Amazon Marketing Cloud
AMC 研究報告
AMC 研究與廣告自動化
2
章 CHAPTERS
11
驗證 VERIFICATIONS
T0–T3
證據分層
2026-06 · v3
AMC 研究報告目錄 · CONTENTS

AMC 能做什麼、不能做什麼

AMC 為聚合型隱私資料環境（privacy clean room），用於廣告成效的觀察性分析與假設驗證。可分析「曝光廣告後的後續行為」，但無法判定「購買是否由廣告造成」；後者須以 holdout（保留對照組）增量實驗驗證。

  • 01 AMC 基礎 — 用途 / 表 / 對齊
  • 02 數據驗證 — AMC↔後台 · SQP · 9 實驗（驗證 01–11）
  • 03 應用案例 ★ — BS 複購研究（應用 1）
  • 04 AMC Audiences — 能力與限制
  • 05 數據驗證 Schema — 能力階梯 × PPC
  • 06 未來該做的數據驗證（依優先序）
  • 07 KW 追蹤 · DataForSEO
  • 08 方法論與限制
  • 09 產品分析 — 標準指標集 & BS 真數據
AMC × Sponsored Ads · 教學 deck
02
01
Chapter 01
AMC 基礎
01 · AMC 基礎

AMC 用途

AMC 是聚合型隱私資料環境（privacy clean room），只能用 SQL 查詢；有兩種用法：

Report · 測量分析

進一步分析 SP / SB / SD 流量與轉化數據。

Audience · 受眾建立

打包受眾，回推 SP / SB / DSP 投放。

03
01 · AMC 基礎

AI Agent × AMC

過去

工程師逐題撰寫 SQL，單次分析成本高，AMC 多為偶發性專案。

現在

AI 代理 ＋ SP-API／AMC 憑證打通到位：用自然語言描述問題，代理自動生成 SQL → 執行查詢 → 解讀 → 自我修正。

結論 新增一個 AMC 問題的邊際成本趨近於零；AMC 由偶發性專案轉為常態化、可高頻深入的分析能力（本專案十餘個實驗即如此產出）。
04
01 · AMC 基礎

AMC 表格

按功能分四類常用骨幹：

流量

sponsored_ads_traffic（SP/SB/SD 曝光·點擊·花費）
dsp_impressions / dsp_clicks（DSP，未流入則為空）

廣告歸因轉換

amazon_attributed_events_by_traffic_time
…_by_conversion_time

轉換事件

conversions_for_audiences（曝光宇宙）
conversions_all 付費

零售 · 受眾鏡像

amazon_retail_purchases 付費
*_for_audiences — 各表鏡像，建受眾用

05
01 · AMC 基礎

三張核心表

兩張是純事件統計，第三張才用時間歸因把它們串起來。

表性質內容
sponsored_ads_traffic純統計原始流量事件（曝光／點擊），含 user_id、版位、關鍵字、花費、時間。
conversions_for_audiences純統計原始轉換事件（瀏覽商品頁／加購／購買），含 user_id、ASIN、event_subtype、時間。
amazon_attributed_events_*歸因（串接）Amazon 用 14 天 last-touch 把上面兩者串起來：這筆轉換歸給哪個點擊／關鍵字。
關鍵 流量事件天生帶版位、轉換事件天生沒有——曝光/點擊能逐 ToS/RoS/PP 拆;轉換的版位是歸因表用 last-touch 事後指派的,所以拆不乾淨(詳見驗證 3)。
展開主要欄位三表的關鍵欄位（schema 參考）
表主要欄位
sponsored_ads_trafficcreative_asin（推廣品，僅 SP/SD）· placement_type · customer_search_term · user_id · impressions · clicks · spend（÷1e8＝USD） · event_dt_utc
conversions_for_audiencesuser_id · tracked_item（ASIN）· event_subtype（detailPageView／addToCart／shoppingCart／order）· event_dt_utc
amazon_attributed_events_*user_id · ad_product_type（NULL＝DSP）· product_sales（僅推廣品）／total_product_sales（含 halo 外溢） · new_to_brand · 各指標 _clicks／_views
06
01 · AMC 基礎

廣告歸因：記帳規則，不是因果

歸因＝「一筆轉換，算哪個廣告的功勞？」買家下單前碰過多個廣告，需要一套規則決定 credit——它是記帳，不是事實。

兩個旋鈕

① 歸因窗：接觸後多久內的轉換才算
② 模型：多個接觸點，credit 怎麼分

Amazon 預設

14 天 · last-touch（credit 全給最後一次互動）；SP/SB 看點擊、SD/DSP 連曝光也算。

last-touch 偏誤

過獎「收尾」版位（商品頁／再行銷）、虧待「開場」（搜尋）→ credit ≠ 貢獻。

紅線 歸因 ≠ 增量：它只說「轉換路徑上有沒有廣告」，不說「沒廣告這筆會不會發生」。觀察式歸因系統性高估 ad-driven 銷售 ~3×（Gordon 2019）；要證因果，只有 holdout。這條貫穿整份報告。
展開深入三種轉換數 · 時間軸 · 外部證據
三種「轉換數」是什麼
原始事件 conversions_*這個人有沒有做這動作（沒套歸因）
廣告歸因 attributed這筆被算給廣告（套窗＋模型，小很多）
後台 ROAS/ACoS上面歸因的彙總
時間軸：by_traffic_time（掛點擊日）vs by_conversion_time（掛轉換日）；14 天窗 → 要等成熟才看數。模型不只 last-touch：first-touch／linear／position／data-driven，AMC 可自訂。外部證據（觀察法系統性高估 ad sales）：Lewis-Rao QJE 2015、Blake-Nosko-Tadelis ECMA 2015、Gordon MktgSci 2019（≈3×）。
07
01 · AMC 基礎

