可以被有效追踪和量化评估。

• 目标：获取点击、引导加购、促进销售、驱动下载
• 考核指标：点击率（CTR）、转化率（CVR）、广告投资回报率（ROAS）、单词获取成本（CPA/CAC）。
• 付费方式：按点击付费（PPC）、按转化付费（CPA）等。
• 创意风格：突出产品卖点、价格优势、促销信息，强调行动号召。

亚马逊效果广告工具：

• 商品广告：最常见、核心的广告形式。
• 品牌广告：本质上还是以提升销售额为目的，为了获取曝光和订单，通过ACOS评估投资回报率。

融合与平衡

品牌广告与效果广告并非割裂，而是相辅相成的双螺旋结构。

通过品牌旗舰店和视频广告广泛播种，培育市场认知；利用商品推广广告精准”除草施肥“，捕获需求，最后借助DSP进行”追肥“，重定向犹豫中的用户并拓展新客，完成从”品“到”效“的完美闭环。

流量转化路径与搜索广告营销漏斗

从曝光到购买的路径就是转化路径，而分析这个路径的模型，最经典的就是营销漏斗。

转化路径

流量来源于俩个部分：搜索流量和浏览浏览。

关键节点：

1. 曝光：这是所有的前提，如果广告靠后、图片不吸引人、用户可能根本没看见。
2. 点击：这是从曝光到互动的关键一跃。
3. 访问：点击后，进入商品详情页或品牌旗舰店。如果页面缓慢、图片模糊、描述混乱，用户可能会立即离开。
4. 加购：用户被详情页说服，将商品加入了购物车产生了购买意图，此时可能还在比价、由于或者是等待付款时机。
5. 成交：用户最终完成支付流程，订单生产。这是转化路径的重点。

营销漏斗

层级与核心指标：

1. 曝光漏斗：市场份额。
2. 点击漏斗：点击率。
3. 加购漏斗：架构率。
4. 购买漏斗：成交率。 最终，广告投资回报率ROAS亨利广告的效率。

优化之道

漏斗模型的价值就在于能指明优化方向。

• 曝光量低：出价低、预算少无法获得广告拍卖，也可能是链接太差，eCPM太低。 对策：提高出价或增加预算，改进链接内容。
• 点击率低：问题可能处在广告创意。主图不吸引人、标题没包含关键卖点和关键词、价格不具备竞争力。 对策：优化主图、标题（A/B测试），检查价格。
• 加购率低：问题出在商品详情页，商品图片、视频不够好、五点描述不具备说服力、评论评分不高。 对策：优化Lisiting内容，适当索评。
• 成交率低：问题出在最终交易环节，运费高、没提供包邮、库存不足。 检查物流。

传统的漏斗是线性的，但现在客户的转化路径可能更加复杂。客户可能跳过中间步骤直接购买，然后分享、推荐，帮助影响漏斗顶部的新用户，形成一个飞轮或循环。

总而言之，营销漏斗就像广告活动的仪表盘，告知我们整个广告在那个阶段出现了问题。

亚马逊的广告系统，为每一层几乎都提供了详细的数据。

广告收费方式

CPM：为曝光付费

CPM位于营销漏斗的顶部，主要是为了扩大认知。 它是广告没展示一千次，广告主需要支付的费用。这是最传统也是最基础的付费模式。

优点：

• 平台的收益稳定
• 广告主快速提升曝光度和触达范围。 缺点：
• 广告主的风险高，浪费大。
• 平台需要提供庞大的流量来爆炸广告主的曝光需求。

CPC：为点击付费

CPC在营销漏斗中部，主要是激发消费者的兴趣。 用户每点击一次，就会产生盖茨点击的费用。 优点：

• 广告主风险低，性价比高，可以优化广告创意来降低CPC。
• 媒体平台优化算法，可以推荐给最可能点击的人，以获得更多的点击次数。 缺点：
• 广告主可能遇到无效点击。
• 媒体平台：收益与CTR直接挂钩。

