本文深入解析 AMC（Amazon Marketing Cloud）中的"Understanding cross-selling impact"用例，聚焦于品牌经营层面的交叉销售影响分析。该分析不仅关注单一商品的销量，更核心的是评估广告活动是否有效促使消费者将不同产品组、品类甚至不同品牌纳入同一购物篮。
用例核心价值与应用场景
对于拥有多品类、多产品线的广告主，该工具可分析广告活动与不同 ASIN 组合之间的购买关联；对于单一品牌或品类，则有助于观察广告是否带来了更广泛的品牌光环效应。
其核心旨在解决两个关键业务问题：
- 推广特定品类（如户外）时，是否带动了关联品类（如跑步）的购买？
- 购买某产品组的用户中，有多少比例同时购买了另一产品组？
两种主要分析模式
官方模板提供两组查询逻辑，建议结合使用以精准判断广告效果：
- 广告影响下的交叉销售分析：先圈定特定 Campaign，分析被广告触达用户的后续产品组合购买行为。
- 基础交叉销售分析：仅分析产品组间的自然购买组合关系，用于建立基准数据。
通过对比这两组数据，可以更清晰地识别出广告触达后，特定的商品组合购买是否具有显著增量。
第一步：科学定义产品组
模板要求至少建立一个 ASIN 组。分组维度可灵活设定，包括品牌、品类、价格带、使用场景或待测试的商品集合。
建议分组逻辑需对应实际业务决策，避免颗粒度过细。例如，“户外”与“跑步”这类宏观分组更具分析价值；若每组仅包含冷门 ASIN，易因样本量不足导致结果失真。
第二步：精准定义广告活动组
在进行广告影响分析时，需填入 DSP Campaign ID 或 Sponsored Ads Campaign 名称。
关键在于让 Campaign 组能够回答明确的业务假设，而非罗列所有活动。例如：验证品牌推广是否带动跨品类购买，或新品推广是否拉动旧品连带销售。
核心数据源构成
该分析模型综合了以下三类关键数据：
dsp_impressions：用于识别 DSP 曝光覆盖的用户群体。sponsored_ads_traffic：用于识别 Sponsored Ads 触达的用户群体。conversions_all：追踪上述用户后续的 ASIN 购买转化行为。
需注意，conversions_all 属于付费功能且仅在部分区域开放，其统计范围仅限于 ASIN 线上转化，不包含线下等其他转化类型。
结果报表解读指南
分析结果将输出 Campaign 组、去重触达人数（reach）、购买产品组组合、去重购买用户数（dist_purchaser）及购买次数（purchases）。
若数据显示，被“户外 Campaign"触达的用户中，同时购买“户外”与“跑步”品类的人数占比较高，则表明这两类商品存在显著的交叉销售机会，值得进一步验证。
关键警示：相关性不等于因果增量
必须明确，广告影响分析展示的是“被触达用户的后续购买行为”，擅长发现现象与机会，但并非严格的因果增量实验。
当发现某商品组合表现优异时，建议执行以下验证步骤：
- 对比未受广告触达时的基础交叉购买率，计算净增量。
- 结合不同 Campaign 组、时间窗口与商品组进行多维度复核。
- 通过小预算再营销或组合素材测试，实证是否能真正提升购买转化。
业务落地行动建议
基于分析结果，可采取以下策略优化运营：
- 在高关联度的两类商品间测试套装捆绑、满减优惠及品牌店导购路径。
- 针对已购买品类 A 的用户，定向再营销推荐品类 B。
- 为高交叉购买倾向的新客，设计购后内容引导与商品组合推荐。
- 将“广告带来的关联购买”纳入品类预算评估体系，超越单一 ASIN 归因视角。
总结
"Understanding cross-selling impact"的核心价值，在于将广告触达、产品组划分与购买组合置于同一视野下进行全景分析。这将助力商家从单品广告投放，进阶至品类联动、品牌光环构建及全链路消费者价值挖掘。
AMC 线下实操课程
多产品线经营应避免仅关注单品 ROAS，而忽视广告对整体商品组合的带动作用。
Codex+ 亚马逊 AMC 王牌技能组合线下实操课，将从官方模板出发，指导学员建立可用于预算分配、商品组合优化及再营销决策的 AMC 分析体系。