歸因 8 層：從直覺到底層

由淺入深層層加深——前段是直覺，越往下越是陷阱;第 7 層是整份報告的紅線。點任一層展開細節。

層 0 · 直覺歸因＝「一筆轉換算哪個廣告的功勞?」——記帳規則,不是事實

買家下單前通常碰過好幾個廣告接觸點,所以需要一套規則決定 credit 記給誰。歸因就是那套規則——它是一個「記帳規則」,不是事實。

層 1 · 兩個旋鈕歸因窗(多久內算)× 歸因模型(多接觸怎麼分 credit)

任何歸因都由兩件事定義:

  • 歸因窗(window):接觸之後多久內的轉換才算數。
  • 歸因模型(model):有多個接觸點時,credit 怎麼分。

把兩個旋鈕轉到不同位置,同一批購買就算出不同的「廣告功勞」。

層 2 · Amazon 預設14 天 · last-touch · SP 看點擊(SD/DSP 連曝光也算)
  • 窗 = 14 天(SP 後台可選 7d／14d;AMC attributed 表用 14 天)→ 看數要等成熟,近幾天轉換還在累積。
  • 模型 = last-touch:credit 全給轉換前最後一次互動。
  • SP／SB:只看點擊(沒點不算)。
  • SD／DSP:還看曝光(view-through,看到沒點也算)→ 更容易「灌水」。
層 3 · 三種轉換數原始事件 / 廣告歸因 / 後台彙總——口徑不同,別混

同一筆購買,三個地方是三個不同的數:

  • 原始事件(conversions 表):沒套歸因,最大。
  • 廣告歸因(attributed 表):套窗＋模型,小很多。
  • 後台 ROAS:再彙總。

→ 漏斗卡(原始事件口徑)不能拿歸因表去拆。

層 4 · 時間軸掛點擊日 vs 掛轉換日;14 天窗要等成熟
  • 掛點擊日(by_traffic_time) vs 掛轉換日(by_conversion_time):問不同問題用不同軸。
  • 14 天窗 → 近幾天轉換還在累積,太早看會低估。
  • 口徑不同 → SQP 24 小時窗與 AMC 14 天窗不相容,轉換層無法互相反推(見驗證 02)。
層 5 · last-touch 偏誤過獎收尾、虧待開場 → 版位飄、總量守恆

credit 全給「最後一次互動」,造成:

  • 過獎收尾型版位(商品頁 PP、再行銷)——坐在旅程末端。
  • 虧待開場型版位(搜尋、品類)——製造認知卻非最後一點。

後果:逐版位 credit 會飄(ToS 多分 +17%),但總量守恆(訂單 856 vs 後台 855)。

層 6 · 模型不只一種first / linear / position / data-driven——但都只是記帳

last-touch 之外還有:

  • first-touch:全給開場。
  • linear:均分。
  • position-based:頭尾加重。
  • data-driven:模型估(AMC 可自訂)。

→ 換模型只是換一套記帳規則,沒有一個是「真相」。

層 7 · 紅線：歸因 ≠ 增量只說「路徑上有廣告」,不說「沒廣告會不會發生」

歸因只回答「路徑上有沒有這個廣告」,不回答「沒有它這筆會不會照樣發生」(增量):

  • 過度歸因會認領「本來就會買」的人——品牌詞、再行銷、PP 防禦最嚴重。
  • 我們數據:近半購買者根本沒點 BS 廣告。
  • 外部證據:Lewis-Rao(QJE 2015)、Blake-Nosko-Tadelis(ECMA 2015)、Gordon(Mktg Sci 2019,觀察法高估約 3×)。

→ 要量因果只有 holdout 實驗。

層 8 · 實務看規模/診斷/找浪費 ✅;拿歸因決定砍通路 ✕

✅ 可用:

  • 看流量規模、漏斗診斷、找浪費搜尋詞、同口徑相對比較。

✕ 不可用:

  • 拿歸因 ROAS／ACoS 決定「砍哪個通路或版位」(那是增量問題,需 holdout)。
  • 判斷品牌詞／PP 防禦／再行銷值不值得(歸因嚴重高估)。
08
01 · AMC 基礎

