吴老师讲AMC——24期"如何查询Sponsored Ads关键词和搜索词（How to query sponsored ads keywords）"

本文深入解析一个贴近广告日常优化的 AMC 实用案例：如何在 Amazon Marketing Cloud (AMC) 中查询 Sponsored Ads 的关键词、搜索词、匹配方式及归因转化数据。

在运营 Sponsored Products 和 Sponsored Brands 时，关键词分析是日常工作。然而，AMC 的价值在于不仅能查看流量数据，更能将搜索词、转化数据与用户购买前的搜索路径深度结合，从而实现更深层的关键词策略优化。

PART.01

核心概念辨析

关键词定向是 Sponsored Ads 的重要投放方式。在深入分析前，需明确两个核心概念：

1. Search terms（搜索词）：消费者在 Amazon 搜索框实际输入的词汇；
2. Keywords（关键词）：广告主在广告活动中出价购买的定向词。

在 AMC 中，这两者及其匹配方式可用于 Sponsored Brands 和 Sponsored Products 的深度分析。相比广告后台基础的搜索词报告，AMC 的核心优势在于能串联更长的购买路径，不仅展示“哪个词成交”，更能揭示用户成交前的搜索行为演变。

PART.02

与 DSP 品牌搜索的区别

需注意，Sponsored Ads 的关键词/搜索词不等同于 DSP 归因的品牌搜索（ad-attributed branded searches）。

• Sponsored Ads 关键词分析：基于流量事件，关注用户搜了什么、广告主投了什么、匹配方式及由此产生的曝光、点击和转化。
• DSP 品牌搜索分析：基于转化事件，旨在评估广告如何影响用户后续的品牌搜索行为。

两者应用场景不同，切勿混淆。

PART.03

数据可用性注意事项

根据官方说明，Sponsored Brands 流量事件中的搜索词和关键词数据自 2022 年 12 月 2 日起可在 sponsored_ads_traffic 表中查询。

Sponsored Products 的相关数据以及归因事件中的数据，则受实例创建时间和数据回填周期影响。通常可查询实例创建日期附近或过去约 12.5 个月内的数据。若无法查询到早期数据，并非 SQL 错误，而是受限于数据回填范围。

PART.04

查询一：关键词与搜索词流量分析

第一段查询基于 sponsored_ads_traffic 表，通过 match_type IN ('PHRASE','BROAD','EXACT') 筛选关键词定向流量。输出字段包括：

1. targeting：广告主投放的关键词；
2. customer_search_term：消费者实际搜索词；
3. match_type：匹配方式；
4. campaign：广告活动；
5. ad_product_type：广告产品类型；
6. impressions：曝光量；
7. clicks：点击量。

此查询的核心价值在于将“投放词”与“触发词”置于同一维度对比。很多时候，广告主认为投放的是精准词，但实际触发的搜索词可能非常宽泛。这是关键词优化的基础步骤。

PART.05

流量结果分析策略

通过分析 keyword、customer_search_term 及 match_type 等数据，可识别如“投放 coffee maker 却触发 buy coffee maker"或单复数匹配等情况。该数据表主要服务于以下三个优化方向：

1. 识别高曝光低点击的词汇，优化创意或相关性；
2. 发现搜索词与关键词不匹配的情况，调整否定关键词；
3. 评估 Broad、Phrase、Exact 哪种匹配方式效率更高。

若 Broad 匹配带来的搜索词过于杂乱，应考虑添加否定词或收窄匹配类型。

PART.06

查询二：关键词与搜索词的归因转化

第二段查询使用归因事件表 amazon_attributed_events_by_traffic_time，按关键词和搜索词汇总以下指标：

1. total_detail_page_view：广告归因的详情页浏览量；
2. total_purchases：广告归因购买量。

第一段查询解决“流量引入”问题，第二段查询则回答“转化效果”。AMC 将投放词、实际搜索词与后续的详情页浏览（DPV）及购买数据串联，形成完整链路：投放词 -> 实际搜索词 -> 详情页浏览 -> 购买。

total_dpv 代表用户被广告触达后进一步查看商品详情的意愿，total_purchases 则代表最终转化结果。例如，若某搜索词点击量大且 DPV 和购买量均高，说明其购买意图明确，值得加大投入；反之，若曝光点击高但转化低，则需排查搜索意图是否过泛、商品卖点是否匹配或详情页承接能力不足。

综合两段查询的分析建议：

1. 高曝光低点击：优化主图、价格、广告位及搜索词相关性；
2. 高点击低 DPV：检查商品承接页质量，或判断是否因匹配过宽导致流量不精准；
3. 高 DPV 低购买：用户有了解意愿但未转化，需排查价格、优惠、评价、变体及库存；
4. 高购买：结合匹配方式和 Campaign，决定是放量、单独建组还是沉淀为精细化策略。

PART.07

查询三：首个搜索词与归因搜索词路径

第三段查询聚焦于用户购买前的搜索路径演变，将“首个搜索词”（First Search Term）与“归因搜索词”（Attributed Search Term）进行配对分析。默认回溯窗口（lookback window）为 30 天，可根据需求调整。

此查询有助于洞察用户搜索意图的升级过程。例如，用户可能先搜索泛词"coffee maker"进行种草，最终购买前搜索品牌词"kitchen smart coffee maker"完成转化。这表明泛词承担了前置触达作用，而品牌词完成了最终收口。

PART.08

搜索路径数据的战略应用

数据显示，当首搜词与归因词均为泛词（如"coffee"）时，购买量可能较低；而当路径从泛词演变为具体品牌词（如"buy kitchen smart coffee"）时，购买量显著增加。这揭示了关键词策略的核心逻辑：

• 泛词未必直接成交，但负责将用户引入漏斗；
• 品牌词未必负责拉新，但往往主导最终转化。

仅看最后归因容易低估泛词价值，仅看曝光点击又易高估泛词作用。AMC 通过将两者置于同一路径分析，提供了更全面的视角。

PART.09

运营实战应用场景

该 Use case 在运营中主要有四大应用：

1. 优化匹配方式：分析不同匹配类型带来的搜索词质量与转化表现。
2. 挖掘否词机会：识别高曝光高点击但低转化的无效搜索词。
3. 区分词性角色：明确泛词的前置触达作用与品牌词的收口转化作用。
4. 路径分析：追踪用户从首次搜索到最终购买的词义演变规律。

PART.10

实操建议步骤

建议按以下顺序执行分析：

1. 运行关键词和搜索词流量查询；
2. 运行关键词和搜索词归因转化查询；
3. 分类梳理高曝光、高点击及高购买词汇；
4. 运行首搜词和归因词路径查询；
5. 判定各词汇在拉新与转化环节的具体角色。

切勿仅依赖广告后台的订单数据进行优化，AMC 提供的用户搜索路径洞察才是深化策略的关键。

PART.11

总结

本案例展示了如何利用 AMC 将关键词分析划分为三个层次：

1. 关键词和搜索词流量分析；
2. 关键词和搜索词归因转化分析；
3. 首个搜索词到归因搜索词的路径分析。

通过这一框架，广告主可以更系统地理解消费者购物全路径，从而制定更精准的投放策略。

PART.12

Codex 与 AMC 联合实操

真正的关键词优化不仅是调整竞价和否定词，更是理解用户搜索意图的动态变化。将 Codex 与 AMC 结合，可将官方 Use case 转化为定制化的关键词路径分析工具，以“上帝视角”洞察消费者从广告触达到最终转化的全过程。