一頁摘要
我們對 BS 嬰幼襪線跑了 9 個 AMC 實驗 + 6 項深度延伸分析，並用拉數據的方式逐一驗證日常對廣告的疑問。核心結論：
- Hero 是品牌入口：高自然流量、新客占比高，但投放與 engagement 錯配（隱藏冠軍 vs 過度投放）。
- 曝光極度集中在商品頁（PP）版位：toddler socks 大詞 96% 曝光在 PP、僅 0.2% 在搜尋頂部（ToS）；但算進成本後三版位 ACoS 其實接近（差 1.27 倍，非百倍）。
- PP 轉換不直接推「關鍵字自然排名」（官方 SQP 規則），但 COSMO 時代有間接語意路徑，「完全無效」太強。
- 價格帶決定 frequency 策略：低價衝動品（襪 $14）曝光複利平緩（5.8x），高價考慮品（$29）陡峭（26.3x）。
- 最大方法論限制：所有結論都是相關性、非增量——沒有 holdout，無法證明「廣告造成」而非「本來就會買」。
38.6%
toddler socks 整體 ACoS
方法論與資料限制
資料來源與表結構
AMC 是 Amazon 的 clean room（批次分析環境），用 SQL 查詢假名化的 user 級事件。核心表：
| 表 | 功能 | 關鍵欄位 |
|---|
sponsored_ads_traffic | SP/SB/SD 付費曝光、點擊、花費 | placement_type / targeting / match_type / customer_search_term / campaign / ad_group / creative_asin / spend |
amazon_attributed_events_by_traffic_time | 廣告歸因的轉換（錨在曝光日） | total_purchases / product_sales / total_product_sales / new_to_brand_purchases ·（無 ad_group、ATC 全 0） |
..._by_conversion_time | 同上，但錨在成交日 | units_sold / purchases |
conversions / conversions_for_audiences | 全站購買事件（不論有無廣告） | tracked_item / event_subtype / user_id |
dsp_impressions / clicks / views | DSP 展示／點擊／影片 | XPLORX 未開通，資料未流入 |
表之間用假名化 user_id（+ advertiser/campaign）join。歸因表是「廣告搶到功勞」的子集；conversions 是全體 → 兩者相減才是增量基礎。reporting 表與 _for_audiences 表平行、不可混用。
四個會影響解讀的硬限制
① 相關性，非增量
所有 order% / CVR / ACoS 都是「看過廣告的人後來買了多少」，
不是廣告造成的增量。高意圖的人本來就搜得多、被投得多、也更會買（reverse causality）。要證因果必須做 holdout 對照。
② 資料延遲 + 歸因成熟
AMC 非即時：事件約
1–2 天後才可查；轉換在
14 天歸因窗內持續累加。→ 最近兩週的 ACoS 會
偏高（看起來差），因 sales 還沒長齊；最近 1–2 天資料缺。長窗（180D）聚合受影響小。
③ View-through 灌水
total_product_sales 含「看了沒點之後買」的歸因。PP（曝光巨大、點擊極少）與瀏覽再行銷受眾的漂亮 ACoS 須打折——可能記了本來就會發生的單。
④ ATC 不可用 + ad_group 不可歸因
本 instance
total_add_to_cart 全為 0；轉換表無
ad_group 欄 → 購買最細只能拆到 campaign。漏斗中間段有缺口。
實驗總覽（9 實驗 + 6 延伸）
| # | 實驗 | 一句話結論 | 可信度 |
|---|
| 001-003 | 冷受眾規模 | Hero 真冷池 130 萬；非 Hero 僅 4 萬，集中度極高 | 實證 |
| 004 | Creative 投放拆解 | 隱藏冠軍 隱藏冠軍 投放不足；過度投放品 過度投放 | 實證 |
| 005 | 衰減：Recency × Frequency | Recency 12x、Frequency 5.8x 衰減；f=1 是垃圾流量 | 觀察 |
| 006 | 版位拆解 | PP 76.5% 曝光 / ToS 僅 1.7% 但 CTR 是 25 倍 | 實證 |
| 007 | SQP × AMC 對帳 | Hero 自然點擊 85–91%；新客占比 50–100% | 實證 |
