2023年3月，我接手一个亚马逊美国站家居类目的新账号，SKU 只有 4 个，广告预算 8000 美元/月。第一个月我做了一件看起来最笨的事：把 90% 的预算压在 4 个自动广告组上，不做否定、不频繁调价，只做一件事，每天把搜索词报告拉下来存档。第二个月月末，账号广告 ACOS 是 87%，自然订单占比只有 11%，团队里有人开始怀疑我是不是不会投广告。
但第 91 天，我们把前 90 天沉淀下来的 2143 个搜索词做了分层，砍掉 380 个纯消耗词，把 26 个高转化词迁到手动精准，ACOS 从 87% 掉到 34%，自然订单占比升到 43%。这个过程里换过的工具不超过 3 个，真正的变量是"数据链路"和"决策节奏"。
这也是我想写这篇文章的原因：市面上讲亚马逊广告的内容，90% 在讲"怎么设置竞价、怎么开活动"，却极少有人讲清楚从 0 到 1 这段时间里，广告、软件、数据三者之间到底该怎么咬合。广告从 0 到 1 的胜负手，从来不是你会不会点后台按钮，而是你有没有一套能把混乱数据变成可执行动作的机制。
先把我这些年踩坑换来的结论摆出来，后面再展开。如果你只记一段话，记这一段。
很多新卖家把第一个月的广告当成"投资回收期"，一旦 ACOS 超过 50% 就开始慌，开始猛砍竞价、关活动。这是最常见的死法。
0 到 1 阶段的本质是信息极度匮乏：你不知道哪些搜索词能出单、不知道买家的价格敏感带在哪、不知道自己的主图在真实搜索结果页里的点击表现。这些信息只能靠花钱买。第一个月花掉的广告费，本质上不是营销费用，是市场调研费用。
我给自己定的门槛是：单个 ASIN 在冷启动期至少要跑出 5000 次以上曝光、300 次以上点击、20 单以上转化，数据才开始具备统计意义。低于这个量级做的任何"优化"，都是在噪音上做决策。
很多卖家以为买了工具就等于有了能力。事实是：工具能告诉你"这个词花了 120 美元、出了 0 单"，但它不会告诉你"要不要因此否定它"。
有些词在冷启动期出 0 单，是因为你的 Listing 还没打磨好；等主图和 A+ 上线之后，同一个词可能就爆了。这个判断只能人来做。软件提供的是证据，不是结论。把工具当决策者，是新手最常见的隐性误区。
我对比过自己带过的 7 个从 0 到 1 的账号，发现最终表现差异最大的两个变量，不是竞价技巧，而是：
这两件事都不需要高级工具，但都需要纪律。工具能帮你把这件事做得更快、更可追溯。
ACOS = 广告花费 ÷ 广告带来的销售额。它只反映广告这一块的效率。TACOS = 广告花费 ÷ 全店总销售额，它反映的是广告对整盘生意的拉动效率。
我见过太多 ACOS 25% 却依然亏钱的账号，因为广告订单吃掉了本该属于自然流量位置的曝光；也见过 ACOS 60% 却活得很好的账号，因为广告在硬生生把排名打上去。看 ACOS 决定加不加预算的人，基本都会在第二阶段撞墙。
广告能做的是把流量放大，不能把转化率从 5% 变成 15%。如果你的详情页转化率低于类目均值，广告投得越多，亏得越快。
我的经验阈值是：广告可以把一个转化率 10% 的产品做到月销 1000 单，但没办法把转化率 3% 的产品做成爆款。所以在投放之前，Listing 必须过一轮硬指标校验，这个后面会讲。
上面是结论，接下来讲清楚一个真实的从 0 到 1 过程。我把它拆成三个阶段，每个阶段的预算结构、观察指标和动作都完全不同。
这个阶段我通常只做四件事：开自动广告、开一组手动精准打核心词、开一组商品投放打 5-8 个对标 ASIN、把所有搜索词报告每天存档。
预算分配大致是：自动广告 40%、手动精准 30%、商品投放 20%、品牌广告（如果已完成品牌备案）10%。竞价策略统一用"固定竞价"，不做动态调整，因为动态竞价会掩盖真实的竞价-曝光关系。
这个阶段最关键的动作是不做否定，但不等于不看。我要求团队每天记录三个数：总曝光、总点击、总转化，并且把每天新增的搜索词原样存下来。第 30 天做第一次大扫除。
不看 ACOS，看曝光量和 CTR。曝光量决定你的词库天花板，CTR 决定你的主图竞争力。CTR 低于类目均值 60% 的，先回去改主图，不要加预算。
