Amazon Ad Analysis

Amazon 广告分析与经营分析

核心原则

1. 数据驱动：所有分析和建议必须有数据支撑，拒绝脑补和主观臆断。每个数字必须可追溯到原始数据文件的具体行。
2. 分段式分析：日级看长期趋势，周/月级看波动变化并归因
3. 可验证假设：每个操作建议必须有预期目标和验证时间
4. 闭环跟踪：操作后必须复盘效果，形成"建议→执行→验证→优化"闭环

数据架构（四份文件）

文件定位与数据流

第一层：产品全貌
  产品表现文件（日度版）──→ 每个ASIN每天的整体表现
    包含：销量、销售额、订单量、Sessions、CVR、广告花费、ACOS、TACOS、ROAS、自然订单等
    粒度：一个ASIN一天一行

第二层：广告解剖
  广告表现文件（日度版）──→ 每个广告活动每天的表现
    包含：曝光、点击、花费、销售额、订单、ACOS、CPC、CTR、CVR等
    粒度：一个广告活动一天一行
  品牌广告归因文件 ──→ 补充广告表现文件中缺失的品牌广告数据
    包含：品牌广告的销售额、订单、新客户占比
    粒度：28天汇总，一个ASIN一行

第三层：关键词归因
  搜索词文件 ──→ 每个搜索词每天的表现
    包含：展示、点击、花费、销售额、订单
    粒度：一个搜索词一天一行（注意过滤多日行）

数据关系

• 产品表现文件的"广告花费" ≈ 广告表现文件的花费总和 + 品牌广告归因的花费
• 广告表现文件的花费 = 搜索词文件的花费总和（SP部分）
• 搜索词文件是广告表现的下钻，不是独立数据源

品牌广告加权方式

1. 合并计算：调整后ACOS = 广告花费 ÷ (广告销售额 + 品牌广告销售额)
2. 单独展示：品牌广告的销售额/订单/新客户占比单独列出，展示其对整体的贡献

全局决策树（收到用户请求时先走这里）

1. 检查用户是否上传了文件：

   • 若上传了 四份文件（产品表现日度 + 广告表现日度 + 品牌广告归因 + 搜索词）→ 执行完整流程。
   • 若上传了 三份文件（产品表现日度 + 广告表现日度 + 搜索词，无品牌广告归因）→ 执行完整流程，跳过品牌广告加权。
   • 若上传了 两份文件（产品表现日度 + 广告表现日度）→ 执行阶段1→2→3，跳过搜索词分析。
   • 若只上传了 广告表现日度 → 仅做广告维度分析。
   • 若未上传任何文件 → 提示上传文件。
   • 若文件格式不是 Excel/CSV → 提示："请上传 Excel (.xlsx) 或 CSV (.csv) 文件。"

2. 数据验证（阶段1清洗后立即执行）：

   • 检查必需列是否存在（自动匹配中英文列名）
   • 检查数据量是否足够（建议 ≥ 100 行）
   • 检查空值比例（>50% 的列需警告）
   • 若验证失败 → 提示用户检查数据格式

3. 分析路径选择：

   • 如果用户指定了特定 ASIN → 在阶段3中优先对该 ASIN 进行深度分析
   • 如果用户只要求"否定词清单"或"词根分析"等局部任务 → 可直接进入对应子步骤，但要先完成数据清洗和验证
   • 如果用户要求多站点分析 → 按店铺分组，分别执行完整流程

4. 列名适配：

   • 脚本自动检测列名（支持中英文），无需手动映射
   • 若列名无法识别 → 列出实际列名，提示用户确认

工作流四阶段

阶段1：数据导入与清洗

输入：用户上传Excel文件（日度数据）

• 完整输入（推荐）：4个文件
  • 产品表现日度版（每个ASIN每天一行，包含销量/流量/广告/自然表现）
  • 广告表现日度版（每个广告活动每天一行，包含曝光/点击/花费/订单）
  • 品牌广告归因（28天汇总，补充品牌广告数据）
  • 搜索词报告（每个搜索词每天一行）
• 部分输入：根据已有文件执行对应分析