CPC/CPS：为行动付费

CPA和CPS在底部，是为了收割转化。 广告主仅在用户完成了某个特定的转化行为后才支付费用。

优点：

• 广告主的风险低，只为结果付费，ROI非常容易计算。 缺点：
• 平台风险高，需要承担不确定性。

广告模式的选择

根据目的：

• 提升品牌曝光：选择CPM，最求最大的触达范围。
• 流量和互动：CPC，最通用、最平衡的选择。
• 预算有限，尝试CPA、CPS。

亚马逊这种闭环生态内，系统会根据出价和商品的转化率结合，计算一个综合竞争力来参与竞价，一个高转化率的商品，即使出家较低，也可能获得广告位。

广告竞价模式

广告位的分配本质上是一场持续不断的拍卖。不同的竞价模式蕴含着不同的博弈智慧。

亚马逊的机制是第二竞价和VCG的结合，出价最高的人获得蛋糕，但是付第二高的出价。

广告竞价原理

纳什均衡

在多人博弈中，达到的任何一方参与者都无法通过单方面改变自己的策略而获得更多的利益。

广义第一竞价原理

价高者得，按出价付款。这种机制会导致竞价者猜忌。

广义第二竞价原理

价高者得，单次高者加一分付款，这种方式会导致策略稳定。

VCG机制

让获胜者为其获胜而给其他所有参与者的损失付费。 爆炸整个拍卖系统的社会总福利最大化。让诚实者收益。

排名广告的核心指标

实际的广告拍卖中，CTR是核心变量，广告位的价值不是固定的，而是取决于广告主出价和预计的点击率共同作用。

实际广告拍卖的核心：eCPM。

平台的最终目标是最大化总期望收益，他们通过一个叫做eCPM的指标来排序广告。

eCPM = 广告主出价 × 预估点击率

广告主出价（bid）：广告主原以为每一次点击（CPC）所支付的最大金额。

预估点击率（eCTR）：平台预测的，某个特点广告在特ing的广告位上的预估点击概率。

拍卖广告的规则

平台根据每个广告的eCPM从高到底排序。然后将最高的广告分配给到最好的广告位，次高者获得下一个位置。

这就意味着：

1. 每次点击最高出价是预算上限，而非实际支付的价格。
2. CPC通常低于出价，取决于下方竞争对手的出价和广告质量。
3. 优化Lisitng提升转化率和广告相关性来提升点击率，可以简洁提升拍卖并降低获客成本。

广告拍卖原理

亚马逊收入齿轮：佣金和广告

• 佣金：按照成交额抽成
• 广告费：付费竞拍流量。

佣金

佣金 = 商品售价×所属类目的佣金拜访呢比。

通常所有类目都有一个最低佣金。

广告费

卖家为了额外的优质流量而支付的费用

收入模式CPC，广告主只用在用户点击了广告时才需要付费。

ACoS：广告投入产出比 = 广告花费÷广告带来的直接销售额×100%

倒排索引

倒排索引是一种数据接哦古用于快速检索包含特点单词的文档，他说搜索引擎和信息检索系统的核心技术之一。

什么是倒排索引

列出所有的关键词，并标注每个关键词出现的所有页码。以关键词为Key，以包含关键词的文档ID为Value。

构建倒排索引

亚马逊算法会持续阅读和理解平台上每一个商品，这个过程称为索引。

1. 文本提取：从标题、五点、商品描述、品牌、颜色、属性、后台搜索关键词来提取。
2. 文本处理
3. 构建索引

利用倒排索引

• 查询处理归一化
• 查找倒排索引
• 列表交集
• 排序
• 广告召回

卖家的核心启示

从我觉得我应该写什么转化为机器会如何理解和匹配我的产品。

1. 关键词是桥梁：商品是否被搜索到取决于关键词文本和用户搜索词的匹配。
2. 优化文本字段：覆盖用户可能搜索的各种词条，包含错误、同义词、缩写等。
3. 理解匹配类型：广泛、精准、短语不同效果。正式对倒排索引的处理方式不同。
4. 相关性第一，优先考虑相关性，否则即使广告出价很高，但毫无关联，也不会被展示。