AMC × 廣告後台數據

AMC 就是細分廣告後台數據。

對齊結果

曝光 · 點擊 · 花費 · 訂單 都對得上（差 ~2–4%；訂單推廣品近乎一致）。

驗證強度

四項驗證各自成立：同窗版位、逐 29 ASIN、異窗版位、訂單。

結論 數據可互相對帳；~3% 穩定偏移推測為 AMC 較嚴的無效流量過濾。
09
01 · AMC 基礎驗證詳見「數據驗證」章節

AMC 與 SQP 的關係

SQP＝Brand Analytics 的「搜尋詞成效」報表（同一搜尋詞下，自然＋付費的曝光統計）。

版位範圍不同

AMC 曝光＝搜索結果 ＋ 商品詳情頁；SQP 只有搜索結果。

搜索數據細分

AMC＝廣告（含推薦版位）；SQP＝搜索漏斗（自然 ＋ 搜索廣告，不含推薦版位）。

結論 SQP − AMC 切出的搜索數據 ≈ 搜索自然流量（看廣告對自然的帶動）；僅曝光／點擊層可反推（單週飄、需多週平均），轉換層因定義不相容不可行。
10
01 · AMC 基礎反推自然流量的邊界

用 SQP 反推自然：流量層可減、轉換層不行

能不能反推，看「付費那一份」能不能從總量乾淨切出來；能切的也只在多週平均下可信。

流量層 ✓ 可反推（需多週）
曝光 · 點擊

純事件、同窗互斥 → SQP − 付費 = 自然，原理成立；但單週飄、需多週平均（見驗證 2）。

轉換層 ✕ 反推不出
DPV · 加購 · 購買

三者各有死因（缺欄／不歸因／定義不相容），減不出可信的自然。

但未經廣告曝光的購買可改用 FSI（付費 conversions_all）直接讀（exposure_type 分未曝光／曝光，非反推）。

為什麼 流量是純事件統計，同窗互斥、可相減；轉換要靠歸因，而 AMC（14 天／點擊錨）與 SQP（24 小時／搜尋錨）定義不相容——細節見「數據驗證」章。FSI 只到轉換側，自然「流量」仍只能靠 SQP。
11
02
Chapter 02
數據驗證
02 · 數據驗證

驗證 1：AMC 是否能與廣告後台數據對齊？

四項驗證各自獨立成立。
版位：ToS 搜尋頂部／RoS 搜尋其餘／PP 商品頁；Δ＝AMC 比後台的差%。

① 同窗 · 版位05-02→06-01 · ToS/RoS/PP · 曝光·點擊·花費−2~−4%
版位指標後台AMCΔ
ToS曝光22,00221,345−3.0%
ToS點擊1,5571,517−2.6%
ToS花費$2,382$2,325−2.4%
RoS曝光666,134645,720−3.1%
RoS點擊7,7607,511−3.2%
RoS花費$7,670$7,420−3.3%
PP曝光2,853,7942,742,352−3.9%
PP點擊3,9853,828−3.9%
PP花費$3,155$3,030−4.0%
後台＝SP 報表(spCampaigns × 版位)；AMC＝sponsored_ads_traffic 同窗。三版位 × 三指標一致 −2~−4%。OTHER 桶因兩端版位分類口徑不同未列入。
② 同窗 · 逐 ASIN05-02→06-01 · 29 支 ASIN(imp≥1k) · 曝光·點擊中位 ~0%
ASIN後台 impAMC impΔ後台 clkAMC clkΔ
ASIN-011,702,1951,673,098−1.7%5,6085,464−2.6%
ASIN-02449,193435,745−3.0%1,019995−2.4%
ASIN-03322,713312,963−3.0%1,7401,678−3.6%
ASIN-04194,464189,677−2.5%443440−0.7%
ASIN-05188,300184,855−1.8%1,019987−3.1%
ASIN-06142,215141,658−0.4%1,2431,224−1.5%
ASIN-07130,419124,967−4.2%511500−2.2%
ASIN-0883,95482,411−1.8%109100−8.3%
ASIN-0961,76260,956−1.3%461460−0.2%
ASIN-1047,44346,479−2.0%425411−3.3%
ASIN-1133,39632,588−2.4%4943−12.2%
ASIN-1232,91732,761−0.5%166164−1.2%
n=29(後台 imp≥1k)｜Δ曝光 中位 −0.5%、聚合 −1.8%｜Δ點擊 中位 0.0%、聚合 −2.3%。僅列前 12 大；微量 ASIN 點擊小樣本波動大(如 ASIN-11)。ASIN 已匿名化。
③ 異窗 · 版位04-01→05-01(與①不重疊) · ToS/RoS/PP · 曝光·點擊·花費−2~−4%
版位指標後台AMCΔ
ToS曝光37,15735,624−4.1%
ToS點擊2,6272,519−4.1%
ToS花費$4,023$3,860−4.1%
RoS曝光833,058814,949−2.2%
RoS點擊9,4299,211−2.3%
RoS花費$8,964$8,758−2.3%
PP曝光2,366,1682,285,176−3.4%
PP點擊4,9874,869−2.4%
PP花費$3,878$3,785−2.4%
獨立窗口(4 月)再驗一次,排除單一時段巧合。三版位 × 三指標同樣 −2~−4%,方向一致。
④ 訂單 · 總量05-02→06-01 · 推廣品／含 halo · 僅總量（版位歸屬較模糊）+0.1% ／ −2.9%
口徑後台AMCΔ
推廣品購買（同 SKU）855856+0.1%
含 halo 購買（全 SKU）2,8982,814−2.9%
後台＝SP 報表 purchasesSameSku14d／purchases14d；AMC＝amazon_attributed_events purchases／total_purchases，同 14 天窗、ToS+RoS+PP。逐版位較噪（如 ToS 推廣品 +17%）——轉換的版位歸屬比流量模糊、版位間互相挪移，加總才守恆，故僅列總量。
結論 四項驗證證明，曝光／點擊／訂單／花費跟廣告後台的數據幾乎完全一致。
12
02 · 數據驗證

