今天我们讲一个更进阶的路径分析Use case：
Path to conversion by audience segment
翻译成中文，就是“按受众细分分析转化路径”。
前面我们讲过按campaign、按campaign groups看路径。
那这篇Use case进一步问的是：
同样的广告路径，不同人群走出来的路径一样吗？
比如“parents of tweens”这类人群，购买前最常见的广告触点是什么？
他们是不是更容易先看到TNF/Twitch，再看到SOV，最后被DSP转化？
如果我们发现某个受众细分在某条路径上的转化率最高，就可以把这个洞察反过来用于再营销。
这就是这篇Use case的价值。
它不是只看路径，而是看某一类人群的路径。
Introduction
官方文档中，这个Use case的核心问题是：
某个特定受众细分在购买On-Amazon产品或完成Off-Amazon转化前，最常见、最有效的路径是什么？
这篇Use case可以帮助我们理解：
-
某个focus audience的购买旅程； -
这个人群和其他人群的路径有什么不同； -
如何把高表现路径转化成AMC audience，用于DSP再营销。
官方示例中提到：
如果分析parents of tweens这个受众细分，发现最高转化率路径是TNF/Twitch -> SOV -> Amazon DSP，那么可以创建AMC audience，触达已经经历前两个触点的用户，再用DSP remarketing提升转化。
引言
这篇Use case和普通路径分析最大的区别是：
它先限定人群，再分析路径。
普通路径分析问：
所有用户最常见的路径是什么？
Audience Segment路径分析问：
某一类人群最常见、最高效的路径是什么？
吴老师解读：
这对广告优化非常重要。
不同人群的决策路径可能完全不一样。
比如年轻用户可能更容易从视频或娱乐媒体触点开始；
家庭型用户可能先被SOV或DSP触达；
高意向用户可能直接从搜索广告进入转化。
如果把所有人混在一起看，你只能得到一个平均路径。
但平均路径不一定适合任何一个具体人群。
数据处理逻辑：路径会去重，但成本不会去重
官方说明中有一个关键点：
最终输出的path列会去重，方便展示。
如果同一用户多次接触同一个campaign group，路径里只显示第一次接触的顺序。
但cost和impression列不会去重。
因为广告成本和曝光是真实发生的，需要完整计入。
吴老师解读：
这和Campaign Groups那篇逻辑一致。
路径列解决“顺序”问题；
曝光和成本列解决“投入”问题。
路径要简洁，成本要真实。
这篇Use case需要哪些数据？
官方文档中提到使用的数据包括：
dsp_impressions audience_segments_amer_inmarket amazon_attributed_events_by_traffic_time
其中：
dsp_impressions用于识别Amazon DSP流量，以及哪些曝光来自目标受众细分；
audience_segments_amer_inmarket用于识别特定受众细分；
amazon_attributed_events_by_traffic_time用于连接广告触点和转化事件。
同时，因为14天归因窗口，官方建议在campaign结束两周后再运行查询。
吴老师解读：
这里有两个前置条件：
第一，你要知道自己分析的是哪个audience segment；
第二，你要有足够大的样本量。
如果受众太小，路径会非常碎，容易出现聚合阈值问题。
所以官方也建议考虑使用更大的audience segment，确保每条路径有足够数据。
先跑探索查询：识别campaign
正式跑路径模板前，官方先提供了探索查询，用来识别DSP campaign和Sponsored Ads campaign。
DSP探索查询会输出：
campaign campaign_id_string impressions
Sponsored Ads探索查询会输出：
campaign ad_product_type impressions
吴老师解读：
这一步不要省。
很多同学直接改主查询，结果不知道该填哪个campaign ID，或者填错了广告活动。
先用探索查询点名，把可用campaign整理出来，再决定怎么分组。
这和我们前面讲的“识别Campaign和Campaign ID”Use case是连在一起的。
识别Audience Segment ID和Off-Amazon转化ID
这篇Use case还提供了两个探索查询：
一个用来识别segment ID；
一个用来识别Off-Amazon conversion IDs and types。
官方特别提醒：
识别segment ID的查询只建议跑一到两天，避免查询超时。
吴老师解读：
Audience Segment路径分析有两个关键输入：
第一，campaign ID；
第二，segment ID。
如果做Off-Amazon路径，还需要确认站外转化的类型和tracked item。
这些都不要靠猜。
先跑探索查询，再填主模板。
On-Amazon DSP路径模板
官方提供了On-Amazon DSP campaigns only版本。