eCPM-流量分配的判断尺度

eCPM是一个价值尺度，搜索结果页每个位置都是能产生价值的资产，而eCPM就是用于量化每一次商品展示能带来期望价值的核心指标。

核心逻辑是将最优质的流量分配给能创造最大期望价值的商品。

自然搜索排名：以长期GMV为目标的eCPM

自然搜索排名的核心使命是最大化亚马逊的长期总交易额GMV和客户满意度。

eCPM=1000×eCTR×eCVR×Price

这个公式计算的是千次展示的期望销售额。算法会选择那个期望销售额最高的商品排名排在自然搜索结果页的首页。因为这确保了在优先的流量下，平台获得最大的整体交易额。

广告搜索排名：以即时广告收入为目标的eCPM

当涉及到广告排名时，算法的核心目标是最大化本次广告展示的及时收入。因此，其eCPM公式也有所不同：

eCPM=eCTR×Bid

bid是出价，而eCTR是预估点击率。

eCTR两个排名的算法是共享的，确保了只有本身具备一定西营里的商品才能参与广告竞争，维护了平台的用户体验。

一个广泛接受的观点是，亚马逊在实际排序中会引入一个广告质量得分或类似的银子，对高转化率、高客单价的商品进行甲醛，避免低质广告损害用户体验和平台的长期GMV。因此，一个更接近的公式可能是——

Ranking Score = eCTR × Bid × f（eCVR，Price）

自然与广告eCPM的协同

自然排名和广告排名共享eCTR模型，在自然流露优化中提升eCTR的一切努力，比如优化主图、标题等动作都会直接提升你的广告竞争力。

同时，广告带来的点击和销售数据会被算法吸收，用于更新自然排名的eCTR和eCVR预估，从而可能提升自己的自然排名。

自然流量是稳定的、免费的根基，广告流量是精准的、可控的，二者共同构成了完整的流量获取策略。

卖家战略

理解了eCPM后，对于亚马逊运营和广告策略就有了理解的基石。

1. 所有优化的终极目标：无论是优化Lisiting还是调整广告活动，最终都应该指向调整你的eCPM值，向算法证明，你的商品比竞争对手的更有价值。
2. 自然流量的根基地位：无法赢得自然排名的商品，广告成本也必然高昂。因为eCTR和eCVR是eCPM的根基，投资于产品本身和Listing质量，是不会过时的策略。
3. 广告是放大器而非魔术师；广告无法拯救一个本身缺乏竞争力的商品，他只能放大已有的优势。
4. 动态博弈和数据驱动：eCPM是一个动态值，竞争对手的行动和市场变化都会影响你的排名、流量、转化率变化，并据此调整战略。

eCTR与排名稳定性

eCPM的算法核心指标。eCPM中的eCTR是其中最动态与重要的变量。

eCTR的计算

eCTR的概率值通过逻辑回归模型测算出来。

$$\text{eCTR} = P(\text{click}=1) = \frac{1}{1 + e^{-(\beta_0 + \beta_1 x_1 + \beta_2 x_2 + \cdots + \beta_n x_n)}}$$

其中：

$$\beta_0$$

表示基础分，可以理解为所有商品的平均起点。

$$x_1, x_2, \ldots, x_n$$

表示特征值，即各位“评审委员”观察到的数值。

例如：

$$\text{图片质量}=0.95,\quad \text{价格竞争力}=0.8,\quad \text{用户品牌匹配度}=0.6$$ $$\beta_1, \beta_2, \ldots, \beta_n$$

表示权重，即各位“评审委员”的话语权。

新品冷启动时，一般是基于类似产品进行判断，根据商品的特征用平均表现为eCTR赋权。如果主图非常专业、价格合理、标题清晰，那么系统会参照历史上表现好的商品点击率，给一个较高的eCTR。

IDQ评估体系

IDQ（Item Data Quality），也就是商品数据质量报告，是用于评估Lisitng质量的评分，为卖家提供优化方向。

其中一个关键指标是图片属性指数（IAI），用于评估商品图片多方面的表现，介于0-1之间，0.4是亚马逊的阈值。

在优化过程中，卖家应尤其重视关键属性的填写。包括尺寸、功能细节等，填写越完整，Listing的得分越高，也越容易被筛选和比较功能收录，从而增加曝光。

系统提升eCTR

根据“三人舞”模型：

• 主图是生命线，投入预算进行专业拍摄，遵循白底图规范，必须加入场景图或功能演示图。
• 标题与卖点：前端突出核心卖点和精准关键词，后端搜索词补充长尾词
• 冲击初始评论，通过Vine计划等途径获取早期的高质量评论。
• 定价与配送：进行市场调研，指定有竞争力的价格，并优先选择FBA发货。