| 008 | 版位 × 乾淨 CVR | 「多版位重疊」才是意圖訊號（triple 8x base） | 觀察 |
| 009 | 復購行為 | 復購 14.3%、median 60–90 天（尺碼週期） | 實證 |
| 延伸 A | 大詞版位漏斗（click→purchase→CR） | ToS 每曝光購買是 PP 的 108 倍 | 實證 |
| 延伸 B | 版位 × Spend × ACoS | 算成本後三版位 ACoS 接近（32–42%） | 實證 |
| 延伸 C | PAT 搜尋詞分散度 | 品類定向噴 1 萬+ 對象；ASIN 定向 90%+ 集中 | 實證 |
| 延伸 D | PAT 效率（ACoS by targeting） | 品類噴灑 32% ACoS（健康）；7 天瀏覽再行銷 15% | 實證 |
| 延伸 E | Frequency 跨價格帶 | 高價品 frequency 效應陡 4.5 倍（26.3x vs 5.8x） | 實證 |
| 延伸 F | customer_search_term 結構 | SP 的 PP 曝光 100% 帶搜尋詞（搜尋意圖閘控） | 實證 |
實驗明細（點擊展開）
每個實驗含：原始目的 · 數據 · 結果 · 批判性檢視（不合理之處 / 是否需修改 / 數據能否更完整）。
001-003冷受眾規模（Cold Audience Sizing）+
目的
量化「看過 BS 廣告、但對 ASIN 零互動（無 DPV/加購/下單）」的冷人群有多大，為 DSP retarget 備料。三個範圍：Brand（32 ASIN）/ Hero / 非 Hero。
數據（v7 campaign-free，creative_asin 法）
| 範圍 | 真冷池 | 說明 |
|---|
| Brand 32 ASIN | 1,496,145 | 品牌拉新 |
| Hero Hero | 1,306,770 | 真 ASIN-specific |
| 非 Hero 非Hero對照 | 39,803 | 對照組 |
結果
Hero 冷池是非 Hero 的 33 倍 → 品牌曝光
高度集中在 Hero。v8（ToS-only 乾淨 SRP）下三範圍真冷池為 63,034 / 41,447 / 71。
批判：踩坑史 = 量測假象史
早期 v4 用 45 個 campaign 清單篩 → 漏抓 14 個 BS campaign（光「PP拉新」就 684K Hero users）→ Hero 覆蓋一度
低估 45%。「非 Hero 71% halo」「自家廣告 97.6% 覆蓋」都是量測假象，v7 修正後推翻。教訓：
cohort 定義方式直接決定數字。
數據可更完整
冷池規模有了，但
沒有「冷池後續轉換率」——不知道這 130 萬人 retarget 後值多少。且 DSP 未開通，這批受眾建好了卻無法投放驗證。
004Creative 投放拆解（投放 vs engagement 錯配）+
目的
把品牌總曝光按
creative_asin 拆，比對每個 ASIN 的「投放份額 vs engagement 排名」，找投放錯配。
數據
- Hero = 740K 曝光（47.7% spend share）；SB 空 creative = 743K（29%，無 ASIN 歸因）
- 過度投放品 = 過度投放：投放 #2，engagement 僅 #4
- 隱藏冠軍 = 隱藏冠軍：投放 #9，engagement #2
- 3 個零曝光 ASIN：零曝光ASIN① / 零曝光ASIN② / 零曝光ASIN③
結果
預算分配沒對齊 ASIN 真實角色 → 直接可行的重配方向：加碼隱藏冠軍、降過度投放、檢視零曝光 ASIN。
數據可更完整
有曝光/engagement，但
缺 spend 與 ACoS（後在延伸 B/D 補上）。「engagement 排名」用 DPV/cart/order 混合，未加權；「過度/不足投放」是相對判斷，未做 ROAS 驗證。
005衰減分析：Recency × Frequency+
目的
廣告曝光後，購買率隨「最後曝光距今天數（recency）」與「曝光頻次（frequency）」如何衰減。
數據 — Recency（v3 固定 30D 窗，order%）
| 距今 | 0-7D | 8-14D | 15-30D | 61-90D | 121-180D |
|---|
| order% | 0.281 | 0.112 | 0.083 | 0.069 | 0.024 |
數據 — Frequency（v2，BS Hero，跨 recency 聚合，order%）
| 頻次 | f=1 | f=2-3 | f=4-9 | f=10-30 | f=30+ |
|---|
| order% | 0.065 | 0.115 | 0.215 | 0.271 | 0.375 |