不要因为某个词花了 30 美元没出单就立刻否定。30 美元在多数类目只够买 30-50 次点击，样本量根本不够。我给自己定的否定门槛是：花费 ≥ 该 ASIN 平均客单价的 1.5 倍，且点击 ≥ 15 次，且 0 转化，才进入否定候选池。
第 30 天做第一次搜索词清扫之后，工作重心从"收集"转向"分发"。所谓分发，就是把不同性质的词放到不同的广告结构里，让每一类词待在最合适的位置。
我的分发规则是这样的：
这个阶段是广告结构增长最快的时期，也是数据最混乱的时期。如果靠 Excel 手工对齐活动、广告组、关键词、搜索词四层结构，一个人一天最多处理 2000 行，再往上必然出错。
进入第三阶段，广告的角色从"拉订单"变成"稳排名"。这时候判断标准不再是 ACOS，而是三个：
自然关键词排名是否在上升、自然订单占比是否在提升、单均广告成本是否在下降。这三个指标同时向好，才说明广告在真正给店铺做加法。
很多账号在第 90 天卡住，就是因为第二阶段只顾着冲订单量，没有同步做结构瘦身，导致大量低效词在持续吃预算。
下面这五个误区，不是从别人的文章里抄来的，是我在带团队复盘时反复记录下来的高频错误。每一条都对应真实损失。
自动广告的四种匹配类型（紧密匹配、宽泛匹配、同类商品、关联商品）本质上是四种完全不同的流量来源，混在一个广告组里，你根本无法判断钱花在了哪里。
我的做法是：四种匹配类型各开一个独立广告组，给独立预算、独立竞价。这样跑 30 天之后，你能直接看出来是"同类商品"在烧钱还是"宽泛匹配"在出单。混着开等于把变量全糊在一起，永远做不出归因。
我见过一个团队给运营设的考核指标是"ACOS 必须低于 25%"。结果运营为了达标，把所有转化好的高竞争词全部关掉，只留了一些低曝光长尾词，ACOS 确实降到 18%，但整个账号月销售额从 12 万掉到 4 万。
ACOS 是效率指标，不是增长指标。在 0 到 1 阶段，效率指标一定是难看甚至丑陋的，这是正常的。把丑陋期的指标当考核，团队会主动放弃增长。
第三方工具能给出竞品的价格带、评论增速、广告位分布、预估销量，这些数据非常有价值。但要注意两点：
正确用法是：工具数据用来做方向判断和横向对标，广告后台数据用来做动作决策。两者不能互相替代。
这是最典型的"勤奋型错误"。亚马逊的广告系统本身有学习期，频繁的竞价和预算调整会让模型不断重置，导致表现剧烈波动。
我们做过一次内部对照实验：同样是 3 个新账号，A 组每天调竞价，B 组每周调一次，C 组前 30 天完全不动。结果第 60 天时，C 组的数据质量最好，B 组的 ACOS 最低，A 组的波动率是 B 组的 2.7 倍。
当 Listing 转化率不行、价格没竞争力、评论数不够的时候，加大广告投入只会加速亏损。广告是放大器，它放大的既可能是优势，也可能是缺陷。
我的判断标准是：进入广告投放前，主图点击率必须已经达到类目均值水平，详情页转化率必须达到类目均值的 70% 以上。不达标就先回去做 Listing，不要碰广告预算。
上面说了误区和结论，接下来说方法论。我带团队时有一套固定的诊断顺序，叫五层漏斗。任何账号出问题，都从第一层往下查，不允许跳层。
先看曝光分布：自动广告占比多少、手动广告占比多少、商品投放占比多少。如果自动广告曝光占比超过 70%，说明你的关键词布局还不够主动，流量完全被系统牵着走。
这一层的健康区间是：手动精准 + 手动广泛合计曝光占比 50%-65%，自动广告 20%-35%，商品投放 10%-20%。
CTR 是主图和价格的联合体检。美国站家居类目，搜索结果页广告位 CTR 通常在 0.3%-0.6% 之间，如果你的 CTR 低于 0.2%，基本可以判定主图有问题。
这一层要分位置看：搜索结果顶部、搜索结果其余位置、商品页面，三者的 CTR 基准完全不同，混在一起看会误判。
如果 CTR 正常但 CVR 明显低于类目均值，问题在详情页。这时候要看的是：价格是否高于同类目 TOP10 的中位价、评论数是否低于 50、A+ 是否完整、Q&A; 是否空白。
广告只能把人带到门口，进门之后的事，广告管不了。
