本文深入解析一个关键的 Amazon Marketing Cloud (AMC) 用例：Subscribe and Save purchase lead-in analysis（订购省购买前引导分析）。
该用例旨在分析用户在加入 Subscribe & Save（订购省）之前，已经进行过多少次普通购买。这一数据对于理解用户从初次尝试到建立长期订阅关系的转化路径至关重要。
Introduction
官方定义指出，此查询用于分析客户在触发 Subscribe & Save 事件前的购买行为，核心目的是识别用户进入订购省之前的购买频次，从而洞察客户旅程与转化模式。
使用前提包括：
-
需具备 Flexible Amazon Shopping Insights (FSI) 权限； -
品牌需已加入 Amazon Subscribe & Save 项目。
专家解读：与此前分析的“订购省后复购”不同，本用例聚焦于“订购省前”的行为路径，帮助卖家厘清用户是在首次接触时直接转化，还是经过多次试用后才建立订阅关系。
这个Use case适合解决什么问题？
该用例主要回答以下核心业务问题：
-
用户是首单即转化，还是多次购买后转化？ -
产品是否需要先建立信任再推动订阅？ -
最佳提醒用户加入订购省的购买节点是第几次？ -
哪些 ASIN 更适合在首单后进行订阅转化？ -
推广策略应侧重新客还是老客？
专家解读：不同产品的决策周期存在差异。部分产品用户愿在首单直接使用订购省，而部分产品需经多次试用。本用例能帮助卖家精准找到适合自身产品的转化节奏，避免盲目全量推广。
Template里需要填写什么？
官方模板需配置以下参数：
-
分析名称； -
日期范围； -
时区设置； -
Tracked ASINs（追踪的商品）； -
提交运行。
专家解读：Tracked ASINs 的设置尤为关键。若选择"ALL"仅能查看整体概况；对于产品线丰富的品牌，建议按核心 ASIN 单独分析，因为不同商品的订阅前购买次数可能存在显著差异。
结果会返回哪些指标？
核心输出字段包括：
purchases_pre_sns：加入订购省前的普通购买次数； users：对应购买次数下的用户数量； percent_of_total：该组用户占所有订购省用户的比例。
专家解读：数据直观展示了转化门槛。例如，purchases_pre_sns = 0 表示用户首单即订阅；= 1 表示试用一次后订阅；数值越高，说明用户需要更多次体验才会建立订阅关系。
示例结果应该怎么读？
典型的数据分布特征如下：
-
0 次购买前即使用的用户占比最高； -
1 次购买后使用的用户次之； -
随着所需购买次数增加，用户占比逐渐递减。
专家解读：若 0 次占比高，说明产品具备强周期性或优惠吸引力大，用户决策快；若 1-2 次占比高，则表明用户存在试用需求。此时运营重点应是优化首次购买体验，而非强行推销订阅。
Interpretation insights怎么理解？
官方洞察指出：
-
高比例的 0 次购买说明用户无需历史沉淀即可转化； -
分布形态反映了用户采用订阅服务前的旅程复杂度； -
较高的购买次数意味着用户在订阅前已有较强的参与度。
专家解读：需注意，"0 次转化”虽看似高效，但需结合后续留存率判断质量。若该群体流失率高，则需反思是否过度依赖入口设计而忽略了产品适配性。建议将此用例与“订购省后复购分析”结合使用，以全面评估用户生命周期价值。
这个Use case在运营中怎么用？
四大运营应用场景：
1. 判定转化时机：若数据显示大量用户在第 1 次购买后转化，应在首单后的再营销环节重点推送 SnS。
2. 优化优惠策略：若用户普遍需 2-3 次购买才转化，说明信任建立需要过程，可通过组合优惠、复购券或阶梯折扣进行引导。
3. 区分产品类型：针对不同 ASIN 制定差异化策略，避免“一刀切”。
4. 构建 AMC 受众：将“已购买 1 次但未订阅”的用户圈选为高潜转化人群，进行精准触达。
实操建议
执行步骤建议：
-
按核心 ASIN 单独运行分析； -
统计各购买次数下的订阅占比； -
锁定最常见的“订阅前购买次数”作为关键节点； -
据此设计再营销节奏与内容； -
结合复购用例，综合评估订阅后的留存质量。
核心目标并非单纯追求“尽快订阅”，而是找到用户在哪个阶段进入订购省能带来最高的后续复购质量。
最后总结
Subscribe and Save purchase lead-in analysis 是洞察订购省前用户行为的重要工具，其核心价值在于：
-
量化用户订阅前的购买频次； -
判断订阅行为是源于首单冲动还是复购信任； -
明确推广资源应投放在新客期还是复购期； -
精准定位适合进行订阅转化的再营销人群。
Codex+亚马逊AMC线下实操课
本用例将 AMC 分析维度提升至“客户旅程节奏”层面，不仅关注购买结果，更聚焦于用户建立长期关系的最佳时机。
通过将此类 Use case 与 Codex 工具结合，卖家可将官方 SQL 模板转化为定制化的复购、订阅及再营销分析框架。相关线下实操课程将围绕“全路径消费者洞察”展开，系统讲解如何利用数据驱动广告优化与转化路径分析。