处理步骤：

1. 读取Excel：读取所有上传文件的结构
2. 数据清洗：
   • -- → 0
   • 0% → 0
   • 有花费无销售额 / 有花费无订单 → 0
   • 百分比字符串转小数：21.90% → 0.219
   • 空值标记和统计
3. 日期处理与周分配：
   • 确定数据时间范围（如0629-0726，共28天）
   • 按自然周切分：W1(0629-0705), W2(0706-0712), W3(0713-0719), W4(0720-0726)
   • 每行数据根据日期字段分配到对应周
4. 搜索词数据预处理（搜索词报告专用）：
   • 检测行类型：单日行（开始日期==结束日期）vs 多日行（开始日期≠结束日期）
   • 关键规则：周趋势分析、词根分析、否定词清单必须只使用单日行
   • 过滤方法：if row['开始日期'] != row['结束日期']: skip
   • 校验：单日行的花费总和应接近广告表现文件的SP花费总和
5. 数据校验：
   • 检查各文件数据一致性（产品表现的广告花费 ≈ 广告表现的花费总和 + 品牌广告花费）
   • 检查必需列是否存在
   • 检查数据量和空值比例
6. 数据质量报告：
   • 每列缺失值数量和占比
   • 异常值检测（ACOS>100%、CPC>$5等）
   • 数据时间范围确认
   • 周分布确认（每周有多少天的数据）

输出：清洗后的数据 + 数据质量摘要 + 周分配映射

阶段2：总览分析（全店视角）

A. 整体健康度仪表盘

计算以下核心指标（详见 references/metrics-glossary.md）：

B. 产品周趋势分析（基于产品表现日度数据）

目的：将28天数据按自然周拆分，看清每个ASIN的真实趋势方向。

数据来源：产品表现日度文件（每个ASIN每天一行）

按周聚合指标：

输出表格：

趋势判断规则：

• W4订单 > W3订单 → 销量趋势向好
• W4订单 < W3订单 → 销量趋势下滑
• W4 ACOS < W3 ACOS → 效率改善
• W4 ACOS > W3 ACOS → 效率恶化

C. ASIN排名矩阵

按销量和ACOS二维分类：

分类标准（ACOS 统一阈值见 references/metrics-glossary.md）：

• 高销量：>店铺平均销量
• 低销量：<店铺平均销量
• 低ACOS：<30%（良好及以上）
• 高ACOS：>50%（需优化及以上）

D. 广告结构分析

分析各广告类型的效率：

• SP（Sponsored Products）：花费占比、ACOS、订单占比
• SB（Sponsored Brands）：花费占比、ACOS、品牌新客获取
• SBV（Sponsored Brands Video）：VTR、vCTR、转化效果
• SD（Sponsored Display）：再营销效果、受众覆盖

输出：Markdown总结报告 + Excel可视化文件（见阶段4文件生成）

阶段3：ASIN深挖（单品视角）

触发条件：用户提供单个ASIN，或AI从总览分析中识别出需要深挖的ASIN

A. 该ASIN的完整画像

从汇总数据中提取：

• 产品基础信息：ASIN、标题、品牌、售价
• 销量表现：总销量、销售额、订单量、环比变化
• 流量结构：Sessions(Browser/Mobile)、PV、流量占比
• 转化漏斗：Sessions → PV → 订单，各环节转化率
• 广告效率：各类型广告的ACOS、CPC、CTR、ROAS
• 自然表现：自然点击、自然订单、自然CVR

B.0 前台 Listing 抓取（在广告分析之前执行）

目的：抓取 Amazon 前台产品页面信息，为后续关键词覆盖分析和 Listing 优化建议提供数据基础。

抓取方式：使用 OpenCLI Browser 工具打开 Amazon 产品页面，提取结构化数据。

抓取流程：

1. 从产品表现数据中获取 ASIN
2. 构造 Amazon URL: https://www.amazon.com/dp/{ASIN}
3. 使用 opencli_browser_open 打开页面
4. 使用 opencli_browser_get / opencli_browser_find 提取各区块内容
5. 清洗和结构化数据

抓取内容与 CSS 选择器：

抓取结果结构化：

listing_data = {
    'asin': 'B083XTKV8V',
    'url': 'https://www.amazon.com/dp/B083XTKV8V',
    'title': 'Atolla 4-Port USB 3.0 Hub with 4 Data Ports...',
    'bullets': [
        'Bullet 1 text...',
        'Bullet 2 text...',
        ...
    ],
    'description': 'Product description text...',
    'aplus': 'A+ content text...',
    'images': [
        {'src': '...', 'alt': '...'},
        ...
    ],
    'backend_search_terms': '需从卖家后台获取',
    'scrape_success': True  # 或 False（被拦截/页面异常）
}