这一层是很多人唯一会看的一层，但如果不结合前三层，看它没有意义。我通常会做一张三联表：CPC 变化、ACOS 变化、TACOS 变化，看三者的方向是否一致。
健康状态是：CPC 稳中有降、ACOS 缓慢下降、TACOS 快速下降。如果 CPC 在降但 ACOS 在涨，说明点击质量在恶化，通常是匹配方式出了问题。
最后一层看的是"钱是不是花在了少数几个词上"。如果前 10 个搜索词吃掉了 80% 的广告花费，这个结构是脆弱的，一旦其中一个词的竞价环境变化，整个账号的表现会剧烈波动。
我的经验是：健康的账号应该让前 20% 的搜索词贡献 60%-70% 的花费，而不是 90%。过于集中意味着缺少长尾缓冲。
这一层如果用脚本处理会高效很多，下面是我自己在用的一个搜索词分层片段：
import pandas as pd
输入：亚马逊广告后台导出的搜索词报告
df = pd.read_csv("search_term_report.csv")
计算单均获客成本与转化门槛
df["cost_per_order"] = df["spend"] / df["orders"].replace(0, pd.NA)
df["clicks_per_order"] = df["clicks"] / df["orders"].replace(0, pd.NA)
分层规则：先按是否出单，再按花费阈值
def classify(row):
if row["orders"] == 0 and row["spend"] >= row["aov"] * 1.5 and row["clicks"] >= 15:
return "负面候选-可否定"
if row["orders"] >= 3 and row["cvr"] >= row["category_cvr"]:
return "高价值-迁精准"
if row["orders"] >= 1:
return "观察中-留自动"
return "低曝光-待沉淀"
df["layer"] = df.apply(classify, axis=1)
输出分层汇总
summary = df.groupby("layer").agg(
terms=("search_term", "count"),
spend=("spend", "sum"),
orders=("orders", "sum")
).sort_values("spend", ascending=False)
print(summary)这段脚本本身不复杂，关键是它把"判断标准"固化成了代码。团队里任何一个人跑出来的分层结果都是一致的，不会因为主观判断产生偏差。把经验写成规则，是把个人能力变成组织能力的第一步。
讲完方法论，我用一个完整案例把它跑一遍。这个案例是 2023 年下半年一个美国站家居收纳类目的新品，从 0 到月销 900 单的 180 天。
亚马逊广告后台的数据有一个天然盲区：它只告诉你"你自己"发生了什么，不告诉你"市场"正在发生什么。你不知道竞品这周是不是在打价格战、不知道类目整体 CPC 是不是在上涨、不知道你的主图在搜索结果页里的相对竞争力。
这些"外部参照系"必须靠第三方数据补上。我自己常用的工具里，数跨境 是我在跨境数据这块用得比较顺手的一个，主要看它的三个模块：类目流量结构、竞品广告位分布、关键词趋势。
冷启动最大的浪费是把预算花在错误的关键词上。我们在第 1 周用数跨境拉了类目 TOP50 ASIN 的流量词分布，发现这个类目有 42% 的自然流量集中在"尺寸描述型"长尾词（比如带具体英寸数的词），而不是我们原本主打的场景型大词。
这个发现直接改变了我们第一周的关键词结构：把 60% 的手动预算投到长尾尺寸词，大词只留 20% 做曝光占位。结果是第一个月的 CTR 比同类账号高了 0.18 个百分点。
第二个阶段我们需要判断"商品投放该投谁"。数跨境的竞品广告位数据能看出哪些 ASIN 在广告位上投入激进、哪些相对空白。