如何操作：

• 精准触达，理解用户。通过广告报表和业务报告，分析点击和购买产品的用户画像，使Listing设计和营销文案更精准地迎合目标用户的偏好和痛点。
• 精准投放，适应不同语境，针对不同意图的关键词，创建不同的广告活动或优化Listing。比如针对功能词，在五点描述中直接解答该功能，将功能描述具体化。

大数定律-从波动到稳定

很多情况可以观察到，一个产品今天在第五页，每天在第二页，后面有掉落。而成熟的热销品排名通常稳定，这背后是大数定律和算法的不确定性衰减。

大数定律：一个事重复的次数越多，其最终结果也就会越接近其理论上的水平。样本量够大，那么偶然性就会变成必然性。

当算法认识到我们产品之后，我们的eCTR波动就会变得极小，除非外部环境重大波动才会有变化。

这意味着，为新品尽快积累足够有效的流量（点击和转化），不仅仅是带来订单更是降低算法带来的不确定性，从而稳定排名。

COSMO算法

Customer-Oriented Search & Match Optimization，这是亚马逊推出的一个系统，是亚马逊的第一个大规模电子商务尝试生成和服务系统，用来弥补搜索词与产品之间的语义鸿沟。

任何复杂系统，都诞生于简单规则的迭代——艾伦·涂料

由于传统基于关键词匹配的算法无法解决亚马逊每日数十亿次的查询，COSMO系统通过行为数据采集、知识三元组（行为、关系、尾实体）构建结构化知识、语义常识服务完成了知识转化。

亚马逊的COSMO算法会通过打了用户的购物行为（查询-购买和购买1-购买2）挖掘出用户相关的常识知识，接着用这些知识构建知识图谱，利用这些知识图谱结合大语言模型以及指令微调技术，将用户行为转化为可推理的语义知识，就是机器为每个产品的15种关系生成语义常识，相当于为15种关系打上语义标签。

针对这些常识，先机器进行筛选过滤掉非典型和错误的知识，然后通过人工进行质量打分，答案只有是、否和不确定。

1. 完整性：这个解释是一个完整的句子吗？
2. 相关性：他与产品相关吗？
3. 信息性：他是否明确了功能需求？
4. 合理性：逻辑上是否一致？
5. 典型性：是否代表了常见的行为？

最后亚马逊用这个生成的COSMO系统应用在搜索相关性、会话推荐和搜索导航等电商任务中，让搜索结果更符合用户需求、推荐产品，识别功能互补商品推进捆绑销售等。

COSMO从根本上来说改变了电商平台，从产品匹配查询到理解用户意图，实现了千人千面的推荐。

对于卖家来说，理解意图经济是必要的，由此打造新的运营逻辑，要生动地表述应用场景和价值，需要更精细地分析流量来源，识别哪些意图场景词带来了转化。

基于COSMO优化Listing和训练Rufus

COSMO是亚马逊用来懂产品的工具，亚马逊的工程师通过A/B测试，带来了0.7%的GMV提升。这种改善是实质性的。

Listing优化-向机器传递正确的产品语义

消费者买的不是钻头，而是墙上的洞。——西奥多·莱维特

传统Lisintg优化围绕着“关键词密度“，而COSMO需要升级为场景化语义植入。在COSMO算法框架下，Listing需要面向算法进行只是输入。而这一轮优化的核心在于产品特写转化为COSMO可识别的关系三元组。

所有的产品描述需要遵循：动词+功能+具体场景。

标题埋词策略：三元组结构化表达 传统标题多是关键词的堆砌，比如: Waterproof Bluetooth Speaker Outdoor

而符合COSMO算法的，应该是【核心关键词+场景关系＋功能关系】，例如：Outdoor Waterproof Blutooth Speaker Rain Protection。

$$\begin{bmatrix} \text{核心产品词} \\ \text{场景关系} \\ \text{功能关系} \end{bmatrix} = \begin{bmatrix} 0.5L \\ 0.3L \\ 0.2L \end{bmatrix} \quad (L = \text{标题总长度})$$