异常处理：

• CAPTCHA 拦截 → 跳过抓取，标注"前台数据未获取（CAPTCHA）"
• ASIN 无效/已下架 → 跳过抓取，标注"ASIN 无效或已下架"
• 某区块为空 → 标注"该区块无内容"
• 页面加载超时 → 重试一次，仍失败则跳过

降级方案（按优先级依次尝试）：

降级时的数据结构：无论哪种方式，最终输出结构保持一致（asin, title, bullets, description, aplus, images, backend_search_terms, scrape_success）。

输出：结构化 Listing 数据，供 B.3 关键词覆盖分析使用

B. 广告活动周趋势（基于广告表现日度数据）

目的：将广告表现日度数据按自然周拆分，看清每个广告活动的真实趋势方向。

数据来源：广告表现日度文件（每个广告活动每天一行）

按周聚合指标：

• 曝光量、点击量、CTR、CPC
• 花费、广告销售额、广告订单、ACOS

输出表格：

趋势判断规则：

• W4 ACOS < W3 ACOS 且 W4 ACOS < 999 → IMPROVING
• W4 ACOS > W3 ACOS 且 W3 ACOS < 999 → WORSENING
• W4 ACOS < 20% 且 W4 订单 > 0 → GOOD
• W4 花费 > 0 且 W4 订单 == 0 → WASTE
• W3+W4 花费 == 0 → INACTIVE

B.1 品牌广告加权

数据来源：品牌广告归因文件

合并计算：

• 调整后总销售额 = 广告销售额 + 品牌广告销售额
• 调整后总订单 = 广告订单 + 品牌广告订单
• 调整后ACOS = 广告花费 ÷ 调整后总销售额

单独展示：

C.0 前台 Listing 抓取

C. 搜索词分析（基于搜索词日度数据）

数据来源：搜索词文件（每个搜索词每天一行，仅使用单日行）

注意：搜索词文件是广告表现的下钻，不是独立数据源。搜索词的花费总和应接近广告表现文件的SP花费。

C.1 词根表现汇总（词根可重叠统计）

目的：从搜索词中提取核心词根，按词根维度聚合表现数据，识别高效词根和低效词根。

词根提取规则：

1. 去除停用词：a, an, the, for, with, and, or, to, in, on, at, by, of, is, it 等
2. 保留有意义的词根：品牌词、品类词、属性词、型号词
3. ASIN单独作为词根：搜索词中出现的ASIN（如 b00tpmeoym）单独作为一个词根
4. 词根可重叠：一个搜索词可以匹配多个词根（如 "atolla usb 3.0 hub" 匹配 "atolla", "usb", "3.0", "hub", "usb hub", "usb 3.0 hub"）
5. 组合词根：常见组合保留为独立词根（如 "usb hub", "usb 3.0 hub", "powered usb hub", "port usb hub"）

词根分类：

聚合统计维度：

执行建议规则（ACOS 统一阈值见 references/metrics-glossary.md）：

输出表格格式（含周趋势）：

执行建议规则（基于W4最新数据 + 趋势方向）：

C.2 词组否定执行清单

目的：从搜索词数据中自动生成可直接执行的否定关键词清单。

否定词根识别规则（基于W4最新数据 + 周趋势）：

1. 高ACOS否定：W4 ACOS > 100% 且 W4 花费 > $10 的搜索词对应的词根
2. 有花费无订单否定：W3+W4 均无订单 且 花费 > $3 的搜索词对应的词根
3. 竞品ASIN否定：搜索词中出现的非自家ASIN（验证规则：ASIN不在产品表现汇总文件中）
4. 持续低效否定：W2/W3/W4 连续两个周期ACOS > 50% 的词根
5. 趋势恶化否定：W4 ACOS > W3 ACOS 且 W4 ACOS > 100% 的词根（升级优先级）

否定类型：

优先级判断（基于W4最新数据）：

否定理由模板：

• 高ACOS："{词根} ACOS {百分比}%，花费${金额}仅{订单}单，持续亏损"
• 无订单："{词根} 花费${金额}，{点击}次点击，0订单，转化率为0"
• 竞品ASIN："{ASIN} 为竞品ASIN，ACOS {百分比}%，非目标客户"
• 持续低效："{词根} 连续两周期ACOS>{百分比}%，无改善趋势"