我们筛出 8 个"高流量但广告位竞争弱"的 ASIN 做定投，这批 ASIN 定投的 ACOS 是 29%，而同期投头部竞品的 ACOS 是 61%。选对标不是选最大的，而是选"流量够但防守弱"的。
第 90 天前后，类目关键词搜索量出现了一次 12% 的环比下滑。这个信号在亚马逊后台是看不见的。我们据此提前压缩了 15% 的广告预算，避免了在需求下行期继续加码。
这三次决策有两次依赖第三方数据，一次依赖样本量判断。工具的价值不在于它替你决策，而在于它让你在关键时刻多一个参照系。
方法论不能一刀切。下面按预算规模、运营阶段、品类特性分几类给出具体建议，你可以直接对照自己的情况取用。
核心策略是"极简结构、单点突破"。不要同时开 10 个广告活动，集中在 3 个：一个自动（四种匹配分开但预算都低）、一个手动精准打 5-8 个核心词、一个商品投放打 3-5 个对标 ASIN。
这个阶段不要买太贵的工具，把预算留给广告本身。基础的后台报表加一个便宜的第三方数据工具就够。判断标准是：工具年费不应该超过月广告预算的 15%。
核心策略是"结构分层、数据驱动"。这时候必须引入系统化的搜索词管理流程，每周一次清扫，每月一次结构重排。
工具层面建议配置"广告管理 + 第三方选品/流量数据"两套。这个阶段最容易出现的浪费是：结构太复杂导致管理成本上升，但产出没有同步提升。建议每增加一个广告活动，就复盘一次它带来的增量订单能否覆盖管理成本。
核心策略是"预算节奏 + 品牌资产"。这时候的重点从单个词的优化转向整盘预算的节奏管理和品牌词防守。
要开始关注三件事：品牌词广告的防守覆盖率、竞品词的进攻节奏、以及全店 TACOS 的季度趋势。我建议这个阶段建立月度预算委员会机制，广告、选品、供应链三方共同定预算，避免广告单独决策脱离库存现实。
多站点最大的坑是"用美国站的策略直接复制到欧洲站"。欧洲站的 CPC 通常比美国站低 20%-35%，但转化率也更低，直接套用会导致出价过低拿不到量。
正确做法是每个站点单独跑 30 天冷启动，单独建立基准值。我一般会给每个站点单独维护一张基准表，包含 CPC 基准、CTR 基准、CVR 基准、单均广告成本基准。任何一组数据偏离基准 30% 以上，才触发预警。
季节性品类的广告节奏要提前 45-60 天启动。以美国的户外烧烤类目为例，搜索量通常在 4 月中旬起量，那么 2 月底就要开始跑数据，3 月中旬完成结构优化，4 月全力放量。
如果等到需求爆发才开始投广告，你会在 CPC 最贵的时候进场，而且没有数据积累，只能被动接受系统给的低质量流量。
广告管理本质上是资源分配问题，资源有限就必然要取舍。下面五组取舍是我反复遇到、且答案不唯一的。
不是二选一，是阶段选择。冷启动期自动广告配比高（40%），成长期手动配比高（48%），成熟期自动压到 12% 以下做补漏。
取舍的判断依据是：你手上有多少"已知的有效词"。已知词少于 20 个的时候，自动广告的效率高于手动；已知词超过 50 个，手动广告的效率必然超过自动。
精准匹配的背后逻辑是"守住已知",广泛匹配的背后逻辑是"发现未知"。0 到 1 阶段两者都需要，但配比不同。
我的建议配比是：冷启动期精准 70% / 广泛 30%；成长期精准 60% / 广泛 40%；成熟期精准 80% / 广泛 20%。成熟期降低广泛的比重，是因为拓词工作已经由自动广告和新品测试承接了。
这个取舍最容易被情绪化处理。我的判断框架是算"单位决策成本"：如果一个决策每天要做 200 次以上，必须工具化；如果每天只做 5 次，人工更灵活。
搜索词否定、竞价调整、预算重分配这三件事，一旦规模上来就属于前者。而主图选择、定价策略、新品是否上架，永远属于后者。工具替代的是重复劳动，不是判断本身。
这是最难的取舍。为了压低短期 ACOS，你必须砍掉高竞争词，但高竞争词往往正是排名权重最高的词；为了长期 TACOS，你需要忍受前 90 天的高 ACOS。
我给出的实操标准是：如果账号现金流能支撑 6 个月，选长期 TACOS 路线；如果现金流只能支撑 3 个月，选短期 ACOS 路线。这不是策略问题，是资金问题。