五点描述优化：多埋有实际意图的语句 尽可能多埋有实际意图的、机器可解析的意图关系语句。同理，在做副图、A+时，也要兵器传统描述，改为具体的功能场景描述。

从：本帐篷防风等级8级 改为： 本帐篷适合搭配高山露营的强风环境。

从：棉质婴儿袜子 改为：保持婴儿脚部干燥

从：容量500ml 改为：满足徒步旅行全天的饮水需求

从：材质不锈钢 改为：登山碰撞不易变形

A+页面构建图谱可视化

• 主图区添加场景表示，USED_ON：高山露营场景标识
• 对比图显示特征，BETTER_THAN：普通帐篷抗风性+200%
• 场景图配文互补品，COMPATIBLE_WITH：便携柴火炉。

训练Rufus成为用户的智能购物顾问

需要将产品定位为解决顾客需求。

已知的Rufus学习途径有：顾客评论、产品目录、问答、品牌旗舰店以及每一次谷歌用rufus提问的反馈信息，还有独立站之类的网络信息。

因此，卖家能做的就是：

1. 获取高质量评论
2. 完善Listing内容：多埋场景词。能填的产品属性尽量填写完整。
3. 优化QA：预设问题，从买家角度想一下可能会问Rufus的问题。反问Rufus，根据回答玩啥呢自己的QA。定期更新QA，确保覆盖最新问题。
4. 品牌旗舰店：使用场景图片、视频、详细文案等，让Rufus深入理解用途。讲品牌故事的时候提升可信度，分类导航有逻辑，按照产品线或者使用场景分类。优化旗舰店的页面元数据。
5. 站外内容优化：有独立站的可以多生成几篇埋词文章放上去，自己写埋词场景的评论，还可以放亚马逊不方便展示的图片和视频。
6. 可以去Reddit、Quaro等软件，搜索相关问题，多账号自问自答。

亚马逊广告规则

广告结构

• 广告组合
  • 广告活动
    • 广告组

广告组合用于管理多个广告活动，帮助控制预算和策略，便于追踪分析广告表现。

广告活动可以包含多个广告组，广告主可以根据不同的目标设置不同的广告活动。

广告组，广告组用于选择投放的广告目标ASIN，并确定定向策略，可以在这里查看否词和搜索词。

广告归因

归因

根据相关性和时间接近性来判断广告的效果。亚马逊采用末次触点归隐模型，功劳优先分配给最后一次点击的有效广告互动。

回溯期、品牌光环和互动类型

回溯期：指的是广告所产生的销售还能被算作广告功劳的最大天数。SP的回溯期是7天。 品牌光环：即使顾客没有购买广告直接推广的产品，广告也能因为其或的功劳。 互动类型： 点击：最强烈的购买意向信号。 浏览：主要是视频广告的展示曝光。

匹配类型

广告主希望吸引最相关的客户，但是平台想要填充海量广告位并最大化整体的收益。

匹配类型的但是，是为了广告主能在流量的广度和投放精度中找到平衡点。

广告匹配类型

• 广泛匹配：限制最松的匹配方式，包括关键词含义相关、意图相近的各种搜索词、包含同义词、近义词、单复数、词序颠倒、相关词等。 优势：可以最大化的探索流量，发现优质关键词。 劣势：浪费预算

在SB中，投放的关键词是或的关系，“kid shoes”是“kid”和“shoes”都能跑出来数据，这时候可以通过”+“来修饰广泛匹配“+kids+shoes”，要求变成且的关系。

• 词组匹配：包含设置的确切词组，且语序不能改变，但是可以前后添加其他词。 在广度和精度获得很好的平衡，是广告活动后期常用的核心匹配类型。
• 精准匹配：限制最严格，必须完全一致。或为近似变体。 流量最精准，转化率最高，但是流量规模有限，非常适合核心出单词或高转化词的收割。

同一关键词设置了不同的匹配类型，系统优先采用出价最高的匹配类型来参与竞价。

否定词

过滤无效流量

竞价策略

• 提高或降低：最大化机会，让预算像高价值流量极度倾斜，通常获得最高的广告投资回报率。但是可能导致CPC飙升。适合预算充足产品转化率>15%，或是在大促期间抢夺流量。
• 仅降低：节流，吧不太可能转化的点击降低竞价，避免预算浪费。可以防止浪费无效点击，能控制ACoS。适合广告初期，避免无效支出。
• 固定竞价：最简单的竞价方式，消耗平稳可控，缺乏智能性。可以新品期使用，稳定积累数据，或是当前出价可以稳定获取靠前的广告位。