| users | 1,127,795 | 1,066,545 | 902,776 | 359,403 | 36,577 |
結果
Recency
~12x 衰減、Frequency
5.8x 提升；f=1（看一次）是垃圾流量（0.065%）。→ 受眾須設 frequency floor（f≥4）+ recency window。
批判：兩個污染
(1) 觀察窗污染——v2 舊 recency 桶觀察期更久 → order% 偏高（v3 改固定 30D 窗修正，但 v3 frequency 欄用 viewable_imps，SP 永遠 0，所以 frequency 數據只剩 v2）。
(2) Reverse causality——高意圖者本來就搜多、被投多、freq 高，不能當「多投就多轉」的因果。
006版位拆解（ToS / Other / PP）+
目的
BS 曝光在搜尋頂部（ToS）/ 其他（Other，含 RoS）/ 商品頁（PP）三版位怎麼分佈、各自效率。
數據
| 版位 | 曝光占比 | CTR |
|---|
| PP（商品詳情頁） | 76.5% | 0.18% |
| Other on-Amazon | 21.1% | 0.80% |
| ToS（搜尋頂部） | 1.7% | 4.47% |
結果
ToS CTR 是 PP 的
25 倍，但 PP 吃掉曝光主流。重大發現：
customer_search_term IS NOT NULL ≠ SRP（其實 76.5% 是 PP）→ 要乾淨 SRP 必須
placement_type='Top of Search on-Amazon'。
數據可更完整（已在延伸補）
本實驗只到曝光/CTR；轉換與 ACoS 在延伸 A/B 補齊，結論因此被精修（見批判性檢視）。
007SQP × AMC 對帳（推自然流量占比）+
目的
用 AMC 付費曝光對減 Brand Analytics SQP 總量，推 Hero 的自然（organic）流量占比。14 個關鍵字、Week 21。
數據（重點）
- PP imp ≫ SRP imp（toddler socks：PP 149,981 vs SRP-like 2,998 ≈ 50 倍）
- Hero 自然 SRP 曝光 ≈ 30–60%；自然點擊 85–91%
- 新客（NTB）purchase 50–100% → Hero 是新客 discovery ASIN
- 三方信任階層：AMC > Brand Analytics > Sif（爬蟲低報 paid）
結果
Hero 大量銷售來自自然流量，廣告主要在 PP 做防禦/conquest → 引出「付費是否為本來就會自然成交的人多付錢」的增量問題。
批判：對減法的假設
「organic = SQP 總量 − 付費」假設兩者口徑一致、可線性相減；AMC 24h 延遲與 SQP 週彙整窗未必對齊。ATC 拉不到（全 0）使漏斗對帳有缺口。
008版位組合 × 乾淨 CVR（排除已 warm）+
目的
排除「已 warm」人群後，pre-anchor 看過哪種版位組合 → post-anchor 30D 轉換率，檢驗版位是否代表購買意圖。baseline（無曝光）= 0.085%。
| ToS·Other·PP | cold users | CVR% |
|---|
| 1·1·1（三者皆有） | 150,200 | 0.666（8x） |
| 0·1·1 | 1,045,963 | 0.359 |
| 1·0·0（純 ToS） | 14,280 | 0.161 |
| 0·0·1（純 PP） | 2,392,151 | 0.132 |
| 0·0·0（baseline） | 136,905 | 0.085 |
結果（顛覆性）
純 ToS CVR ≈ 純 PP CVR →
版位類型不是主要意圖訊號，「多版位重疊」才是（triple 8x baseline）。「PP 是雜訊」的過度推論被推翻。
批判
「多版位重疊 → 高 CVR」極可能是 selection：本來高意圖的人才會被多版位反覆觸及。重疊是意圖的
結果不是
原因。仍需 holdout。
009復購行為深度分析（365 天）+
目的
BS 線復購率、復購型態（同 ASIN 補貨 vs 跨變體）、時間差、ASIN 間流向。
| 指標 | 數值 | 占比 |
|---|
| 總 BS buyers | 67,801 | 100% |
| 一次性 buyer | 58,119 | 85.7% |
| 復購 user | 9,682 | 14.3% |
| 同 ASIN replenish | 5,143 | 7.6% |
| 3+ 次購買 | 2,057 | 3.0% |
結果
時間差