输出表格格式：

执行方式：使用 scripts/analysis.py 脚本

# 词根分析
python scripts/analysis.py roots --input search_terms.xlsx --output roots.xlsx --category usb_hub

# 否定词清单
python scripts/analysis.py negations --input search_terms.xlsx --output negations.xlsx

脚本支持的品类配置：usb_hub, electronics, home, custom（自定义组合词根）

C.3 关键词覆盖分析（前台 Listing × 搜索词交叉验证）

目的：将搜索词报告中的核心词根与前台 Listing 内容进行交叉比对，找出关键词覆盖缺口，给出 Listing 优化建议。

核心逻辑：以搜索词报告为分析主线，前台 Listing 作为辅助验证和优化依据。

分析流程：

1. 从搜索词报告中提取核心词根（使用 B.1 词根分析结果）
2. 从 B.0 抓取的 Listing 数据中提取所有关键词
   - 标题关键词（权重最高）
   - 五点关键词（权重高）
   - A+ 页面关键词（权重中）
   - 描述关键词（权重低）
3. 将搜索词根与 Listing 关键词进行匹配
4. 分类：已覆盖 / 未覆盖 / 部分覆盖
5. 结合搜索词表现数据，给出优化建议

关键词提取规则（从 Listing 中）：

• 将标题/五点/描述/A+ 内容转为小写
• 按空格分词，去除停用词
• 提取 1-gram 和 2-gram 作为 Listing 关键词集合
• ASIN 单独提取

覆盖匹配规则：

• 完全覆盖：词根完整出现在 Listing 某个区块中
• 部分覆盖：词根的部分词出现在 Listing 中（如 "usb 3.0 hub" 中 "usb" 和 "hub" 出现但 "3.0" 未出现）
• 未覆盖：词根的任何词都未出现在 Listing 中

关键词覆盖矩阵：

匹配位置权重：

优化建议规则：

输出表格格式：

### 关键词覆盖分析

**覆盖概况**：
- 搜索词核心词根总数：{N}个
- 前台已覆盖：{M}个 ({百分比}%)
- 前台未覆盖：{K}个 ({百分比}%)

**未覆盖的高效词根（需加入前台）**：

| 词根 | 搜索词ACOS | 订单 | 建议加入位置 | 原因 |
|------|-----------|------|-------------|------|
| {词根} | {百分比}% | {数量} | 标题/五点 | {原因} |

**已覆盖但需优化的词根**：

| 词根 | 当前位置 | 搜索词ACOS | 建议调整 | 原因 |
|------|---------|-----------|---------|------|
| {词根} | {位置} | {百分比}% | 提升/移除/维持 | {原因} |

**前台 Listing 优化建议汇总**：
1. {建议1}（原因）
2. {建议2}（原因）

执行方式：使用 scripts/analysis.py 脚本

# 关键词覆盖分析
python scripts/analysis.py coverage --input search_terms.xlsx --listing listing.json --output coverage.xlsx

listing.json 格式：由 B.0 前台抓取生成，包含 title, bullets, description, aplus 等字段。

使用说明：

1. 将 B.1 词根汇总结果和 B.0 Listing 数据传入 analyze_keyword_coverage()
2. 函数会自动检测每个词根在 Listing 各区块的覆盖情况
3. 根据覆盖状态和搜索词表现自动生成优化建议
4. 注意：完全匹配和子集匹配两种方式都支持（如 "usb 3.0 hub" 会匹配标题中包含这三个词的情况）

D. 销售情况评估（基于产品表现日度数据的W4最新数据）

评估维度（使用W4 vs W3数据判断趋势）：

判断标准：

• 3个维度中2个为"差" → 销售情况判断为差
• 3个维度中2个为"好" → 销售情况判断为好

输出：销售情况判断（好/差）

E. 优化难度评估（基于产品表现日度数据的W4最新数据）

评估维度（使用W4数据）：

判断标准：

• 5个维度中3个为"低" → 优化难度判断为低
• 5个维度中3个为"高" → 优化难度判断为高

输出：优化难度判断（高/低）

F. 策略方向确定

根据销售情况和优化难度，确定策略方向：

方案类型库：

进攻型方案（销售差 + 优化容易）：

防守型方案（销售差 + 优化困难）：

优化型方案（销售好 + 优化容易）：

巩固型方案（销售好 + 优化困难）：

F. 问题诊断规则库

详见 references/diagnosis-rules.md

高ACOS根因分析：

ACOS = CPC ÷ (CVR × 客单价)

