本文将深入解析比“商品一起买了什么”更进阶的 AMC 应用场景：Sponsored ads ASIN cross-purchase（赞助广告 ASIN 交叉购买）。
该模型旨在解决以下核心问题：消费者先购买了哪件商品，间隔多久后购买了另一件商品；此类交叉购买由何种 Sponsored Ads 广告类型驱动；以及新客与复购客在此路径上是否存在显著差异。
它和“购买重叠”有什么不同？
“购买重叠”仅分析两件商品是否常被同一群体购买，而“交叉购买”引入了关键的时间序列维度：
lead_asin：用户率先购买的商品；follow_up_asin：用户随后购买的商品。
因此，该用例更适用于回答“客户买完 A 后，下一步可能买什么”，从而为制定精准的跟进策略提供数据支撑。
哪些账户适合使用？
该分析基于站内 ASIN 归因转化数据，适用于投放 Sponsored Products、Sponsored Brands、Sponsored Display 或 Sponsored TV 的广告主。
官方建议将多种 Sponsored Ads 产品类型及完整的 ASIN 范围纳入统一视角分析。原因在于，用户的购买决策很少仅通过单一广告形式完成，商品间的关联购买往往跨越多个触点发生。
这篇查询用了什么数据？
核心数据表为：amazon_attributed_events_by_conversion_time。
该表按转化发生时间记录广告归因事件，采用"14 天最后触点归因”规则。因此，建议在 Campaign 结束后至少等待两周再执行查询，以确保归因窗口内的后续购买数据已完整回流，避免误判。
结果表主要看什么？
查询结果将返回以下关键指标：
lead_asin与follow_up_asin（前后购买商品）；cross_purchased_users（同时购买两件商品的去重用户数）；- 两件商品各自的购买量及主商品触达用户数；
avg_days_between_purchases（两次购买间的平均天数）；user_cohort（用户类型：新客或复购客）；- 首次购买与后续购买分别受何种广告产品影响。
该报表的核心价值在于，将静态的“商品搭配”转化为包含时间跨度、渠道来源及用户类型的动态购买旅程分析。
平均间隔天数怎么用？
若 A 到 B 的平均购买间隔为 31 天，这并非指用户必在第 31 天复购，而是提供了一个最佳的触达时间窗口参考：
- 间隔短：适合在购后不久推送互补配件、耗材或组合装；
- 间隔中等：适合进行再营销提醒、内容教育或权益触达；
- 间隔长：属于生命周期运营范畴，需长期培育，不宜仅靠单次促销收口。
建议不要将平均天数作为唯一的投放节点，更稳妥的做法是在平均值前后设置测试区间，对比不同时间段的转化效率。
新客和复购客为什么要分开？
同样的"A 买至 B"路径，对新客与复购客意味着不同的商业逻辑：
- 新客：交叉购买通常反映商品组合吸引力、品牌发现能力及首次体验后的延展机会；
- 复购客：交叉购买更多与补货需求、品牌熟悉度或长期品类偏好相关。
策略上，若新客占比高，应侧重首购后的商品教育与搭配推荐；若复购客占比高，则更适合推行会员制、周期性补货或老客专属组合策略。
广告产品类型怎么解读？
查询结果会明确标识主商品和后续商品分别受到的广告类型影响（如 SP、SB、SD 或 STV）。分析时不应简单归结为某类广告带来全部价值，而应探讨：
- 哪种广告类型更易启动第一件商品的购买（拉新）；
- 哪种广告类型更适合承接后续商品的购买（转化）；
- 两者是否需要匹配不同的素材、受众定向及时间窗口。
建议先利用官方探索查询确认实例内可用的广告产品与 ASIN 数据分布，再缩小范围进行正式分析。
落地执行建议
- 优先按
cross_purchased_users筛选出最具规模的 A-B 商品组合； - 依据平均购买间隔，设计科学的购后触达时间窗口；
- 针对新客与复购客拆分素材创意与优惠策略，避免“一刀切”；
- 根据广告产品类型，明确“首购拉动”与“后续承接”的职责分工；
- 结合库存状况与利润空间，优先测试具备放大潜力的商品对。
总结
Sponsored ads ASIN cross-purchase 将“用户还会买什么”这一模糊命题，拆解为商品顺序、购买间隔、用户类型和广告触点四个可量化维度。
其核心价值在于帮助广告主实现“在合适的时间，向合适的人，推荐合适的商品”，让后续推广更加精准高效。
Codex+ 亚马逊 AMC 线下实操课
当商品、广告产品和购买时间被纳入统一分析框架，交叉销售便不再是凭猜测的博弈，而是可验证、可测试的科学经营动作。
相关课程将带领学员将官方分析模板转化为个性化的购后运营、商品组合及广告优化方案。