驗證 2：能用 SQP 反推自然搜索流量嗎？

公式 自然 = SQP − AMC 搜索切片。以 toddler socks 跨 26 週（半年，2025-12 ~ 2026-05，全程 API）檢驗 → 反推只在「付費輕」期間勉強成立，重投期直接失效。

曝光層 ⚠ 僅輕投期可算
14/26 週

可算的週也大起大落（8.9–60.3%，sd 15.4）；12 週重投期（旺季）付費曝光 ＞ SQP 總曝光，減法失效（被 floor 成負）。

點擊層 ⚠ 同樣依賴投放
20/26 週

可算的週 7.5–90.4%、sd 27.6（極不穩）；6 週重投期付費點擊 ＞ SQP，同樣失效。輕投近期才回到 84–90%。

轉換層 ✕ 三指標皆否
DPV · 加購 · 購買

DPV：SQP 無此欄；加購：AMC 全不歸因（=0）；購買：官方定義不相容（SQP 24h／搜尋 vs AMC 14 天／點擊）。

展開原始數據26 週 · SQP(SP-API) vs AMC 搜索切片(ToS+Other)　— = 付費>SQP 失效自然 = SQP − 付費
週SQP imp付費搜尋自然 impSQP clk付費自然 clk
重投期（2025-12 ~ 2026-02）— 付費多次 ＞ SQP，減法失效
11-3045,02335,8499,174 (20.4%)615473142 (23.1%)
12-0717,67719,387—28126021 (7.5%)
12-1414,58518,004—18514441 (22.2%)
12-215,4237,364—583721 (36.2%)
12-287,11515,495—6991—
01-047,14716,935—100135—
01-115,72415,545—81107—
01-185,64913,296—75105—
01-255,91611,556—6275—
02-017,54511,824—11810711 (9.3%)
02-086,05115,868—112135—
02-155,36810,487—1028814 (13.7%)
02-225,6347,060—1539558 (37.9%)
輕投期（2026-03 ~ 05）— 可算，但仍逐週飄
03-017,8806,5461,334 (16.9%)1749084 (48.3%)
03-085,9455,416529 (8.9%)1518962 (41.1%)
03-156,0164,3311,685 (28.0%)1115556 (50.5%)
03-2210,5355,7264,809 (45.6%)1366373 (53.7%)
03-2918,2807,26311,017 (60.3%)241108133 (55.2%)
04-0515,0789,7095,369 (35.6%)241108133 (55.2%)
04-1210,3028,9551,347 (13.1%)35492262 (74.0%)
04-197,9664,9023,064 (38.5%)49668428 (86.3%)
04-267,6075,3282,279 (30.0%)40561344 (84.9%)
05-037,7653,8583,907 (50.3%)31442272 (86.6%)
05-104,0893,288801 (19.6%)24540205 (83.7%)
05-175,7952,9982,797 (48.3%)28027253 (90.4%)
05-245,0372,6302,407 (47.8%)20826182 (87.5%)
SQP＝SP-API Brand Analytics（單詞 toddler socks 的 asinImpressionCount／asinClickCount）；付費搜尋＝AMC ToS+Other（sponsored_ads_traffic）同窗。有效週（付費<SQP）：曝光 14/26 mean 33.1、sd 15.4；點擊 20/26 mean 52.4、sd 27.6。「Other on-Amazon」非純搜尋結果位，重投期（旺季 auto/broad 大投）灌大到超過該詞總搜尋曝光 → 兩源非同尺度、減法失效（12 週曝光、6 週點擊）。轉換層：keyword 可切的付費歸因加購全 0（SP 歸因稀疏）；conversion 表加購非 0，但無 keyword 維度。
購買為何不可反推SQP vs AMC 購買的官方歸因定義對照定義不相容
維度SQP 購買AMC 歸因購買
歸因錨點搜尋查詢廣告點擊
時間窗24 小時（同日）14 天 last-touch
涵蓋率僅同日 ~1/5 轉換點擊後 14 天全收
宇宙搜該詞所有人（自然＋付費）只點過廣告的人
版位只有搜尋結果跨版位（搜尋＋PP）
排 PP 只修「版位」一重；24h vs 14 天的時間窗與錨點不相容、無法用過濾修。實測 toddler socks 四週（排 PP 後）自然購買 0／+1／+3／+5、彙總 39%——數量級巧合，非有效自然值。來源：SQP 24h（Parker-Lambert）、SQP 僅搜尋來源（amalytix）、AMC 14 天 last-touch（Amazon Ads）。
結論 用 SQP 反推自然：只在付費輕的期間勉強可算、且逐週大幅擺動；重投期付費曝光甚至超過總搜尋曝光（兩源非同尺度）→ 減法失效；轉換層結構性不可行。要可靠只能 holdout／直接量測。
13
02 · 數據驗證