• CPC高 → 优化出价策略，降低单次点击成本
• CTR低 → 优化主图、标题，提升点击率
• CVR低 → 优化Listing、价格、评论，提升转化率
• 客单价低 → 考虑组合销售、提升产品价值

流量不足诊断：

• 曝光量低 → 增加预算、拓展关键词、调整竞价
• CTR低 → 优化主图、标题、价格显示
• 点击量低 → 综合曝光和CTR问题

转化问题诊断：

• Sessions高但订单低 → Listing质量问题
• 加购率高但下单率低 → 价格、库存、配送问题
• 回头客少 → 产品体验、售后服务问题

G. 效益提升方案（重构）

方案模板（每个方案必须包含）：

### 方案1：{方案名称}

**策略依据**：{基于销售情况和优化难度判断}

**目标**：{具体、可量化}

**当前状态**：
- {指标}：{当前值}

**具体操作**：
1. {步骤}（负责人、时间）

**预期效果**：
- {指标}：从 {当前值} → {目标值}

**验证时间**：{日期}

**成功标准**：{明确、可量化}

**回滚方案**：如果{条件}，则{操作}

**纠错机制**：
- 第1次验证（{日期}）：检查{指标}
- 第2次验证（{日期}）：如未达标，执行{调整}
- 最终截止（{日期}）：如仍无效，执行回滚

方案排序规则：按执行难度排序（容易做的先做）

输出：ASIN专属分析报告（Markdown + Excel）

阶段4：归档与跟踪

强制检查清单（每次分析必须完成）

Markdown报告检查：

• 产品概览完整（售价、评分、月销、CVR、ACOS、TACOS、ROAS、自然订单占比、Listing摘要）
• 核心问题已提炼（1-3个关键问题，每个有数据支撑）
• 搜索词分析完整（广告活动表现、竞品ASIN表现、词根汇总、否定词清单）
• 关键词覆盖分析已生成（覆盖概况、需加入前台词根、Listing优化建议）
• 操作方案完整（含目标、操作、预期效果、验证时间、回滚方案）
• 所有ASIN归属已验证（自家/竞品）

Excel附件检查：

• 已创建Excel文件（产品概览、广告类型对比、搜索词Top10、词根表现汇总、否定词执行清单、关键词覆盖分析）
• Excel文件已保存到正确路径：{VAULT_PATH}\附件\4.ASIN深入分析\{ASIN} 分析数据.xlsx
• Markdown报告中的附件链接可正确打开

数据验证规则：

• 搜索词中的ASIN必须与店铺产品列表对比确认归属
• 不能假设任何ASIN是自家产品，必须有数据支撑
• 百分比字段需检查是否为字符串格式（如"17.07%"）

输出文件结构

Obsidian Vault路径：

{VAULT_PATH}\
├── 工作/
│   └── 亚马逊分析/
│       ├── {日期}/                              # 单店铺分析（按日期）
│       │   ├── {日期} 全店分析报告.md
│       │   ├── {ASIN} 分析报告.md
│       │   └── ...
│       └── {日期}-{店铺名}/                     # 多店铺分析（按日期+店铺）
│           ├── {日期} {店铺名} 全店分析报告.md
│           └── {ASIN} 分析报告.md
└── 附件/
    ├── 3.全店分析报告/
    │   └── {日期} {店铺名} 分析数据.xlsx
    └── 4.ASIN深入分析/
        └── {ASIN} 分析数据.xlsx

文件命名规则：

• 日期使用分析时间（当天日期），不是数据时间
• 单店铺：{日期}/ 文件夹
• 多店铺：{日期}-{店铺名}/ 文件夹
• Markdown报告：{日期} {店铺名} 全店分析报告.md 或 {ASIN} 分析报告.md
• Excel文件：{日期} {店铺名} 分析数据.xlsx 或 {ASIN} 分析数据.xlsx