median 60–90 天（對應寶寶尺碼成長週期）；主動脈 Hero→隱藏冠軍（474 users）；終點變體 終點變體甲/終點變體乙 net 正流入。→ 復購窗 retarget + 變體階梯有戰術空間。
數據可更完整
transition 是 ASIN code，
看不出是 size-up 還是換色（需 SP-API catalog 補 size/color metadata）。時間差曾用近似算法（±1 天/月）——Context7 確認
SECONDS_BETWEEN 可精算，應改寫。
延伸A大詞版位全漏斗（toddler socks, 180D）+
目的
把單一大詞「toddler socks」的曝光，按版位拆出 click / CTR / purchase / CR，看效率差異。
| 版位 | 曝光 | CTR | 購買 | CR(購/點) | 每千曝光購買 |
|---|
| ToS | 38,881 | 5.60% | 843 | 38.7% | 21.68 |
| Other(RoS) | 525,851 | 0.61% | 830 | 26.0% | 1.58 |
| PP | 8,466,685 | 0.12% | 1,734 | 16.8% | 0.20 |
結果
SRP（ToS+Other）= 6.3% 曝光卻拿 49% 購買；PP = 93.8% 曝光只換 51%。
ToS 每曝光購買是 PP 的 108 倍。但 PP 純靠量仍貢獻 62% 絕對購買。
批判
「每曝光」效率誤導——付費是按
點擊不是曝光（見延伸 B 修正）。CR>100% 出現於小格（view-through，購買與點擊不同源）。
延伸B版位 × Spend × ACoS（預算效率）+
目的
加入 spend / sales，把延伸 A 的效率換算成真實 CPC / ACoS，判斷預算搬移划不划算。
| 版位 | spend | CPC | ACoS | spend 占比 |
|---|
| ToS | $4,783 | $2.20 | 38.1% | 25.3% |
| Other(RoS) | $3,895 | $1.22 | 32.9% | 20.6% |
| PP | $10,231 | $0.99 | 41.7% | 54.1% |
| 合計 | $18,909 | $1.21 | 38.6% | 100% |
結果（修正延伸 A 的衝動結論）
算進成本後，三版位 ACoS
只差 1.27 倍（不是 108 倍）：Other 32.9% < ToS 38.1% < PP 41.7%。ToS 點擊貴（$2.20）吃掉高轉換優勢；PP 點擊便宜（$0.99）補回低轉換。
PP 拿 54% 預算、產 51% 購買，比例相稱，不是黑洞。真正安靜贏家是 Other(RoS)。
數據可更完整
ACoS 用
total_product_sales（含品牌 halo）→
偏樂觀。Context7 確認應另用
product_sales（僅推廣 ASIN）跑「嚴格版 ACoS」，數字會升高。PP 的 view-through 占比高，真實「點擊 ACoS」會比 41.7% 差。
延伸CPAT 搜尋詞分散度（商品定向打到哪）+
目的
驗證 PAT（商品定向）是不是把廣告灑到「目標 ASIN 關聯的整片詞雲」。
| targeting | 曝光 | 打到的不同對象 | 性質 |
|---|
| 品類A（嬰兒襪） | 534,412 | 14,006 | 品類噴灑 |
| 品類B | 444,107 | 11,134 | 品類噴灑 |
| asin=定向目標ASIN-A | 253,520 | 自己占 93% | 集中 |
| asin=定向目標ASIN-B | 125,433 | 自己占 91% | 集中 |
結果
分散全由
品類定向造成（占 58% PAT，各噴 1 萬+ 對象）；
ASIN 定向反而超集中（90%+ 釘在被 target 的那一個商品頁）。且 PAT 的「search term」多數是 ASIN（dark search），不是文字詞。
批判：修正先前推論
對話中一度以為「PAT 帶 session query」——實則 PAT 的詞欄多為情境 ASIN（真實文字 query 被遮蔽）。「PAT 不乾淨推某關鍵字排名」反而更站得住。
延伸DPAT 效率（ACoS by targeting）+
目的
那 58% 的品類噴灑，到底是浪費還是有效？按 targeting 算 ACoS。
| 桶 | spend | CPC | ACoS |
|---|
| 品類定向 合計 | $7,511 | $0.54 | 32% |
| ASIN 定向 合計 | $10,989 | $1.10 | 31% |
| 7 天瀏覽再行銷 views=7d | $1,879 | $2.91 | 15% |