驗證 3：AMC 抓得到核心五數據嗎？

AMC 五核心數據：曝光灌商品頁、效率在搜尋。

817,400
曝光
3,112
點擊
4,273
瀏覽商品頁 用戶
1,594
加購 用戶
1,107
購買 用戶
結論 曝光七成灌在商品頁，但點擊與花費七成在搜尋——曝光看 PP、效率看搜尋。
展開原始數據版位 + 漏斗 + 逐 ASIN + 巢狀驗證
版位曝光佔比CTR點擊花費
ToS 搜尋頂部4,4710.5%6.91%309$467
RoS 搜尋其餘142,25517.4%1.27%1,802$1,798
PP 商品頁626,89376.7%0.15%944$754
合計817,400100%0.38%3,112$3,104
漏斗（廣告歸因 · 事件／去重用戶）
瀏覽商品頁 DPV事件 10,211 · 用戶 4,273
加購事件 1,883 · 用戶 1,594
購買事件 1,245 · 用戶 1,107
逐 ASIN 漏斗（前 8 大·佔曝光 87%；數字＝事件·用戶；ASIN 匿名）
ASIN曝光點擊DPV加購購買冷%
ASIN-01（Hero）371,9821,2502,476·1,900285·277196·19699.7%
ASIN-02110,118277921·731260·255174·17499.7%
ASIN-0371,697407615·48150·4728·2899.4%
ASIN-0443,587224496·38576·7654·5499.5%
ASIN-0539,403104497·41078·7651·5099.7%
ASIN-0629,873124420·31277·7352·5299.6%
ASIN-0727,748282668·54199·9661·6099.0%
ASIN-0818,66830255·22680·8061·6199.8%
合計（32 支）817,4003,11210,211·4,2731,883·1,5941,245·1,10799.6%
漏斗巢狀包含率
購買 ⊆ 加購78.7%
加購 ⊆ 瀏覽98.1%
購買 ⊆ 瀏覽90.1%
瀏覽 ⊆ 點擊60.7%
購買 ⊆ BS 點擊47.4%
瀏覽⊆點擊僅 60.7% → 39% 商品頁造訪非廣告點擊驅動;購買⊆BS點擊 47.4% → 近半購買者沒點 BS 廣告(購買⊆加購 78.7%：~21% 走「立即購買」繞過購物車)。事件可相加、用戶需去重(跨 ASIN 會重複)。spend÷1e8＝USD。
14
02 · 數據驗證

驗證 4：BS 的復購率多少？尺寸升級 vs 換色

5 月復購 26%——同色換大尺寸 16.2%、異色換款 14.3%，雙引擎各半。

26.0%
復購率（5 月訂單）
16.2%
同色換大尺寸（≥3 月）
14.3%
異色換款（≥2 週）
74%
首購（非復購）
結論 復購 26%——一半靠「孩子長大、同色換大尺寸」，一半靠「換不同色款」。對策：尺寸線要齊全（缺尺寸＝斷復購鏈）＋ 出新色拉回舊客。
展開拆解 · 定義 · 方法 · 與 NTB 區別
拆解：同色換尺寸 16.2% ＋ 異色換款 14.3% − 兩者重疊 4.6% ＝ 復購 26.0%。定義：同色需間隔 ≥3 個月、異色 ≥2 週（排除同次購物多買）。方法：12 個月回看窗、AMC 顧客層自連接、間隔以週桶近似（±約 1 週）。與 NTB 別：NTB＝品牌 12 月新客（此線新客 62%、舊客 38%）；復購為變體層級，復購 26% ⊂ 品牌舊客 38%。
15
02 · 數據驗證

驗證 5：廣告點擊來自哪、成本多少？

多數點擊來自搜尋詞（69%）；商品頁點擊較便宜（$0.79 vs $1.09）。

點擊來源點擊佔比CPC
搜尋詞2,12268.7%$1.09
商品頁91529.6%$0.79
整體3,088100%$1.01
結論 搜尋詞帶來多數點擊；商品頁點擊較便宜，但量僅 29.6%。
16
02 · 數據驗證

驗證 6：曝光有多少是沒人點的「冷流量」？

99.6% 的曝光是冷流量——被秀出、沒人點，主要由商品頁灌出。

817,400
總曝光
3,112
點擊（CTR 0.38%）
814,288
冷流量（沒點）
99.6%
冷流量佔比
結論 99.6% 曝光是冷流量，主要由商品頁灌出——是常態，非壞事。
展開原始數據冷流量 × 版位（7d）
版位曝光佔比點擊CTR冷流量%
ToS 搜尋頂部4,4710.5%3096.91%93.1%
RoS 搜尋其餘142,25517.4%1,8021.27%98.7%
PP 商品頁626,89376.7%9440.15%99.9%
17
02 · 數據驗證

