今天我们讲一篇站外转化相关的AMC Use case：
Off-Amazon conversion path by ad product exposure
翻译成中文，就是“按广告产品曝光分析站外转化路径”。
这篇Use case和前面几篇Path to conversion有一个明显区别：
它不重点看触点顺序。
它重点看：
用户在站外转化前，接触过哪些广告产品组合。
比如：
DSP + Sponsored Ads + Prime Video ads OLV + Sponsored Ads Prime Video ads only
它要回答的问题是：
哪些广告产品组合更能推动站外转化？
获客成本是多少？
哪些组合值得继续加预算？
Introduction
官方文档说明，这个Instructional Query用于衡量广告影响力，量化站外销售与广告产品曝光之间的关系。
它想回答的问题包括：
-
哪些广告产品最能推动转化？ -
每个客户获取成本是多少？
Amazon Ads可以在消费者购物旅程中触达多个触点。
广告主可以把站外交易上传到AMC，然后分析一个或多个Amazon Ads渠道曝光如何影响站外转化行为。
引言
这篇Use case适合那些转化不完全发生在Amazon站内的广告主。
比如：
独立站购买；
站外留资；
App注册或安装；
线索提交；
订阅；
其他站外转化。
吴老师解读：
如果你的最终交易发生在Amazon站内，普通On-Amazon路径分析就够用了。
但如果你做的是站外业务，只看Amazon后台订单就看不到完整结果。
这时候就要把第一方站外转化数据上传到AMC，再和Amazon Ads曝光数据放在一起分析。
这就是这篇Use case的核心价值。
这篇Use case和普通路径分析有什么不同？
官方文档明确说明：
这个查询会捕捉每个客户首次广告归因购买之前的所有广告产品触点，以及查询时间内后续广告归因花费。
但它不考虑广告产品曝光的顺序，也不考虑每种广告产品的曝光频次。
吴老师解读：
这句话一定要看懂。
它不是在回答：
用户先看了哪个广告，再看了哪个广告？
它是在回答：
用户转化前，接触过哪些广告产品组合？
所以这里的exposure更像“曝光组合”，不是严格的时间路径。
如果你要看顺序，用Path to conversion by campaign groups。
如果你要看广告产品组合对站外转化的影响，用这篇Use case。
使用前需要什么条件？
官方要求：
广告主必须已经把第一方站外转化事件上传到AMC。
这些数据可以通过Advertiser Data Upload API或AMC Uploader from AWS等方式进入AMC。
同时，你需要在查询时间段内投放Amazon DSP或Sponsored Ads campaigns。
站外转化表需要包含类似字段：
user_id order_id sales date_UTC
其中date_UTC代表购买日期，且使用UTC时间。
数据会返回什么？
官方说明，查询会按广告曝光组合返回表现指标，包括：
-
触达的去重用户； -
impressions； -
impression cost； -
off-Amazon converters； -
off-Amazon sales。
示例结果中，曝光组合类似：
[DSP, sponsored_ads, PVa] [OLV, sponsored_ads] [PVa]
吴老师解读：
这里要注意“互斥”这个概念。
一个用户如果接触过DSP、Sponsored Ads和PVa，就会被分到这个组合里。
他不会同时再被分到DSP + Sponsored Ads组合里。
这样做的好处是，结果不会重复计数。
哪些指标最重要？
官方示例中常见指标包括：
exposure audience_reach impressions total_cost total_users_that_purchased conversion_rate
其中：
exposure表示广告产品曝光组合；
audience_reach表示去重触达用户；
impressions表示曝光量；
total_cost表示成本；
total_users_that_purchased表示至少完成一次站外广告归因转化的用户数；
conversion_rate表示转化用户数除以触达用户数。
吴老师解读：
看这类报告时，不要只看哪个组合销售额最高。
至少要一起看：
-
reach； -
total_cost； -
converters； -
conversion_rate； -
cost per acquisition。
如果某个组合转化率高但reach很小，说明它可能有效但规模有限。
如果某个组合reach大但转化率低，说明它可能需要后续再营销承接。
Exploratory Query：先找DSP campaign
官方提供了探索查询，用来识别Amazon DSP campaigns。
它会输出：
campaign_id_string campaign_start_date campaign_end_date total_impressions
官方也提醒：
Sponsored Ads campaigns默认会被包含进分析，不需要你手动输入几十到几百个Sponsored Ads campaign names。