| keyword-group=category | $325 | $0.98 | 64% |
結果（推翻「品類噴灑是浪費」）
品類噴灑
ACoS 32%、CPC 僅 $0.54（ASIN 的一半）——分散 ≠ 浪費，是便宜有效的廣撒網。最高效的是
瀏覽再行銷（15%），呼應「暖客值得加碼」。唯一該砍：keyword-group=category（64%）。
批判
瀏覽再行銷 15% ACoS 是
view-through 灌水 + 增量存疑最嚴重的一類（他本來就快買了）。漂亮 ACoS ≠ 增量。放大前須 holdout。
延伸EFrequency 跨價格帶比較（BS vs KPGS）+
目的
同方法比較不同價格帶 Hero 的 frequency 效應：BS 襪（$14.28）vs KPGS（$28.79）。
| 頻次 | BS order% | KPGS order% |
|---|
| f=01 | 0.065% | 0.029% |
| f=02-03 | 0.115% | 0.143% |
| f=04-09 | 0.215% | 0.514% |
| f=10-30 | 0.271% | 1.002% |
| f=30+ | 0.375% | 0.753% |
| f1→30+ lift | 5.8x | 26.3x |
結果（假設成立且乾淨）
單價 2 倍，frequency lift 4.5 倍。低價衝動品看一次就可能買（梯度平）；高價考慮品
不重複觸達就不轉（f=1 反而更差，0.029%）。實務：
價格帶決定 frequency 策略——低價廣而淺、高價窄而深。KPGS f=30+ 回落 = 過曝疲勞。
批判
同樣有觀察窗 + reverse causality 污染（高價品研究久→搜更多→freq 更高，可能放大效應）。KPGS f=30+ 僅 664 人、f=10-30 僅 18,666 人，尾段有雜訊。26.3x 非因果。
延伸Fcustomer_search_term 結構（PP 的搜尋意圖閘控）+
目的
驗證 PP 版位的曝光到底帶不帶搜尋詞，釐清「PP 轉換沒 query」這個說法。
數據（Hero, 30D）
- SP 的 PP 曝光 = 100% has_term（含 PAT 在 PP 也帶詞 64,941）
- 唯一 no_term 全在 SD/DSP 展示版位（Amazon Onsite / Offsite / O&O）
結果（修正關鍵措辭）
SP 在 PP 的曝光是
搜尋意圖閘控——只服務「session 內有搜尋」的人。所以「PP 不推關鍵字排名」的正確理由是
placement-origin（在詳情頁發生，不進 SQP），不是「沒有 query」。這把 PP 從「浪費黑洞」重新定義為「在詳情頁 retarget 搜尋者」。
批判性檢視（item 3：目的是否合理 / 需修改 / 數據能否更完整）
這是對外報告前最該過目的部分。經這串討論，逐項檢視後的判斷：
(a) 整體最大的「不合理之處」：全部是相關性，沒有一個是增量
9 個實驗 + 6 延伸，沒有任何一個用了 holdout 對照組。所有 order% / CVR / ACoS / frequency lift 都回答「看過廣告的人後來買了多少」，回答不了「這筆購買是廣告造成的，還是本來就會發生」。對廣告架構決策（預算往哪移）來說，需要的是增量，這正是最大缺口。具體中招：
- Exp 005 frequency 26.3x / 5.8x：高意圖者本來就搜多被投多 → 不能當「多投就多轉」
- Exp 008 triple 8x：多版位重疊是意圖的結果不是原因
- 延伸 D 瀏覽再行銷 15% ACoS：他本來就快買了
(b) 需要修改的實驗目的 / 方法
| 實驗 | 問題 | 建議修改 |
|---|
| 延伸 B / D | ACoS 用 total_product_sales（含 halo，偏樂觀） | 改用 product_sales 跑嚴格版，並列出兩者對照 |
| Exp 005 | v2 觀察窗隨 recency 增長（confound）；v3 frequency 欄失效 | 用 SECONDS_BETWEEN 做固定窗 + 有效 frequency 同時成立的版本 |
| Exp 009 | 時間差用近似算法；transition 看不出 size/color | SECONDS_BETWEEN 精算 + SP-API catalog 補變體 metadata |
| Exp 006 原結論 | 「PP 是雜訊/浪費」過度推論 | 已被延伸 B（ACoS 相稱）+ F（搜尋閘控）修正，報告須採新版 |
| 全體 | 無增量 | 至少對 1–2 個高槓桿假設（ToS 加碼、暖客 boost）做 holdout |
(c) 數據可以更完整以看出更好成效的地方