驗證 7：「有搜尋詞」就等於「來自搜尋結果」嗎？

不是——商品頁也帶詞；乾淨的搜尋切片必須用版位篩。

76.5%
PP 曝光佔比
0.18%
PP CTR
4.47%
ToS CTR（PP 25×）
21.1%
RoS 曝光佔比
結論 「有搜尋詞」≠「來自搜尋結果」——商品頁也帶詞，乾淨搜尋切片要用版位篩。
展開原始數據PP 效率 · 商品頁帶詞 · halo 口徑 · 去留
主題結論
PP 效率PP 不是黑洞：三版位 ACoS 只差 1.27×（ToS 38%／RoS 33%／PP 42%）；PP 拿 54% 預算產 51% 購買，相稱
商品頁帶詞SP 在商品頁曝光 100% 帶詞；「PP 不進搜尋詞報表」是 placement-origin（在詳情頁發生），不是「沒 query」
halo 口徑剔除 halo 的嚴格 ACoS：PP 217% vs 含 halo 54%（4.02× 放大）；halo 確是自家品牌（2.64×），含 halo 口徑偏樂觀
PP 去留「值不值得付 PP 的錢」＝增量問題、觀察級答不了 → 存疑，須 holdout
18
02 · 數據驗證

驗證 8：預算有對齊各 ASIN 的角色嗎？

沒有——存在過度投放，也有隱藏冠軍。

740K
Hero 曝光（47.7% 花費）
#2→#4
過度投放（投放→互動）
#9→#2
隱藏冠軍
743K
SB 空 creative（29%，無歸因）
結論 預算沒對齊 ASIN 角色——有過度投放，也有隱藏冠軍。
展開原始數據商品定向（PAT）分散度 · 效率
主題結論
分散度商品定向（PAT）分散全由品類定向造成（品類A 對 14,006 個對象）；ASIN 定向超集中（自己占 90%+）；PAT 的「搜尋詞」多是 ASIN（dark search）
效率品類噴灑 ≠ 浪費：品類定向 ACoS 32%／ASIN 定向 31%／瀏覽再行銷 15%；唯一該砍＝keyword-group 當品類那組 64%。⚠️ 瀏覽再行銷 15% 最存疑（view-through 灌水＋需求截留非創造），放大前須 holdout
19
02 · 數據驗證

驗證 9：曝光越多、越近，就越會買嗎？

購買率隨時間衰減、隨次數上升——但這是 selection 污染，不是因果。

0.281→0.024
購買率（0–7天 → 121–180天，~12×）
5.8×
次數 1 → 30+ 的提升
結論 購買率隨次數升、隨時間衰，但這是 selection、不是因果——多投不等於多轉。
展開兩個污染源 · 價格帶決定 frequency 形狀
兩污染：(1) 觀察窗——舊桶觀察期更久；(2) reverse causality。價格帶決定 frequency 形狀：低價廣而淺、高價窄而深；BS 1→30+ lift 5.8×（$14）／KPGS 26.3×（$29，f=30+ 回落＝過曝疲勞）。⚠️ KPGS f=30+ 僅 664 人、同 selection 污染 → 26.3× 只能當假設（Lewis-Rao 嚴重打折）。
20
02 · 數據驗證

驗證 10：Hero 的銷售有多少來自自然流量？

大量來自自然流量；付費廣告主要在商品頁做防禦/截流。

85–91%
自然點擊占比
≈50×
商品頁 vs 搜尋曝光
30–60%
自然搜尋曝光
50–100%
品牌新客購買占比
結論 Hero 銷售大量來自自然；付費廣告主要在商品頁做防禦，非主要拉新。
展開口徑風險 + 與版位 halo 互補
toddler socks 商品頁 imp 149,981 vs 搜尋 2,998（≈50×）。外部補充：SQP 與 AMC 分母不同，僅曝光/點擊層可線性反推、轉換層不可（本報告「數據驗證」章已嚴格證明）。PP-halo 的量化見驗證 6（PP 效率／halo 口徑），與本卡互補。
21
02 · 數據驗證

驗證 11：什麼樣的版位組合最會轉換？

不是版位類型，而是「多版位重疊」——但極可能是 selection。

0.666
三版位都中 CVR（8×，15 萬用戶）
0.359
兩版位
0.161
純 ToS
0.132
純 PP
結論 決定轉換的是多版位重疊、不是版位類型——但極可能是 selection、非因果。
展開外部對照（皆無 holdout）
中文社區「2–3 種廣告型態轉換 4×」、Perpetua「16×」方向一致＝補充；但全屬 vendor 報告、無 holdout，Gordon 2019 證此類觀察 lift 可嚴重偏誤、甚至反號。
22
03
Chapter 03
應用案例
03 · 應用案例