广告位竞价

1. 搜索结果页顶部：流量最集中、用户意图最强的位置，对核心词或表现好的广告活动设置。但是转化率需要跟得上。
2. 搜索结果页其余位置，虽然精准，但是需要根据实际转化率来看。
3. 商品页面，吹嘘安在竞品或是关联商品的详情页，主要是用于拦截竞争对手或进行关联推荐。
4. 企业购

受众加价

亚马逊为SP和SB广告提供了三类系统自动识别的核心受众，卖家可以选择性地对他们进行竞价调整，AMC功能的简化版。

• 购买过品牌产品的顾客
• 点击或加购的顾客
• 品牌新客/高意向购买受众

分时调价

科学出价

广告出价并非玄学，而是有迹可循的。

出价的底层数学公式

CPC = CPS × CVR

点击出价（CPC）、单订单广告成本（CPS）和转化率（CVR）之间的动态关系，出价（CPC）的高低，不取决于主观意愿，而是取决于产品的转化能力的愿意为每单支付的广告成本。

动态调整和策略

公式计算出价是科学的起点，但并不是终点。广告允许1-2周时，可以运用真实的点击率和转化率带入公式，反推实际的CPS是多少，是否达到了目标，如果没有，是出价过高还是转化率过低，这将指引我们的优化方向，是降低出价还是优化Listing。

可以按照分层出价策略，对于高精准、高意图的词接受较高的CPS，确保排名。针对于广泛匹配或者行业大词，保守出价，添加否定关键词。

广告指标解读

漏斗顶层

展示量-Impressions

广告在用户屏幕上展示了多少次。 和广告覆盖率、产品和品牌的潜在看到机会相关，如果展示低，说明出价过低、预算太少或关键词搜索量过小。

可见展示量-vCPM

不是每次广告展示都被用用户看见，可见展示量特质那些确实进入用户视野的展示（50%的图片展示至少1s或50%的视频展示至少2s），vCPM是每一千次课件展示付出的成本。

课件展示对于SD、SBV重要，衡量有效曝光。

预计错过的展示量/点击量/销售额

系统基于预算和竞价估算出的因为预算不足而错失的展示、点击和订单。

这是调整预算最直接的信号。

漏斗中层

点击量

用户的实际点击

点击率

点击量与展示率的比例。高CTR意味Lisitng具备吸引力。 CTR过低意味着需要优化广告素材和检查关键词的相关性。

CPC

单词点击成本，控制广告成本的核心。

漏斗底层

订单和销售额

评估广告的直接证据。

ACoS

评判广告的健康程度，ACoS低于毛利率说明是盈利的。

ROAS

每投入1美元广告费带来的回报。

健康指标

加入购物车次数

点击高但加购低，说明用户可能对于价格、评论、详情页内容不满意。

品牌新客指标

衡量广告增长潜力指标，为了获取新客，可以暂时接受ACoS暂时偏高一些。SB和SD广告会提供这项数据。

视频广告专向指标

视频完成率

播放完视频的观众占比。

互动率

取消静音、点击等动作的比率。

解读广告

解读广告并非要孤立的看待每一个指标，而是要把他们串联起来，形成一个完整的链路。

• 高展示，低点击：问题出在广告创意（主图、标题、价格）或关键词相关性上。
• 高点击，低转化：流量进来了但没购买，问题出在Listing承接能力（详情页、评论、价格）或流量的精准度上。
• 高转化，高ACoS，需要优化出价，否定无效关键词、提升产品的毛利率。