0 到 1 阶段我一律建议单品打爆。理由是广告预算的边际效率在单个 ASIN 上是递减的，但在多个 ASIN 之间是分散的。预算 3 万元投 1 个 ASIN 能跑出清晰数据，投 5 个 ASIN 每个都跑不出结论。
矩阵铺开应该在什么时候做？当第一个单品稳定进入类目前 50、广告结构基本固化、团队有富余人力的时候。这个时间点通常在 6-9 个月之后。
最后我把前面所有内容压缩成一张可直接执行的节奏表。这张表我用了三年，每次开新账号都会照着走一遍。
| 时间 | 核心目标 | 关键动作 | 判断指标 | 常见错误 |
|---|---|---|---|---|
| 第 0-7 天 | 结构搭建 | 四种匹配分开建组、手动精准打 5-8 词、定投 3-5 个 ASIN | 曝光量、CTR | 一次开十几个活动导致预算稀释 |
| 第 8-30 天 | 数据采集 | 不做否定、不调竞价、每日存档搜索词报告 | 曝光 ≥ 5000、点击 ≥ 300 | 过早否定导致样本不足 |
| 第 31-45 天 | 第一次清扫 | 否定高耗零转词、高价值词迁入手动精准 | 否定词数、预算释放比例 | 按 ACOS 一刀切关停活动 |
| 第 46-90 天 | 结构分发 | 四类词分流、引入广泛匹配拓词、压缩商品投放 | 单均广告成本、搜索词集中度 | 结构过复杂导致管理成本失控 |
| 第 91-120 天 | 结构瘦身 | 压缩低效词、提高手动精准占比、品牌广告回溯 | TACOS、自然订单占比 | 继续用 ACOS 作为唯一考核 |
| 第 121-180 天 | 稳定排名 | 预算节奏管理、品牌词防守、竞品词节奏化进攻 | 自然排名、季度 TACOS 趋势 | 预算脱离库存与现金流现实 |
这张表的核心不是"每个阶段做什么"，而是每个阶段"只做什么"。0 到 1 阶段最大的敌人不是竞品，是动作过多导致的变量失控。
听起来很小，但极其重要。我要求团队的搜索词报告按 ASIN_站点_日期_广告活动ID.csv 命名，任何不符合规范的文件不允许进入分析流程。
为什么？因为三个月后你要做跨期对比的时候，会发现混乱的文件命名会让整个分析工作多花 3-5 倍时间。我吃过这个亏：一个账号第 4 个月的复盘，团队花了整整两天在整理文件名。
每个类目的 CPC、CTR、CVR 基准会随时间漂移。我建议每季度更新一次基准表，数据来源是"自己账号近 90 天的中位数"加上"第三方工具给出的类目均值"。
两个数据打架的时候，以自己账号的中位数为准。因为类目均值是全类目的平均，而你的账号有自己的价格带和客群，用别人的均值考核自己会失真。
回到开头那个 ACOS 87% 的账号。它后来活下来了，不是因为用了多厉害的工具，而是因为我们在第 90 天做了一件很朴素的事：把三个月的所有判断标准写成了一份 12 页的 SOP，包括否定门槛、迁词规则、预算调整触发条件、基准表更新频率。
这份 SOP 让第二个账号的冷启动周期从 180 天缩短到 110 天，第三个账号缩到 85 天。亚马逊广告从 0 到 1 的真正壁垒，从来不是技巧，而是你能不能把一次成功的偶然，变成可重复的必然。
所以如果你现在正处在 0 到 1 阶段，我建议你下一步做三件事，按顺序来：
广告的 0 到 1 没有捷径，但有路径。路径不是更聪明地调竞价，而是更早地建立机制、更克制的操作节奏、以及一个愿意在难看的数据面前多等 30 天的耐心。
我第一次推新品的时候，后台一开广告就慌了：有人说先开自动跑词，有人说直接手动精准卡位。我怕预算烧完了数据还没跑出来，也怕一上来就乱开活动把账户结构搞脏。
先定总盘子再拆结构：首月日预算可以按目标日单量乘以单件可承受广告成本倒推，实操上多数类目把广告花费控制在售价的15%到25%之间比较安全，客单价低于10美元的产品要压到10%以内。
架构上我通常只开三类：一个自动广告用低竞价宽泛跑词，两到三个手动词组或精准广告卡核心词，一个商品投放广告打竞品ASIN，先别铺十几个活动。单个活动日预算至少够跑10到15次点击，否则一周都攒不出判断样本。
观察窗口建议7天或累计20次点击，先看点击率是否达到类目均值以上，再看转化率，转化率明显低于类目均值时优先回去改主图、价格和评分，而不是继续加预算。另外首月要保证库存至少能撑45天，断货会让前面所有广告数据白跑。