應用 1：BS 複購研究

三層拆解：現象 → 行為 → 決策，依此順序逐層展開

① 現象

多少人回來？何時？

  • 復購率（存活曲線）
  • 復購節奏（逐月強度）
② 行為

回來買什麼？

  • 四型總覽
  • 尺寸軸（成長）
  • 花色軸（基本款引力）
③ 決策

錢怎麼花？

  • 入門質量（在哪獲客）
  • 廣告依賴（回購再付費？）
  • 跨線（品線戰略）
資料源 AMC 全購買資料（完整 3 年歷史、39.6 萬筆訂單）；童襪類別、客戶層級、同批首購客追蹤分析。
23
03 · 應用案例

復購率與節奏

同批首購客追蹤 · 累積復購率

16.7%1 年
22.5%2 年
首購後合格客（追蹤夠久）其中復購累積復購率
90 天242,11617,1847.1%
180 天215,19524,32511.3%
1 年147,56824,60616.7%
450 天125,53322,41417.9%
1.5 年103,29819,65919.0%
650 天62,39313,61521.8%
2 年48,72110,94722.5%
結論 復購窗跨年持續——1 年 17%、2 年還在爬到 22%。再行銷不能只打首購後 30 天（才 2.7%），要鋪滿一兩年。
展開方法 · 資料源 · 限制
資料源＝AMC 全購買資料、完整 3 年歷史（39.6 萬筆），抓真實首購。合格客＝首購距今已滿該期、能回答「N 天內有沒有回購」的人。為何不是更高：只看近 13 個月的窗會把舊客誤認成新客（左審查）、把 1 年率灌到 24%；全歷史校正後為 16.7%。範圍：只算 4 條襪線內的復購，跨到其他線/品類的回購未計入，品牌級更高。
24
03 · 應用案例

復購節奏與線別差異

第一次回購的逐月強度（等寬月桶 × 24 個月）

14%
1
3
6%
6
9
3%
12
15
18
21
1%
24
首購後第 N 個月的回購強度（占 2 年內回購者的比例，每月）
結論 高峰在第 1 月（14%）後平滑衰減、無第二高峰；約半數的回頭客 6 個月後才回來——黃金窗要打、長尾不能斷。嬰兒襪 2 年回購 24.6%、其他線約 16% → 預算優先嬰兒襪。
展開分母 · 桶寬 · 範圍
分母＝三線 2 年內有回購者合計 11,093（嬰兒襪 9,040／平口襪 1,238／動物襪 815），每人只計第一次回購。等寬正規化：月界以週換算（4/5 週交錯），強度＝占比 ÷ 桶寬 × 4.33 週，消除桶寬鋸齒。線別形狀：三線衰減形狀相近，惟動物襪第 1 月特別高（18%，偏送禮/湊單快速加購）。花邊襪（上市未滿 2 年）以 1 年口徑另測：四線同口徑 1 年回購率＝嬰兒襪 17.8%／花邊襪 15.3%（2,472 人，僅最早一批入門客）／平口襪 14.1%／動物襪 13.8%——花邊襪復購體質排第二。逐月明細：第1月 13.6% 第2月 10.7% 第3月 9.6% 第4月 7.5% 第5月 6.6% 第6月 6.1% 第7月 5.4% 第8月 4.9% 第9月 4.6% 第10月 4.3% 第11月 3.8% 第12月 3.0% 第13月 2.6% 第14月 2.4% 第15月 2.2% 第16月 1.9% 第17月 1.5% 第18月 1.6% 第19月 1.5% 第20月 1.4% 第21月 1.4% 第22月 1.1% 第23月 1.2% 第24月 1.2%。
25
03 · 應用案例

復購行為四型

第一次回購與首購的差異（互斥分類，加總 100%）

復購型是什麼占比何時發生
補貨同款 · 同色 · 同碼，再買一次35%68% 在前 6 月
換色同款，換一個顏色28%55% 在前 6 月
跨款換一條襪線（如 嬰兒襪 → 平口襪）19%58% 在 6 月後
升級同色，換大一個尺寸（孩子長大）16%68% 在 6 月後
結論 早回來的買補貨與換色，晚回來的買升級與跨款——前 6 月推同款補貨與新色，6 月後推下一個尺寸與其他款式。
展開定義與母數
母數＝10,947（2 年內有回購者，與上頁同一批人）。互斥分類：每人只計第一次回購、按 跨款>換色>升級>補貨 優先歸一型；另有 3% 為降碼等其他。花邊襪（太新、未入 2 年母數）以 1 年口徑另測 378 名回購者：補貨 48／換色 25／升級 14／跨款 8%——形狀一致、更偏補貨（線齡輕，升級/跨款屬晚期行為）。補充（全歷史多標籤）：若改看「曾經發生過哪型」（一人可多型），補貨 56%／換色 35%／升級 25%／跨款 22%——後續回購會累積出更多型。
26
03 · 應用案例

