一文读懂亚马逊营销云（AMC） 背后的价值（亚马逊的网络营销战略）

数字化营销时代，依托大数据的分析和洞察，营销过程中不同媒体的投放结果、不同用户的触媒习惯以及同样的数据从不同维度进行解读，都将产生不一样的分析结果。

对于中国出海企业和卖家来说，如何通过大量的数据建模分析，更清晰地监测不同广告形式的投放效果，了解海外消费者的喜好和行为习惯，愈发受到大家的关注和重视，特别是在复杂的广告归因逻辑中更为凸显。以亚马逊广告生态为例，比如说，某个消费者看了SP搜索广告，又看了DSP投放的展示类广告，最后又在搜索广告中完成下单，那么这个转化应该怎么算？或者说，亚马逊站内站外的广告都在投，但并不知道广告费用怎么分配才能使最后的转化效果达到最佳？

针对这一系列的营销痛点，今年初亚马逊广告推出了亚马逊营销云Amazon Marketing Cloud（简称：AMC），一种整体衡量和分析亚马逊生态广告效果的解决方案，旨在帮助卖家或者营销人员通过更加多维度、更加细颗粒度的数据分析，来衡量搜索广告、展示广告、视频广告、OTT电视广告等不同媒体渠道的营销效果。

也就是说，与卖家从亚马逊广告后台，或者DSP后台看到的数据有所不同。通过 AMC数据粒度可以精细到用户层级（UserID)，并且可以看到日志级别 (log-level) 的数据，针对每一次曝光的所有信息都会被记录。

此外，AMC 构建在亚马逊网络服务Amazon Web Services (AWS) 之上，因此可以为广告客户提供灵活性强、透明度高的跨渠道数据，从而帮助他们作出更精准的营销决策。换句话说，AMC一定程度上是依托AWS的云计算服务进行工作的，AWS本身的安全性、合规性以及作为一种基础设施的大数据分析和管理能力将保障AMC的高效运行。

一、AMC具体是如何运行工作的？

简单来说，大家可以把AMC当作一个云平台，在这个保护隐私的安全专用云环境中，可以轻松跨越多个匿名数据集进行分析，生成汇总报告。尽管AMC平台的数据粒度精细到每个用户(User)，但广告主在 AMC 实例中的所有信息都是严格按照亚马逊的隐私声明进行处理的，只能从亚马逊营销云（AWS）访问匿名的汇总分析，却无法返回任何个人数据。

借助AMC超越传统报告的分析功能，可以帮助卖家或者广告主深入分析所需信息，提供更全面的广告系列效果视图，并且对各个渠道更加复杂的归因和广告效果进行衡量和评估。

点击了解。

此外，当前AMC主要通过开放API及UI给到使用者，来实现数据的汇集与分析。除了亚马逊广告活动指标，如展示、点击和转化等等之外，还可以输入广告主自己的数据集，从而通过AMC 报告，进一步分析广告数据表现，帮助卖家针对每个跨渠道营销投放做出更明智的决策。

二、AMC的主要功能及优势有哪些？

通过上述内容，我们不难发现AMC最重要的一个功能和优势，就是可以基于卖家或者广告主的广告目标、策略和渠道进行完全自定义的数据分析，包括各个渠道的广告运营策略调整，效果分析，转化路径分析，转化窗口分析等等。同时，还可以开发自定义归因模型，以帮助大家清楚地了解广告投放过程中，哪个渠道或者形式对于目标受众最具影响力。

具体我们可以结合实际案例，看看这几个不同维度的数据分析到底有什么意义？

1、最佳广告频次分析模块 (Optimal Frequency)

分析广告频次对于广告点击率的关系，根据不同产品在投放不同阶段的表现，随时调整广告设置，优化整体投放表现。

如上图所示，该图为某个客户在转化阶段的投放表现，第一次广告曝光后转化率处于最高水平，随着曝光次数增多转化率同步减少，并在第5次曝光后大幅度减少。也就是说，在转化阶段，受众被触达控制在6次之内转化效果相对较好。

在考虑阶段的投放目标主要是吸引潜在消费者了解产品和品牌，所以我们以DPVR (到达DPV的转化率) 作为主要考核目标。上图数据分析中同样出现第一次曝光获得最高DPVR，随着次数增多转化率逐步减弱。可以发现，在考虑阶段受众被触达4/3次以内广告投放效率更高。

2、转化路径分析 (User Path to Conversion)

进行转化路径分析的主要目的，是观察每个消费者从被广告曝光到完成购买的所有路径，通过每个独立路径深入理解消费者在不同阶段以及不同渠道的喜好及行为习惯，从而进一步分析每个渠道在不同时间节点对于促成转化的影响力。

如上图所示，左侧我们可以当作是First Touch的渠道，右侧则是用户下单购买的渠道。以在亚马逊下单购买为例，通过AMC的转化路径分析，从右向左看可以发现，对该品牌客户而言，在亚马逊下单的消费者，其实也会经常出现在新闻、电子邮件、娱乐网站以及其他app等平台。这就意味着在投放时我们可以对亚马逊站内站外的多渠道进行布局，全面覆盖更多的目标受众，扩大上层流量入口。

在日常运营过程中，我们也发现不少客户比较注重Retargeting阶段的投放，而忽视了对完整消费链路的流量渗透。从上面这张图的客户案例分析，也可以清晰地发现，对消费者进行从认知到考虑再到转化的全流程覆盖，长期来看整体转化率较之单纯地只打其中某一个或者某两个阶段要高得多。

同时，通过AMC转化全路径的分析，我们还可以针对消费者比较集中的路径，及时调整预算比例。持续分析不同人群包、广告位等因素的影响，对整个投放链条进行数据追踪，实现效果转化的归因，并由此不断提升广告精准度。

3、转化窗口分析 (Conversion Time Window)

通过转化窗口分析，可以了解消费者在广告曝光后，一般会在哪个时间段上发生转化。如上图所示，其实用户在被广告触达后，广告对于用户的影响效果是递减的。这就需要根据分析结果，及时调整针对不同投放天数的人群包的竞价设置，最大化可曝光机率，提升转化效果。

4、跨渠道广告数据分析 (Cross-channel Analysis)

如我们文章开头所说，不少卖家经常会有疑问，我的广告预算到底要怎么分配？不同渠道之间如何配合最有效？亚马逊的飞轮效应到底有没有？

针对卖家的这些灵魂拷问，AMC的跨渠道广告数据分析功能，就可以很好地帮助我们以数据为基础做精细化的预算分配。从AMC日志层级的数据-Data Science 建模-最佳预算组合拳打法，深入了解不同广告渠道、广告形式对于生意增长的影响，利用算法有效分配不同渠道的投放比例，最大化生意增长的可能性。

总而言之，Amazon Marketing Cloud可以根据不同卖家及广告客户的定制化需求、差异化受众分类、多元化渠道选择以及复杂的归因模型，传递出独特的数据报告和营销结论，包括对于亚马逊站内站外整体广告投放效果的分析，AMC都可以给出一个比较完整和全面的报告指南。

目前，SparkX自主研发的一站式智能营销平台——Xplatform，已经与AMC进行了对接，并且选择了部分出海头部客户率先开始通过AMC进行数据分析和精细化运营管理。在保证数据安全和用户隐私的前提下，我们希望无限释放出亚马逊生态的数据红利，进一步赋能广告客户的数字化战略布局，促进品牌生意的长效增长。