吴老师解读：
这点很实用。
如果每次都要手动输入Sponsored Ads campaign，出错概率会很高。
官方模板把Sponsored Ads默认纳入，是为了减少人工维护成本。
但DSP campaigns通常需要你自己定义分组。
Amazon DSP + Sponsored Ads模板怎么用？
第一个主模板会同时分析Amazon DSP和Sponsored Ads曝光。
你需要更新：
-
Amazon DSP Campaign Groupings； -
Amazon DSP Campaign IDs； -
第一方站外交易表字段； -
第一方站外交易表名称； -
可选的归因窗口。
吴老师解读：
这个模板适合你想把DSP和Sponsored Ads放在一起看。
比如你想知道：
只看过PVa的人转化如何？
看过OLV + Sponsored Ads的人转化如何？
同时接触DSP、Sponsored Ads、PVa的人是否更容易站外购买？
这些问题都适合这个模板。
Sponsored Ads only模板怎么用？
第二个模板只分析Sponsored Ads。
它需要更新：
-
第一方站外交易表字段； -
第一方站外交易表名称； -
可选归因窗口。
模板里会从sponsored_ads_traffic中取数，并使用ad_product_type作为campaign group。
吴老师解读：
如果你暂时没有DSP投放，或者只想看SP、SB、SD等Sponsored Ads对站外转化的影响，就可以先用这个版本。
它比DSP + Sponsored Ads版本更简单。
但它回答的问题也更窄：
只看Sponsored Ads，不看DSP或视频触点。
这个Use case和广告产品类型有什么关系？
这篇Use case的核心就是按广告产品曝光组合分析站外转化。
所以广告产品类型识别非常关键。
Sponsored Ads可以用ad_product_type识别。
DSP相关资源需要通过campaign grouping定义，比如：
STV OLV PVa DSP
吴老师解读：
如果你的DSP命名或campaign grouping不清晰，最后的exposure结果也会不清晰。
比如同样是视频广告，你到底是STV、OLV，还是Prime Video ads？
如果不提前定义好，结果只能看到一个模糊的DSP。
所以这篇Use case在实操中，一定要先做好DSP campaign grouping。
这个Use case在运营中怎么用？
它适合用在这些场景：
-
独立站卖家分析Amazon Ads对站外购买的影响； -
品牌官网分析不同广告产品组合的站外转化效率； -
App或留资业务评估Amazon DSP与Sponsored Ads协同； -
对比PVa、OLV、DSP、Sponsored Ads组合的转化率； -
计算不同曝光组合的获客成本； -
找出适合再营销的人群组合。
官方示例也给了一个思路：
如果PVa + Sponsored Products表现不错，而PVa + Sponsored Products + DSP表现最好，可以创建只接触过PVa和Sponsored Products的人群，再用DSP做再营销，推动转化。
吴老师解读：
这就是这篇Use case最有价值的地方。
它不是只告诉你哪个广告有效，而是告诉你：
哪些曝光组合可以作为下一步再营销的入口。
实操建议
吴老师建议按这个顺序来：
-
先确认第一方站外转化表已经上传到AMC； -
确认表里有 user_id、order_id、sales、date_UTC等字段； -
先跑探索查询，识别DSP campaign ID； -
设计DSP campaign grouping，比如STV、OLV、PVa； -
如果要看全局协同，用DSP + Sponsored Ads模板； -
如果只看Sponsored Ads，用Sponsored Ads only模板； -
输出后重点看conversion rate和获客成本，而不是只看总销售额。
最后总结
Off-Amazon conversion path by ad product exposure，是一篇站外转化场景非常实用的Use case。
大家重点记住：
-
它分析的是广告产品曝光组合，不是严格触点顺序； -
它需要第一方站外转化数据； -
Sponsored Ads默认纳入，DSP campaign需要定义分组； exposure结果是互斥分组，避免重复计数； -
它适合用来判断哪些广告产品组合更能推动站外转化。
如果你做独立站、App、留资、订阅或其他站外业务，这篇Use case非常值得重点学习。
Codex+亚马逊AMC线下实操课
今天这篇Use case已经把AMC和站外第一方数据连接起来。
这也是AMC高阶能力的重要方向：
不是只看Amazon站内订单，而是把Amazon Ads曝光和品牌自己的转化数据放在一起分析。
真正实战时，我们要懂广告产品、懂第一方数据、懂归因窗口，也要懂如何把结果转成再营销动作。
如果你希望系统掌握AMC站内站外路径分析、第一方数据应用和广告优化方法，可以扫码了解吴老师的线下实操课。