文件存放规则：

• Markdown报告 → {VAULT_PATH}\工作\亚马逊分析\{日期}/ 文件夹
• Excel可视化文件 → {VAULT_PATH}\附件\ 下对应文件夹
• 报告中引用Excel：在报告顶部添加 📎 **附件**：[[相对路径/文件名.xlsx|显示名]]

Markdown报告附件引用格式

在报告元数据后、正文前添加：

> 数据范围：YYYY-MM-DD ~ YYYY-MM-DD
> 店铺：{店铺名称}
> 分析时间：{分析日期}

📎 **附件**：[[../../../附件/3.全店分析报告/{日期} {店铺名} 分析数据.xlsx|{日期} {店铺名} 分析数据.xlsx]]

Excel可视化文件生成

使用Python/openpyxl生成，包含以下Sheet：

全店分析报告 Excel（阶段2输出）：

Sheet 1: 整体概览

• 核心指标表格（ACOS、TACOS、ROAS等）
• 健康状态标注（✅/⚠️/❌）

Sheet 2: ASIN排名

• 按明星/问题/潜力/淘汰分类
• 包含ASIN、销量、ACOS、销售额、状态

Sheet 3: 广告结构

• 各广告类型花费占比

Sheet 4: 产品详情（可选）

• 所有ASIN的完整数据表格

ASIN深入分析报告 Excel（阶段3输出）：

Sheet 1: Product Overview

• 来源：产品表现日度文件（28天汇总）
• 包含：ASIN、品牌、售价、销量、销售额、ACOS、TACOS、ROAS、自然订单占比等

Sheet 2: Product Weekly Trend

• 来源：产品表现日度文件（按周聚合）
• 包含：W1/W2/W3/W4 的销量、销售额、订单、Sessions、CVR、广告花费、ACOS、TACOS、ROAS

Sheet 3: Campaign Weekly Trend

• 来源：广告表现日度文件（按周聚合）
• 包含：每个广告活动的W1/W2/W3/W4 花费、订单、ACOS
• 趋势标记列

Sheet 4: Brand Attribution

• 来源：品牌广告归因文件
• 包含：品牌广告销售额、订单、新客户占比

Sheet 5: Root Words

• 来源：搜索词文件（28天汇总 + 周趋势）
• 包含：词根、类型、花费、订单、ACOS、W1-W4 ACOS、趋势、执行建议
• 条件格式：ACOS<20%绿色，20-35%黄色，>35%红色