广告目标与策略

根据不同的运营目标，制定相应的广告策略。

订单：以转化为目标

广告最核心最直接的目标就是带来更多的订单。广告本身不会提高转化率，但是能带来更多的流量入口，从而创造更多的成交机会。

提升订单量，本质上是要拓宽流量。

• 投更多词，不仅仅投放核心大词。除了产品强相关的词，更需要挖掘流量洼地，譬如礼物词、场景词等。
• 使用更多的广告类型，SB广告不仅仅是做品牌曝光，SBV广告也是一个以效果为导向的广告产品。新品期结束后可以利用SBV来拉动销量，动态的视频广告比静态的图片或旗舰店广告拥有更多的点击率。一个制作精良的视频广告，在拉新和促转化方面效果非常棒。

新品：以曝光为模目标

推新品时，遇到曝光少的情况，是因为算法的eCPM判断逻辑无法确定产品的表现，不愿意冒险提供大量曝光，这时候，需要用更高的Bid购买一个证明自己的机会。通过提高竞价弥补eCPM的不足，获得初始的曝光和点击，有了转化，系统会逐渐积累数据。之后再逐步降低出价。

断货：控制销量

快要断货时，库存告急，不必要直接涨价，eCPM会认为eCTR和eCVR急剧下降导致eCPM排名暴跌，自然排名大幅度下滑，即使补货也很难恢复。

控制销量最好的办法是逐步降低广告出家，只会让广告位下降，而不会影响预估点击率和转化率这俩个核心权重指标。

以清仓为目标

广告用来请库存也很重要，清货广告不能开大预算，而是要清楚能接受亏损多少钱。

清仓时，成本是这部分的货值+头程运费。而收回的钱是售价×（1-佣金百分比）-尾程配送费。

Bid = CPS×CVR，如果转化率是10%，那么每单如果愿意亏损20$，则广告出价就是$2,只要这个范围内，清越快，回笼资金也就越快，总体亏损可接受。

节假日、大促、突发情况

大幅提高竞价和预算，抢占流量高低；该防守时就要收紧预算，聚焦高转化词。

遭遇突发情况，比如链接差评掉星或者竞争对手降价，可以尝试降低出价观察影响。

当然这些广告操作都不是恒一的。

广告投放问题

恶意点击竞争对手广告是徒劳的。

亚马逊会实时过滤大部分无效浏览，并且会进行时候的调整。亚马逊只会对有效的点击收费。

广告预算的每日上限

对各个设置严格的上限并非上策，出价Bid是由目标订单的广告成本CPS和转化率CVR决定的，只要把二者控制在合理的范围内（让ACoS低于产品毛利率），那么广告就是健康的。