- 嚴格 ACoS：product_sales vs total_product_sales 兩版並列，分離 halo。
- view-through vs click-attributed 分離：尤其 PP 與瀏覽再行銷，拆出純點擊轉換才知真實效率。
- 冷池後續轉換（Exp 001-003）：130 萬冷池 retarget 後的實際 CVR，目前只有規模沒有價值。
- 變體 metadata（Exp 009）：把 ASIN transition 翻成「2T→3T」才能設計尺碼階梯 campaign。
- 中間價格帶 ASIN（延伸 E）：再加 1–2 個價位，把「價格→frequency 陡度」做成趨勢線而非兩點。
- DSP 數據：XPLORX 開通後，所有冷池 retarget、跨通道歸因才能閉環——目前最大的結構性缺口。
仍然穩健的結論（即使有上述限制）
這些是「結構性事實」，不靠因果推論也成立：版位曝光分佈（96% PP）、投放錯配（隱藏冠軍）、復購率與週期（14.3% / 60-90天）、冷池集中度、PP 不進 SQP（官方規則）、價格帶 frequency 形狀差異。這些可放心對外。
常見廣告疑問 × AMC 數據驗證（Q&A）
這些是平時對廣告常有的懷疑，我們用拉 AMC 數據的方式逐一驗證。點擊展開。
Q1做 SP Manual Targeting 時，冷／熱流量要分開建不同 Campaign 嗎？多數不必
要先拆兩個軸：人群溫度（冷/熱）vs 漏斗角色（拉新/收割）。
- 人群溫度：SP Manual 投放對象是「關鍵字/商品」不是「人群」，沒辦法把一個詞「只投給冷的」。熱客要加價，用 Audience Bid Boost（同 campaign 疊一層出價，+0–900%），不該另開 campaign。硬分會「同字自我競價 + 數據碎片化」。
- 拉新 vs 收割：這個該分（match type 隔離、否定詞 harvest 流、獨立預算）。
真正「冷池 vs 熱池分開打」的舞台是 SD/DSP（原生人群定向），但 DSP 未開通。
Q2broad/auto 找到的詞大多是長尾，長尾不就是收割意圖嗎？對一半
具體長尾確實高意圖（限定詞越多越篤定，CVR 高 CPC 低）。但 discovery vs harvest 的真正分界不是「head vs 長尾」，而是「未證實 vs 已證實」。discovery（broad/auto）是搜尋詞 R&D，會撈到大量高意圖長尾；harvest（exact）是放大已證明會轉的贏家。一個長尾高意圖字的生命週期是「broad 發現 → 報表看到轉 → 否定掉、搬進 exact」。所以別把 discovery 當「冷流量桶」壓低 bid——它是你最大的高意圖長尾來源。
Q3能抓到某關鍵字的曝光在 ToS / Other / PP 各多少嗎？能
能。sponsored_ads_traffic 有 placement_type 欄（三值對應三版位），一個 GROUP BY customer_search_term, placement_type 就出來。但「關鍵字」要分清三軸：顧客搜的詞（customer_search_term）/ 你出價的標的（targeting）/ 廣告出現在哪（placement_type）。預設按 ASIN 聚合，可下鑽到 campaign/ad_group。
Q4那個版位數據是綁定到特定 Campaign→AdGroup→KW，還是 ASIN 聚合？預設聚合，可下鑽
預設是 ASIN 聚合（同一搜尋詞被多條 campaign/出價字打中，全加總）。加 campaign_id / ad_group_id / targeting / match_type 進 GROUP BY 就能下鑽。實測 toddler socks 由 8 條以上 campaign 同時打（自我競價的實證）。
Q5我沒在推自然排名，那 PP 版位的轉換是不是沒效果？（中西方 + Amazon Science）分目標
三方交叉（官方 SQP + 學術 + 中西實務）：
- 對「關鍵字自然排名」：基本沒直接效果。官方 SQP 規則「only cart adds that originate from the search results page are counted」（SRP-only）→ PP 轉換不進 SQP。學術佐證：排名訓練是 query-scoped（Semantic Product Search「54B query-product pairs」、LTR&R 的 Q2E memory index）。中西實務共識一致（SellerMetrics：PAT「separate from organic keyword optimization」）。