Sheet 6: Negation List

• 来源：搜索词文件
• 包含：优先级、否定词、类型、花费、订单、ACOS、理由
• 按优先级排序（P0在前）
• 条件格式：P0红色背景，P1橙色背景

Sheet 7: Keyword Coverage

• 来源：搜索词文件 + Listing抓取
• 包含：词根、ACOS、订单、前台覆盖状态、匹配位置、优化建议

操作跟踪记录格式

## 操作记录

### {日期} - {ASIN}

**操作内容**：
- [具体操作1]
- [具体操作2]

**预期目标**：
- [指标] 从 [当前值] 优化到 [目标值]

**验证结果**（{验证日期}填写）：
- [指标] 实际值：[实际值]
- 是否达标：[是/否]
- 下一步：[继续/调整/回滚]

---

数据字段映射

产品表现日度文件字段

每个ASIN每天一行，用于产品周趋势分析和28天汇总。

广告表现日度文件字段

每个广告活动每天一行，用于广告活动周趋势分析。

品牌广告归因文件字段

28天汇总，用于品牌广告加权计算。

搜索词报告字段

每日明细字段

搜索词报告字段

日期字段处理规则：

• 搜索词报告有"开始日期"和"结束日期"两个字段
• 单日行（开始日期==结束日期）：正常的单日数据，用于所有分析
• 多日行（开始日期≠结束日期）：跨多天的汇总数据，仅用于总览校验
• 周趋势分析、词根分析、否定词清单必须只使用单日行
• 过滤方法：if row['开始日期'] != row['结束日期']: skip
• 校验：单日行的花费总和应接近广告表现文件的总花费（偏差<10%为正常） | 广告组合名称 | 广告组合标识 | 广告结构分析 | | 广告活动名称 | 广告活动名称（含ASIN） | ASIN匹配、词根归属 | | 广告组名称 | 广告组名称 | 广告组分析 | | 投放 | 投放的关键词/ASIN | 投放策略分析 | | 匹配类型 | EXACT/PHRASE/BROAD/- | 匹配类型分析 | | 客户搜索词 | 买家实际搜索的词 | 词根分析核心数据 | | 展示量 | 该搜索词的广告展示次数 | 词根聚合 | | 点击量 | 该搜索词的广告点击次数 | 词根聚合 | | 点击率 (CTR) | 点击量 ÷ 展示量 | 词根效率 | | 单次点击成本 (CPC) | 花费 ÷ 点击量 | 词根成本 | | 花费 | 该搜索词的广告花费 | 词根聚合 | | 7天总销售额 | 该搜索词带来的7天总销售额 | 词根聚合、ACOS计算 | | 广告投入产出比 (ACOS) 总计 | 花费 ÷ 销售额 | 词根效率 | | 7天总订单数(#) | 该搜索词带来的7天总订单数 | 词根聚合 | | 7天总销售量(#) | 该搜索词带来的7天总销量 | 词根聚合 | | 7天的转化率 | 订单数 ÷ 点击量 | 词根转化率 |

ASIN匹配规则：广告活动名称格式通常为 {ASIN}-{广告组名}，如 B0CHDSH9LD-A107-定位2，通过提取前10位字符（ASIN长度）来匹配。

重要：ASIN归属验证规则

• 搜索词中出现的ASIN必须与店铺产品列表对比，确认是"自家"还是"竞品"
• 不能假设任何ASIN是自家产品
• 验证方法：检查该ASIN是否在产品表现汇总文件的ASIN列表中
• 标注格式：ASIN（自家） 或 ASIN（竞品），必须有数据支撑

多件购买率解读规则：

• 多件购买率高≠B2B为主，需关注件单价（接近标价说明大部分单件购买）
• 客单价高可能是因为部分客户购买多件，不代表所有客户都是多件购买
• 解读时需结合件单价和订单量综合判断

常见分析场景

场景1：ACOS过高

诊断路径（详见 references/diagnosis-rules.md 规则1）：

1. 检查CPC是否过高 → 对比行业均值
2. 检查CTR是否过低 → 对比行业均值
3. 检查CVR是否过低 → 对比历史数据
4. 综合判断主因，给出针对性建议

场景2：销量下滑

诊断路径：

1. 检查流量是否下降 → Sessions变化
2. 检查转化率是否下降 → CVR变化
3. 检查广告花费是否变化 → 预算/竞价调整
4. 检查竞品是否有动作 → 价格战、新品上市

场景3：新品推广

诊断路径：

1. 确认曝光量是否充足 → 预算和关键词覆盖
2. 确认CTR是否达标 → 主图和标题吸引力
3. 确认CVR是否达标 → Listing质量和评论积累
4. 分阶段调整策略

场景4：旺季备战

诊断路径：

1. 分析去年同期数据 → 确定目标
2. 提前2-4周增加预算 → 抢占流量
3. 优化Listing → 标题、图片、A+页面
4. 监控库存 → 避免断货

注意事项

1. 数据完整性：如果某个字段缺失，分析时需说明限制
2. 时间范围：分析时需明确数据的时间范围
3. 店铺隔离：不同店铺的数据分开分析，不混合
4. 异常值处理：ACOS>100%、CPC>$5等异常值需单独标注
5. 同比/环比：趋势分析需同时看同比和环比，避免误导
6. 竞品数据：竞品数据仅作参考，不可完全依赖
7. 单文件分析：只有每日明细时，跳过ASIN汇总分析，仅做广告维度分析

参考文件

附录B：核心诊断规则速查

详细版规则见 references/diagnosis-rules.md（20条规则）。以下为快速查阅版本。

B.1 销售情况判断

判断：3维度中2个"差"→销售差，2个"好"→销售好。

B.2 优化难度判断

判断：5维度中3个"低"→容易，3个"高"→困难。

B.3 策略矩阵

B.4 词根执行建议（ACOS 统一阈值见 references/metrics-glossary.md）

B.5 否定词优先级

B.6 ACOS过高诊断路径

ACOS = CPC ÷ (CVR × 客单价)

→ CPC高：降竞价 / 优化关键词
→ CVR低：优化Listing / 价格 / 评论
→ 客单价低：组合销售 / 提升产品价值