这种时候，应该尽量放量，每一分钱都在带来利润。

担心广告花费超支的正确做法是优化CPS（优化Listing提高转化率）或者是调整出价，而不是简单的卡死预算，错过潜在的订单和增长机会。。

ASIN定投

ASIN定投不是一个冰冷的ASIN编号，而是这个ASIN背后所有的关键词集合。这就是ASIN定投报告中会有各种关键词的原因。

挖掘关键词为目的

发现竞争对手的排名很高，覆盖了大量想要但缺失的关键词时。

可以高BID定投这个ASIN，让广告出现在搜索结果的顶部，触发这个ASIN关联的各类关键词，测试挖掘新的流量词。

拦截流量，抢夺订单

以直接攻击竞争对手的福地为目标，在他的商品详情页直接截留他的客户。

应该设置低Bid，但是再商品页面上大幅度底稿竞价百分比，这样广告就不会浪费钱去抢搜索位流量，而是集中火力出现再竞争对手的详情页上，实现高效收割。

当广告定位的ASIN自然排名第一时，广告也可能出现在搜索结果页，因此，可以投放哪些自然排名考前的竞品ASIN。

父体内所有字体都要开广告

一个父体下每一个子ASIN都应该开广告活动。

因为Listing埋词时的长尾词、属性词、场景词分散在各个次ASIN的关键词中。只给主ASIN开广告，相当于放弃了哪些次ASIN所承载的长尾流量。

正确做法是每个子ASIN都开独立的广告活动，但是根据每个ASIN的定位和重要性，给予不同的CPS和出价。

单复数不需要都投

无论是广泛、词组还是精准，亚马逊匹配机制会自动包含单复数的互相匹配。

虽然统计时会分开，但是广告会自动匹配单复数。选择ABA中搜索量排名更高的形式进行投放即可。

品牌词投放

• 防守：投自己的品牌词，建立品牌壁垒。防止竞争对手抢夺品牌流量。
• 进攻：投竞争对手的品牌词，为自身引流。

广告数据不懂需不需要马上调整

遇到昨天ACOS很好看，第二天飙升的时候。一定要沉住气，统计学的大数定律会把数据的偶然波动减小。

一两天的波动具备极大的偶然性，可能知识因为一个偶然的因素。遇到数据突然波动，不必要在24小时之内调整。首先应该是需要分析：

• 检查Listing：差评、评分
• 分析市场，新竞争对手、类目头部降价、促销、
• 观察整体趋势：7-14天数据的检查，查看趋势是否针对变差了。

通常，波动会在1、2天内自动回归正常，经过充分分析，确认趋势性而非偶然性的变化后，再进行战略调整，才是成熟运营的做法。

广告ACoS并非越低越好

并非ACoS越低，利润越高。ACoS知识广告层面效率的指标，而非整体盈利的保证。广告本质是一种投资行为，终极目的是通过广告带动自然订单，提升整体利润，而非单纯追求广告本身盈利。

过低的ACoS会导致盈利的广告无法放量、广告无法带动自然排名提升，导致产品依赖广告流量，自然订单匮乏。

在ACoS可控的前提下，尽可能地扩大单量，提升自然流量占比。

健康的广告应坚固ACoS与单量的平衡，避免因片面追求低ACoS而错失增长机会。需要将广告视为链接整体盈利的一部分，才能实现长期的可持续发展。

TOP/ROS/PP三个位置的科学竞价

广告投放时，某一广告位花费预算转化不佳时，将花费引导至表象更好的广告位很重要。广告位的调整本质是通过竞价杠杆实现流量再分配，而非简单的关停或盲目涨加价。

总预算不变时，Bid为1，且未对任何广告位进行额外加价，此时PP流量大、点击多、花费高但是转化低。此时要将他引导至TOP、ROS位，则可以采取降底价、提位置价的策略。将Bid从1降至0.5，对TOS和ROS加价100%。核心逻辑是降低低效位置的出价，抑制其曝光和点击，同时提高高效位置的出价，吸引更多流量。

初次调整后，TOS和ROS位可能会因为出价不足无法充分花费预算，此时需要在运行一段时间后，根据实际表现进行二次优化。比如TOP位加价至120%，ROS位加价至110%。

广告投放初期，不建议直接增加百分比，此时不确定因素较多，最好是在后期数据积累足够时，满足了大数定律，再进行调整。

低价螺旋策略有用吗

“长期低价不是竞争优势，而是创新无能的遮羞布。“——威廉·鲍莫尔

电商竞争白热化时，低价螺旋是双刃剑，用对了可以撬动流量，用错了会陷入长期亏损的泥淖。低价螺旋是有用的，但是想要凭借他挣钱很难。

低价螺旋适合于中低客单价标品，核心逻辑是用降价替代广告预算，借助高CTR、高CVR拉动自然排名。但是新品使用低价螺旋容易陷入无法涨价也守不住排名的困境，因为缺乏评论和差异化的支撑，一旦涨价，则排名立即下降。

新品慎用低价螺旋，优先通过评论积累和产品的差异化构建壁垒，而非仅仅依赖价格优势。

老品因为评论优势和链接权重，可以适度借用其成为有效的优化手段，操作时需要关注小时趋势，稳定后再涨价，并配合低预算自动广告拓词。

通过低价-放量-涨价的节奏，实现广告成本替代和自然流量提升。最终的低价螺旋是否成功，取决于差异化支撑、评论基础和节奏控制能力。长期的竞争力依然是产品价值本身，而非仅仅依靠价格战。

新品广告数据差不出单

系统检查问题根源

1. 产品本身是否存在问题
2. 链接质量是否达标
3. 推广是否存在硬伤：根据漏斗检查问题
4. 推广策略是否合理：标品、非标品的推广策略差异显著，重新评估产品市场契合度。

SP广告归因是7天，在何何时进行调整

并非等待7天才进行调整。

曝光和点击是实时数据，具备高准确性和参考价值。

对于中低客单价产品，当天的数据已经反映了80%的最终情况。可以立刻进行优化调整。高客单价产品前三天的数据也已经基本稳定，可以作为调整依据。