投了两周，ACOS一直在80%上下晃，老板天天问我是不是投放方式有问题。我自己也动摇过，想干脆全部关掉重新建活动，但又怕一关排名就掉，之前的积累全废了。
别整体关，要分层关。判断依据不是单一ACOS，而是三个数据放在一起看：TACOS（总广告花费除以总销售额）、自然订单占比、以及广告位结构。如果广告订单占比超过70%且自然订单两周没增长，说明流量没沉淀，问题在Listing或价格，不在广告本身；
如果总销售额在涨、自然订单占比在提升，ACOS高只是新品爬坡期的正常现象，可以再给7到14天观察期。具体动作上，先关掉点击超过10次仍然零转化的搜索词，再把出单词的竞价下调15%到20%保住位置，最后把商品页面广告位单独拉出来看，这个位置点击便宜但转化通常偏弱，可以单独降竞价或暂停。
真正要立刻停的情况只有两种：单关键词花费超过两倍单件毛利还没出单，以及预算连续三天在凌晨时段被无效点击吃光。
后台搜索词报告一拉就是几百行，看得眼睛疼。我一开始每天清一次，清完发现词又变了；后来拖到一个月清一次，结果白烧了不少钱。到底什么节奏才对，什么词该迁、什么词该否，我踩过不少坑。
节奏分两段：新品前14天每2到3天看一次搜索词报告，之后稳定到每周固定一天处理，大促期间加密到每两天一次。迁移标准用点击和订单双口径：某个搜索词点击达到10次以上、转化率达到类目均值，或者已经出了2单以上，就把它单独拎出来建手动精准或词组活动，原自动活动里对这个词加否定，避免自己跟自己抢流量。
否定标准分三档：点击15次以上零订单，做精准否定；点击不到10次但明显和产品不相关，直接精准否定；只是词序或单复数变体导致的高花费低转化，用词组否定。要注意两件事，一是否定不要一次性清太狠，长尾词被误否会直接砍掉自然排名权重；
二是每周保留一份搜索词清单做版本对比，看哪些词是持续花冤枉钱的，比单看一天的数据准得多。
手工拉报表太慢了，Excel拼表经常错行，改一次竞价要一个个点进去。我也心动过买工具，但市面上产品太多，怕买了用不起来，更怕数据口径和后台对不上，最后还要人工二次核对。
我的判断标准是规模线：广告活动超过20个、在售SKU超过30个，或者单店铺日广告花费超过500元，就值得上工具，低于这个量级用后台加一张自建表格更划算。
选工具时只看四件事：能不能做分时竞价和分位置竞价调价、能不能把搜索词自动聚合并批量否定、能不能跨店铺统一看口径、能不能和利润表打通算出真实TACOS。数据口径必须提前对齐三点：归因窗口通常是7天，部分类目是14天，报表里要标清楚；时区要和店铺后台一致，否则跨天数据永远对不上；
广告花费要区分是否含税和是否含优惠券分摊。落地做法是先自建一张最小可用报表，字段就固定为花费、曝光、点击、点击率、转化率、单次点击成本、ACOS、TACOS、自然订单占比、广告位占比，跑满两周数据后再拿同一时间段的工具报表做交叉验证，误差在5%以内才继续用，超过就说明口径没对齐，先修口径再谈自动化。
读者评论
否定门槛按“花费≥客单价1.5倍且点击≥15次且0转化”来定，我这边低客单类目（12-15美元）基本跑不动，一个月8000美元预算攒不出几个否定词，反而拖慢了结构瘦身。感觉这套阈值更适合客单价30美元以上的类目，低客单的应该换算成点击次数而不是花费金额来卡门槛，不然第一阶段会一直被高花费小词占着。
把自动广告四种匹配拆开开这点很认同，但拆完会发现“同类商品”“关联商品”跑出来的是ASIN不是搜索词，这部分在搜索词报告里其实是缺的。我自己的数据里“同类商品”占了近一半曝光却几乎不出单，如果只按搜索词做分层，这块黑洞会被漏掉。文章讲搜索词链路很细，但ASIN维度的归因希望能补一补。
软件解决看见、不解决判断”这句说到点子上。真正难的是存档和分层的时间成本，我90天沉淀了1500多个搜索词，用表格做四层对齐经常错行，后来用一套项目管理平台把搜索词、广告组、动作状态挂在一起，至少能追溯谁在什么时候改过什么。工具本身不做决策，但没有可追溯的记录，复盘时基本就是互相扯皮，谁都说自己调过。