使用时需要：
-
先跑探索查询，识别campaign ID strings和目标audience segment； -
替换 campaign_id_string和campaign_group占位符； -
替换目标audience segment ID； -
如需限定ASIN，可以打开ASIN filter。
吴老师解读：
这个版本适合只看DSP路径。
比如你想知道某个受众细分在DSP内部，是先看STV，还是先看Twitch，还是先看Display。
如果你的问题只在DSP内部，这个模板更干净。
On-Amazon DSP + Sponsored Ads路径模板
官方还提供了DSP + Sponsored Ads版本。
这个版本会把DSP和Sponsored Ads一起纳入路径。
它需要更新更多参数，包括：
-
DSP campaign分组； -
audience segment ID； -
audience table； -
marketplace ID； -
Sponsored Ads campaign分组。
吴老师解读：
这个版本更接近真实投放场景。
因为用户可能先被DSP触达，再通过SP或SB搜索转化。
如果只看DSP，就看不到搜索承接。
如果只看Sponsored Ads，就看不到前面的媒体种草。
DSP + Sponsored Ads版本可以帮助我们看跨广告产品的路径协同。
Off-Amazon路径模板
这篇Use case也提供了Off-Amazon版本。
它适合已经通过Events Manager信号追踪站外转化的广告主。
使用时需要：
-
替换campaign ID和campaign group； -
替换ad tag或pixel ID； -
替换conversion event type description； -
替换目标audience segment ID。
吴老师解读：
如果你是独立站、App、留资、订阅业务，这个版本非常重要。
它可以回答：
某类人群在站外转化前，接触过哪些Amazon Ads触点？
如果某条站外转化路径表现最好，就可以把前置触点人群做成再营销包。
指标和洞察应该怎么读？
官方示例里常见指标包括：
path_occurrences impressions imp_total_cost users_that_purchased users_that_converted purchase_rate conversion_rate
On-Amazon会更关注purchase和sales。
Off-Amazon会更关注conversion和conversion rate。
吴老师解读：
读这类结果时，不要只看“哪条路径最多”。
你要问四个问题：
第一，目标人群最常见的路径是什么？
第二，目标人群转化率最高的路径是什么？
第三，目标人群和其他人群路径有什么差异？
第四，能不能把高表现路径的前置触点做成再营销人群？
这个Use case在运营中怎么用？
它适合用在这些场景：
-
分析某个in-market或lifestyle人群的购买路径； -
对比不同受众细分的路径差异； -
找出某个人群最高转化率路径； -
基于高表现路径创建AMC audience； -
用DSP remarketing承接已经进入路径前半段的用户； -
同时分析On-Amazon购买和Off-Amazon转化。
吴老师解读：
这篇Use case的最终目标不是“看路径”，而是“用路径做人群”。
比如你发现某个目标人群的高转化路径是：
TNF_Twitch -> SOV -> DSP
那么你就可以尝试创建一个人群：
已经接触TNF/Twitch和SOV，但还没有完成转化的人。
然后用DSP去做再营销。
这就是AMC路径分析和人群运营的结合点。
实操建议
吴老师建议大家按这个顺序操作：
-
先明确focus audience，不要一上来就跑所有人； -
用探索查询找campaign ID； -
用探索查询找segment ID； -
受众不要太小，否则路径容易被聚合阈值影响； -
On-Amazon和Off-Amazon分开分析； -
输出后重点看路径差异，而不是只看总转化； -
把最高转化路径的前置触点转成再营销人群。
最后总结
Path to conversion by audience segment，是一篇非常适合做“人群路径洞察”的Use case。
它告诉我们：
路径分析不一定要看所有用户；
不同受众细分可能有不同购买旅程；
高表现路径可以反向用于AMC audience创建；
On-Amazon和Off-Amazon都可以做路径分析；
探索查询是正式模板前的必要步骤。
如果你已经会看campaign路径，那么下一步就应该学习按受众看路径。
因为广告优化最终不是只优化campaign，而是优化“谁在什么路径下更容易转化”。
Codex+亚马逊AMC线下实操课
今天这篇Use case已经进入AMC高阶应用了。
它把路径分析、人群洞察、DSP再营销和站外转化信号连接在一起。
真正实战时，我们要做的不只是跑SQL，而是把结果变成可执行的人群策略。
如果你希望系统掌握AMC路径分析、受众洞察、人群创建和广告优化方法，可以扫码了解吴老师的线下实操课。