- 但「完全無效」太強：COSMO（SIGMOD 2024）明文用 co-purchase pairs（同 session 購買、無需 query）餵 relevance cross-encoder（A/B +60%）→ PP/瀏覽購買有間接、擴散的語意關聯價值。
- 對其他目標有效：BSR/銷量速度、防禦/搶競品頁、營收（PP ACoS 41.7%、貢獻 51% 購買）。
- 誠實標註：兩岸都沒有受控實驗隔離 PP 的關鍵字排名效果；中文圈有一個少數派反例（@AmzBrain 主張 PAT 能提升核心詞權重，無數據，且混淆 ad placement 與 organic indexing）。
Q6抓回來的 PP 是 toddler socks 這個 search query 相關，還是 KW target？兩者皆是
同時成立：顧客搜了 toddler socks（query）→ 你的 toddler socks exact（target）中標 → 但廣告渲染在某商品詳情頁（placement）。customer_search_term 記的是「顧客實際搜的字」，與 target 無關（PAT 無關鍵字卻仍帶詞為證）。修正：判準不是「有沒有 query」，而是「轉換從哪 originate（SRP vs 詳情頁，決定進不進 SQP）」。
Q7越暖的人，可以用越高的 bid 去搶 SRP 版位（ToS/RoS）嗎？方向對，要繞
邏輯對，但 SP 沒有「對某受眾、只在某版位」加價的單一旋鈕。兩根桿各自獨立相乘：Placement modifier（調版位、對全體）× Audience boost（調受眾、跨全版位）。要逼近你的目標 = 「全體壓 PP placement modifier」+「暖客 audience boost」兩桿疊加，靠湧現。前提：動 PP 前要先有版位 ROAS + PP 增量 holdout 墊底。
Q8BS PAT 都打到什麼搜尋結果的 search term？是不是打到 ASIN 關聯的所有詞、很分散？看定向類型
整體很分散（22,653 個對象），但分散全由品類定向造成（各噴 1.1–1.4 萬）。ASIN 定向相反：90–96% 集中在被 target 的那一個商品頁，不是它的整片詞雲。且 PAT 的「詞」多是 ASIN（dark search），真實文字 query 被遮蔽。PAT has_term 86.7%，與 placement 對得起來（has_term = 搜尋情境版位、no_term = 純展示）。
Q9那 58% 的品類噴灑是不是浪費？不是
不是。品類噴灑 ACoS 32%、CPC 僅 $0.54（ASIN 定向一半）——分散 ≠ 浪費，是便宜有效的廣撒網。最高效的是 7 天瀏覽再行銷（15%，但 view-through 灌水須打折）。唯一該砍：keyword-group=category（64% ACoS）。
Q10AMC 有哪些表？關係是什麼？資料是即時的嗎？非即時
核心 5–6 張（流量 / 廣告歸因 by_traffic vs by_conversion / 全站 conversions / DSP / 受眾鏡像版），靠 user_id join。非即時：約 1–2 天可用延遲 + 14 天歸因成熟 → 最近兩週 ACoS 偏保守、最近 1–2 天缺資料。要近即時得用另一個產品 Amazon Marketing Stream（每小時推，需自架 AWS SQS，目前未接）。
Q11order% 和 cohort 是什麼意思？名詞定義
cohort = 一群符合同一條件而被歸在一起的人（如「看過廣告 4-9 次」的人）。分 cohort 是為了比較。
order% = 該 cohort 裡「最後一次曝光之後有下單」的 user 比例 = 下單人數 ÷ cohort 總人數。注意：分母是人數不是點擊（所以數字看似很小）；是 user 級 0/1（買 3 次也算 1）；用全站 conversions 算 → 衡量「曝光與購買的關聯」，非廣告增量。
尚未能回答（下一步）
- 增量：所有結論的因果版本——需對 ToS 加碼、暖客 boost、PP 防禦做 holdout 對照。
- 嚴格 ACoS：product_sales（推廣）vs total_product_sales（含 halo）並列；view-through vs click-attributed 分離。
- DSP 閉環：XPLORX 開通 DSP→AMC 後，130 萬冷池 retarget 的實際 ROAS。
- 變體階梯：SP-API catalog 補 size/color → 把 Hero→隱藏冠軍 翻成「2T→3T」設計尺碼接力。
- 價格→frequency 趨勢線：補中間價位 ASIN，把兩點變趨勢。
- SQP 計數的精確邊界：PAT-on-RoS（dark search，發生在 SRP）到底進不進 SQP——官方未明文，需另想驗法。