尺寸跳階 × 復購間隔

同線同色首次回購的尺寸變化判讀

間隔同尺寸+1 階（大一號）+2 階以上
≤3 月85%（2,136）13%（324）2%（40）
4-6 月78%（1,219）21%（330）1%（12）
7-9 月63%（695）35%（383）3%（30）
10-12 月55%（440）43%（341）2%（16）
1-1.5 年46%（343）50%（366）4%（30）
1.5-2 年30%（124）59%（242）11%（46）
結論 一年後回來的客人，過半已是升級——同尺寸↓、升級↑跟著間隔走＝真實成長；短間隔同尺寸＝同孩補貨，長間隔仍同尺寸＝多為買給新對象。
展開怎麼判讀 · 限制
已控制顏色（同色比較，純看尺寸）。意圖判讀：尺寸跳幅對得上該間隔的生理成長＝同孩長大；長間隔還同尺寸＝襪子撐不到那麼久、孩子也穿不下 → 多為新對象/送禮。母數＝7,117（首次回購含同線同色者，每人一筆）。雜訊已量化：以「8 週內買過相距 ≥2 階尺寸」抓多孩/送禮，僅全體買家 1.4%、換尺寸客的 14% → 升級 86% 是單孩真成長。限制：1.5-2 年僅 412 人、宜保守；趨勢（同尺寸遞減、+1 遞增）樣本厚、穩。
27
03 · 應用案例

花色轉移與基本款引力

同線首次回購的 首色 → 次色 流向（嬰兒襪）

入門色回購留同色轉向黑白灰基本款
黑白灰（基本款）73%—
女寶粉色57%24%
男寶藍色41%43%
結論 黑白灰是回購的引力中心——自己留 73%、各彩色的流出都朝它去。彩色款當獲客門面、基本款承擔復購（庫存優先保它）。
展開其他線 · 口徑
其他線同型：平口襪基本款留 80%；動物襪兩色互留約 75%。口徑：2 年合格客的首次回購、同線色對；同週多色各計一對。白色組/黑色組未出現在入門列——2024 底才上架，尚無滿 2 年的入門客。
28
03 · 應用案例

入門變體與回頭率

不同首購入口的 2 年回購率（嬰兒襪）

入門尺寸帶首購客2 年回購率
0-6 個月（新生兒）91511.5%
6-12 個月6,01517.7%
1-3 歲20,83025.6%
3-5 歲10,09129.6%
5-7 歲1,82025.5%
結論 最會回頭的入口＝幼童帶（1-5 歲）× 黑白灰（黑白灰入門 28.1% vs 女寶 19.8%）。新生兒尺寸入門回頭率最低（11.5%）——偏送禮流量（推論），獲客價值要打折。
展開色別 · 限制
按入門色（嬰兒襪）：黑白灰 28.1%（22,105 人）／男寶 25.1%（4,880）／女寶 19.8%（12,686）。限制：未控價格/促銷/評論/上架年齡——入口間差異可能部分反映當時流量結構；「新生兒＝送禮」為推論（與彌月情境一致），AMC 無法直接驗證。
29
03 · 應用案例

回購的廣告依賴

購買前兩週內是否點過我們的廣告 · 首購 vs 回購

60.5%
首購有點廣告
（116,526 次購買）
24.8%
回購有點廣告
（37,293 次購買）
75%
的回購沒點廣告
自己回來
結論 獲客靠廣告、回購靠自己——四分之三的回頭客不經廣告點擊（已購清單/直接回 listing），回購營收幾乎免 CPC。再行銷至多觸及那 25%，預算集中第 1–2 月黃金窗即可；真增量需保留對照組驗證。
展開口徑
「點過廣告」＝購買前約 2 週內點過本品牌任一 sponsored 廣告（週桶粒度、對齊 SP 14 天歸因窗）。僅含近 52 週發生的購買（廣告流量資料回看 13 個月的硬限制）。「沒點廣告」無法再細分已購清單/自然搜尋/直接進入。相關非因果。
30
03 · 應用案例

跨款與跨線：客群遷移的邊界

首次回購的款式流向 · 襪 ↔ 護具的 2 年交叉購買

入門款回購留同款轉向嬰兒襪
嬰兒襪（9,225）85%—
平口襪（1,268）70%21%
動物襪（849）62%27%
~1.4%
襪子客 2 年內後續買護具
（各年齡帶 1.2–1.8%，無梯度）
2.8%
護具先買者 2 年內回頭買襪
（44,157 人）
結論 襪子內會流動（嬰兒襪是引力中心），但跨到護具幾乎不發生——無年齡梯度、襪子尺寸天花板前也無上升 → 「襪子客畢業進護具」不成立。護具獨立獲客、襪子 LTV 靠線內三軸（補貨/換色/升級）。
展開檢定 · 口徑
畢業假說檢定：(i) 年齡梯度＝平（1.2/1.8/1.4/1.4/1.2%）✗ (ii) 天花板前上升＝5-7 歲反而最低 ✗ (iii) 1-3 歲的 3.3% 中 59% 是同週湊單（爬行護膝＋襪），已剔除 (iv) 反向(2.8%)≥正向(1.4%)，方向不支持。口徑：2 年合格客；襪護組（含襪）排除在護具外；花邊襪太新未入；個別小格（n<30）視為噪音。
31
1 / 8